基于粒子群优化的连续发酵过程PID控制
2012-01-12刘毅林传东高增梁
石油化工自动化 2012年1期
刘毅,林传东,高增梁
(浙江工业大学化工机械设计研究所,杭州310032)
发酵过程的强非线性和自身特点造成其控制和优化较为困难。连续发酵过程菌体质量浓度的控制直接影响到最终产物质量和能量的消耗量,关系到企业的效益[1-2]。在能够保障和提高产品质量的前提下,应尽量选择简单和鲁棒性强的控制器,这也是比例-积分-微分PID控制器至今仍被广泛采用的原因[3-4]。通过参数整定方法获得优质的PID参数是提高过程控制质量的一种重要手段。因此,简单和高效的PID参数整定方法是值得研究的[3-4]。
据文献报道,目前广泛用于工业过程的PID控制器参数整定方法已超过200种,包括经典的Z-N和IMC等方法[4]。常规的PID控制器参数整定方法依靠经验。当过程对快速性、稳定性和鲁棒性等都有明确要求时,不易获得满足实际要求的最优PID参数。遗传算法等人工智能方法以其简单和快速收敛性为PID控制器参数的寻优开辟了一条新路[5]。但是,在优化具有参数强相关性的对象时,其搜索能力会变差,而且该算法存在过早收敛问题。
粒子群优化算法PSO(Particle Swarm Optimization)是一种全局优化算法,可用于解决非线性、不可微和多峰值复杂函数的优化问题,具有算法简单、容易实现、可调参数较少和应用效果明显等优点,获得了广泛的研究和应用[6-7]。最近,研究人员将PSO用于优化PID控制器的参数以提高控制效果[8]。但是,这类改进的PID控制器还很少用于发酵过程。因此,笔者针对发酵过程菌体质量浓度的控制问题,采用PSO优化PID控制器的参数,以获得更好的控制效果,最终提高发酵过程的控制质量。……
登录APP查看全文
