1、毕业设计开题报告电气工程及其自动化智能PID控制器设计与仿真一、选题的背景与意义PIDPROPORTIONALINTEGRALDERIVATIVE控制是控制工程中技术成熟的、应用广泛的一种控制策略，而经过长期的工程实践，已形成了一套完整的控制方法和典型结构。它不仅适用于数学模型已知的控制系统，而且对于大部分数学模型难以确定的工业过程也可应用，在众多工业过程控制中均取得了满意的成果。PID控制器工作基理由于各种来自外界的扰动的不断产生，要想达到保持现场控制的对象值恒定的目的，控制作用就必须不断的进行。若扰动的出现使得现场控制的对象值以下简称被控参数发生变化，现场检测元件就会将这种变化经过采集后通
2、过变送器送至PID控制器的输入端，并与其给定值以下简称SP值进行比较而得到偏差值以下简称E值，而调节器按此偏差并以我们预先设定的整定参数控制规律发出控制信号，去改变调节调节器的开度，使调节器的开度增加或减少，从而使得现场控制的对象值发生改变，并趋向于给定值即SP值，从而达到控制目的，如图所示，其实PID实质就是对偏差（E值）进行比例、积分、微分运算，根据运算结果进而控制执行部件的过程。PID控制器的控制规律可以描述如下比例（P）控制可以迅速反应误差，从而减小系统稳态误差。但是，比例控制不能消除此稳态误差。比例放大系数加大，会引起系统的不稳定。积分（I）控制的作用则比例（P）积分（I）微分（D）
3、执行部件ET设定反馈ETYT是只要系统有误差的存在，积分控制器就将不断地积累，输出控制量，以消除此误差。因而，只要经过足够的时间，积分控制将可以完全消除误差，使得系统误差为零，从而达到消除稳态误差的作用。然而积分作用太强会使系统超调加大，甚至使得系统出现振荡。微分（D）控制可以达到减小超调量，克服振荡，从而使系统的稳定性提高，并同时加快系统的动态响应速度，以减小调节时间，进而可以改善系统的动态性能。根据不同被控对象的控制特性，可以分为P、PI、PD、PID等不同的控制模型。随着信息技术的快速发展，许多新方法和新技术进入工程化、产品化的阶段，这对自动控制技术提出了新的挑战，促进了智能控制理论在控
4、制技术中的应用，从而解决用传统的方法难以解决的复杂系统的控制问题。智能控制的应用1工业过程中的智能控制生产过程中的智能控制主要包括两个方面局部级和全局级。局部级的智能控制是指将智能控制引入工艺过程中的某一单元中进行控制器设计,例如智能PID控制器、专家控制器、神经元网络控制器等等。而研究热点是智能PID控制器,因为其在参数的整定和在线自适应调整方面具有明显优势,且可用于控制一些非线性的复杂对象系统。全局级的智能控制则主要针对整个生产过程的自动化,包括整个操作工艺的控制、过程的故障诊断、规划过程操作处理异常等等。2机械制造中的智能控制在现代化的先进制造系统中,经常需要依赖那些不够完备和不够精确的
5、数据来解决难以或无法预测的情况,人工智能技术则为解决这一难题提供了有效的解决方案。智能控制随之也广泛应用于机械制造行业,它利用模糊自适应、神经网络等方法对制造过程进行动态环境建模,利用传感器融合技术来进行信息的预处理和综合处理。例如可采用专家系统的“THENIF”逆向推理作为反馈机构,以修改控制机构或者选择较好的控制模式和参数；利用模糊集合以及模糊关系的鲁棒性,将模糊信息集成到闭环控制的外环决策中以选取机构来选择控制动作；利用神经网络的学习功能和并行处理信息能力,进行在线模式识别,处理那些可能是残缺不全的信息。3电力电子学研究领域中的智能控制电力系统中发电机、变压器、电动机等电机电器设备的设计
6、、生产、运行、控制是一个复杂过程,电气工作者将人工智能技术引入到电气设备的优化设计、故障诊断及控制中,取得了较为良好的控制效果。例如遗传算法是一种较为先进的优化算法,采用此方法来对电器设备设计进行优化,可以达到降低成本,缩短计算时间,提高产品设计的效率和质量的作用；应用于电气设备故障诊断的智能控制技术有模糊自适应、专家系统和神经网络控制。在电力电子学的众多研究应用领域中,智能控制在电流控制PWM技术中的应用是具有先进代表性的技术应用方向之一,同样也是研究的新热点之一。二、研究的基本内容与拟解决的主要问题1、了解和掌握过程控制的发展过程及发展方向，对PID控制器的各种整定方法有较全面和深刻的理解
7、；2、了解智能控制、模糊自适应PID的发展概况，掌握模糊自适应PID控制运算及其仿真；3、了解智能控制、神经网络PID的发展概况，掌握神经网络PID控制运算及其仿真；4、了解智能控制、粒子群算法（PSO）代码调用的发展概况，掌握粒子群算法（PSO）代码调用控制运算及其仿真；5了解智能控制、SIMULINK模型优化PID参数的发展概况，掌握SIMULINK模型优化PID控制运算及其仿真；6、熟练掌握MATLAB仿真软件，通过仿真为实际控制系统设计仿真提供理论指导；三、研究的方法与技术路线在本课题中，PID控制器，一种工业普遍事业的控制方式。本设计拟针对PID参数调整,采用模糊自适应PID，神经网
8、络PID，粒子群算法（PSO）代码调用，SIMULINK模型优化PID参数等几种典型PID进行研究，要求建立其数学模型，并对对象进行控制，使系统稳定。即是对系统的稳定性控制进行PID控制。在工程实际应用中，应用最为广泛的控制器控制规律为比例、积分、微分控制，简称PID控制。PID控制器问世至今已有70年历史，它以结构简单、稳定性好、工作可靠、调整方便而成为工业控制的主要技术之一。当被控对象的结构和参数不能完全掌握时，或得不到精确数学模型时，或控制理论的其它技术难以采用时，系统控制器的结构和参数则必须依靠经验和现场调试来确定，这时应用PID控制技术最为方便的方法。即当我们不完全了解一个系统或其被
9、控对象时，或不能通过有效的测量手段从而获得系统参数时，最适合于用PID控制技术。PID控制器就是根据系统的误差，利用比例、积分、微分计算出控制量从而达到控制的目的。连续系统PID控制器的数学形式为10TDIPDTTDETDTTETTEKTU（21）式中KP比例系数KI积分系数KD微分系数将（21）离散化得到PID控制器的离散差分形式2KEKKEKKEKKUDIP（22）式中KI积分比例系数IPITTKK0KD微分比例系数0TTKKDPDEKEK12EK2EK1EK2利用MATLAB对PID控制器进行仿真时，利用MATLAB语句，可采用M函数形式，法求解连续方程，在输入指令信号作用下，采用PID
10、控制方法设计控制器。利用SIMULINK进行仿真，采用SIMULINK模块和M函数相结合的形式，求解连续方程。主程序由SIMULINK模块实现，控制器由M函数实现。例如在智能PID控制器，利用模糊自适应PID进行参数调整。模糊控制是以模糊语言变量模糊集合论以及模糊逻辑推理为数学基础的一种新型计算机控制算法，它不依赖控制对象的数学模型，具有智能性和学习性的优点在进行模糊PID设计时，要总结工程设计人员和专家的实际操作经验和知识，针对KP、KI、KD建立合适的模糊规则表，而后确定模糊控制器的输入量（一般为控制量偏差和偏差变化率）和输出量（即PID控制器的比例积分微分系数）的论域和隶属度函数系统工作
11、时首先对输入的清晰量进行模糊化处理，而后通过查询内部的模糊控制规则表进行模糊推理，得到KP、KI、KD的模糊控制量，然后运用推理可得到此时系统所需的最优PID控制参数。模糊自适应PID控制器以误差E和误差变化EC之间的模糊关系，在运行中通过不断检测E和EC，根据模糊控制原理对三个参数进行在线修改，以满足不同的E和EC时对控制参数的不同要求，而使被控对象有良好的动、静态性能。模糊自适应PID结构图如下模糊自适应PID线运行过程中，控制系统通过对模糊逻辑规则的结果处理运算完成对PID参数的在线自适应调整，其工作流程为PID调节器对象DE/DTKIKDKPERRORRMY模糊推理四、研究的总体安排与
12、进度201011201012完成毕业设计论文的外文翻译，文献综述，开题。2011120102熟悉MATLAB软件的应用和PID控制器的原理。2011220113完成PID控制器的建模，参数计算，模型仿真。2011320104完善毕业设计的具体内容，完成毕业论文。2011420105准备答辩取当前采样值入口EKRKYKECKEKEK1EKEK1ECK、EK模糊化模糊整定KP、KI、KD计算当前KP、KI、KDPID控制器输出返回五、主要参考文献【1】李雪莲PID模糊控制器结构研究J机械工程与自动化2005，496100【2】马银辉基于MATLAB的PID参数自调整的模糊控制器的设计与应用仿真J发
13、电设备2005，2112113【3】代林基于模糊控制系统的自整定PID参数控制器的设计J工业控制与应用2005,2452629【4】刘金琨先进PID控制及其MATLAB仿真J北京电子工业版社20037276【5】陶永华新型PID控制及其应用M北京机械工业出版社,1998【6】张建民智能控制原理及应用M北京冶金工业版社,2003【7】张化光智能控制基础理论及应用M北京机械工业出版社,2005【8】爱民编著模糊控制技术M西安西安电子科技大学出版社,2008【9】夏红,赏星耀,宋建成PID参数自整定方法综述J浙江科技学院学报,2007,154236240【10】韩力群智能控制理论及应用M北京机械工业
14、出版社2008【11】黄忠霖黄京控制系统MATLAB计算及仿真M北京国防工业出版社2009【12】马常举马伯淵基于MATLAB的参数模糊自整定PID控制器的设计与仿真研究J虚拟仪器与EDA专题2007102022【13】周平钱积新模糊推理方法在控制系统故障诊断中的应用研究J化工自动化及仪表20053212325【14】WNGDBIAO,TNGT,SUYINGYING,LITAIFUSTUDYONREMODELINGOFFUZZYPIDCONTROLLERBASEDONRBFNEURALNETWORKJDEPARTMENTOFELECTRONICINFORMATIONENGINEERRINGCHONGQINGUNIVOFSCITECH【15】WUYUNJIE,LVQIN,TIANDAPENGSTUDYONADAPTIVEFUZZYPIDPARAMETERSOPTIMIZATIONBASEDONCHAOSJDEPARTMENTOFAUTOMATICCONTROLBEIHANGUNIVERSITY
