论文部分内容阅读
[摘 要]智能PID控制系统的设计和研究，对有效解决静力试验中多通道数字协调加载系统超调量大、加载精度差、响应慢等主要问题具有重要指导作用。本文对PID控制进行了相关介绍，并对智能PID控制系统的设计和仿真进行和深入研究，旨在进一步提升智能PID控制系统的设计水平。
[关键词]智能PID；控制系统；系统设计；系统研究
中图分类号：P344 文献标识码：A 文章编号：1009-914X（2015）28-0049-01
与传统控制系统相比，PID控制系统结构更为简单，调整更为容易， 并且，PID控制系统还具有智能化和性能高的优点，因此，自PID控制系统问世以来，便得到了广泛应用。但是，在PID控制系统中，一旦系统控制参数确定就很难改变，难以满足复杂程度更高的现场需求，达不到理想的试验效果。因此，为了能够有效解决早期PID控制系统中存在的问题，智能PID控制系统就应运而生，它有效解决了PID控制系统中存在的问题。接下来，本文就以加强对智能PID控制系统的了解和掌握为主要目的，对智能PID控制系统设计和实现进行深入探讨。
一、PID控制
PID控制器是一种线性控制系统，该系统是通过系统给定值r（t）与实际输出值y（t）之差e（t），根据比例、微分以及积分等环节对控制对象进行控制，进而达到对现场进行控制的目的。PID控制系统微分方程具体如下所示。
式中：Kp为比例系数；
KI为积分系数；
KD为微分系数。
在PID控制系统中，主要依靠对这三个控制系数的控制来实现对控制对象的控制，同时，这三个系数的调整，也是PID 控制系统设计的重要环节，对整个控制系统具有较为重要的影响。
在对PID系统进行设计的过程中，增大KP的值则能够有效提升系统的响应速度，减小系统在工作过程中所存在的稳态误差，但缺点在于KP值过大容易发生振荡，不利于加载的顺利进行。增大KI值则能够对系统静差进行有效控制，缺点则在于可能会增大超调量，也会在一定程度上对系统的控制造成一定影响。增大KD值能够同时达到提升系统反应速度以及降低系统超调量的效果，但是如此一来却会在一定程度上提升系统的敏感性，并且还会使系统的调整时间进一步延长[1]。因此，在对PID控制系统进行设计的过程中，为了能够确保控制系统运行的有效性，保证加载系统稳定、准确、快速运行，就需要对各参数进行严格控制。智能PID控制系统，就很好的解决了该问题，通过智能化特点来对所有参数进行有效控制，进而确保试验的顺利进行。
二、智能PID控制系统设计
当前在对智能PID控制系统进行设计的过程中，最常用的设计方法就是利用模糊PID控制器设计方法，然后通过模糊逻辑对控制系统中的所有参数进行有效调整和控制，使其能够更好的满足静力试验中复杂的多通道数字协调加载需求。 模糊PID控制系统设计原理具体如图1所示。
（一）PID控制器初始参数
通常情况下，在对智能PID控制系统进行设计的过程中，为了能够确保系统设计的高效性，都会采用经验试凑法对智能PID控制系统的初始参数值进行设置。在设置过程中，KI和KD值设置为零，以确保正PID控制器的比例度能够直接达到临界振荡过程。在该初始值下，此时δk=2.6 ， TK=3.5s，经验公式如下：
通过该公式可得，可得Kp = 0.23 ， KI = 0.13 ， KD = 0.10。此时，再根据结果对控制系统的参数值进行针对性调整，就能够确保控制系统处于最佳状态，就能够有效确保多通道数字协调加载控制的实现，保证静力试验的顺利进行。当前，经过大量试验证明，当控制系统处于最佳状态时，参数值KP约为 0.10，KI为 0.19，KD为 0.01。
（二）智能PID控制系统的模糊规则
在应用模糊逻辑对智能PID控制系统进行设计的过程中，模糊控制规则占据着非常重要的地位。在对智能PID控制系统进行设计的过程中，如果能够对模糊控制系统的模糊规则进行有效應用，就能够对系统中的参数值进行有效控制，进而在达到提升系统响应速度和降低系统超调量目的的同时，确保系统的稳定性[2]。在对智能PID控制系统进行设计的过程中，控制系统系统将给定值 r与输出值 y之间的偏差 e及其变化率 ec，根据与e、ec的变化情况，PID控制参数应根据以下原则确定：
1、在对控制系统进行启动的过程中，如果e<0， ec>0，则控制系统的偏差值就会比较大， 此时就应该通过增大比例系数Kp值的方式来对系统的响应速度进行提升。同时，在此过程中还应该注意，为了能够有效避免控制系统的超调量过大，KI值以取零为宜，而KD值，则以中等值为宜。
2、当控制系统正常运转时，ec值会在中等范围内浮动化。此时，为了能够有效减小控制系统的超调量，Kp值不宜过大，同时KI与KD值也应该在中等范围内变化。
3、当控制系统的响应速度趋于稳定，能够满足系统运转需求时，为了能够有效提升控制系统的稳定性，应该同时增大Kp与KI值。同时，为了能够有效减小控制系统的振荡，在系统ec值较小时KD值应该增大，ec值较大时KD值应该适当减小。
三、 智能PID控制系统的仿真
在对智能PID控制系统进行有效设计之后，为了能够有效确保控制系统运行的稳定性和高效性，在正式对控制系统进行应用之前，应该通过建立模型的方式对系统进行仿真研究。而通常情况下，在对PID控制系统进行仿真研究时，都是在Simulink中建立系统仿真模型，其具体情况如图2所示。
在该方法中，模糊PID控制器所采用的方法为Mamdani模糊推理法，其模糊蕴涵为：
式中：uFR为模糊规则中的隶属度函数；
uRpq为前提部分Rpq的隶属度函数；
upm为结论部分的隶属度函数；
通常情况下，模糊合成所采用的算法主要为取大-取小法，其规则表示如下：
在智能PID控制系统中，在对模糊控制器进行基本设置时，所采用的算法主要包括以下几种：第一种，“与”采用min算法进行运算；第二种，“或”采用max算法进行运算；第三种，模糊蕴涵采用min算法，合成采用max算法。根据以上算法，再综合模型对智能PID控制系统进行仿真研究，就能够得出系统正常运转的结果，为试验现场多通道数字协调加载系统调试提供科学有效的参考依据，不断提高系统稳定性和高效性，更好的确保多通道数字协调加载控制的顺利进行。
结束语：
传统PID控制系统虽然也能够在一定程度上解决试验现场所存在的一系列问题，但是其系统应用却存在一定局限性，无法满足复杂程度越来越高的多通道数字协调加载的需求。因此，各相关专业研究人员就应该加强对智能PID控制系统的设计和研究，有效解决以往系统中存在的问题，实现系统运行的智能化和科技化，进而更好的满足现代复杂的技术需求。
参考文献
[1] 李晓丹.模糊PID控制器的设计研究[D].天津：天津大学，2011.
[2] 王述彦，冯忠绪.基于模糊PID控制器的控制方法研究[J].机械科学与技术，2011（01）.
[关键词]智能PID；控制系统；系统设计；系统研究
中图分类号：P344 文献标识码：A 文章编号：1009-914X（2015）28-0049-01
与传统控制系统相比，PID控制系统结构更为简单，调整更为容易， 并且，PID控制系统还具有智能化和性能高的优点，因此，自PID控制系统问世以来，便得到了广泛应用。但是，在PID控制系统中，一旦系统控制参数确定就很难改变，难以满足复杂程度更高的现场需求，达不到理想的试验效果。因此，为了能够有效解决早期PID控制系统中存在的问题，智能PID控制系统就应运而生，它有效解决了PID控制系统中存在的问题。接下来，本文就以加强对智能PID控制系统的了解和掌握为主要目的，对智能PID控制系统设计和实现进行深入探讨。
一、PID控制
PID控制器是一种线性控制系统，该系统是通过系统给定值r（t）与实际输出值y（t）之差e（t），根据比例、微分以及积分等环节对控制对象进行控制，进而达到对现场进行控制的目的。PID控制系统微分方程具体如下所示。
式中：Kp为比例系数；
KI为积分系数；
KD为微分系数。
在PID控制系统中，主要依靠对这三个控制系数的控制来实现对控制对象的控制，同时，这三个系数的调整，也是PID 控制系统设计的重要环节，对整个控制系统具有较为重要的影响。
在对PID系统进行设计的过程中，增大KP的值则能够有效提升系统的响应速度，减小系统在工作过程中所存在的稳态误差，但缺点在于KP值过大容易发生振荡，不利于加载的顺利进行。增大KI值则能够对系统静差进行有效控制，缺点则在于可能会增大超调量，也会在一定程度上对系统的控制造成一定影响。增大KD值能够同时达到提升系统反应速度以及降低系统超调量的效果，但是如此一来却会在一定程度上提升系统的敏感性，并且还会使系统的调整时间进一步延长[1]。因此，在对PID控制系统进行设计的过程中，为了能够确保控制系统运行的有效性，保证加载系统稳定、准确、快速运行，就需要对各参数进行严格控制。智能PID控制系统，就很好的解决了该问题，通过智能化特点来对所有参数进行有效控制，进而确保试验的顺利进行。
二、智能PID控制系统设计
当前在对智能PID控制系统进行设计的过程中，最常用的设计方法就是利用模糊PID控制器设计方法，然后通过模糊逻辑对控制系统中的所有参数进行有效调整和控制，使其能够更好的满足静力试验中复杂的多通道数字协调加载需求。 模糊PID控制系统设计原理具体如图1所示。
（一）PID控制器初始参数
通常情况下，在对智能PID控制系统进行设计的过程中，为了能够确保系统设计的高效性，都会采用经验试凑法对智能PID控制系统的初始参数值进行设置。在设置过程中，KI和KD值设置为零，以确保正PID控制器的比例度能够直接达到临界振荡过程。在该初始值下，此时δk=2.6 ， TK=3.5s，经验公式如下：
通过该公式可得，可得Kp = 0.23 ， KI = 0.13 ， KD = 0.10。此时，再根据结果对控制系统的参数值进行针对性调整，就能够确保控制系统处于最佳状态，就能够有效确保多通道数字协调加载控制的实现，保证静力试验的顺利进行。当前，经过大量试验证明，当控制系统处于最佳状态时，参数值KP约为 0.10，KI为 0.19，KD为 0.01。
（二）智能PID控制系统的模糊规则
在应用模糊逻辑对智能PID控制系统进行设计的过程中，模糊控制规则占据着非常重要的地位。在对智能PID控制系统进行设计的过程中，如果能够对模糊控制系统的模糊规则进行有效應用，就能够对系统中的参数值进行有效控制，进而在达到提升系统响应速度和降低系统超调量目的的同时，确保系统的稳定性[2]。在对智能PID控制系统进行设计的过程中，控制系统系统将给定值 r与输出值 y之间的偏差 e及其变化率 ec，根据与e、ec的变化情况，PID控制参数应根据以下原则确定：
1、在对控制系统进行启动的过程中，如果e<0， ec>0，则控制系统的偏差值就会比较大， 此时就应该通过增大比例系数Kp值的方式来对系统的响应速度进行提升。同时，在此过程中还应该注意，为了能够有效避免控制系统的超调量过大，KI值以取零为宜，而KD值，则以中等值为宜。
2、当控制系统正常运转时，ec值会在中等范围内浮动化。此时，为了能够有效减小控制系统的超调量，Kp值不宜过大，同时KI与KD值也应该在中等范围内变化。
3、当控制系统的响应速度趋于稳定，能够满足系统运转需求时，为了能够有效提升控制系统的稳定性，应该同时增大Kp与KI值。同时，为了能够有效减小控制系统的振荡，在系统ec值较小时KD值应该增大，ec值较大时KD值应该适当减小。
三、 智能PID控制系统的仿真
在对智能PID控制系统进行有效设计之后，为了能够有效确保控制系统运行的稳定性和高效性，在正式对控制系统进行应用之前，应该通过建立模型的方式对系统进行仿真研究。而通常情况下，在对PID控制系统进行仿真研究时，都是在Simulink中建立系统仿真模型，其具体情况如图2所示。
在该方法中，模糊PID控制器所采用的方法为Mamdani模糊推理法，其模糊蕴涵为：
式中：uFR为模糊规则中的隶属度函数；
uRpq为前提部分Rpq的隶属度函数；
upm为结论部分的隶属度函数；
通常情况下，模糊合成所采用的算法主要为取大-取小法，其规则表示如下：
在智能PID控制系统中，在对模糊控制器进行基本设置时，所采用的算法主要包括以下几种：第一种，“与”采用min算法进行运算；第二种，“或”采用max算法进行运算；第三种，模糊蕴涵采用min算法，合成采用max算法。根据以上算法，再综合模型对智能PID控制系统进行仿真研究，就能够得出系统正常运转的结果，为试验现场多通道数字协调加载系统调试提供科学有效的参考依据，不断提高系统稳定性和高效性，更好的确保多通道数字协调加载控制的顺利进行。
结束语：
传统PID控制系统虽然也能够在一定程度上解决试验现场所存在的一系列问题，但是其系统应用却存在一定局限性，无法满足复杂程度越来越高的多通道数字协调加载的需求。因此，各相关专业研究人员就应该加强对智能PID控制系统的设计和研究，有效解决以往系统中存在的问题，实现系统运行的智能化和科技化，进而更好的满足现代复杂的技术需求。
参考文献
[1] 李晓丹.模糊PID控制器的设计研究[D].天津：天津大学，2011.
[2] 王述彦，冯忠绪.基于模糊PID控制器的控制方法研究[J].机械科学与技术，2011（01）.