基于vc60的常用pid改進的編程實現與仿真研究(編輯修改稿)

　

【文章內容簡介】 信號的影響，改善系統性能。 帶死區的數字 PID 算法 在許多實際的控制系統中，并不要求被控量十分精確地與設定值相等，完全無差，而是容許偏差在一定范圍內變化 。在這種情況下，計算機控制中為了避免控制動作過于頻繁，以消除由于執行機構或閥門的頻繁動作所引起的系統振蕩，有時采用所謂帶死區的 PID 算法，也稱帶不靈敏區的算法。該算法是在原 PID 算法的前面增加一個不靈敏區的非線性環節來實現的，即 死區 B 是一個可調參數，其大小一般應根據控制系統對被控量穩態精度的E(S) 1pDfKTsTs?piKTspK()Us圖 13 不完全微分 PID 結構 () 1 pDffK T sGs Ts? ?( ) | ( ) |() 0 | ( ) |e k e k Bpk e k B??? ? ?? 8 要求以及現場的實驗結果來確定。 需要指出的是，死區是一個非線性環節，不能像線性環節一樣隨便移到 PID控制器的后面，對控制量輸出設定一個死區，這樣做的效果是完全不同的。在生產現場有時為了延長執行機構或閥門使用壽命， 有一種錯誤的做法，即不按設計規范的要求片面地增大執行機構或閥門的回程誤差（簡稱回差），希望能避免執行機構或閥門頻繁動作，這就相當于將死區移到了 PID 控制器后面，這樣有時會得到適得其反的效果。 使用在 PID 前面帶有死區的算法，在一定程度上可以抑制由于執行機構存在回差而可能產生的控制量來回振蕩現象。 單神經元自適應 PID控制 神經網絡具有大規模并行處理、高度的容錯性和魯棒性、自組織學習和實時處理等特點，可構造有效地用于非線性、時變系統的只能控制器。 單神經元控制器繼承了常規 PID 控制器的簡單、實 用、易于在 DCS 系統中通過組態實現的優點，現場可調整參數少，易于現場調試，控制品質優于常規PID 控制器。實用經典的神經元智能控制器算法如圖 14： 圖 16中 1( ) ( )x k e k? ，表示系統誤差 2( ) ( ) ( 1)x k e k e k? ? ? ，表示一階差分 3 ( ) ( ) 2 ( 1 ) ( 2)x k e k e k e k? ? ? ? ? ，表示誤差積累 本文主要內容 首先，本文介紹了 PID 的改進方法目前的研究現狀，介紹了各種常用方 法圖 14 單神經元自適應 PID 控制系統 9 的模型，結構，并著重闡述了積分分離算法，抗飽和積分算法，微分項的改進算法，帶死區的數字 PID 算法，這四種方法的結構和具體算法過程。 然后以四種方法為基礎，在 VC平臺上使用 C語言編寫改進程序，其中選用具有滯后特性的熱工被控對象并仿真最終結果。仿真結果表明 : 對于不同的要求不同的改進程序會有更好更穩定的仿真結果相比較常規 PID。 本論文的章節安排 第一章 緒論 簡單論述了選題的意義和重要性以及 PID 改進算法的研究現狀，并闡述了論文的理論依據，說明了本論文所采用算法的可行性和必要性。最后介紹了本文所 作的主要工作和文章的結構安排。 第二章 PID 改進控制算法設計 在各種常用的 PID 改進算法中著重選取四種改進控制算法，繪制程序流程圖，展示明確的判斷運算過程。 第三章 程序設計 在 VC 平臺上，使用 C++語言，描述重要的程序中變量以及程序中重要語句的說明。選用一個典型的熱工被控對象，具有一定的滯后特性，經過四種改進程序比較仿真結果。 最后是結論與展望 本部分總結了本論文的成果和不足，提出以后應該注意和改進的地方，并且總結在編寫程序過程中遇到的各種問題以及解決方法。 第 2 章 PID 改進控制算法設計 積分分離算法 積分分離控制基本思路是 :當被控量與設定值偏差較大時 ,取消積分作用 ,以免由于積分作用使系統穩定性降低 ,超調量增大 。當被控量接近給定值時 ,引入積分控制 ,以便消除靜差 ,提高控制精度。其具體實現步驟如下 : (1)根據具體系統 ,人為設定閾值Δ 0； (2)當時 |e(k)|Δ ,采用 PD 控制 ； (3)當時 |e(k)|Δ ,采用 PID 控制 ； 積分分離控制算法可表示為 10 0( ( ) ( 1 ) )( ) ( ) ( )k dp i sj sk e k e ku k k e k k e j T T????? ? ?? 其中 sT 為采樣時間， ? 為積分項的開關系數： 1 | ( ) |0 | ( ) |ekek ?? ???? ? ?? 積分分離 PID 控制算法的程序框圖如圖 21所示 ： 11 抗積分飽和算法 當系統存在一個方向的誤差時，由于積分的累加作用會使控制量一直增大，可能會使控制量達到執行器的執行閾值，如果此時誤差的方向發生改變，控制量會逐漸減小，控制量也會退出飽和區，執行器也會在閾值內執行；如果此時誤差方向還是沒有改變，控制量會繼續增大但是執行器會一直保持在閾值，此時控制量就進入了飽和區。進入飽和區越深，退出飽和 區時間就會越長，在飽和區時執行器會一直在閾值位置，如果誤差發生反向，執行器不會立刻有反應，PID 控制算法 開始 采樣輸入 r（ k） 輸出 y（ k） 計 算 誤 差 e(k)=r(k)y(k)??|e(k)|PD控制算法 計算控制量 u（ k） 輸出控制 Y N 圖 21 積分分離算法程序控制流程圖 數據更新 12 控制量會慢慢減小，等執行器推出飽和區才會有反應。這樣就會使控制的動態響應變差，控制性能變差。抗積分飽和算法 。 若 max()u k U? ，只累加負的誤差；若 min()u k U? ，只累加正的誤差。這樣就可以避免積分飽和現象。 下圖 22 為抗積分飽和算法在 PID 改進過程中的程序框圖。 13 不完全微分 PID 控制 Y PID 控制算法 開始 采樣輸入 r（ k） 輸出 y（ k） 計 算 誤 差 e(k)=r(k)y(k)PD控制算法 計算控制量 u（ k） 輸出控制 N 圖 22 抗積分飽和算法程序控制流程圖 數據更新 m i n m a x( ) ( ) a n d ( ) 0u k U u k Uek???（ || ） 14 當信號突變時， PID 控制的微分項輸出的控制量可能比較大，尤其是階躍信號時，微分項急劇增加，容易引起調節過程的振蕩，導致系統的動態品質下降。不完全微分 PID 控制算法就是采用一個帶慣性的微分環節來克服常規 PID控制的這一缺點。它的控制結構如圖 23 所示。 微分先行 PID 控制 微分先行 PID 控制是只對輸出量進行微分，而對給定指令不起微分作用，因此它適合于給定指令頻繁升降的場合，可以避免指 令的改變導致超調過大。 它的控制結構如圖 24 所示： 帶死區的數字 PID 算法 在計算機控 制系統中，某些系統為了避免控制動作的過于頻繁，消除由于頻繁動作所引起的振蕩，可采用帶死區的 PID 控制。 在控制精度要求不高、控制過程要求平穩的場合，可以人為的設置 一個不靈敏區 B，即帶死區的 PID 控制。 ( ) | ( ) |() 0 | ( ) |e k e k Bpk e k B??? ? ?? 圖 23 不完全微分 PID 控制結構圖 圖 24 微分先行 PID 控制結構圖 15 只有不在死區范圍內時，才按 PID 算式計算控制量。其程序框圖如圖 25，結構如圖 26 所示。 開始 采 樣輸入 r（ k） 輸出 y（ k） 計 算 誤 差 e(k)=r(k)y(k)?B?|e(k)|計算控制量 u（ k） 輸出控制 Yes No 圖 25 帶死區的計算機 PID 控制系統控制流程圖 數據更新 ( ) 0pk? ( ) ( )p k e k? 16 第 3 章 程序設計 研 究現狀和開發工具的選擇 PID 改進的編程與仿真在 matlab 平臺已經有較多的實例，但在實際應用中，matlab 程序并沒有簡單的可執行程序應用廣泛，所以選擇面向對象的 C++語言作為開發語言， VC 作為開發平臺來編寫 PID 改進的程序。為什么要懸在 C++和VC，因為 matlab 有強大的函數庫，而 VC 具有高效率的優點。 首先：用 C++開發效率很高。由于 OOP，對象會自己管理自己，這樣避免了很多維護的麻煩，加快了開發速度 。 其次：從運行角度上講，由于封裝引入的效率損失不一定比 C直接做差多少。所謂 C更具優勢對絕大多數 程序員都是不成立的，因為你用非 OOP 思想設計出的 C 程序，本身由于混亂維護造成的損失會遠遠大于封裝帶來的損失 現在已經不是講那么細節的效率的時代了，對于幾個指令調用上的損失，往往會被人家忽略，人們更多的會關注項目的可重用性，可維護性和可讀性，這些 C都遠遠不如 C++，所以選擇 C++和 VC++來編寫常見 PID 改進的編程研究和仿真實現。 程序說明 完整程序見附錄， PID 算法程序為附錄 1，仿真繪圖程序見附錄 2。 ()rtB B PID ()ekT()pk()ukT 0()Hs ()Gs()yt? ?圖 26 帶死區的計算機 PID 控制系統 17 PID 算法程序說明 完整代碼共包括 4 個模塊，如圖 31： PID 算法 主 程序 主程序 為人機界面的編寫，和算法選擇的過程。 主要變量有： float a[100],y[100],rin,x=0,z=0,b,um,us,death。 int i。 char c。 a[100],y[100]：為數組，用來儲存經過每個周期 T 后更新的 PID 模塊輸出和最終的 Y輸出。 rin：為輸入，程序中賦值給單位階躍輸入。 x,z：是初始化數據，是實際微分 PID控制算法中，設置 du 和 u的初值為 0。 Um， us：人機界面時輸入的抗積分飽和算法需要的上下 限幅值，然后需要帶入子函數進行計算。 B：在進行積分分離算法中需要設定的偏差 Beta 值。 其中包括 switch 進行選擇控制方法，界面如圖 32，包括： PID 的控制算法 的改進算法 PID 算法 圖 31PID 算法程序結構 18 PID 計算算法過程程序 pid pid ，來計算單位階躍響應，并返回值到 ，然后儲存在 a[i],y[i]數組中。 主要變量 有： void PID::initial() { Kp =55。 /*比例增益 55*/ T =。 /*采樣周期 */ Ti =。 /*積分時間 */ Td =。 /*微分時間 */ Tf =。 /*慣性時間 */ caculate()。 } void PID::caculate() { C1 =(Tf/(T+Tf))。 /*增量型 PID 運算系數有C1,C2,C3,C4*/ C2 =(Kp*T*(1+T/Ti+Td/T)/(T+Tf))。 C3 =(0Kp*T*(1+2*Td/T)/(T+Tf))。 圖 32PID 算法程序運行界面 19 C4 =(Kp*Td/(T+Tf))。 C22=(Kp*T*(1+Td/T)/(T+Tf))。 //C22 為第二種方法積分分離方法中 ,PD 算法的系數 C23=(Kp*T*(1+Td/T)/(T+Tf))。 //C23 為第三種方法抗積分飽和中Ki=0 則 (1/Ti)=0 時 } float New,Sp,u,du， Float Beta， float umin,float umax, float d: New： 反饋回來的輸出值； Sp： 輸入值； U： 增量型實際微分 PID 控制算法中經過離散化的 u(k)； Du: 增量型實際微分 PID 控制算法中的 ()uk? ； Beta： 積分分離算法中的設定值 Beta； float umin: 抗積分飽和算法中的下限； floa