[发明专利]PID控制方法、装置和视频编解码系统

权利要求书

1.一种PID控制方法，其特征在于，包括：

根据目标控制系统中的比例积分微分PID控制器的输出值与理论值之间的差值，确定所述PID控制器的PID参数对应的本次奖励值，所述PID参数包括比例增益、积分增益和微分增益中的至少一种；其中，若所述差值的绝对值小于或等于第一阈值，所述本次奖励值大于或等于0；若所述差值的绝对值大于所述第一阈值，所述本次奖励值小于0

在所述本次奖励值小于0的情况下，根据本次累加奖励值和所述本次奖励值对所述PID参数进行更新，其中，所述本次累加奖励值是根据所述本次奖励值与前一次累加奖励值确定的；

根据更新后的所述PID参数，对所述目标控制系统中的PID控制器进行下一次PID控制；

所述PID控制方法还包括：

根据第三公式，确定所述本次累加奖励值，其中，所述第三公式为：

其中，表示本次累加奖励值，表示前一次累加奖励值，表示本次奖励值；

所述在所述本次奖励值小于0情况下，根据本次累加奖励值和所述本次奖励值对所述PID参数进行更新，包括：

在所述本次奖励值小于0的情况下，根据所述本次累加奖励值、所述本次奖励值以及更新率，对所述PID参数进行更新，所述更新率用于调节所述本次奖励值在更新所述PID参数时所占的比例。

2.根据权利要求1所述的PID控制方法，其特征在于，所述本次奖励值与所述差值的绝对值负相关。

3.根据权利要求1所述的PID控制方法，其特征在于，所述根据目标控制系统的输出值与理论值之间的差值，确定所述PID控制器的PID参数对应的本次奖励值，包括：

根据第一公式，确定所述本次奖励值，其中，所述第一公式为：或

根据第二公式，确定所述本次奖励值，其中，所述第二公式为：

；

其中，rwd表示本次奖励值，u(t)表示PID控制器的输出值，v*表示理论值，a和b均为大于0的常数。

4.根据权利要求1所述的PID控制方法，其特征在于，在所述本次奖励值小于0且所述输出值小于所述理论值的情况下，所述更新率用于增大所述本次奖励值在更新所述PID参数时所占的比例；在所述本次奖励值小于0且所述输出值大于所述理论值的情况下，所述更新率用于减小所述本次奖励值在更新所述PID参数时所占的比例。

5.根据权利要求1所述的PID控制方法，其特征在于，所述在所述本次奖励值小于0的情况下，根据所述本次累加奖励值、所述本次奖励值以及更新率，对所述PID参数进行更新，包括：

在所述本次奖励值小于0且所述输出值小于所述理论值的情况下，根据第四公式，对所述PID参数进行更新，其中，所述第四公式为：

；

在所述本次奖励值小于0且所述输出值大于所述理论值的情况下，根据第五公式，对所述PID参数进行更新，其中，所述第五公式为：

；

其中，k₂表示更新后的PID参数，k₁表示更新前的PID参数，rwd(t)表示本次累加奖励值，psh表示本次奖励值的负数，ur表示更新率，ur的取值范围在0到1之间。

6.根据权利要求1所述的PID控制方法，其特征在于，所述PID控制方法还包括：

若所述本次累加奖励值大于第二阈值，减小所述更新率。

7.根据权利要求1所述的PID控制方法，其特征在于，所述PID控制方法还包括：

在所述本次奖励值大于或等于0的情况下，根据所述PID参数对所述目标控制系统中的PID控制器进行下一次PID控制。

8.根据权利要求1所述的PID控制方法，其特征在于，所述PID控制方法还包括：

在所述本次奖励值大于或等于0的情况下，根据所述本次奖励值以及所述前一次累加奖励值确定本次累加奖励值，所述本次累加奖励值用于下一次更新所述PID参数所使用的前一次累加奖励值。