CN109839967A - 一种自整定pid节能温度控制方法及模块 - Google Patents

Abstract

本发明涉及一种自整定PID节能温度控制方法，首先设定目标温度值、控制周期、采样周期和阈值温度差，提升负载加热功率，获取被控对象当前区域温度采样值，并结合采样周期计算温升速率，通过粒子群算法(PSO)和差分进化算法(DE)相结合的PSO‑DE算法对PID控制参数进行调整并运算，然后根据运算结果调节一个控制周期输出脉冲的占空比，进而调节加热功率输出，使采样到的温度采样值与被控对象实际的温度值近似相等，减小加热惯性所带来的温度误差，同时可精准控制加热功率，节能效果明显；一种自整定PID节能温度控制模块，包括上述自整定PID节能温度控制方法，能精准控制加热功率，节能效果明显。

Description

一种自整定PID节能温度控制方法及模块

技术领域

本发明涉及节能温度控制领域，具体涉及一种自整定PID节能温度控制方法及模块。

背景技术

随着社会经济的迅速发展，现代工业能耗随着生产规模的扩大而不断增加，其中加热型能耗在工业负荷能耗中占着很大的比重，为了实现节能降耗的发展目标，同时提高加热工艺水平，对加热型负荷的温度控制精度与节能要求越来越高。

现代工业生产中对温度控制普遍采用具有结构简单、易实现、响应快等优势的PID算法。传统的PID控制是结合被控对象动态特性，由专家的经验进行人工调试，调整完参数不再变化，限制性较大。随着温度控制环境与需求的多样化，控制系统的日益复杂，出现了一些改进的PID控制算法，如Z-N自整定算法，直接根据控制对象的控制效果完成参数整定计算，虽然提升了温度控制精度，但需要将整定好的参数固化预存于外部储存器。

针对现有文献检索发现，文献《基于PSO的自整定PID温度控制研究》(田艳兵；化工自动化及仪表)提出了一种基于PSO的自整定PID温度控制方法，相较于传统PID算法相对简单，温控精度高，不需要复杂编程，但还是摆脱不了PSO算法的局部最优解缺陷；文献《智能温度模糊控制PID系统设计》提出了一种模糊控制系统设计方案，动态性能好，但高精度控制对应的模糊规则较为繁杂。与此同时，现有文献多数研究提高温控精度的方法，对提高温控精度与降低加热能耗有机结合的方法关注较少。

发明内容

针对以上不足之处，本发明提出一种自整定PID节能温度控制方法，其基于PSO-DE算法自整定，并结合差分进化算法局部搜索能力强的优势，解决了PSO算法易陷入局部最优的问题，然后利用调整后的PID参数进行运算，并将运算结果转换为一个控制周期输出脉冲的占空比，进而调节加热功率的输出，使采样到的温度采样值与被控对象实际的温度值近似相等，减小加热惯性所带来的温度误差，此外，因为提升了加热功率，输出脉冲的占空比减小，在提高温度控制精度的同时，具有显著的节能效果。

本发明还提供一种自整定PID节能温度控制模块，其能同时提高温度控制精度以及降低加热能耗。

一种自整定PID节能温度控制方法，包括如下步骤：

步骤一：数据初始化，设定目标温度值、控制周期、采样周期和阈值温度差；

步骤二：提升负载加热功率以提高被控对象当前时刻目标区域温度；

步骤三：获取被控对象当前时刻目标区域温度采样值；

步骤四：根据步骤三中获得的温度采样值结合采样周期计算温升速率；

步骤五：根据当前时刻所述温度采样值与温升速率进行基于PSO-DE的PID参数自整定；

步骤六：根据调整后的PID参数进行运算，调节负载加热功率输出，完成一次功率调节；

步骤七：重复步骤三至步骤六，直至达到所述目标温度值。

上述的自整定PID节能温度控制方法，在步骤一中，为确保温度控制精度，所述控制周期和采样周期主要根据被控对象的体积、起始温度和环境散热速率进行设定。

上述的自整定PID节能温度控制方法，当设定目标温度值与当前时刻温度采样值之差为阈值温度差时，本自整定PID节能温度控制方法开始执行。

上述的自整定PID节能温度控制方法，所述提升负载加热功率通过提升加热电源电压实现。

上述的自整定PID节能温度控制方法，步骤四中，温升速率为H，对温升速率H进行计算的公式为：

其中：tcon为温度采样周期，Tc为当前温度测量值，Tb为一个采样周期之前的温度测量值。

上述的自整定PID节能温度控制方法，步骤五中，所述基于PSO-DE的PID参数自整定步骤如下：

A1，设置PID参数Kp、Ki、Kd初始值及范围；

A2，设置改进快速粒子群算法的粒子数N，维度Nl，迭代次数Tpso，变化系数α，加速度常数β；

A3，初始化粒子群，在0-1之间随机产生每个粒子的初始位置；

A4，对每个粒子Kp、Ki、Kd判断其在当前温度和温升速率下闭环系统的稳定性，若稳定，则根据设定值，求得其对于阶跃响应的稳态误差ess、调节时间ts、上升时间tr、超调量σ％等性能指标，并计算每个粒子的适应度，寻找全局最优适应度粒子，其位置记为gbest，最优适应度记为fbest；

A5，粒子位置更新，并进行差分进化寻优，重新计算粒子的适应度函数，寻找全局最优适应度粒子并更新gbest和fbest；位置更新的表达式如下：

X_i(t)＝X_i(t-1)+β·[gbest-X_i(t-1)]+α·rand(N_l).*scale

其中：Xi表示第i个粒子的位置向量，rand(Nl)表示产生Nl维的0到1随机数向量，scale表示Nl维的待求变量变化尺度向量(最大值－最小值)；α是变化系数，用于调整随机变化项的变动幅度；β为加速度常数，调整粒子向全局最优位置飞行距离幅度；

A6，判断是否满足终止条件：

t＝T_pso

如满足，结束流程，否则，并返回步骤A4。

上述的自整定PID节能温度控制方法，适应度函数越小，粒子适应度越优，适应度函数具体计算如下：

其中：k1、k2、k3及k4分别为各个性能指标的权重，根据系统实际取值为30，10，20，40。

上述的自整定PID节能温度控制方法，步骤A5中，差分进化寻优具体步骤如下：

B1，通过变异操作求得中间个体vi(t)，公式如下：

v_i(t)＝gbest(t)+m·(X_r1(t)-X_r2(t))

其中，vi(t)为第i个粒子的飞行速度，m∈[0,2]为加权因子；

B2，通过杂交操作得到新种群，增加粒子种群多样性，公式如下：

其中，ui(t)为得到的新个体，CR∈[0,1]为变异概率；

B3，计算杂交操作后新个体的适应度函数值，从而决定是否选择变异个体，公式如下：

其中，φ(x)为适应度函数。

上述的自整定PID节能温度控制方法，步骤六中，所述调节加热功率输出为将PID运算结果转换为一个控制周期内输出脉冲占空比，进而控制加热功率的输出。

一种采用如上述任一项所述的自整定PID节能温度控制方法的自整定PID节能温度控制模块，包括：

温度采样单元，用于获取被控对象当前区域的温度采样值；

负载加热单元，用于对被控对象当前区域进行加热；

功率提升单元，分别与加热电源和负载加热单元电连接，用于提升负载加热功率；

PID运算单元，与功率提升单元电连接，用于将PID运算结果转化为一个控制周期内输出脉冲占空比，进而控制加热功率输出。

本发明有益效果如下：

一种自整定PID节能温度控制方法，首先设定目标温度值、控制周期、采样周期和阈值温度差，提升负载加热功率，获取被控对象当前区域的温度采样值，并结合采样周期计算温升速率，通过粒子群算法(PSO)和差分进化算法(DE)相结合的PSO-DE算法对PID控制参数进行调整并运算，然后根据运算结果调节一个控制周期输出脉冲的占空比，进而调节加热功率输出，使采样到的温度采样值与被控对象实际的温度值近似相等，减小加热惯性所带来的温度误差，此外，因为提升了加热功率，输出脉冲的占空比减小，在提高温度控制精度的同时，具有显著的节能效果；一种自整定PID节能温度控制模块，包括上述自整定PID节能温度控制方法，因为提升加热功率，本节能温度控制模块输出脉冲占空比减小，精准控制加热功率，有显著的节能效果。

附图说明

图1是本发明的自整定PID节能温度控制方法的流程图；

图2是本发明的自整定PID节能温度控制模块的结构框图；

图3是本发明的具体实施时采用常规PID算法市电加热与采用本发明的自整定PID节能温度控制方法加热的模块输出脉冲图；

图4是本发明的具体实施时采用常规PID算法市电加热与采用本发明的自整定PID节能温度控制方法加热的被控对象温度变化图。

具体实施方式

下面结合实施例及附图，对本发明作进一步详细的说明，但本发明的实施方式不限于此。

参照图1所示，一种自整定PID节能温度控制方法，包括如下步骤：

步骤一：数据初始化，设定目标温度值、控制周期、采样周期和阈值温度差；

步骤二：提升负载加热功率以提高被控对象当前时刻目标区域温度；

步骤三：获取被控对象当前时刻目标区域温度采样值；

步骤四：根据步骤三中获得的温度采样值结合采样周期计算温升速率；

步骤五：根据当前时刻所述温度采样值与温升速率进行基于PSO-DE的PID参数自整定；

步骤六：根据调整后的PID参数进行运算，调节负载加热功率输出，完成一次功率调节；

步骤七：重复步骤三至步骤六，直至达到所述目标温度值。

其中，为确保温度控制精度，所述控制周期和采样周期主要根据被控对象的体积、起始温度和环境散热速率进行设定。在步骤一中，当设定目标温度值与当前时刻温度采样值之差为阈值温度差时，本自整定PID节能温度控制方法开始执行。在步骤二中，所述提升负载加热功率通过提升加热电源电压实现。

在步骤四中，温升速率为H，对温升速率H进行计算的公式为：

其中：tcon为温度采样周期，Tc为当前温度测量值，Tb为一个采样周期之前的温度测量值。

在步骤五中，所述基于PSO-DE的PID参数自整定步骤如下：

A1，设置PID参数Kp、Ki、Kd初始值及范围；

A2，设置改进快速粒子群算法的粒子数N，维度Nl，迭代次数Tpso，变化系数α，加速度常数β；

A3，初始化粒子群，在0-1之间随机产生每个粒子的初始位置；

A4，对每个粒子Kp、Ki、Kd判断其在当前温度和温升速率下闭环系统的稳定性，若稳定，则根据设定值，求得其对于阶跃响应的稳态误差ess、调节时间ts、上升时间tr、超调量σ％等性能指标，并计算每个粒子的适应度，寻找全局最优适应度粒子，其位置记为gbest，最优适应度记为fbest；

A5，粒子位置更新，并进行差分进化寻优，重新计算粒子的适应度函数，寻找全局最优适应度粒子并更新gbest和fbest；位置更新的表达式如下：

X_i(t)＝X_i(t-1)+β·[gbest-X_i(t-1)]+α·rand(N_l).*scale

其中：Xi表示第i个粒子的位置向量，rand(Nl)表示产生Nl维的0到1随机数向量，scale表示Nl维的待求变量变化尺度向量(最大值－最小值)；α是变化系数，用于调整随机变化项的变动幅度；β为加速度常数，调整粒子向全局最优位置飞行距离幅度；

A6，判断是否满足终止条件：

t＝T_pso

如满足，结束流程，否则，并返回步骤A4。

进一步地，适应度函数越小，粒子适应度越优，适应度函数具体计算如下：

其中：k1、k2、k3及k4分别为各个性能指标的权重，根据系统实际取值为30，10，20，40。

在步骤A5中，差分进化寻优具体步骤如下：

B1，通过变异操作求得中间个体vi(t)，公式如下：

v_i(t)＝gbest(t)+m·(X_r1(t)-X_r2(t))

其中，vi(t)为第i个粒子的飞行速度，m∈[0,2]为加权因子；

B2，通过杂交操作得到新种群，增加粒子种群多样性，公式如下：

其中，ui(t)为得到的新个体，CR∈[0,1]为变异概率；

B3，计算杂交操作后新个体的适应度函数值，从而决定是否选择变异个体，公式如下：

其中，φ(x)为适应度函数。

在步骤六中，所述调节加热功率输出为将PID运算结果转换为一个控制周期内输出脉冲占空比，进而控制加热功率的输出。

本发明的自整定PID节能温度控制方法基于PSO-DE算法自整定，并结合差分进化算法局部搜索能力强的优势，解决了PSO算法易陷入局部最优的问题，然后利用调整后的PID参数进行运算，并将运算结果转换为一个控制周期输出脉冲的占空比，进而调节加热功率的输出，使采样到的温度采样值与被控对象实际的温度值近似相等，减小加热惯性所带来的温度误差，此外，因为提升了加热功率，输出脉冲的占空比减小，在提高温度控制精度的同时，具有显著的节能效果

参照图2所示，本发明的节能温度控制模块，采用上述自整定PID节能温度控制方法，能同时提高温度控制精度以及降低加热能耗，如图2示出，本发明的节能温度控制模块包括：

温度采样单元，用于获取被控对象当前区域的温度采样值；

负载加热单元，用于对被控对象当前区域进行加热；

功率提升单元，分别与加热电源和负载加热单元电连接，用于控制负载加热功率；

PID运算单元，与功率提升单元电连接，用于将PID运算结果转化为一个控制周期内输出脉冲占空比，进而控制加热功率输出。

在实际应用中，如以工业生产中加热水为例，工业水箱体积为1m3，起始温度为40℃，设置目标温度60℃，控制周期与采样周期均为2s，设置阈值温度差为20℃，开始加热直至温度到达目标值，采用常规PID算法市电加热和采用本发明的自整定PID节能温度控制方法两种加热方式，实验结果如下表所示。

表1两种加热方式结果

参照图3、图4及表1可知，采用本发明的自整定PID节能温度控制方法加热与采用常规PID算法市电加热相比，因为提升了加热功率，节能温度控制模块输出脉冲占空比减小，精确控制加热功率，有效提高了温控精度，经计算可得，采用本发明的自整定PID节能温度控制方法加热的能耗下降了17％，加热时间也缩短了约68.3％，节能效果显著。

以上所述仅为本发明的优选实施例，并非因此限制其专利范围，凡是利用本发明说明书及附图内容所作的等效结构变换，直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种自整定PID节能温度控制方法，其特征在于，包括如下步骤：

步骤一：数据初始化，设定目标温度值、控制周期、采样周期和阈值温度差；

步骤二：提升负载加热功率以提高被控对象当前时刻目标区域温度；

步骤三：获取被控对象当前时刻目标区域温度采样值；

步骤四：根据步骤三中获得的温度采样值结合采样周期计算温升速率；

步骤五：根据当前时刻所述温度采样值与温升速率进行基于PSO-DE的PID参数自整定；

步骤六：根据调整后的PID参数进行运算，调节负载加热功率输出，完成一次功率调节；

步骤七：重复步骤三至步骤六，直至达到所述目标温度值。

2.根据权利要求1所述的自整定PID节能温度控制方法，其特征在于，在步骤一中，为确保温度控制精度，所述控制周期和采样周期主要根据被控对象的体积、起始温度和环境散热速率进行设定。

3.根据权利要求1所述的自整定PID节能温度控制方法，其特征在于，步骤一中，当设定目标温度值与当前时刻温度采样值之差为阈值温度差时，本自整定PID节能温度控制方法开始执行。

4.根据权利要求1所述的自整定PID节能温度控制方法，其特征在于，步骤二中，所述提升负载加热功率通过提升加热电源电压实现。

5.根据权利要求1所述的自整定PID节能温度控制方法，其特征在于，步骤四中，温升速率为H，对温升速率H进行计算的公式为：

其中：tcon为温度采样周期，Tc为当前温度测量值，Tb为一个采样周期之前的温度测量值。

6.根据权利要求1所述的自整定PID节能温度控制方法，其特征在于，步骤五中，所述基于PSO-DE的PID参数自整定步骤如下：

A1，设置PID参数Kp、Ki、Kd初始值及范围；

A2，设置改进快速粒子群算法的粒子数N，维度Nl，迭代次数Tpso，变化系数α，加速度常数β；

A3，初始化粒子群，在0-1之间随机产生每个粒子的初始位置；

A4，对每个粒子Kp、Ki、Kd判断其在当前温度和温升速率下闭环系统的稳定性，若稳定，则根据设定值，求得其对于阶跃响应的稳态误差ess、调节时间ts、上升时间tr、超调量σ％等性能指标，并计算每个粒子的适应度，寻找全局最优适应度粒子，其位置记为gbest，最优适应度记为fbest；

A5，粒子位置更新，并进行差分进化寻优，重新计算粒子的适应度函数，寻找全局最优适应度粒子并更新gbest和fbest；位置更新的表达式如下：

X_i(t)＝X_i(t-1)+β·[gbest-X_i(t-1)]

+α·rand(N_l).*scale

其中：Xi表示第i个粒子的位置向量，rand(Nl)表示产生Nl维的0到1随机数向量，scale表示Nl维的待求变量变化尺度向量(最大值－最小值)；α是变化系数，用于调整随机变化项的变动幅度；β为加速度常数，调整粒子向全局最优位置飞行距离幅度；

A6，判断是否满足终止条件：

t＝T_pso

如满足，结束流程，否则，并返回步骤A4。

7.根据权利要求6所述的自整定PID节能温度控制方法，其特征在于，适应度函数越小，粒子适应度越优，适应度函数具体计算如下：

其中：k1、k2、k3及k4分别为各个性能指标的权重，根据系统实际取值为30，10，20，40。

8.根据权利要求6所述的自整定PID节能温度控制方法，其特征在于，步骤A5中，差分进化寻优具体步骤如下：

B1，通过变异操作求得中间个体vi(t)，公式如下：

v_i(t)＝gbest(t)+m·(X_r1(t)-X_r2(t))

其中，vi(t)为第i个粒子的飞行速度，m∈[0,2]为加权因子；

B2，通过杂交操作得到新种群，增加粒子种群多样性，公式如下：

其中，ui(t)为得到的新个体，CR∈[0,1]为变异概率；

B3，计算杂交操作后新个体的适应度函数值，从而决定是否选择变异个体，公式如下：

其中，φ(x)为适应度函数。

9.根据权利要求1所述的自整定PID节能温度控制方法，其特征在于，步骤六中，所述调节加热功率输出为将PID运算结果转换为一个控制周期内输出脉冲占空比，进而控制加热功率的输出。

10.包括如权利要求1-9任一项所述的自整定PID节能温度控制方法的自整定PID节能温度控制模块，其特征在于，包括：

温度采样单元，用于获取被控对象当前区域的温度采样值；

负载加热单元，用于对被控对象当前区域进行加热；

功率提升单元，分别与加热电源和负载加热单元电连接，用于控制负载加热功率；

PID运算单元，与功率提升单元电连接，用于将PID运算结果转化为一个控制周期内输出脉冲占空比，进而控制加热功率输出。