標(biāo)題: PID-位置型PID和增量式PID比較 [打印本頁(yè)]

作者: banzhiyang    時(shí)間: 2023-2-2 23:48
標(biāo)題: PID-位置型PID和增量式PID比較
近段在學(xué)習(xí) PID ,分享好貨,希望對(duì)大家有幫助。
一. 位置型PID
位置型 PID 算法適用于不帶積分元件的執(zhí)行器。 執(zhí)行器的動(dòng)作位置與其輸入信號(hào)呈一一對(duì)應(yīng)的關(guān)系。 控制器根據(jù)第 n 次計(jì)算機(jī)采樣結(jié)果與給定值之間的偏差 e 來計(jì)算出第 n 次采用后所輸出的控制變量的值。 以調(diào)節(jié)閥來簡(jiǎn)單說明,假設(shè)調(diào)節(jié)閥的輸入控制信號(hào)為 4~20mA, 當(dāng) 閥 門 開 度 為 0%時(shí) ,控制信號(hào)為4mA,而當(dāng)閥門開度為 100%時(shí),則控制信號(hào)為 20mA。

二. 增量式 PID
增量式 PID 算法適用于自身帶有積分記憶元件的執(zhí)行器。這類執(zhí)行器的動(dòng)作終點(diǎn)位置和之前每次輸入信號(hào)的累加值相關(guān)。 即每次輸入的信號(hào)決定相鄰兩次執(zhí)行器動(dòng)作終點(diǎn)位置的增量,因此把這種 PID 算法稱之為增量式 PID 算法。 增量式 PID 算法在步進(jìn)電機(jī)的控制和步進(jìn)電機(jī)驅(qū)動(dòng)閥門有著較廣泛的運(yùn)用。

三. 兩種算法的區(qū)別分析
位置式 PID 控制算法是一種非遞推算法,輸出 u(k)可以直接控制執(zhí)行機(jī)構(gòu)的位置,如上文所述的閥門開度的例子, 閥門的開度取決于控制器的輸出 u(k)的值。 而增量式 PID 控制算法是一種遞推算法,其輸出u(k)只是控制量的增量,即 Δu(k)。 而非執(zhí)行機(jī)構(gòu)的實(shí)際位置(例如控制水溫上升,無法立即控制最終溫度,只能慢慢達(dá)到)。

位置式 PID 算法的優(yōu)缺點(diǎn)分析
由位置式 PID 控制的表達(dá)式中可以看出: 比例部分只和當(dāng)前的偏差 e(k)有關(guān),積分部分則是表示系統(tǒng)之前的所有偏差之和, 因此位置式 PID 控制算法的優(yōu)點(diǎn)在于其控制器結(jié)構(gòu)比較清晰,參數(shù)的整定也較為明確。位置式 PID 算法的第一個(gè)缺點(diǎn)在于: 當(dāng)前采樣時(shí)間的輸出值 u(k)與之前各個(gè)狀態(tài)都有關(guān),過去的每個(gè)狀態(tài)都決定著當(dāng)前時(shí)刻的輸出值,因此計(jì)算時(shí)需要對(duì)偏差 e(k)進(jìn)行不斷累加,使得計(jì)算量不斷加大,同時(shí)也加大了計(jì)算機(jī)的負(fù)擔(dān),一旦計(jì)算機(jī)出現(xiàn)故障,累加將會(huì)停止,輸出 u(k)會(huì)長(zhǎng)度巨大偏差,從而導(dǎo)致執(zhí)行機(jī)構(gòu)的位置大幅度變化。 位置型 PID 算法的第二個(gè)缺點(diǎn)在于積分飽和現(xiàn)象的產(chǎn)生,即當(dāng)系統(tǒng)的控制量已經(jīng)達(dá)到最大值時(shí),誤差依然會(huì)在積分的作用下繼續(xù)累加。 一旦誤差開始反向變化,則系統(tǒng)會(huì)進(jìn)入飽和區(qū),并且需要較長(zhǎng)時(shí)間才能從飽和區(qū)退出。 因此當(dāng)輸出 u(k)達(dá)到最小或者最大值時(shí),需要停止積分作用,否則將會(huì)產(chǎn)生積分飽和現(xiàn)象。 對(duì)于積分飽和現(xiàn)象,通常會(huì)采取積分限幅算法,即設(shè)置控制器輸出控制量的極限值,當(dāng) PID 控制器的輸出量超出設(shè)定范圍后,即停止積分運(yùn)算。

增量式 PID 算法的優(yōu)缺點(diǎn)分析
然而對(duì)于增量式 PID 算法,它將位置式 PID 算法的缺點(diǎn)加以改進(jìn),從而變成了增量式 PID 算法的優(yōu)點(diǎn)。

①算法采用加權(quán)處理,而不需要累加,控制增量 Δu(k)僅僅與最近 3 次的采樣值有關(guān);

②計(jì)算機(jī)每次只會(huì)輸出控制增量 Δu(k),即執(zhí)行機(jī)構(gòu)的位置變化量,因此計(jì)算機(jī)發(fā)生故障的幾率較;

③手動(dòng)切換和自動(dòng)切換時(shí)的沖擊小,可以做到無擾動(dòng)切換。積分飽和現(xiàn)象是位置式 PID 算法應(yīng)用常見的一種現(xiàn)象,因此對(duì)于位置式 PID 算法除了需要對(duì)輸出進(jìn)行限幅外還需要對(duì)積分輸出進(jìn)行限幅,而增量式算法很好地避免了積分飽和現(xiàn)象,因此在增量式 PID 控制算法中只需要對(duì)輸出限幅,而無需積分限幅。

參考

① 增量式 PID 和位置式 PID 算法的整定比較與研究(王祎晨)
————————————————
版權(quán)聲明:本文為CSDN博主「海歌也瘋狂」的原創(chuàng)文章,遵循CC 4.0 BY-SA版權(quán)協(xié)議,轉(zhuǎn)載請(qǐng)附上原文出處鏈接及本聲明。
原文鏈接:https://blog.csdn.net/qq_31094099/article/details/125410670


作者: eddia2012    時(shí)間: 2023-11-13 09:01
分析得很好!
作者: 新昌小徐    時(shí)間: 2023-11-13 13:02
位置式控制的積分是先前所有偏差積分的累加相關(guān),計(jì)算量大,會(huì)死機(jī),這個(gè)錯(cuò)了,并不是這樣,弄個(gè)偏差累加變量好了,這樣就是在這個(gè)變量之上的累加而已,并不要再次把先前的所有偏差都計(jì)算個(gè)遍。
偏差,還是測(cè)量值、設(shè)定值都是沒有量綱的,是根據(jù)量程把工程值變成0-1之間的值,如一個(gè)溫度計(jì)的測(cè)量值是80度,量程是-50-200度,那么測(cè)量值就是0.65。
如果設(shè)定值是100度,就是0.75,那么,按位置式,這個(gè)偏差就是0.1,如果比例系數(shù)是2,那么比例輸出就是20%。
如果積分時(shí)間是100秒,意思就是維持100秒,就累加相同比例的輸出,如上面,偏差是0.1,比例輸出20%,如果0.1偏差維持100秒,積分輸出就增加20%,如果采樣時(shí)間是1秒,那么100秒就是100次,每次增加的量就是偏差*比例系數(shù)/積分時(shí)間,
如果把采樣時(shí)間考慮進(jìn)去,那么等于偏差*比例系數(shù)*采樣時(shí)間/積分時(shí)間。
這樣在采樣時(shí)間為1秒的時(shí)候,積分項(xiàng)=積分項(xiàng)+偏差*2/100
我們只要使用當(dāng)前偏差,計(jì)算積分增量,把它累加上去就可以了。
還有微分項(xiàng),什么意思?
微分有微分時(shí)間,微分時(shí)間越大,作用力越大。假設(shè)一個(gè)釜,控制釜溫,現(xiàn)在是100度,控制溫度也是100度,忽然,溫度變成100.1度,又過一秒變成100.2度,如果使用比例來控制,來不及作用,因?yàn)槠钐×,假設(shè)溫度計(jì)量程0-200度,0.1度的偏差是多少?才0.0005,即使比例為10,比例輸出也才0.5%開度,來不及降溫的,當(dāng)釜溫在0.1度/秒變化的時(shí)候,這個(gè)加熱的功率會(huì)很大很大,1000L的反應(yīng)釜放熱功率起碼是100千W以上,反應(yīng)開始放熱了,你得全開閥門,開始用冷卻水降溫。
每1秒變化的速率,這樣維持微分時(shí)間值,如果微分時(shí)間為100秒,那么100秒后溫度變化就會(huì)達(dá)到10度,然后10度來算偏差,就是0.05,乘以比例系數(shù)10,就是50%了,那么微分項(xiàng)輸出就是50%,再加上比例項(xiàng)5%,就是55%了,比例項(xiàng)隨著偏差變大,就會(huì)增加,如溫度達(dá)到了101度了,偏差0.005,比例項(xiàng)輸出5%,二者相加就是55%,還有積分項(xiàng)是累加的時(shí)間越久,增加開度越大?梢娢⒎猪(xiàng)是忽然增加的。
如果溫度變化速度為0了,這個(gè)50%就會(huì)忽然消失。
如果溫度變化是負(fù)值,那么微分項(xiàng)就是很大的負(fù)值,即使比例項(xiàng)+積分項(xiàng)是正,也要被它減去。
輸出有限值的,0-100%,它會(huì)影響積分項(xiàng)。如果輸出是100%了,一般只是比例積分控制,那么積分項(xiàng)等于100%-比例項(xiàng)。




歡迎光臨 (http://www.torrancerestoration.com/bbs/) Powered by Discuz! X3.1