一种基于回路状态自动检测的PID向导整定方法及系统

技术领域

本发明涉及PID控制技术领域，具体涉及一种基于回路状态自动检测的PID向导整定方法及系统。

背景技术

在工业流程控制中，PID(比例积分微分)控制策略是目前最常见且广泛应用的方法。由于其具有结构简单、易于实施和稳定性好的特点，大约90％以上的自动控制回路均采用了该种控制策略。在PID控制过程当中，PID控制参数的选择对系统性能有着至关重要的影响。选择适当的参数可以确保工业流程平稳运行，而不当的参数选择可能导致系统波动，甚至发生振荡，对工业生产过程造成不良影响。因此，在流程控制中，PID参数整定是不可或缺的。

现有技术中关于PID参数整定方法众多，但是所有的整定方法的使用都是有条件的，例如内模整定方法需要基于辨识模型计算得到，同时辨识模型依赖于具有阶跃(有激励)的数据，而扰动大数据会影响辨识结果的准确性，因此其整定效果的受制因素较多，无法适用各种场景下的回路。从而使得各个厂家整定软件的整定效果从整体来看并不理想，且集合多种整定方法的软件一般操作复杂性高，如果用户对其中各种整定方法的应用场景不熟悉的情况下，难以选择合适的整定方法去应用，软件的使用门槛高。

发明内容

本发明要解决的技术问题在于现有技术中单一回路整定方法限制多，普适性差，从而使得集合多种整定方法的软件一般操作复杂性高，如果用户对其中各种整定方法的应用场景不熟悉，则难以选择合适的整定方法去应用，软件的使用门槛高；本发明旨在提供一种基于数据的多维度回路状态检测的状态检测方法，提升参数整定的有效性、建议的可操作性，以及软件整体操作易用性。

为了解决上述技术问题，本发明提供如下技术方案。

第一方面，本发明提供一种基于回路状态自动检测的PID向导整定方法，包括，

获取回路趋势数据和参数数据，并进行有效性校验；

进行回路状态检测，获取回路的状态指标；

根据回路状态检测结果，按照预设定的分配规则分配对应的参数整定方法；

根据回路状态检测中的激励指数计算并输出调节建议；

使用对应的整定方法对分发的参数进行整定，得到PID控制器参数。

进一步的，所述有效性校验包括进行实时参数的有效性验证和关系数据参数的范围校验；所述实时数据是指和时间戳相关的数据，包括回路趋势数据和部分回路参数数据；所述关系数据是指回路属性的数据，包含在回路参数数据中；所述回路趋势数据指PID控制回路的设定值SV、测量值PV、阀位值MV的波形数据；回路参数数据指描述PID控制回路属性的参数数据，包括PID控制回路的回路类型、控制模式、当前PID参数、测量值量程上下限和/或阀位值量程上下限。

进一步的，所述回路状态检测包括回路初始状态的检测、数据激励程度检测、阀门饱和率检测、回路自控率检测、回路平稳率检测和/或回路振荡指数检测。

进一步的，所述根据回路状态检测结果，按照预设定的分配规则分配对应的参数整定方法包括，

判断回路是否处于初始状态，当回路处于初始状态时，判断激励指数是否大于阈值，若是，说明该回路适合用基于模型的整定方法，则自动选择基于模型辨识的PID参数整定方法；若否，说明该回路不适合用基于模型的整定方法，则自动选择基于专家经验的PID参数整定方法；

当回路不为初始状态时，判断阀门饱和率是否高于阈值，若阀门饱和率超过阈值，则说明由于阀门的原因当前回路不适合整定，则不分配整定方法并提供相关指导建议；若阀门饱和率未达到阈值，说明阀门工作状态正常，进入下一步判定；

判断激励指数是否低于阈值，若低于阈值，说明回路数据激励程度不足，则不分配整定方法并提供相关指导建议；若高于阈值，说明激励充分，则进入下一步判定；

判断回路自控率是否低于阈值，若是，说明手动状态占比较高，则自动选择基于模型辨识的PID参数整定方法；若否，说明自动状态占比较高，则进入下一步判定；

判断回路平稳率是否低于阈值，若是，说明回路有波动，则自动选择基于趋势判断的交互式参数整定方法；若否，说明回路较平稳，则进入下一步判定；

判断回路振荡指数是否高于阈值，若是，说明回路振荡较大，则自动选择基于趋势判断的交互式参数整定方法，若否，视为回路性能较好，不自动分配整定方法，建议保持现状。

进一步的，所述根据回路状态检测中的激励指数计算并输出调节建议为根据模糊理论规则计算结果判断调整输入的回路趋势数据的方向，指导用户做相应的测试。

进一步的，所述根据模糊理论规则计算的模糊输入量为激励指数α和有效部分超出面积占比β，激励指数α和有效部分超出面积占比β根据回路的控制模式并结合设定值SV、测量值PV的趋势曲线，通过面积法进行计算得到：

激励指数α＝(在阶跃矩形范围内的测量值PV包围的面积-超出阶跃矩形范围外的测量值PV包围的面积)/选取设定值SV开始变化和变化结束的点作为边界的阶跃矩形面积；其模糊论域为[0,1]，模糊子集为{远小(RS)，小(S)，适中(N)，大(B)，远大(RB)}；

有效部分超出面积占比β＝超出阶跃矩形范围外的测量值PV包围的面积/阶跃矩形范围内的测量值PV包围的面积；其模糊论域为[0，∞)，模糊子集为{远小(RS)，小(S)，适中(N)，大(B)，远大(RB)}。

进一步的，所述根据模糊理论规则计算还包括构建输入激励指数α和有效部分超出面积占比β与输出模糊量k之间的模糊关系映射，将激励指数α和有效部分超出面积占比β经过模糊化、模糊推理和清晰化，计算得到模糊量k值；

获得模糊量k值后，根据有效部分超出面积占比β的数值大小进行判断调节方向，输出用户操作向导；

当β>0.1时，建议调节激励幅值A’＝A+2kA，其中A为输入数据激励的幅值；

当β≤0.1时，建议调节激励周期T’＝T+kT，其中T为输入数据激励的周期。

进一步的，所述整定方法包括基于模型辨识的PID参数整定方法，基于专家经验的PID参数整定方法和/或基于趋势判断的交互式整定方法。

进一步的，所述基于模型辨识的PID参数整定方法包括但不限于采用子空间辨识方法进行模型辨识，再使用内模整定方法计算PID参数；基于专家经验的PID参数整定方法包括但不限于基于迁移学习的PID参数整定方法；基于趋势判断的交互式整定方法包括但不限于基于特征参数判断的趋势线调节参数方法。

第二方面，本发明提供一种基于回路状态自动检测的PID向导整定系统，，用于执行上述基于回路状态自动检测的PID向导整定方法，包括

数据获取模块，用于获取回路运行的回路趋势数据和回路参数数据；

数据校验模块，用于对实时参数进行有效性验证和关系数据参数的范围校验；其中，所述实时数据是指和时间戳相关的数据，包括回路趋势数据和部分回路参数数据；所述关系数据是指回路属性的数据，包含在回路参数数据中；

回路状态检测模块，用于获得回路的各项状态指标，回路状态检测包括数据激励程度检测、阀门饱和率检测、回路自控率检测、回路平稳率检测、回路振荡指数检测，以及回路初始状态的检测；

路由分发模块，用于根据回路状态检测的各项状态指标按照分发规则分发至对应的参数整定模块；

用户操作向导生成模块，用于根据激励指数判断调整输入的回路趋势数据的方向，并提供相应的指引和选择项，指导用户做相应的阶跃测试；

参数整定模块，用于对对参数进行整定，输出PID控制器参数，其中对应的参数整定方法包括基于模型辨识的PID参数整定方法，基于专家经验的PID参数整定方法，以及基于趋势判断的交互式整定方法。

相比于现有技术，本发明提供的基于改进回路状态自动检测的PID向导整定方法具有如下有益效果：

本发明通过自动数据校验、回路状态检测，根据回路状态检测的各项状态指标，自动分发适宜的整定方法并给予用户操作向导指引，用户可根据指引调节相关参数，整定PID参数。

其优点具体在于：

1)可对开环(手动)或闭环(自动)任意状态下回路数据进行整定，且对数据激励无特殊要求，均可进行整定，应用范围更广泛。

2)针对单个回路采用回路状态自动检测、分发适宜的整定方法，帮助用户判断何种情况适用何种整定方法，提升PID参数整定的有效性，降低用户的整定门槛。

3)基于激励指数，根据设定的模糊规则以及β参数的情况，输出调节阶跃幅值或周期的具体方向建议。

4)设置对应的用户操作向导引导整定过程，应用于软件中，帮助提升软件应用的交互性和友好性。

附图说明

图1为本发明基于回路状态自动检测的PID向导整定方法的主要流程图；

图2为本发明基于回路状态自动检测的PID向导整定系统的模型流程框图；

图3为本发明通过设定值SV和测量值PV的趋势曲线进行激励指数面积法计算示意图；

图4为本发明路由分发模块的流程框图；

图5为本发明模糊调节的原理框图；

图6为本发明激励指数调节规则中模糊输入量α的隶属度函数；

图7为本发明激励指数调节规则中模糊输入量β的隶属度函数；

图8为本发明激励指数调节规则中模糊输出量k的隶属度函数；

图9为本发明用户操作向导的一种实现形式。

具体实施方式

为清晰地阐明本发明的目的、技术方案和优点，以下将参照本发明实施例中的附图，通过实施方式清楚、完整地描述本发明的技术方案。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

术语解释：

PID控制器：PID(比例-积分-微分)控制器是工业控制应用中常见的一类控制器，其主要参数包括比例K、积分时间Ti和微分时间Td。

模糊理论：模糊理论是一种数学框架，通过考虑不确定性和模糊性来处理现实世界中的模糊问题。

参见图1，本发明实施例提供的基于改进回路状态自动检测的PID交互式向导整定方法主要包括以下步骤：

S1:获取回路趋势数据和参数数据，并进行有效性校验；

S2:进行回路状态检测，获取回路的状态指标；回路状态检测包括回路初始状态的检测、数据激励程度检测、阀门饱和率检测、回路自控率检测、回路平稳率检测、以及回路振荡指数检测；

S3:根据回路状态检测结果，按照预设定的分发规则分配对应的参数整定方法；

S4:根据激励指数计算并输出调节建议，推送用户操作向导；

S5:使用对应的整定方法对分发的参数进行整定，得到PID控制器参数。整定方法包括基于模型辨识的PID参数整定方法，基于专家经验的PID参数整定方法和/或基于趋势判断的交互式整定方法。

具体为：

步骤S1中，获取回路运行的回路趋势数据和回路参数数据，并进行实时参数的有效性验证和关系数据参数的范围校验。其中，回路趋势数据是指PID控制回路的设定值SV、测量值PV、阀位值MV在一段时间内的波形数据；回路参数数据是指包含PID控制回路的回路类型、控制模式、当前PID参数、测量值量程上下限、阀位值量程上下限等在内的描述PID控制回路属性的参数数据；实时数据是指和时间戳相关的数据，会实时发生变化；关系数据是指回路属性的数据，一般情况下不会发生改变。进一步的，实时数据包括回路趋势数据和部分回路参数数据；关系数据包含在回路参数数据中。

其中对实时参数的有效性校验包括利用质量码状态(好值/坏值)进行校验，即数据传输时会附带一个质量码标志，在传输过程中可能会因为数据通信等一些原因导致数据里存有坏值(异常值)，比如192是好值，0是坏值，那么对于有连续坏值的数据进行剔除处理；个别坏值的数据取上一采样点数值。除此之外，还要对数据长度进行校验，因为回路趋势数据有多个，计算时要保证他们的数据长度(采样点个数)一致，所以需要对数据长度进行校验；例如测量值、设定值、阀位值序列长度应相等，若不相等应根据三者中最短的长度截取相应的数据；

对关系数据参数的范围校验包括但不限于参数上下限的校验，例如测量值量程上限参数必须大于测量值量程下限参数；枚举类参数值应在其枚举范围内；非零参数如采样时间应大于0。

实时参数的有效性验证和关系数据参数的范围校验确保传入的参数的正确性，数据校验通过后，后续的步骤进行回路状态检测。

步骤S2中，回路状态检测用于获得回路的各项状态指标。回路状态检测除了包括数据激励程度检测、阀门饱和率检测、回路自控率检测、回路平稳率检测、回路振荡指数检测，增加了对回路初始状态的检测。回路初始状态的检测可以对处于初始状态的回路进行判断，判断内容包括控制模式为手动/开环状态、PID参数为初始状态的参数，自动选取适宜该种场景的整定方法。回路状态检测中各检测具体过程如下：

数据激励程度检测，数据激励程度通过激励指数进行衡量，激励指数越大说明数据的激励程度越高更适宜基于模型的整定方法；激励指数越小说明数据的激励程度越低，应通过非模型的方式进行整定。激励指数根据回路的控制模式结合设定值、测量值、阀位值的趋势曲线，通过面积法计算得到。激励指数α＝(在阶跃矩形范围内的测量值PV包围的面积-超出阶跃矩形范围外的测量值PV包围的面积)/选取设定值SV开始变化和变化结束的点作为边界的阶跃矩形面积。具体的，参见图3，在控制模式为自动的情况下，选取设定值SV开始变化和变化结束的点作为边界，记阶跃矩形面积为④，在阶跃矩形范围内的测量值PV包围的面积为①，超出阶跃矩形范围外的测量值PV包围的面积为②、③，计算激励指数为(①-②-③)/④。

阀门饱和率检测，阀门饱和率通过计算阀位值MV的开度，判断是否处于阀位值量程上限或下限，计算输入时间段数据处于阀门饱和的占比，阀门饱和率高说明阀门常处于卡限状态，不适宜进行参数整定；阀门饱和率低说明阀门处于正常工作区间，适宜进行参数整定。

回路自控率检测，回路自控率通过计算输入时间段数据的控制模式为闭环/自动情况的占比，回路自控率越高说明该回路处于自动状态时间较长，说明当前PID参数可以投用；回路自控率越低说明该回路基本处于开环/手动状态，说明当前PID参数不合适或工况不稳定等。

回路平稳率检测，回路平稳率用户判断回路当前是处于平稳还是波动状态。对于开环/手动的回路，以测量值PV在一定阈值范围内的占比进行判断，阈值范围一般视现场工艺控制精度要求而定；对于闭环/自动的回路，以测量值PV和设定值SV的偏差在一定阈值范围内的占比进行判断。若平稳率较高则认为该回路较为平稳，可保持现状或对PID参数进行微调；若平稳率低则认为该回路波动较大，应进行优化。

回路振荡指数检测，振荡指数针对闭环/自动的回路，将测量值PV和设定值SV的偏差进行傅里叶变换，得到频域响应曲线，若低频段有突出的峰值则认为回路有振荡，应进行优化。

回路初始状态检测，当PID参数为DCS的默认值且控制模式为手动时，判断处于初始状态，否则不是初始状态。

通过进行回路状态检测，可以对回路的当前状态有一个量化的判断，辅助确定当前回路是否适合进行优化整定。

步骤S3中，为了根据回路的不同状态推荐合适的参数整定方法，因此需要根据回路状态检测结果，按照分发规则对流程进行分配对应的参数整定方法；

一种路由分发的实现逻辑如图4所示，根据回路的不同状态分配对应的参数整定方法，提升PID参数整定的有效性。其中所有状态指标的阈值可由用户自主输入，一般在0～100％范围内，由于不同的现场对阈值的要求是不一样的，一般要结合现场工艺情况和要求进行选取。

首先判断回路是否处于初始状态。当回路处于初始状态时，判断激励指数是否大于阈值，若是，说明该回路适合用基于模型的整定方法，则自动选择基于模型辨识的PID参数整定方法；若否，说明该回路不适合用基于模型的整定方法，则自动选择基于专家经验的PID参数整定方法。

当回路不为初始状态时，判断阀门饱和率是否高于阈值，若阀门饱和率超过阈值，则说明由于阀门的原因当前回路不适合整定，则不分配整定方法，在交互界面提供相关指导建议；若阀门饱和率未达到阈值，说明阀门工作状态正常，进入下一步判定。

判断激励指数是否低于阈值，若低于阈值，说明回路数据激励程度不足，则不分配整定方法，在交互界面提供相关指导建议；若高于阈值，说明激励充分，则进入下一步判定。

判断回路自控率是否低于阈值，若是，说明手动状态占比较高，则自动选择基于模型辨识的PID参数整定方法；若否，说明自动状态占比较高，则进入下一步判定。

判断回路平稳率是否低于阈值，若是，说明回路有波动，则自动选择基于趋势判断的交互式参数整定方法；若否，说明回路较平稳，则进入下一步判定。

判断回路振荡指数是否高于阈值，若是，说明回路振荡较大，则自动选择基于趋势判断的交互式参数整定方法，若否，视为回路性能较好，不自动分配整定方法，建议保持现状。

步骤S4中，基于激励指数可以判断调整输入的回路趋势数据的方向，指导用户去做相应的阶跃测试。但由于激励指数的大小是一个相对模糊的概念，因此依据激励指数的用户操作向导，根据模糊理论规则计算结果进行推送。参见图9，为本发明用户操作向导的一种实现形式。

具体的，如图5所示，模糊输入量为激励指数α和有效部分超出面积占比β，有效部分超出面积占比β＝超出阶跃矩形范围外的测量值PV包围的面积/阶跃矩形范围内的测量值PV包围的面积；具体的参见图3，有效部分超出面积占比β的计算公式为：(②+③)/①)，其中α的模糊论域为[0,1]，β的模糊论域为[0，∞)，以上模糊论域采用相同的模糊子集{远小(RS)，小(S)，适中(N)，大(B)，远大(RB)}。

其中，模糊理论规则的输入量α语义函数展开的隶属度公式如下，其图像如图6所示。

模糊理论规则的输入量β语义函数展开的隶属度函数公式如下，其图像如图7所示。

模糊输出量为调节系数k，k的模糊论域为[-0.4,0.4]，模糊子集为{负大(NB)，负小(NS)，不变(ZO)，正小(PS)，正大(PB)}，其语义函数展开的隶属度函数公式如下，其图像如图8所示。

其中，模糊论域是指在模糊逻辑中，某个变量所能取值的范围，其中每个取值都具有一定的隶属度来表示其属于不同模糊集的程度。模糊子集是指在模糊逻辑中，由于元素的隶属度值可以连续变化而不是仅限于0或1，因此它允许元素以某种程度上属于某个集合，从而产生模糊的概念。隶属度函数是用来描述模糊集合中元素对某个特定集合的隶属程度的数学函数，隶属程度是描述某个确定量隶属于某个模糊语言变量的程度。

在模糊理论中，输入输出变量大小是以语言形式描述的，一般选用大中小三个词汇来描述模糊推理中输入输出变量的状态，再加上正负两个方向。模型规则的输入输出都是精确量，然而模糊推理过程需要模糊量，因此输入的精确量需要转化为模糊量，即进行“模糊化”，另一方面，经过模糊推理得到的模糊输出量需要转化为精确输出量，即进行“清晰化”。

设计模糊规则表如下：

模糊规则实际上是一组多重条件语句，可以表示为从输入论域到输出论域的模糊关系矩阵，通过一个或多个输入的模糊向量与模糊关系的合成进行模糊推理，得到输出的模糊向量。上述模糊规则表反映了输入α和β与输出k之间的模糊关系映射。

从而，激励指数α和有效部分超出面积占比β经过模糊化、模糊推理和清晰化三个标准步骤后，计算得到输出模糊量k的具体数值，需要说明的是，根据模糊理论专业常识，这三步标准步骤是模糊理论的标准步骤，属于现有技术，在此不再赘述。

获得模糊量k值后，根据β的数值大小判断建议是进行调节激励幅值还是调节激励周期并进行相关计算。具体为：当β>0.1时，建议调节激励幅值A’＝A+2kA，其中A为输入数据激励的幅值；当β≤0.1时，建议调节激励周期T’＝T+kT，其中T为输入数据激励的周期。通过建议调节激励的幅值或周期，给用户提供如何定量调节数据激励程度的方法，据此调节后的输入数据可提升数据激励程度，进而提升参数整定结果的效果，尤其是基于模型的参数整定方法，有助于提升模型辨识的准确度。

步骤S5中是基于分配的参数整定方法对参数进行整定，输出PID控制器参数。其中对应的参数整定方法包括基于模型辨识的PID参数整定方法，基于专家经验的PID参数整定方法，以及基于趋势判断的交互式整定方法。

其中，基于模型辨识的PID参数整定方法包括但不限于采用子空间辨识方法进行模型辨识，再用内模整定方法计算PID参数；基于专家经验的PID参数整定方法包括但不限于基于迁移学习的PID参数预整定方法；基于趋势判断的交互式整定方法包括但不限于基于特征参数判断的趋势线调节参数方法。

参见图2，本发明实施例还提供一种基于回路状态自动检测的PID向导整定系统，用于执行上述基于回路状态自动检测的PID向导整定方法，包括，

数据获取模块，用于获取回路运行的回路趋势数据和回路参数数据；回路趋势数据是指PID控制回路的设定值SV、测量值PV、阀位值MV在一段时间内的波形数据；回路参数数据是指包含PID控制回路的回路类型、控制模式、当前PID参数、测量值量程上下限、阀位值量程上下限等在内的描述PID控制回路属性的参数数据；

数据校验模块，用于对实时参数进行有效性验证和关系数据参数的范围校验；实时数据是指和时间戳相关的数据，具有实时变化性；关系数据是指回路属性的数据，一般情况下不会发生改变。进一步的，实时数据包括回路趋势数据和部分回路参数数据；关系数据包含在回路参数数据中；

回路状态检测模块，用于获得回路的各项状态指标，回路状态检测包括数据激励程度检测、阀门饱和率检测、回路自控率检测、回路平稳率检测、回路振荡指数检测，以及回路初始状态的检测；

路由分发模块，用于按照一定规则根据回路状态检测的各项状态指标，分发至对应的参数整定模块；

用户操作向导生成模块，用于根据激励指数判断调整输入的回路趋势数据的方向，在用户交互界面中提供相应的指引和选择项，指导用户去做相应的阶跃测试；

参数整定模块，用于对对参数进行整定，输出PID控制器参数。其中对应的参数整定方法包括基于模型辨识的PID参数整定方法，基于专家经验的PID参数整定方法，以及基于趋势判断的交互式整定方法。其中，基于模型辨识的PID参数整定方法包括但不限于采用子空间辨识方法进行模型辨识，再用内模整定方法计算PID参数；基于专家经验的PID参数整定方法包括但不限于基于迁移学习的PID参数预整定方法；基于趋势判断的交互式整定方法包括但不限于基于特征参数判断的趋势线调节参数方法。

上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。