[发明专利]PID控制回路的模型辨识方法、装置、系统及存储介质有效

专利信息
申请号: 202110201535.5 申请日: 2021-02-23
公开(公告)号: CN112965365B 公开(公告)日: 2023-03-31
发明(设计)人: 段怡雍;侯卫锋;叶建位;张利平 申请(专利权)人: 浙江中智达科技有限公司
主分类号: G05B11/42 分类号: G05B11/42
代理公司: 北京集佳知识产权代理有限公司 11227 代理人: 刘志红
地址: 310012 浙江省杭州市余杭*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: pid 控制 回路 模型 辨识 方法 装置 系统 存储 介质
【说明书】:

发明公开了一种PID控制回路的模型辨识方法、装置、系统及计算机可读存储介质,通过对获取到的PID控制回路的数据信息进行辨识得到TF模型;基于预设倍数值对该TF模型的模型参数进行扩展得到包括该模型参数在内的多组新的TF模型参数,每组新的TF模型参数对应一个新的TF模型,从这些新的TF模型中选择出匹配度最高的TF模型作为当前最优TF模型,判断当前最优TF模型是否满足预设条件,若是,则将该当前最优TF模型作为最终的最优TF模型;若否,则基于该当前最优TF模型再扩展出多个新的TF模型后继续寻找当前最优TF模型,直至找到最终的最优TF模型;本发明有利于提高PID控制回路自动化的工作效率和稳定性。

技术领域

本发明实施例涉及自动化技术领域,特别是涉及一种PID控制回路的模型辨识方法、装置、系统及计算机可读存储介质。

背景技术

自动化领域中PID(proportion integral differential,比例、积分、微分)控制器技术是控制系统技术中最成熟、应用最广泛的一种技术。PID控制器按比例、积分、微分三个环节进行控制,容易实现、鲁棒性强,无需控制对象的模型信息即可有效控制。随着工业生产需求的增加和自动化领域的快速发展,人们对PID控制回路有了更高的功能需求,PID控制回路自动整定、性能评估等技术应用越来越广泛。模型辨识一直是自动化领域亟待解决的难点,针对PID回路辨识出相对准确的模型信息能够为回路自动整定、性能评估等技术提供参数支持。由于工业现场数据干扰多、噪声大,采集数据激励不充分,使得直接采用最小二乘法辨识得到的模型参数难以达到理论上的效果,辨识出的模型往往准确度差,难以为PID控制器的参数整定、PID控制回路的性能评估提供准确的参数支持,导致工业PID控制回路自动化的工作效率低、稳定性差。

鉴于此,如何提供一种解决上述技术问题的PID控制回路的模型辨识方法、装置、系统及计算机可读存储介质成为目前本领域技术人员需要解决的问题。

发明内容

本发明实施例的目的是提供一种PID控制回路的模型辨识方法、装置、系统及计算机可读存储介质,在使用过程中最终辨识出的TF模型更加准确,能够为PID控制回路的控制器整定和性能评估提供更加精确的参数支持,有利于提高PID控制回路自动化的工作效率和稳定性。

为解决上述技术问题,本发明实施例提供了一种PID控制回路的模型辨识方法,包括:

对获取到的PID控制回路的数据信息进行辨识,得到传递函数TF模型;所述数据信息包括PID控制回路的各个历史控制器输出值和各个历史过程测量值;

依据预设倍数值对所述TF模型的模型参数进行扩展,得到包括所述模型参数在内的多组新的TF模型参数,每组所述新的TF模型参数对应一个新的TF模型;

根据每个所述新的TF模型各自对应的匹配度,选择出匹配度最高的TF模型作为当前最优TF模型;所述匹配度为依据所述新的TF模型的模型参数、各个所述历史控制器输出值和各个所述过程测量值得到;

判断所述当前最优TF模型是否满足预设条件,若是,则将所述当前最优TF模型作为最终的最优TF模型,以便基于所述最优TF模型对所述PID控制回路进行参数整定和/或性能评估;否则,将所述当前最优TF模型作为所述TF模型,并返回执行所述依据预设倍数值对TF模型的模型参数进行扩展的步骤。

可选的,所述对获取到的PID控制回路的数据信息进行辨识,得到传递函数TF模型的过程为:

获取PID控制回路的数据信息;

对所述数据信息进行最小二乘辨识,得到有限冲激响应FIR模型;

对所述FIR模型进行拟合得到TF模型。

可选的,所述数据信息还包括采用时间和回路类型;

则,对所述数据信息进行最小二乘辨识,得到FIR有限冲激响应模型的过程为:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江中智达科技有限公司,未经浙江中智达科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110201535.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top