[发明专利]基于系统嵌套优化的预测PID方法

说明书

本发明公开了一种基于系统嵌套优化的预测PID方法。该方法包括：使用PID控制器控制被控对象；预测控制与PID控制构成串级控制结构；PID和被控对象共同构成广义控制对象；将预测算法融入PSO优化算法之中，形成预测‑PSO嵌套优化算法；用预测‑PSO嵌套优化算法对含预测控制的PID控制器中比例、积分和微分三个参数进行寻优。该优化算法具有鲁棒性好，可以动态优化的特点。

技术领域

本发明涉及自动控制领域、预测控制领域、优化算法领域，具体涉及一种基于系统嵌套优化的预测PID方法。

背景技术

PID控制器结构简单，对控制对象模型的精度要求不高，适应性强，具有很强的鲁棒性，被广泛的应用于工业控制中。PID控制器中有比例、微分个积分三个参数，这三个参数的取值将直接影响到整个控制系统的控制性能。因此，对比例、微分和积分三个参数的优化就成为了重点的研究领域。

一直以来，各大学、科研机构针对PID参数优化问题提出了多种优化算法，例如遗传算法、神经网络、粒子群算法、模拟退火算法和灰度算法等多种优化算法。虽然，上述列举算法方法虽然能够对PID控制参数寻优，但是PID结构固定对于不确定系统不具有很好的动态调节能力和在线优化能力。因此，需要将动态优化算法与PID参数调整相结合，使其拥有动态调节能力。

发明内容

为了解决上述背景技术存在的问题，本发明的目的是提供一种基于系统嵌套优化的预测PID方法。

为了达到上述目的，本发明所采用的技术方案是：

基于系统嵌套优化的预测PID方法，其特征在于，所述方法包括如下步骤：

步骤1：使用PID控制器控制被控对象，被控对象的输出与PID控制器之间形成单位负反馈，PID控制器的输出为被控对象的输入；

步骤2：增加预测优化模块，将被控系统的输出作为预测优化模块输入，形成单位正反馈，预测优化模块的输出与单位负反馈叠加共同接入PID的输入端；

步骤3：将PID控制器和被控对象及其之间的单位负反馈共同作为新的广义预测对象，将其数学模型写入预测优化模块；

步骤4：预测优化模块采用的预测算法为动态矩阵控制DMC算法，对控制系统做在线的优化；

步骤5：离线优化算法将预测算法融入粒子群PSO优化算法循环迭代过程之中，形成预测-PSO嵌套算法；将预测-PSO嵌套算法用于对预测PID控制器中比例K_p、积分K_i和微分K_d三个参数的寻优。

进一步的，所述的预测优化模块和PID控制器组成串级控制结构，其结构是：将PID控制器和PID控制器的被控对象及其之间的单位负反馈共同作为预测优化模块广义预测对象，将被控系统的输出作为预测优化模块的输入，预测优化模块的输出叠加PID控制器的单位负反馈，作为PID控制器的输入；并且，将目标信号作为跟踪参考信号接入预测优化模块；广义预测对象的传递函数，如式(1)所示：

式中，U(s)为预测优化模块的最优输出也是广义预测对象的最优输入，Y(s)为广义控制对象的最优输出，s为拉普拉斯微分算子。

进一步的，所述的预测-PSO嵌套算法，在PSO算法每更新一次当前全局最优解G_t之后将新的广义预测对象写入预测优化模块，即更新一次预测优化模块，其流程是：

第一步：初始化粒子群，随机生成所有粒子的位置和速度，将粒子分配给2-DOFPID控制器的五个控制参数，建立广义目标预测优化的初始数学模型；

第二步：设计目标函数J，并运行控制系统寻找最优粒子，并将粒子的值作为局部最优解P_t；