自动控制：带死区的PID控制算法

带死区的PID控制算法

在计算机控制系统中，为了避免控制动作过于频繁，消除因频繁动作所引起的振荡，可采用带死区的PID控制。带死区的PID控制通过引入一个死区，使得在误差较小的范围内不进行控制动作，从而减少控制系统的频繁调整，提高系统的稳定性。

理论基础

传统PID控制算法

传统PID控制器的控制律为：

u ( t ) = K p e ( t ) + K i ∫ e ( t ) d t + K d d e ( t ) d t u(t) = K_p e(t) + K_i \int e(t) \, dt + K_d \frac{d e(t)}{dt} u(t)=Kpe(t)+Ki∫e(t)dt+Kddtde(t)

其中：

u ( t ) u(t) u(t) 是控制输入
e ( t ) = r ( t ) − y ( t ) e(t) = r(t) - y(t) e(t)=r(t)−y(t) 是误差信号
K p K_p Kp 是比例增益
K i K_i Ki 是积分增益
K d K_d Kd 是微分增益

带死区的PID控制算法

带死区的PID控制器通过在误差信号上引入一个死区 δ \delta δ，使得在误差 e ( t ) e(t) e(t) 的绝对值小于死区 δ \delta δ 时，控制输入 u ( t ) u(t) u(t) 不进行调整。其控制律为：

u ( t ) = { K p e ( t ) + K i ∫ e ( t ) d t + K d d e ( t ) d t if ∣ e ( t ) ∣ > δ 0 if ∣ e ( t ) ∣ ≤ δ u(t) = \begin{cases} K_p e(t) + K_i \int e(t) \, dt + K_d \frac{d e(t)}{dt} & \text{if } |e(t)| > \delta \\ 0 & \text{if } |e(t)| \leq \delta \end{cases} u(t)={Kpe(t)+Ki∫e(t)dt+Kddtde(t)0if ∣e(t)∣>δif ∣e(t)∣≤δ

其中：

δ \delta δ 是死区的阈值

公式推导

带死区的PID控制算法可以通过以下步骤推导得到：

定义误差信号：

e ( t ) = r ( t ) − y ( t ) e(t) = r(t) - y(t) e(t)=r(t)−y(t)

判断误差是否在死区范围内：

∣ e ( t ) ∣ ≤ δ |e(t)| \leq \delta ∣e(t)∣≤δ

根据误差范围计算控制输入：

Python代码示例

下面是一个实现带死区的PID控制器的Python代码示例。假设我们有一个简单的温度控制系统，通过带死区的PID控制器保持系统温度在期望值。

python 复制代码

import numpy as np
import matplotlib.pyplot as plt

# 定义系统参数
dt = 0.1  # 时间步长
t = np.arange(0, 20, dt)  # 时间数组
n = len(t)

# 初始化状态变量
temperature = np.zeros(n)  # 系统温度
desired_temperature = np.zeros(n)  # 期望温度
desired_temperature[100:] = 50  # 期望温度从时间t=10s开始为50
external_disturbance = np.sin(t) * 5  # 外界扰动

# 控制器参数
Kp = 2.0  # 比例增益
Ki = 1.0  # 积分增益
Kd = 0.5  # 微分增益
delta = 1.0  # 死区阈值

# 初始化误差变量
e_prev = 0  # 上一时刻的误差
integral = 0  # 误差积分

# 模拟系统
for i in range(1, n):
    # 计算误差
    e = desired_temperature[i] - temperature[i-1]
    
    # 判断误差是否在死区范围内
    if abs(e) > delta:
        # 误差积分
        integral += e * dt
        
        # 误差微分
        derivative = (e - e_prev) / dt
        
        # PID控制器
        u = Kp * e + Ki * integral + Kd * derivative
    else:
        u = 0  # 在死区范围内，控制输入为0
    
    # 更新系统温度
    temperature[i] = temperature[i-1] + (u + external_disturbance[i]) * dt
    
    # 更新上一时刻的误差
    e_prev = e

# 绘制结果
plt.figure(figsize=(10, 4))
plt.plot(t, desired_temperature, label='Desired Temperature')
plt.plot(t, temperature, label='Actual Temperature')
plt.plot(t, external_disturbance, label='External Disturbance')
plt.xlabel('Time [s]')
plt.ylabel('Temperature')
plt.legend()
plt.title('Dead Zone PID Control for Temperature System')
plt.grid(True)
plt.show()

代码解释

系统参数和时间数组 ：定义了时间步长 dt 和时间数组 t，用来模拟系统在一段时间内的行为。
状态变量初始化 ：初始化了系统温度 temperature、期望温度 desired_temperature 和外界扰动 external_disturbance。
控制器参数 ：定义了带死区的PID控制器的比例增益 Kp、积分增益 Ki、微分增益 Kd 和死区阈值 delta。
误差变量初始化 ：初始化了上一时刻的误差 e_prev 和误差积分 integral。
系统模拟：通过迭代计算，在每个时间步长内根据带死区的PID控制律计算控制输入，并更新系统温度。
结果绘制 ：使用 matplotlib 绘制系统温度、期望温度和外界扰动的变化曲线。

结论

带死区的PID控制器通过在误差信号上引入一个死区，有效减少了控制系统的频繁调整，避免了因频繁动作所引起的系统振荡，从而提高了系统的稳定性。在实际应用中，带死区的PID控制器适用于控制量需要频繁调整的场合，能够显著改善系统的动态特性。结合Python代码示例，可以更直观地理解带死区的PID控制器的基本原理和实现方法。