热处理炉加热温度控制系统的PID控制的粒子群优化-solarbe文库

资源描述：

ＨｏｔＷｏｒｋｉｎｇＴｅｃｈｎｏｌｏｇｙ２０１３，Ｖｏｌ．４２，Ｎｏ．１４随着社会发展和经济进步，ＰＩＤ控制器因为具有多种优良的性质，例如相对简单的结构，以及较高的安全性，因此在实际应用中具有较为广泛的应用范围［１－３］。在控制系统的建设过程中，一般的系统设置都是高阶的并且是非线性的，因此数学中的最优化问题是对其进行检验检测的基本工具［４－５］。本文基于这一背景，探讨了热处理炉温度控制系统的ＰＩＤ控制的粒子群优化算法，优化结果体现了粒子群算法的优越性，这一结果对于热处理炉温度控制系统的进一步改进具有一定意义。1 热处理炉控制系统算法模型1.1 热处理炉炉温滞后的特点热处理炉的滞后效应和测量系统的滞后效应是不一样的，一般而言，测量取样的过程就是一个一般的测量滞后所造成的。但是对于测量系统的滞后也能通过常规的纠正系统进行初步的纠正和校对，并建立一套较为良好的机制以避免以后产生类似的问题。但是炉温的滞后性是由其材质的物理性质决定的，并受环境等因素影响。但是常规的补偿效应是不够的，也是不能够完成相关的设计目标的。因此需进一步配备新的计算机系统，并建立相对复杂的数学模型［６－７］。但是时滞作用下，实际炉温不会立刻产生相应的升温，而是需要一个实际的时间以升温。而且温度的实际值也不是一成不变的，而是随着实际温度值的一个期望值上下进行变动的，但是总会稳定在理论上的温度值。而这种情况的最终结果就是导致炉温信号的滞后，并浪费了一定的能源，对系统达到热处理炉加热温度控制系统的 PID 控制的粒子群优化徐海峰 , 孔建（烟台工程职业技术学院，山东烟台２６４００６）摘要由于热处理炉温控制滞后的工艺问题，本文探讨了粒子群算法在其温控系统中的应用，给出了这一算法预估补偿器闭环函数准（ s），应用整定方法初始化三个参数［ Kp， Ki， Kd］后，在Ｍａｔｌａｂ中采用ｓｉｍｕｌｉｎｋ的仿真工具实现ＰＩＤ得到响应曲线。结果表明性能指标有了明显改进，系统的超调量有了明显进步，稳定时间也相对降低，有效地改善了控制品质，体现了粒子群算法的优越性。上述结果对于加热炉温度控制系统的进一步改进具有一定的意义。关键词加热炉；温度控制系统；粒子群优化；ＰＩＤ控制中图分类号ＴＱ１５３．１＋１；ＴＧ１４２．３３文献标识码Ａ文章编号１００１－３８１４（２０１３）１４－０２１２－０３Particles Group Optimization of PID Control of Heating FurnaceTemperature Control SystemＸＵＨａｉｆｅｎｇ，ＫＯＮＧＪｉａｎ（ＹａｎｔａｉＥｎｇｉｎｅｅｒｉｎｇ＆ＴｅｃｈｎｏｌｏｇｙＣｏｌｌｅｇｅ，Ｙａｎｔａｉ２６４００６，Ｃｈｉｎａ）Abstract Ｄｕｅｔｏｌａｇｏｆｔｅｃｈｎｏｌｏｇｙｐｒｏｂｌｅｍｉｎｔｈｅｈｅａｔｉｎｇｆｕｒｎａｃｅ，ｔｈｅａｐｐｌｉｃａｔｉｏｎｏｆｐａｒｔｉｃｌｅｓｇｒｏｕｐａｌｇｏｒｉｔｈｍｉｎｔｅｍｐｅｒａｔｕｒｅｃｏｎｔｒｏｌｓｙｓｔｅｍｗａｓｄｉｓｃｕｓｓｅｄ．Ｔｈｅｅｓｔｉｍａｔｅｄｃｏｍｐｅｎｓａｔｉｏｎｏｆｔｈｅａｌｇｏｒｉｔｈｍ准（ s）ｗａｓｏｂｔａｉｎｅｄ，ａｎｄｔｈｒｅｅｐａｒａｍｅｔｅｒｓ［ Kp， Ki， Kd］ｗｅｒｅｏｐｔｉｍｉｚｅｄ．ＩｎｔｈｅＭａｔｌａｂ，ｒｅｓｐｏｎｓｅｃｕｒｖｅｏｆＰＩＤｗａｓｏｂｔａｉｎｅｄ．Ｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｅｒｆｏｒｍａｎｃｅｉｓｃｌｅａｒｌｙｉｍｐｒｏｖｅｄ，ｓｕｐｅｒａｄｊｕｓｔｉｎｇｖｏｌｕｍｅｏｆｓｙｓｔｅｍｈａｓｃｌｅａｒｐｒｏｇｒｅｓｓ，ｓｔａｂｉｌｉｔｙｔｉｍｅａｌｓｏｒｅｌａｔｉｖｅｒｅｄｕｃｅｓ．Ｔｈｅｎ，ｔｈｅｉｒｒｅｆｌｅｃｔｓｔｈｅｓｕｐｅｒｉｏｒｉｔｙｏｆｐａｒｔｉｃｌｅｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍ．Ｉｔｈａｓｃｅｒｔａｉｎｓｉｇｎｉｆｉｃａｎｃｅｆｏｒｔｈｅｉｍｐｒｏｖｅｍｅｎｔｏｆｔｅｍｐｅｒａｔｕｒｅｃｏｎｔｒｏｌｓｙｓｔｅｍｏｆｈｅａｔｉｎｇｆｕｒｎａｃｅ．Key words ｈｅａｔｉｎｇｆｕｒｎａｃｅ；ｔｅｍｐｅｒａｔｕｒｅｃｏｎｔｒｏｌｓｙｓｔｅｍ；ｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ；ＰＩＤｃｏｎｔｒｏｌ收稿日期２０１３－０１－１４基金项目山东职业教育与成人教育科研 “ 十二五 ” 项目（２０１２ＺＣＪ９７）；山东省２０１２年度山东高等学校教学改革项目（２０１２６８８）作者简介徐海峰（１９８１ - ），女，山东郓城人，讲师，研究方向为机械制造自动化通讯作者孔建（１９８１ - ），男，山东曲阜人，讲师，硕士，研究方向为ＣＡＤ／ＣＡＭ、机械设计；电话１３６０５３５４１９１；Ｅ－ｍａｉｌｋｗｉｔｈ＠１６３．ｃｏｍ212DOI10.14158/j.cnki.1001-3814.2013.14.012 热加工工艺２０１３年７月第４２卷第１４期表 1 临界比例度法计算公式Tab.1 Calculation formula of critical ration method参数调节规律比例带 δ 积分时间 T i 微分时间 TdＰ２ δ cr - -ＰＩ２．２ δ cr ０．８５ T i -ＰＩＤ１．６ δ cr ０．５ Tcr ０．１２５ Tcr最佳效率是十分不利的。在此分析过程中笔者得出结论，炉温的偏差是由于炉温的控制燃料流量具有较为迅速的变化，并在这个滞后的时间段内，也不会改变温差。同时，系统的燃料流量也在这个过程中发生实际的变化［８］。1.2 算法设计原理综上所述，炉温滞后现象对系统的实际应用是不利的，因此要探求解决方法。笔者将继续进行介绍。1.2.1 粒子群算法原理在一个 D 维空间中，会有很多粒子群，而每一个微粒都构成了一个向量，并且是 D 维向量。这个微粒的空间相对位置是目标优化的一个具体解，在数学中又叫做特解。而具体对这个问题的一个数学化模型的建立和处理就是依据线性代数的相关内容。这个过程可以具体被表述成如下形式 ν ij（ t１） ν ij（ t） c１ r１（ t）（ pij（ t） -x ij（ t）） c ２ r２（ t）（ pｇｊ（ t） -x ij（ t））（１）xij（ t１） xij（ t） ν ij （ t１）（２）式中 j 为微粒的第 j 个维度，并且用 t 表示第 t 代的数值，而 c１、 c２为加速时的实际值，并且建立了两个随机函数作为一个主要的数据。1.2.2 预估补偿方案对预估的补偿方案是依靠最初就建立好的被控制状态的数学模型进行预估，进而将其应用在被控过程中，而这个联立的过程主要就是用并联的技术进行处理。同时要将并联问题进行一定的数量性的处理。而这个过程中，会出现一定的滞后问题，并且要进行补偿和是否为纯滞后的一个补偿，因此要力图将其进行提前处理。这个过程就能够消除滞后的影响。这么做的目的就是减少过程的超调量和缩短过渡过程的时间，以对预估的补偿进行相对较为稳定的使用和设计。图１即为预估补偿器的方案示意图。图１中 Wc（ s）表示ＰＩＤ调节器的数值； W０（ s） e- τ ０ s为在广义下的被控对象的数学模型具体取值，而 W０（ s）是排除掉纯滞后时间 τ ０的对象模型； Ws（ s）为对预估器的补偿效应。很明显的是，在没有对预估进行补偿时，这个系统的闭环传递函数就是下面这个准（ s） C（ s）R（ s） Wc（ s） W０（ s） e- τ ０ s１ W c（ s） W０（ s） e- τ ０ s （３）进而，通过数学的相关知识能够得到１ Wc（ s） W０（ s） e- τ ０ s０（４）因为系统的特征方程没有纯的时间滞后项，这在系统中对滞后的稳定性很不利。而这对系统的控制难度和滞后性是十分不利的。笔者认为，引入了预估补偿器，能够造成的结果就是能够去除滞后效应的影响。1.2.3 热处理炉温控传递函数的确定自衡系统是一个热处理炉的设计对象，简而言之，就是其他条件不变，在排气口方面和烟气的氧气体积分数中是固定的，而且是加入了燃油量和风量的作用。这对系统的一个设计和实际使用是十分重要的。一般情况下，通常用模型来解释自衡对象的一些特性，例如其动态特性。而这个关系可以在下面的公式中进行进一步的考量。W（ s） e- ２８ s５４７ s ２１４８ s１2 系统仿真研究2.1 参数整定根据实际使用中的相关数据，参数整定要采用临界值法或者 P 值法进行进一步的考察和使用。具体而言，需要进行下面几个步骤（１）将置入调节器的相关系数进行规定和设计，并给出浮动范围，尤其是对其积分时间和微分时间，从而保证系统能够进入到运行状态。（２）系统稳定后，对比例的数值设定要到等幅震荡模式，这个过程在实际工程理论中通常被称为振荡过程，临界值下的振荡过程叫做临界震荡过程。（３）在临界震荡过程记录这种比例，并计算不同的波峰之间的间距，这个值被称为 Tcr。（４）采用实际数值 K 和 Tcr 时按照表１进行计算，并对调节器里面的每一个参数进行求解。ER M CWc（ s）W s（ s）W ０（ s） e- τ ０ s-图１Ｓｍｉｔｈ预估补偿器方案原理框图Ｆｉｇ．１ＳｃｈｅｍａｔｉｃｄｉａｇｒａｍｆｏｒＳｍｉｔｈｐｒｅｄｉｃｔｏｒｃｏｍｐｅｎｓａｔｏｒ213ＨｏｔＷｏｒｋｉｎｇＴｅｃｈｎｏｌｏｇｙ２０１３，Ｖｏｌ．４２，Ｎｏ．１４粒子群法整定工程方法整定Ｓｍｉｔｈ预估补偿器在这个过程中，其初始的结果可以被表示成如下数据 Tcr１８５ - ９０９５； K８．５５； δ １／ K０．１２５根据表１，可用ＰＩＤ调节器计算调节时的各参数，其为 Kp５．３２； Ti５２．５； Ki０．０９５６； Td１３．１３４５； K d６５．７５用工程整定后的仿真图形如图２所示。取 Kp５．０１； Ki０．０９５４； K d６５．７５。其仿真图形如图３所示。2.2 粒子群算法参数整定根据物理学的相关知识，可知 K p５．００１７； K i０．０２２９； Kd６５．７８１１。图４采用了比例度法进行粗略确定的一个向量最优解，即［ Kp， Ki， K d］，而且在这个过程中通过计算得到真实的响应曲线，曲线的上升时间也是一个相对较快的过程，但有一个问题需要注意，就是其过渡所需要的时间相对较长。而且这个过程中，其超调量对工程实践是十分不利的。2.3 预估补偿器按图２的结构在ＭＡＴＬＡＢ中进行仿真，其中Wc（ s）中的参数应用经粒子群算法整定后的那组参数，仿真后与粒子群算法整定相比较，结果如图５所示。可看出，加了Ｓｍｉｔｈ预估补偿器后，系统的超调量有了明显进步，稳定时间也相对降低，有效地改善了控制品质。3 结论本文应用多变量寻优的粒子群算法设计热处理炉温控系统的ＰＩＤ参赛优化，应用整定方法初始化三个参数［ Kp， K i， Kd］，Ｍａｔｌａｂ中粒子群算法采用ｓｉｍｕｌｉｎｋ的仿真工具实现ＰＩＤ得到响应曲线。结果表明改进性能指标有了明显改进，系统的超调量有了明显进步，稳定时间也相对降低，有效地改善了控制品质。故采用粒子群算法的优越性是显而易见的。参考文献［１］袁锡明，李海波，戴建华．基于模糊自整定ＰＩＤ的再流焊设备温控系统设计［Ｊ］．热加工工艺，２０１２，４１（２３）１５４－１５６．［２］张丽萍，马立新，金珍珍．模糊自适应ＰＩＤ炉温控制系统的设计［Ｊ］．热加工工艺，２０１２，４１（１４）２３４－２３６．［３］文定都，曾红兵，何玲．基于遗传算法ＰＩＤ参数寻优的电加热炉温度控制系统［Ｊ］．电气自动化，２００８，（４）６－８．［４］刘明，李贻斌，周凤余，等．加热炉温度控制系统的实现［Ｊ］．微计算机信息，１９９８，（５）８８－９０．［５］纪亚芳，侯俊华．基于模糊ＰＩＤ控制的加热炉温度控制系统［Ｊ］．山西师范大学学报自然科学版，２０１２，（２）４４－４７．［６］夏红，邵林．变结构模糊ＰＩＤ在轧钢加热炉炉温控制中的应用［Ｊ］．自动化与仪器仪表，２０１２，（５）７５－７６．［７］吴剑威，唐立新．温度控制系统模糊自适应ＰＩＤ控制设计与仿真［Ｊ］．合肥师范学院学报，２０１２，（６）３５－３７．［８］李甲申，孟庆贤，孙刚，等．板坯加热炉二自由度ＰＩＤ自动燃烧控制系统［Ｊ］．冶金自动化，１９９１，（５）１１－１４．１．８１．６１．４１．２１．００．８０．６０．４０．２振幅０５０１００１５０２００２５０３００３５０时间／ｓ图４两种不同方法的仿真曲线Ｆｉｇ．４Ｓｉｍｕｌａｔｉｏｎｃｕｒｖｅｓｏｆｔｗｏｄｉｆｆｅｒｅｎｔｍｅｔｈｏｄｓ图２热处理炉温度的ＰＩＤ控制Ｆｉｇ．２ＰＩＤｃｏｎｔｒｏｌｏｆｈｅａｔｔｒｅａｔｍｅｎｔｆｕｒｎａｃｅｔｅｍｐｅｒａｔｕｒｅＸ积分器步进信号反馈取整放大进入工作空间求和时钟信号传递函数（１／（ｓ２＋１４８ｓ＋１））输出显示-放大放大积分器积分器２．０１．５１．００．５０．０－０．５０１００２００３００４００５００振幅时间／ｓ图３单位阶跃响应的等幅振荡曲线Ｆｉｇ．３Ｏｓｃｉｌｌａｔｉｏｎｃｕｒｖｅｏｆｕｎｉｔｓｔｅｐｒｅｓｐｏｎｓｅｏｆｔｈｅａｍｐｌｉｔｕｄｅ１．４１．２１．００．８０．６０．４０．２振幅０５０１００１５０２００２５０３００３５０时间／ｓ图５Ｓｍｉｔｈ预估补偿器所观察到的图形Ｆｉｇ．５Ｓｍｉｔｈｐｒｅｄｉｃｔｏｒｏｆｔｈｅｏｂｓｅｒｖｅｄｐａｔｔｅｒｎ粒子群算法214