科研動(dòng)態(tài)
基于工程經(jīng)驗(yàn)的群智能通用PID參數(shù)整定
中文題目：基于工程經(jīng)驗(yàn)的群智能通用PID參數(shù)整定
論文題目：Engineering experience-based swarm intelligence for generalized PID tuning
錄用會(huì)議：2025 IEEE 14th Data Driven Control and Learning Systems Conference(CAA-A類(lèi)會(huì)議)
錄用時(shí)間： 2025.03.20
作者列表：
1）王鎧銘 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 控制科學(xué)與工程 碩23
2）王 珠 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 自動(dòng)化系教師
3）周建橋 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 控制科學(xué)與工程 博21
摘要:
PID控制器被廣泛應(yīng)用于工業(yè)過(guò)程控制中。然而，傳統(tǒng)PID參數(shù)整定方法在應(yīng)用于復(fù)雜的動(dòng)態(tài)系統(tǒng)時(shí)，尤其是在變工況條件下，往往會(huì)面臨很大的局限性。這些挑戰(zhàn)可能導(dǎo)致經(jīng)驗(yàn)不可行解(EIS)問(wèn)題。為緩解這一問(wèn)題，本文提出了一種將工程經(jīng)驗(yàn)與粒子群優(yōu)化(PSO)相結(jié)合的PID調(diào)節(jié)方法。通過(guò)定義參數(shù)空間并引入?yún)?shù)物理優(yōu)化方向約束，該方法有效避免了 EIS 的發(fā)生。通過(guò)數(shù)值模擬，基于工程經(jīng)驗(yàn)的Levy-Memory-PSO (EE-LMPSO)算法被用于優(yōu)化PID參數(shù)。通過(guò)與傳統(tǒng)方法的比較，證明了該算法在優(yōu)化性能、可靠性和控制精度方面的優(yōu)勢(shì)。實(shí)驗(yàn)結(jié)果表明，所提出的方法提高了調(diào)整效率，增強(qiáng)了系統(tǒng)穩(wěn)定性，并在復(fù)雜的動(dòng)態(tài)環(huán)境中實(shí)現(xiàn)了更好的控制性能。
背景與動(dòng)機(jī):
PID參數(shù)以實(shí)現(xiàn)精確穩(wěn)定的閉環(huán)控制被認(rèn)為是一個(gè)"NP-Hard"問(wèn)題，類(lèi)似于所有非凸優(yōu)化問(wèn)題。PSO具有全局搜索能力，且實(shí)施簡(jiǎn)單，因此在PID參數(shù)優(yōu)化方面越來(lái)越受歡迎。但在實(shí)際應(yīng)用中，其優(yōu)化結(jié)果可能在數(shù)學(xué)上滿(mǎn)足目標(biāo)函數(shù)，但卻不符合工程預(yù)期，即EIS問(wèn)題。造成EIS問(wèn)題的主要原因是參數(shù)空間配置不合理、缺乏參數(shù)物理優(yōu)化約束以及目標(biāo)函數(shù)設(shè)計(jì)不當(dāng)。
設(shè)計(jì)與實(shí)現(xiàn):
1)開(kāi)環(huán)增益內(nèi)核準(zhǔn)則(Rule.1)
通過(guò)帶有Nussbaum Gain的在線(xiàn)遞推辨識(shí)算法，構(gòu)建系統(tǒng)的高階線(xiàn)性時(shí)變模型，得到時(shí)變參數(shù)后計(jì)算當(dāng)前工況下的開(kāi)環(huán)增益
, 基于該增益，限定比例增益
的初始參數(shù)空間:
2)積分-微分時(shí)間比例準(zhǔn)則(Rule.2)
針對(duì)不同系統(tǒng)延遲特性，引入積分與微分時(shí)間的比例因子
, 可根據(jù)延遲程度自適應(yīng)調(diào)整動(dòng)態(tài)響應(yīng)，約束關(guān)系:
3)比例-積分優(yōu)化協(xié)調(diào)準(zhǔn)則(Rule.3)
當(dāng)粒子群迭代收斂中后期，與
同時(shí)偏離其最優(yōu)解趨勢(shì)時(shí)，系統(tǒng)可能陷入局部最優(yōu)或無(wú)效搜索。為此引入動(dòng)態(tài)協(xié)調(diào)機(jī)制：當(dāng)兩參數(shù)相對(duì)偏差超過(guò)設(shè)定閾值時(shí)，觸發(fā)粒子位置隨機(jī)重置。
主要內(nèi)容:
EE-LMPSO-PID在線(xiàn)閉環(huán)智能調(diào)整控制器參數(shù)的方案如下：
1) 數(shù)據(jù)采集：在當(dāng)前的控制系統(tǒng)中，首先確定采樣頻率，然后采集控制回路的操縱變量(OP)和過(guò)程變量(PV);
2) 建立模型：使用高階線(xiàn)性時(shí)變模型捕捉對(duì)象的動(dòng)態(tài)特性，并將模型開(kāi)環(huán)增益賦予Rule.1;
3) 確定目標(biāo)函數(shù)：根據(jù)綜合性能指標(biāo)選擇合適的
和
值;
4) 初始化：根據(jù)規(guī)則Rule.1和Rule.2形成PSO初始化空間，并設(shè)置PSO超參數(shù);
5) 計(jì)算適合度函數(shù);
6) 更新粒子的速度和位置;
7) 更新全局最優(yōu)位置;
8) 參數(shù)優(yōu)化約束：引入Rule.3;
9) 重復(fù)步驟5)至8)，直至滿(mǎn)足終止條件;
10) 輸出PID最佳參數(shù)。
實(shí)驗(yàn)結(jié)果及分析:
為了驗(yàn)證將EE納入LMPSO的有效性，并評(píng)估其針對(duì)EIS的預(yù)防能力。本研究以數(shù)值仿真作為對(duì)象，通過(guò)對(duì)比實(shí)驗(yàn)，揭示EE對(duì)LMPSO優(yōu)化效率的提升及其降低EIS 發(fā)生概率的能力。實(shí)驗(yàn)工作流程包括四項(xiàng)內(nèi)容：
1)構(gòu)建基于Rule.1和Rule.2形成的理論參數(shù)空間和經(jīng)過(guò)多次實(shí)驗(yàn)積累形成的經(jīng)驗(yàn)參數(shù)空間(ME-LMPSO)，并比較兩者在相同實(shí)驗(yàn)條件下的優(yōu)化性能。
表 1 EE-LMPSO 和 ME-LMPSO 優(yōu)化性能對(duì)比表
2)通過(guò)是否啟用Rule.3驗(yàn)證粒子收斂速度和優(yōu)化精度的性能差異，進(jìn)而驗(yàn)證其有效性。
圖 1 比例-積分優(yōu)化協(xié)調(diào)下的優(yōu)化效率比較
3)在粒子數(shù)和迭代次數(shù)較少的條件下，通過(guò)多次獨(dú)立重復(fù)實(shí)驗(yàn)，記錄并分析實(shí)驗(yàn)中出現(xiàn)EIS的概率，從而比較有/無(wú)工程經(jīng)驗(yàn)的LMPSO在防止EIS問(wèn)題上的能力差異。
表 2 EE-LMPSO和ME-LMPSO的EIS概率比較
4)通過(guò)比較和分析跟蹤精度、穩(wěn)定性和響應(yīng)時(shí)間的差異，評(píng)估輸出跟蹤參考輸入的可靠性。
圖 2 ME-LMPSO和EE-LMPSO輸出跟蹤參考輸入
實(shí)驗(yàn)結(jié)果綜合表明，所提出的 EE-LMPSO 方法在多個(gè)方面具有明顯優(yōu)勢(shì)：其構(gòu)建的參數(shù)空間更合理，提升了整定性能（實(shí)驗(yàn)一）；引入方向性約束優(yōu)化了收斂效率（實(shí)驗(yàn)二）；在資源受限條件下顯著降低了經(jīng)驗(yàn)不可行解發(fā)生概率（實(shí)驗(yàn)三）；并在動(dòng)態(tài)控制中實(shí)現(xiàn)了更優(yōu)的跟蹤精度與系統(tǒng)穩(wěn)定性（實(shí)驗(yàn)四）。以上結(jié)果充分驗(yàn)證了將工程經(jīng)驗(yàn)融入優(yōu)化過(guò)程的有效性與實(shí)用性。
結(jié)論:
本文介紹的改進(jìn)優(yōu)化算法將物理工程經(jīng)驗(yàn)與群智能優(yōu)化相結(jié)合，有效地緩解了傳統(tǒng)參數(shù)調(diào)整方法中經(jīng)常出現(xiàn)的經(jīng)驗(yàn)不可行解的問(wèn)題。仿真結(jié)果表明，在復(fù)雜的動(dòng)態(tài)系統(tǒng)中，該方法比傳統(tǒng)方法更具優(yōu)勢(shì)，尤其是在縮短調(diào)整時(shí)間和提高控制精度方面。進(jìn)一步的實(shí)驗(yàn)證實(shí)了將物理工程經(jīng)驗(yàn)融入優(yōu)化過(guò)程的有益影響，突出了該方法在工業(yè)控制系統(tǒng)中廣泛應(yīng)用的潛力。
通訊作者簡(jiǎn)介:
王珠，博士，中共黨員，現(xiàn)任中國(guó)石油大學(xué)（北京）副教授、碩士生導(dǎo)師。2016年至今在中國(guó)石油大學(xué)（北京）自動(dòng)化系工作，現(xiàn)任中國(guó)自動(dòng)化學(xué)會(huì)人工智能技術(shù)與工業(yè)應(yīng)用專(zhuān)業(yè)委員會(huì)委員、中國(guó)化工學(xué)會(huì)信息技術(shù)應(yīng)用專(zhuān)業(yè)委員會(huì)青年委員、北京人工智能學(xué)會(huì)理事。
在科研與社會(huì)服務(wù)方面，研究興趣為系統(tǒng)辨識(shí)與智能控制、煉化過(guò)程動(dòng)態(tài)異常診斷與故障預(yù)警、大數(shù)據(jù)質(zhì)量預(yù)測(cè)與綜合優(yōu)化。近年來(lái)，主持重點(diǎn)流程工業(yè)企業(yè)的高級(jí)智能報(bào)警項(xiàng)目數(shù)項(xiàng)以及國(guó)家自然科學(xué)基金項(xiàng)目，已發(fā)表高水平學(xué)術(shù)論文30余篇。