基于matlab的多容对象液位控制系统仿真毕业设计

基于matlab的多容对象液位控制系统仿真毕业设计内容摘要：

法结构的简单性决定了 PID 控制比较适用于 SISO 最小相位系统，在处理大时滞、开环不稳定过程等难控对象时，需要通过多个 PID 控制器或与其他控制器的组合，才能得到较好的控制效果。 (2)算法结构的简单性同时决定了 PID 控制只能确定闭环系统的少数主要零 基于 MATLAB 的多容对象液位控制系统仿真 13 极点。 闭环特性从根本上只是基于动态特性的低阶近似假定的。 (3)出于同样的原因，决定了单一 PID 控制器无法同时满足对假定设定值控制和伺服 /跟踪控制的不同性能要求。 【 8】 PID 参数整定方法 自 Ziegler 和 Nichols 提出 PID 参数整定方法起，随着各种技术和理论的发展， PID 参数整定的方法越来越多。 1. 传统整定方法 (1)ZieglerNichols 经验公式 (ZN公式法 )。 该方法先求取系统的开环阶跃响应曲线，根据对象的纯迟延时间、时间常数和放大系数，按 ZieglerNichols经验公式计算 PID 参数。 此方法简单易行，但参数需要进一步调整，一般用于手工计算和设置控制器初值。 (2)稳定边界法 (临界比例度法 )。 该方法需要做稳定边界实验，在闭环系统中控制器只用比例作用，给定值作阶跃扰动，从较大的比例带开 始，逐渐减小，直至被控量出现临界振荡为止，记下临界振荡周期和临界比例带。 然后按照经验公式确定 PID 参数。 由于不易使系统发生稳定的临界振荡或不允许系统离线进行参数整定，临界参数的获取通常用 Astrom 和 Hagglund 提出的继电反馈法。 它既能保证实现稳定闭环振荡，又不需离线进行，是获得过程临界信息的最简便方法之一。 对一阶惯性加纯迟延的对象，时间常数 T 较大时，整定费时。 对干扰多且频繁的系统，要求振荡幅值足够大。 (3)衰减曲线法。 该方法与临界比例度法类似，在闭环系统中控制器只用比例作用，给定值作阶跃扰动，从较大 的比例带开始，逐渐减小，直至被控量出现4:1 的衰减过程为止，记下此时比例带以及相邻波峰之间的时间。 然后按照经验公式确定 PID 参数。 传统的 PID 参数整定主要是一些手动整定方法，阶跃响应是其整定 PID 参数的主要依据。 这种方法仅根据系统的动态响应来整定控制器的参数，具有物理意义明确的优点，可以以较少的试验工作量和简便的计算，得出控制器参数，因而在生产现场得到了广泛应用。 事实上，因其简单实用，在目前的许多企业中，传统的 PID 参数整定方法仍在大量应用，尤其是在单回路系统中。 但运用该方法得 基于 MATLAB 的多容对象液位控制系统仿真 14 到的控制器参数比较粗糙，控制 效果只能满足一定要求，参数的优化远远不够。 同时，对于一些系统，由于控制对象的复杂性、变化性，难以运用传统方法进行整定。 1984 年，著名瑞典自动控制学者 Astrom 提出了继电器振荡 PID 参数自动整定技术，在继电反馈下观测被控过程的极限环振荡，对过程施加周期性方波，根据极限环的特征确定过程的基本性质，经简单计算即可得出动态过程数学模型的有用信息 :临界振荡周期 Tu和临界增益 Ku。 另外由 Tu还可得到采样周期的估计值，再利用 ZN经验公式或其它经验公式即可计算出 PID 的参数。 从根本上说，这仍然是根据过程响应来整定参数 ，是传统整定方法的延续 ，得到的结果仍然是比较粗糙的，只能满足一定的性能指标。 【 1】 (4)积分项改进的数字 PID控制 在一般的 PID 控制中，当存在较大的扰动和大幅度给定值变化时，此时有较大的偏差，由于系统的惯性和滞后，如果施加积分控制，往往会导致超大的超调和长时间的调节时间。 特别是对于温度、成分等变化缓慢的过程控制，这一现象更为严重。 实际中常采取积分分离措施，即当偏差较大时，不施加积分控制；当偏差较小时，才施加积分控制。 即： ()en  时，采用 PD控制； ()en  时，采用 PID 控制。 其中，  为积分分离值，它可根据具体对象及系统设计要求来确定。 实际中 的值要选的合适，若  值过大，则达不到积分分离的目的；若  值过小，一旦被控量无法跳出积分分离区，只进行 PD控制，将会出现残差。    ( ) ( ) ( 1 ) ( ) 2 ( 1 ) ( 2)p d p dU n K e n e n K e n e n e n         ( ) ( )iiu n K e n ( ) ( 1 ) ( ) ( )pd iu n u n U n u n      积分分离时，取 ( ) ( 1 ) ( )pdu n u n U n    常见的积分项改进的数字 PID 控制算法还有抗积分饱和算法、梯形积分算法 基于 MATLAB 的多容对象液位控制系统仿真 15 和消除积分不灵敏区的算法。 (5) 数字变 PID 控制 对于波动范围大、变化迅速的系统，普通的 PID 控制效果往往不能满足控制的要求。 因为普通 PID 的控制系统其 P、 I、 D三个参数在整定时对当时的被调参量可能是合适的，但是被调参量时刻都在 变化并且有时可能波动范围很大。 此时如果再用以前已整定好的 PID 参数来控制此时的被调参量，控制效果肯定不理想。 根据被调参数的波动情况由控制系统自动选择 P、 I、 D控制参数的方法，即分段控制方法可以取得较好的控制效果。 其基本思想为：同一 PID 控制回路提供两套以上 P、 I、 D 参数，各套参数分别适用于不同的波动范围，由程序根据当时波动范围自动选择相应的 PID 参数。 I 积分时间在 PID 控制系统中起着消除静差的作用， I 值越短积分在控制系统中的作用越强， I的各个分段值应根据对 PID 控制系统的被调参量 的波动范围确定。 同时分段 设定高值与分段设定低值的大小也应根据 PID 控制系统的要求而定。 【 2】 随着计算机技术和最优控制理论的发展， PID参数的整定方法发生了很大的变化，出现了一些基于计算机的 PID 参数最优整定方法。 最优控制理论的应用，加上计算机的高速运算能力，赋予了 PID参数优化这样的多变量最优化问题新的生命力， PID 控制器的最优化整定方法是针对特定的系统建立数学模型，运用诸如最速下降法等各种数值解法按照一定的性能指标进行优化。 常用的性能指标除ISE， IAE， ISTE， ITAE， IST2E等指标外，还有改进 ITAE指标，对阶跃响应过程中不同响应阶段区别对待，不同阶段的偏差赋予不同的权重，以获得更佳的控制品质。 加权二次型性能言指标，主要用于多变量系统的最优化。 目前还有一种基于偏差积分指标最小准则的工程实用参数整定法，它根据被控对象的开环阶跃响应曲线，求取被控对象的等效纯迟延时间、时间常数和放大系数，得到等效过程模型，由此模型按最优化方法计算得出一系列参数。 实际工程应用时，只需根据实际过程特性，带入经验公式即可计算最优 PID 参数。 相对传统整定方法来说，数值最优化方法有着明显的优越性，优化的结果比 基于 MATLAB 的多容对象液位控制系统仿真 16 较精确，控制效果比较好。 但运用数值最优化方法必须建立较精确的数学模型，且对模型的要求比较严格，一般要求在解空间连续可导。 此外，从某种意义上说，数值解析最优化方法只是一种局部寻优的方法，易陷入局部最小。 而且某种数值解法通常只对某一类问题适用，对于不同的系统，需要根据系统的特性选择合适的方法。 近年来，随着智能控制理论的发展，专家系统、模糊控制以及神经网络日益受到控制界的重视，出现了一些智能优化手段，主要有如下几种 : （ 1）专家智能型 PID 参数自整定技术。 该自整定技术在线观察系统动态响应，可识别过程的响应参数，并由 此确定 PID控制器参数。 识别过程利用了闭环回路中存在的干扰，无需对被控对象做阶跃扰动试验。 通过对干扰响应的观察，实现对过程的识别，然后由专家系统对 PID 参数进行相应的调整。 专家系统的核心就是知识库，控制器参数的调整完全依赖于专家的经验，无需过程对象模型，但不同的专家整定参数的经验不同，因而针对相同的过程会出现不同的整定参数。 此外，由于缺少特定过程的先验知识，投运初期，会有一个比较长的自整定过程才能达到稳定。 （ 2）基于模糊推理的 PID 自整定。 该技术的实质在于运用模糊理论和方法将操作人员或专家的整定经验和技术 知识总结成为模糊规则模型，形成微机的查询表格及解析式，根据系统的实际响应情况，运用模糊推理来实现对 PID参数的调整。 这种控制器不依赖于特定的过程，因而鲁棒性很强。 该方法根据对象的动态响应在给定的 PID 参数附近对控制器进行调整，属于一种局部寻优方案，而且预给定的 PID 参数必须具有一定品质。 (3)基于遗传算法的 PID 参数整定。 最常见的是标准遗传算法 SGA。 优化 PID控制器时，将控制器参数按二进制或其它形式编码，按 Kp、 TI和 TD拼接成一条染色体个体，然后随机生成一组个体，称为群体。 它以个体的适应度判断个体的优劣，适应度函数一般基于系统动态响应的性能指标，常为各种积分型指标的某种函数。 依据个体的适应度按概率从当前群体中选择个体进行交叉、变异产生下一代群体。 个体的适应度越高，其被选择的概率越大，然后再对下一代群体进行评价，优胜劣汰。 因为在运用遗传算法对 PID 参数寻优的个体评价过程中，许多个 基于 MATLAB 的多容对象液位控制系统仿真 17 体所对应的参数都可能使实际过程系统失控，这在应用中是不能接受的，因此一般采用的是基于模型的 PID 控制器参数优化，对过程不产生任何影响。 同时优化是基于模型，对模型响应的评价大大加快，可以在较短的时间里得到最优化结果。 遗传算法操作的是 解空间的一组个体，而非单个解，因而可以有效地减小局部收敛的危险。 此外，遗传算法采用纯数值计算方法和随机进行策略，无需模型梯度信息，使得问题的处理更具灵活性、适应性、全局性和鲁棒性。 从理论上来看，它能有效地攻克十分困难的优化问题。 对于控制系统的设计与优化，它不仅能提高控制系统的品质，而且能降低设计的难度，因此有着广阔的应用前景。 尽管遗传算法在优化问题上表现出巨大的优越性，但由于其本身还存在着一些问题，如理论上还不完善、收敛性问题、未成熟收敛 (早熟 )、局部搜索能力差等，遗传算法的应用受到了一定的限制，因此，目前 使用较多的是各种改进的遗传算法。 此外，还有其它的一些策略有助于改进遗传算法的收敛性。 【 9】 基于 MATLAB 的多容对象液位控制系统仿真 18 第三章 多容 液位控制系统的 建模 过程建模的方法 从控制的角度来看，过程的静态数学模型是系统方案和控制算法设计的重要基础之一，然而，在不少情况下必须同时掌握过程的动态特性，需要把静态模型和动态模型结合起来。 模型的建立方法可分为机理建模 方 法和测试建模 方 法 ，下面分别进行阐述。 机理法 用机理法建模就是根据过程的内在机理，写出各种有关的平衡方程，例如物质平衡方程，能量平衡方程 ，动量平衡方程，反映流体流动、传热、传质、化学反应等基本规律的运动方程，物性参数方程和某些设备的特性方程等，从中获得所需的数学模型。 机理法建模也称为过程动态学方法，它的特点是把研究的过程视为一个透明的匣子，因此建立的模型也称为“白箱模型”。 机理法建模的主要步骤如下： (1)根据过程的内在机理，写出各种有关的平衡方程； (2)消去中间变量，建立状态变量、控制变量和输出变量之间的关系； (3)在工作点附近对方程进行增量化，建立增量化方程； (4)在共作点处进行线性化处理，简化过程特征； (5)列出状态方程和 输出方程。 机理建模法的首要条件是需要过程的先验知识，并且可以比较确切地对过程加以数学描述。 用机理法建模时，有时也会出现模型中有些参数难以确定的情况，这时可用实验数据或实测工业数据来确定这些参数。 【 15】 基于 MATLAB 的多容对象液位控制系统仿真 19 测试法建模通常只用于建立输入 /输出模型。 它根据过程的输入和输出的实测数进行某种数学运算后得到模型，主要特点是把被研究的过程视为一个黑匣子，完全从外特性上描述它的动态性质，也称为“黑箱模型”。 复杂过程一般都采用测试法建模。 测试法建模又可分为经典辨识法和系统辨识法两大类； (1)经典辨识 法 不考虑测试数据中偶然性误差的影响，只需对少量的测试数据进行比较简单的数学处理，计算工作量一般较小。 经典辨识法包括时域法、频域法和相关分析法。 采用经典辨识法，直接获得的是非参数模型，一般是时间或频率为自变量的试验曲线或数据集。 用阶跃函数、脉冲函数、 正弦波函数或随机函数作用于过程，直接得到的是阶跃响应、脉冲响应、频率响应、相关函数或谱密度，他们都是图形或数据集。 对本类方法的对象，只需做出线性假定，并不需要事先确定模型的具体结构，因而本类方法使用范围广，工程上获得了广泛应用。 对非线性模型，可以直。