基于多点并行随机梯度下降的PID控制器参数自动整定方法技术

本发明专利技术公开一种基于多点并行随机梯度下降的PID控制器参数自动整定方法，解决了智能优化算法在PID参数整定中出现的局部收敛和资源消耗大的不足，通过预先生成取样点集，匹配与取样点集对应的PID参数初始值并赋值给PID控制器实时获取输出曲线，设置评价指标判断输出曲线性能，不满足则基于双边扰动随机并行梯度下降算法对PID参数初始值做迭代优化处理，并将满足性能的点作为候选点，比较其他点参数的输出曲线，选取最优候选点，并结束多点并行随机梯度下降算法，在三阶线性模型下通过与遗传算法和粒子群算法的比较，验证多点随机并行梯度下降算法在PID参数整定的可行性和优越性，为PID参数自动整定提供新的、高效的算法。高效的算法。高效的算法。

【技术实现步骤摘要】
基于多点并行随机梯度下降的PID控制器参数自动整定方法


[0001]本专利技术涉及PID控制
，具体涉及一种基于多点并行随机梯度下降的PID控制器参数自动整定方法。

技术介绍

[0002]绝大部分工业控制器主要采用PID控制。为了达到期望的控制效果，需要对PID参数进行整定。PID控制是最早发展起来的控制策略之一，具有算法简单、鲁棒性强以及稳定可靠等优点，在实际的工业控制应用场景中，超过90％的控制器仍然是基于PID控制算法。
[0003]经典的Ziegler
‑
Nichols整定方法是一种对使用者经验要求较高的方法。为了摆脱使用者主观判断对整定结果的影响，学者们先后将遗传算法、随机并行梯度下降、粒子群算法、蚁群算法等智能优化算法引入到PID参数自动整定中。但是，这些算法要么容易陷入局部收敛 (如遗传算法、随机并行梯度下降等)，要么为寻找全局最优解而消耗大量的计算和存储资源 (如粒子群、蚁群算法等)。

技术实现思路

[0004]为了发挥并行梯度快速迭代和资源消耗低优势、克服局部收敛的不足，我们提出基于多点并行随机梯度下降的PID控制器参数自动整定方法，即是在并行梯度算法基础上，增加多个初始向量进行寻优。不仅能跳出局部收敛，而且还便于进行并行计算，提高寻优速度。
[0005]在该方法中，首先应当设置初始向量。初始向量是在开始算法时设置的一个点集，该点集由三个向量组成，即P、I、D三个参数各有一个向量。开始时，给初始向量内的元素随机赋值，即初始向量随机取值，之后把该向量的数据输入到PID控制器中，从而可以由该点集又衍生出更多的点集。设置初始向量后，便可朝着输出量梯度下降最快的方向调整向量参数，并且在开始时会随机生成多个初始向量，从每个初始向量开始进行随机并行梯度下降。即便有部分初始向量经过迭代后陷入局部收敛，即取得局部最优解，其他初始向量经过迭代后仍有可能找到全局最优解。换句话说，该方法是预先生成取样点集，匹配与取样点集对应的PID 参数初始值并赋值给PID控制器从而获取实时输出曲线，设置合适的评判标准来判断输出曲线性能的优劣，若不满足性能需求，则通过双边扰动随机并行梯度下降算法对输入控制器的 PID参数初始值做迭代优化处理，并将使输出结果满足性能需要的点作为候选点，同时比较其他点作为输入参数的输出曲线，根据输出曲线的性能选取最优候选点，并结束多点并行随机梯度下降算法，从而避免了传统整定方法的繁重工作与计算资源消耗，实现了PID控制参数的快速整定且避免陷入局部收敛。
[0006]本专利技术通过下述技术方案实现：
[0007]基于多点并行随机梯度下降的PID控制器参数自动整定方法，包括以下步骤：
[0008]S10：预设PID取样点集，将PID取样点集中的每一点对应匹配一组PID参数初始值，将每组PID参数初始值赋值给PID控制器并获取PID特征曲线；
[0009]S20：判断PID特征曲线是否满足评价指标；
[0010]若PID特征曲线满足超调量和平均误差评价指标，则将PID取样点集中的该点作为候选点；
[0011]若PID特征曲线不满足超调量或平均误差评价指标，则基于双边扰动随机并行梯度下降算法对PID参数初始值做迭代优化处理，得到PID参数更新值以及与每组PID参数更新值对应匹配的PID取样点集，将每组PID参数更新值赋值给PID控制器并获取更新后的PID特征曲线，若更新后的PID特征曲线满足超调量和平均误差评价指标，则将更新后的PID取样点集中的该点作为候选点；
[0012]S30：基于绝对误差准则比较满足评价指标的PID特征曲线的性能参数，选取性能参数最优的特征曲线并获取该特征曲线对应的最优候选点。
[0013]在一个可能的实施方式中，在步骤S20中，还包括以下步骤：
[0014]S201：基于所述PID取样点集中的一点生成服从伯努利分布的随机扰动量Δkp，Δki和Δkd，其中，Δkp表示所述PID参数初始值中比例P对应的随机扰动量，Δki表示所述PID 参数初始值中积分i对应的随机扰动量，Δkd表示所述PID参数初始值中微分d对应的随机扰动量；
[0015]S202：将所述随机扰动量Δkp，Δki和Δkd分别除以2，生成双边扰动量Δkp/2、Δki/2 和Δkd/2，并对所述PID参数初始值进行整定，其表达式如下：
[0016][0017]其中，Δkp/2表示PID参数初始值中比例P对应的双边扰动量，Δki/2表示PID参数初始值中积分i对应的双边扰动量，Δkd/2表示PID参数初始值中微分d对应的双边扰动量；下标1和2分别表示正向整定和负向整定；
[0018]S203：设置搜索步长r，将整定后的参数赋值给PID控制器，基于平均误差函数计算输出曲线的平均误差，其表达式如下：
[0019][0020]其中，EC_1和EC_2为正向整定和负向整定的平均误差值。
[0021]在一个可能的实施方式中，所述双边扰动随机梯度下降算法是通过所述双边扰动量基于多点并行随机梯度下降算法进行处理得到的；所述PID参数更新值是通过所述双边扰动随机梯度下降算法对所述PID取样点集对应的PID参数初始值进行迭代优化处理得到的。
[0022]在一个可能的实施方式中，在判断PID特征曲线是否满足评价指标中，包括步骤：
[0023]S210：获取PID特征曲线的超调量σ和平均误差φ；
[0024]S220：设置双重约束条件，将超调量σ≤5％且平均误差φ≤1％作为筛选条件；
[0025]S230：在满足筛选条件时，基于综合时间与绝对误差准则比较数据，获取最优参数。
[0026]在一个可能的实施方式中，所述评价指标中，所述平均误差和超调量的表达式如下：
[0027][0028]σ＝max{y(k)}
‑
y
d
(k)
[0029]其中，a为采样标准，k0和N分别为PID特征曲线的起始、终止采样时刻，e
m
(i)为第m 个点在第k时刻的系统偏差，M为点集规模。
[0030]在一个可能的实施方式中，所述双边扰动随机并行梯度下降算法表达式如下：
[0031][0032]其中，l为PID参数初始值，包括比例P、积分i和微分d，m为迭代次数，为XX，μ为常数，μ＝r/σ2，r为步长，σ为随机扰动幅度，和为第m次迭代中的双边性能评价函数量，其中量，其中量，其中为第m次迭代更新后的目标函数控制参数。
[0033]在一个可能的实施方式中，在根据所述PID取样点集中的某点对应获取的所述PID特征曲线满足评价指标时，终止所述双边扰动随机并行梯度下降算法，并将该点作为候选点；当所述PID取样点存在其他点对应的所述PID特征曲线超调量和平均误差更优，则更新候选点，获得最优PID参数。
[0034]即假如100个初始向量，超调量和平均误差两个条件筛选得到N个候选点，N个点中去稳态误差最小，即为最优解。最优解的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多点并行随机梯度下降的PID控制器参数自动整定方法，其特征在于，包括以下步骤：S10：预设PID取样点集，将PID取样点集中的每一点对应匹配一组PID参数初始值，将每组PID参数初始值赋值给PID控制器并获取PID特征曲线；S20：判断PID特征曲线是否满足评价指标；若PID特征曲线满足超调量和平均误差评价指标，则将PID取样点集中的该点作为候选点；若PID特征曲线不满足超调量或平均误差评价指标，则基于双边扰动随机并行梯度下降算法对PID参数初始值做迭代优化处理，得到PID参数更新值以及与每组PID参数更新值对应匹配的PID取样点集，将每组PID参数更新值赋值给PID控制器并获取更新后的PID特征曲线，若更新后的PID特征曲线满足超调量和平均误差评价指标，则将更新后的PID取样点集中的该点作为候选点；S30：基于绝对误差准则比较满足评价指标的PID特征曲线的性能参数，选取性能参数最优的特征曲线并获取该特征曲线对应的最优候选点。2.根据权利要求1所述的基于多点并行随机梯度下降的PID控制器参数自动整定方法，其特征在于，在基于双边扰动随机并行梯度下降算法对PID参数初始值做迭代优化处理中，包括步骤：基于所述PID取样点集中的一点生成服从伯努利分布的随机扰动量Δkp，Δki和Δkd，其中，Δkp表示所述PID参数初始值中比例P对应的随机扰动量，Δki表示所述PID参数初始值中积分i对应的随机扰动量，Δkd表示所述PID参数初始值中微分d对应的随机扰动量；将所述随机扰动量Δkp，Δki和Δkd分别除以2，生成双边扰动量Δkp/2、Δki/2和Δkd/2，并对所述PID参数初始值进行整定；设置搜索步长r，将整定后的参数赋值给PID控制器，基于平均误差函数计算输出曲线的平均误差。3.根据权利要求2所述的基于多点并行随机梯度下降的PID控制器参数自动整定方法，其特征在于，所述双边扰动随机梯度下降算法是通过所...

【专利技术属性】
技术研发人员：蒋大钢，戚兴成，唐备，马源泽，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：