技术笔记:PID控制器开发笔记之十一:专家PID控制器的实现

简介: 技术笔记:PID控制器开发笔记之十一:专家PID控制器的实现

  前面我们讨论了经典的数字PID控制算法及其常见的改进与补偿算法,基本已经覆盖了无模型和简单模型PID控制经典算法的大部。再接下来的我们将讨论智能PID控制,智能PID控制不同于常规意义下的智能控制,是智能算法与PID控制算法的结合,是基于PID控制器的智能化优化。


  在本章我们首先来探讨一下专家PID算法。正如前面所说,专家PID算法是专家系统与PID算法的结合与应用优化,所以我们接下来先简单了解专家控制。


1、专家控制的基本思想


  专家控制是智能控制的一个分支,是专家系统的理论和技术同控制理论、方法与技术相结合,在无对象模型的情况下,模仿领域专家的经验来实现对被控对象的控制。


  专家控制一般由知识库和推理机构构成主体框架,按照某种策略及时选用恰当的规则进行推理输出,实现控制。其基本结构如下:


  有上图我们不难发现影响专家控制器控制精确性的主要是知识库表达的准确性以及推理机的正确性。知识库越完备、越准确那么对你被控对像的状态识别也就越准确。当然,推理机设计的差别也会对控制结果有影响。


  专家控制器一般来说分为2中实现形式,被称之为直接型专家控制器和间接型专家控制器。所谓直接型专家控制器就是用专门设计的专家控制器直接对被控对象进行控制的方法。该控制器任务//代码效果参考:http://www.jhylw.com.cn/301236049.html

和功能都比较简单,一般都是实时在线运行,直接对被控对象进行控制。其结构图如下:

  而所谓间接型专家控制器是指专家控制器作为其他控制器的辅助方式或者相互结合的控制方式来实现的一种控制器。专家系统通过高层决策来影响控制器输出,而这种高层决策可以是在线也可以是离线,器不会直接控制被控对象。其结构图如下:


  所以我们所要讨论的专家PID算法应该是一种直接型专家控制器,因为专家系统决策与PID算法是结合在一起的,并没有独于PID算法的专家控制器,而是专家决策直接决定PID算法机器输出,这与直接型专家控制的定义是相符的。


2、专家PID的设计思路


  专家PID控制就是基于被控对象和控制规律的各种知识,而不需要知道被控对象的精确模型,利用专家经验来设计PID参数。怎么来实现这一过程呢?我们来分析并推导这一算法。


  我们假设当前为第k采样,当前偏差为e(k),同样前一采样时刻的偏差为e(k-1),而前两个采样时刻的偏差为e(k-1),则可以得到两次的偏差增量为:


  清楚了以上公式,我们再设定偏差的一个极大值,记为Mmax;设定一个偏差较大的中间值,记为Mmid;设定一个偏差的极小值,记为Mmin。根据以上偏差、偏差增量以及偏差极值的设定,我们分析如下:


(1)如果|e(k)|>Mmax


  这种情况说明偏差的绝对值已经很大了,不论偏差变化趋势如何,都应该考虑控制器的输入应按最大(或最小)输出,以达到迅速调整偏差的效果,使偏差绝对值以最大的速度减小。


  这种情况下其实相当于实施开环控制,是一种对偏差出现极限情况的快速响应。


(2)如果|e(k)|≤Mmax


  这种情况我们需要更具系统的变化趋势来分析,具体的情况实施不同的控制方式,我们引入偏差增量来协助分析。


(2.1)当e(k)?e(k)>0或者?e(k)=0时


  这种情况说明偏差在朝向偏差绝对值增大的方向变化,或者偏差为某一固定值,此时我们再判断偏差的绝对值与偏差的中间值Mmid之间的关系。


(2.1.1)此时如果|e(k)|>Mmid,说明偏差也较大,可考虑由控制器实施较强的控制作用,以达到扭转偏差绝对值向减小的方向变化,并迅速减小偏差的绝对值。


(2.1.2)此时如果|e(k)|≤Mmid,说明尽管偏差是向绝对值增大的方向变化,但是偏差绝对值本身并不是很大,可以考虑控制器实施一般的控制作用,只需要扭转偏差的变化趋势,使其向偏差绝对值减小的方向变化即可。


(2.2)当e(k)?e(k)0或者e(k)=0时,说明偏差的绝对值向减小的方向变化,或者已经达到平衡状态,此时保持控制器输出不变即可。即:U(k)=U(k-1)。


(2.3)当e(k)?e(k)<0且?e(k)?e(k-1)Mmid,可以考虑实施较强控制作用。


  如果此时偏差绝对值较小,|e(k)|

  其中,k1为增益放大系数,k1取大于1的值;k2为增益抑制系数,取大于0而小于1的值。


(3)如果|e(k)|

  这种情况实际上说明偏差绝对值很小,这种偏差有可能是系统静差引起的,此时必须要引入积分作用,实施PID控制或者PI控制。


  Kp和Ki可以适当减小,以减小控制作用。当偏差小到一定程度后,甚至可以引入死区的概念,是系统稳定下来而不需要去进行调节。


3、专家PID算法实现


  前面我们了解了专家PID控制器的基本原理,并分析了一个较为常见的专家PID的控制规则。分析规则的过程其实也是一个推理的基本过程,所以我们得到了基本的规则库同时也有相应的推理机,接下来我们就来实现这一算法。


  首先定义一个专家PID的结构体对象:


1 /定义结构体和公用体/


2 typedef struct


3 {


4 float setpoint; /设定值/


5 float kp; /比例系数/


6 float ki; /积分系数/


7 float kd; /微分系数/


8 float lasterror; /前一拍偏差/


9 float preerror; /前两拍偏差/


10 float result; /PID控制器结果/


11 float output; /输出值,0-100,为百分比值/


12 float maximum; /输出值上限/


13 float minimum; /输出值下限/


14 float errorabsmax; /偏差绝对值最大值/


15 float errorabsmid; /偏差绝对值中位值/


16 float errorabsmin; /偏差绝对值最小值/


17 }EXPERTPID;


  在上面分析的基础上我们很容易写出来一个专家PID的控制器如下:


1 void ExpertPID(EXPERTPID vPID,float pv)


2 {


3 float thiserror;


4 float deltaerror;


5 float lastdeltaerror;


6 float result;//本次调节输出值


7


8 thiserror=vPID->setpoint-pv;


9 deltaerror=thiserror-vPID->lasterror;


10 lastdeltaerror=vPID->lasterror-vPID->preerror;


11


12 if(abs(thiserror)>=vPID->errorabsmax)


13 {/执行规则1/


14 if(thiserror>0)


15 {


16 result=vPID->maximum;


17 }


18


19 if(thiserror[span style="color: rgba(128, 0, 128, 1)">0)


20 {


21 result=vPID->minimum;


22 }


23 }


24


25 if((thiserrordeltaerror>0)||(deltaerror==0))


26 {/执行规则2/


27


28 if(abs(thiserror)>=vPID->errorabsmid)


29 {


30 result=vPID->result+2.0(vPID->kpdeltaerror+vPID->kithisError+vPID->kd(deltaerror-lastdeltaerror);


31 }


32 else


33 {


34 result=vPID->result+0.4(vPID->kpdeltaerror+vPID->kithisError+vPID->kd(deltaerror-lastdeltaerror);


35 }


36 }


37


38 if(((thiserrordeltaerror[span style="color: rgba(128, 0, 128, 1)">0)&&(deltaerrorlastdeltaerror>0))||(thiserror==0))


39 {/执行规则3/


40 result=vPID->result;


41 }


42


43 if((thiserrordeltaerror[span style="color: rgba(128, 0, 128, 1)">0)&&(deltaerrorlastdeltaerror[span style="color: rgba(128, 0, 128, 1)">0))


44 {/执行规则4/


45 if(abs(thiserror)>=vPID->errorabsmid)


46 {


47 result=vPID->result+2.0output+vPID->kpthiserror;


48 }


49 else


50 {


51 result=vPID->result+0.6output+vPID->kpthiserror;


52 }


53 }


54


55 if((abs(thiserror)errorabsmin)&&(abs(thiserror)>0))


56 {/执行规则5/


57 result=vPID->result+0.5vPID->kpdeltaerror+0.3vPID->kithiserror;


58 }


59


60 /对输出限值,避免超调/


61 if(result>=vPID->maximum)


62 {


63 result=vPID->maximum;


64 }


65


66 if(resultminimum)


67 {


68 result=vPID->minimum;


69 }


70


71 vPID->result=result;


72 vPID->preerror=vPID->lasterror;


73 vPID->lasterror=thiserror;


74 vPID->output=(result/(vPID->maximum-vPID->minimum))100;


75 }


4、专家PID总结


  本节我们实现了一个专家PID控制器,这是一种专家规则直接与PID算法相结合的直接型专家控制器。通过分析PID的调节过程总结了5条规则,以这5条规则为基础实现了上述的算法。当然这只是一个普遍型的规则库,对于不同的被控对象和控制要求,我们可以采用不同的判断规则,而且各参数的选取需依赖于专家经验,所以规则的获取和使用也会有不同方式。


欢迎关注:


如果阅读这篇文章让您略有所得,还请点击下方的【好文要顶】按钮。


当然,如果您想及时了解我的博客更新,不妨点击下方的【关注我】按钮。

相关文章
|
芯片 存储 C语言
STM32F103标准外设库——固件库 (三)
STM32F103标准外设库——固件库 (三)
980 0
STM32F103标准外设库——固件库 (三)
|
6月前
|
人工智能 测试技术 API
PaperBench:OpenAI开源AI智能体评测基准,8316节点精准考核复现能力
PaperBench是OpenAI推出的开源评测框架,通过8316个评分节点系统评估AI智能体复现学术论文的能力,涵盖理论理解、代码实现到实验执行全流程。
353 30
PaperBench:OpenAI开源AI智能体评测基准,8316节点精准考核复现能力
|
12月前
|
存储 安全 API
利用环境变量管理敏感信息
【10月更文挑战第16天】在软件开发中,环境变量是管理敏感信息如API密钥、数据库密码等的安全方式,避免了将这些信息硬编码在源代码中。本文介绍了环境变量的概念、优势及如何在应用中实施,包括本地开发、CI/CD流程和云服务中的应用,以及实战技巧和最佳实践。
|
机器学习/深度学习 人工智能 算法
神经网络自适应PID控制及其应用
神经网络自适应PID控制及其应用
3177 0
神经网络自适应PID控制及其应用
|
存储 网络协议 算法
TCP的局限性
【8月更文挑战第20天】
498 3
|
12月前
|
数据可视化 Linux 网络安全
如何使用服务器训练模型
本文介绍了如何使用服务器训练模型,包括获取服务器、访问服务器、上传文件、配置环境、训练模型和下载模型等步骤。适合没有GPU或不熟悉Linux服务器的用户。通过MobaXterm工具连接服务器,使用Conda管理环境,确保训练过程顺利进行。
1221 0
如何使用服务器训练模型
|
数据采集 存储 数据处理
通过load->model()加载数据模型:在采集中实现动态数据处理
本文介绍了在现代网络爬虫技术中,动态数据处理的重要性和实现方法。文章以采集小红书短视频为例,详细讲解了如何通过`load->model()`方法加载数据模型来处理动态数据。首先,强调了动态数据处理在爬虫技术中的必要性,尤其是对于需要实时更新或用户交互的网页。接着,通过安装必要的Python库,使用代理IP技术,设置User-Agent和Cookie,以及动态加载数据模型的步骤,展示了如何构建一个高效的爬虫系统。文章还提供了完整的代码示例,包括环境准备、代理IP配置、请求头设置、数据模型加载和数据解析等关键步骤,成功应用于小红书短视频数据的采集。
287 13
通过load->model()加载数据模型:在采集中实现动态数据处理
|
12月前
|
存储 人工智能 自然语言处理
边缘智能的新时代:端侧大模型的研究进展综述
【10月更文挑战第9天】随着人工智能的发展,大语言模型在自然语言处理领域取得突破,但在资源受限的边缘设备上部署仍面临挑战。论文《On-Device Language Models: A Comprehensive Review》全面综述了端侧大模型的研究进展,探讨了高效模型架构、压缩技术、硬件加速及边缘-云协作等解决方案,展示了其在实时、个性化体验方面的潜力,并指出了未来的研究方向和挑战。
1024 2
|
网络协议 开发工具 网络虚拟化
SourceTree git 配置代理
SourceTree git 配置代理
456 1
|
存储 SQL 分布式计算
当NameNode宕机时的应急响应与恢复策略
【8月更文挑战第31天】
431 0