申请/专利权人：中铁科工集团装备工程有限公司

申请日：2020-06-12

公开（公告）日：2024-04-23

公开（公告）号：CN112000001B

主分类号：G05B11/42

分类号：G05B11/42

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2020.12.15#实质审查的生效;2020.11.27#公开

摘要：本发明公开了一种基于改进贝叶斯模型的PID参数整定优化方法，包括如下步骤：构建PID控制系统的优化模型，选择目标函数，其目标函数为误差绝对值时间积分性能指标；建立PID参数空间与目标函数值空间的代理模型，实现对未知参数目标函数值的高效预测；建立PID参数的选取函数，实现PID最优参数的自动迭代探索；最优参数空间缩减策略；判定迭代搜索的终止条件，输出最优参数及其性能指标。所述方法基于改进贝叶斯模型，构建了PID参数空间至其目标函数值空间的代理模型，实现对未知参数目标函数值的高效预测。通过建立针对PID参数的选取函数，实现了在未知参数空间中对潜在的最优解的有效探索，进而提高了算法的优化效率和效果。

主权项：1.一种基于改进贝叶斯模型的PID参数整定优化方法，其特征在于：包括如下步骤：S101：构建PID控制系统的优化模型，选择目标函数，其中，PID控制参数为比例系数Kp、积分系数Ki、微分系数Kd；其目标函数为误差绝对值时间积分性能指标；S102：建立PID参数空间与目标函数值空间的代理模型，使用步骤S101中已探索的PID参数及其目标函数值，建立基于改进贝叶斯模型的代理模型，实现对未知参数目标函数值的高效预测；S103：建立PID参数的选取函数，实现PID最优参数的自动迭代探索；S104：最优参数空间缩减策略：通过设定空间缩减判别方法，在特定迭代次数时，对已探索的PID参数及其目标函数值进行相关程度分析，挖掘并裁剪PID参数空间中对PID性能指标不显著的空间，实现对最优PID参数空间的缩减；步骤S104中，所述空间缩减判别方法以最大迭代次数max_eval，设定空间缩减的迭代点为delta_eval，该方法每次判定的缩减步为剩余迭代次数的一半，促使该算法既能挖掘现有空间的相关性特征，提高后续空间范围缩减的准确度，也可以使后续搜索保留足够的迭代次数；其中，delta_eval的计算方法如公式14所示； 步骤S104中，参数空间的相关性分析具体为：首先对PID参数空间X和目标函数空间Y，按Y的大小进行升序，由于采用最小化控制，因此设定前14的样本标记为1，为优良样本，后34的样本标记为0，为次等样本，然后分别采用相关性系数corr、假设检验中的p值检验f_classifp、基于决策树模型的特征重要性指标tree，对其进行综合判别，如果三个指标均显示不相关，则对该空间进行缩减；步骤S104中，在空间缩减时，所有已探索PID参数进行升序，计算前14内参数分布的均值μp、方差σp，将当前的搜索空间设定为2sigma范围内，即[μ-2×σ，μ+2×σ]，为保证最优解也在变换后的空间内，需要对其该空间进行扩展，使其包含最优解x+，同时，为确保收敛性，对对变换后的参数空间以当前空间为基准进行裁剪，使其不超过当前空间的范围，缩减后的空间变化范围如公式15所示： S105：判定迭代搜索的终止条件，输出最优参数及其性能指标。

全文数据：

权利要求：

百度查询： 中铁科工集团装备工程有限公司 一种基于改进贝叶斯模型的PID参数整定优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD