技术领域
本发明涉及注塑机智能控制领域,更具体地,涉及一种注塑机PID控制器的参数调控方法及PID控制器。
背景技术
现有的应用较为广泛的注塑机PID控制参数整定的方法主要有理论计算整定法和注塑机动作过程整定法。前者是依据注塑机动作系统的数学模型,经过计算后确定控制参数,所得到的数据需要通过注塑机实际动作进行调整和修改后才能使用。后者需要依赖于注塑机动作控制人工经验,直接在注塑机运转时进行压力、速度及温度调整,简单易掌握,但需要可靠的实际工程经验才能完成。传统PID控制因为其具有固定的参数这一特点,很难实现对系统的自适应控制,达到一个理想的控制效果。
公开号为“CN108181802A”,公开日为2018年6月19日的中国专利申请文件公开了一种性能可控PID控制器参数优化整定方法,该方法对经过理论计算整定法后所得的参数进行优化计算,调参完成后参数始终保持不变,不能随着系统参数的变化而做出适当的动态调整,在一定程度上限制了注塑机面向智能化控制,无人化管理方向发展。
发明内容
本发明为克服上述现有技术中PID控制器在参数不能动态调整的问题,提供一种注塑机PID控制器的参数调控方法及PID控制器,基于注塑机优化目标函数对参数的梯度信息来自动迭代求解最优参数值,使得参数调整过程更加高效和智能化,达到一个理想的控制效果。
为解决上述技术问题,本发明采用的技术方案是:一种注塑机PID控制器的参数调控方法,包括如下步骤:
步骤一:确定注塑机控制系统的动态模型
步骤二:根据灵敏度方法得出动态模型的灵敏度模型
步骤三:将动态模型和灵敏度模型视作目标函数的动态约束,基于梯度信息来求目标函数的极小值;
步骤四:步骤三中目标函数的极小值对应的待优化参数就是PID控制器的最优参数。
优选的,在所述步骤一中,为了实现对注射速度这一关键变量的跟踪和控制,建立动态模型如下:
式中,变量z为注射位移;变量v
令
优选的,目标函数J同时满足动态模型
式中,v
将已建立好的注塑机注射速度的动态模型作为动态约束,结合优化目标和其他的系统约束,此时,注塑机的PID控制器参数调整问题就被转换成了一个求解带相应约束的最优参数选择问题,即对于模型未知的控制系统,在给定系统的动态方程和约束条件的情况下,可以找到一个PID控制增益k=[k
优选的,在所述步骤二中,建立灵敏度模型的具体的流程为:
S2.1:定义一组新的变量Γ(t,k),表示动态模型各个状态变量关于待优化参数k=[k
S2.2:求出Γ(t,k)关于时间t的导数
S2.3:利用微分方程组构造出灵敏度模型
优选的,变量
式中,f(t,x(t),k)为动态方程,x为动态模型状态变量,k为待优化参数;
令
优选的,在所述步骤三中,具体的流程为:
S3.1:将动态模型和灵敏度模型结合,得到一个扩充的常微分方程组;
S3.2:基于步骤S3.1的常微分方程组,建立目标函数J的优化参数k=[k
S3.3:根据完成的梯度信息
优选的,在所述步骤S3.1中,常微分方程组具体为:
式中,f(t,x(t),k)为动态方程,x为动态模型状态变量,k为待优化参数。
该方程组通过用ode45或者其他数值算法来求解。
优选的,在所述步骤S3.2中,梯度信息
式中,λ等于2;k
还提供一种注塑机PID控制器,应用了上述的注塑机PID控制器的参数调控方法。
与现有技术相比,本发明的有益效果是:本发明结合最优控制方法思想,将PID控制器的参数整定问题可以转化成一个最优控制问题的表述形式,给定优化目标、系统动态模型和系统约束条件,基于梯度优化思想,通过求解最优目标函数对待调优参数的梯度信息,基于梯度信息迭代优化自动寻找注塑机PID各个参数的最优解,实现了PID控制器参数的动态调整。
附图说明
图1是本发明的一种注塑机PID控制器的参数调控方法的流程图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明,不能理解为对本专利的限制。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”“长”“短”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
下面通过具体实施例,并结合附图,对本发明的技术方案作进一步的具体描述:
实施例1
如图1所示为一种注塑机PID控制器的参数调控方法的实施例,包括如下步骤:
步骤一:确定注塑机控制系统的动态模型
其中,为了实现对注射速度这一关键变量的跟踪和控制,建立动态模型如下:
式中,变量z为注射位移;变量v
令
具体的,目标函数J同时满足动态模型
式中,v
步骤二:根据灵敏度方法得出动态模型的灵敏度模型
S2.1:定义一组新的变量Γ(t,k),表示动态模型各个状态变量关于待优化参数k=[k
S2.2:求出Γ(t,k)关于时间t的导数
式中,f(t,x(t),k)为动态方程,x为动态模型状态变量,k为待优化参数;
S2.3:利用微分方程组构造出灵敏度模型
最后可以依次得出
步骤三:将动态模型和灵敏度模型视作目标函数的动态约束,基于梯度信息来求目标函数的极小值;
S3.1:将动态模型和灵敏度模型结合,得到一个扩充的常微分方程组,具体为:
式中,f(t,x(t),k)为动态方程,x为动态模型状态变量,k为待优化参数。
该方程组通过用ode45或者其他数值算法来求解。
S3.2:基于步骤S3.1的常微分方程组,建立目标函数J的优化参数k=[k
式中,λ等于2;k
S3.3:根据完成的梯度信息
步骤四:步骤三中目标函数的极小值对应的待优化参数就是PID控制器的最优参数。
本实施例的有益效果:本发明结合最优控制方法思想,将PID控制器的参数整定问题可以转化成一个最优控制问题的表述形式,给定优化目标、系统动态模型和系统约束条件,基于梯度优化思想,通过求解最优目标函数对待调优参数的梯度信息,基于梯度信息迭代优化自动寻找注塑机PID各个参数的最优解,实现了PID控制器参数的动态调整。
实施例2
一种注塑机PID控制器的实施例,本实施例应用了实施例1的注塑机PID控制器的参数调控方法。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
机译: PID控制器参数的最优比例模型建立方法
机译: PI和PID控制器的参数调整方法
机译: PID控制器参数的自动调整方法