基于ARM的參數自整定PID調節(jié)器.pdf

1、比例-積分-微分(PID)是過程控制中最常使用的一種控制算法。由于PID控制算e法簡單、在實際應用中容易被理解和實現，因此它被廣泛應用于化工、冶金、機械、熱工和輕工等過程控制系統(tǒng)中，許多高級控制大多是以PID控制為基礎的。但PID參數的整定一般需要經驗豐富的工程技術人員來完成，十分費時耗力，加之實際系統(tǒng)千差萬別，又有滯后、非線性等因素，使PID參數的整定有一定難度，許多PID調節(jié)器不能工作在令人滿意的狀態(tài)，因此研究自整定PID控制具有重

2、要意義。 論文第一章闡述了課題背景與意義，綜述了PID參數自整定技術的研究現狀。根據PID參數自整定在實際應用中存在的問題，提出了本文的主要工作。 論文第二章分析了常規(guī)的工程整定方法—Ziegler-Nichols整定法，該方法獲得的參數在有負載擾動時存在較大誤差。文中分析得出誤差產生原因是由于負載擾動作用下系統(tǒng)的不對稱輸出和不平衡周期直接導致的，針對該問題，提出用滯環(huán)繼電反饋來抵消由負載擾動所產生的不對稱性，從

3、而減小擾動誤差，獲得更精確的辨識結果。在此基礎上，提出一種滯環(huán)繼電反饋辨識方法，利用多點頻率響應得到對象的二階加滯后模型，然后設計了基于該模型的兩種PID參數自整定方法：直接綜合法和穩(wěn)定裕度法，仿真實驗表明，兩種自整定方法都能使一般的被控對象具有很好的抗干擾性和控制性能，簡單有效，適用于在線實時的工業(yè)過程控制。 論文第三章研究了基于神經網絡的參數自整定PID控制。常規(guī)PID參數自整定方法應用于一般被控對象時，能夠獲得良好的控制效果

4、，但是在過程控制系統(tǒng)中，對于越來越復雜的被控對象，尤其當對象發(fā)生變化或者突發(fā)大的外來擾動時，傳統(tǒng)PID控制算法往往無法達到期望的控制效果。為解決此問題，提出一種基于RBF神經網絡的微分先行PID參數自整定算法，利用人工神經網絡間接的實現PID控制，使傳統(tǒng)PID控制能夠繼續(xù)發(fā)揮其在過程控制中的良好作用。由于RBF網絡是一種局部逼近網絡，在自適應辨識PID參數時可以避免BP網絡存在的局部極小問題。大量的仿真實驗表明，該自整定調節(jié)器的跟蹤性能