Question

我目前正在基于增益（Kc），积分时间常数（tauI），微分时间常数（tauD）和滤波器微分时间常数（tauC）优化PID控制器。要求的问题是以误差接近零（average_error = 0）的方式优化控制器。

我可以得到的最小误差是15（基本值）左右，而我知道应该可以低于1。用于此的参数是当Kc = 1，tauI = 1，tauD = 1和tauC = 1时。通过使用迭代，窗口小部件以及反复试验来找到。我真的不知如何编码才能获得尽可能小的参数。似乎参数的任何变化都会导致此最小值的误差发生显着变化。任何帮助将不胜感激。

import sys
import control
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

# Pull data from CSV

file = 'profiledata.csv'
data = pd.read_csv(file,sep=',')
T_i = data.values

# Universal Variables

time_array = np.linspace(0,59,60)
perf = np.linspace(1,1,100)
average_perf = np.linspace(1,1,100)
Kc = 1
tI = 1
tD = 1
tC = 1

# Functions

for i in range(len(perf)):

  s = control.tf([1,0],[0,1])
  Gp = 1/(s**2 + s + 1)
  Gd = (s+1)/(s**2+s+1)
  Gc = Kc*(1+1/(tI*s) + tD*s/(tC*s + 1))              
  sys_D = Gd/(1+Gp*Gc)
  _,T,_ = control.forced_response(sys_D, time_array, T_i[:,i]) 

  # Compute output based on disturbance closed loop TF sys_D

  _,Q,_ = control.forced_response(-Gc, time_array, T) # Compute input

  perf[i] = sum(abs(T) + (0.2)*abs(Q))

# Calculate the average error from the parameters    

average_perf = sum(perf)/100

print(average_perf)

预期结果是average_perf = 0时。读取的数据文件是100列60行的干扰曲线。无论如何，是否有要测试最佳参数，保留该参数，然后针对该参数针对最小误差进行完全优化的其他参数的测试？还是我只是看着这个完全错误。编码也是新手，所以我不确定如何有效地做到这一点。传递函数输入到for循环中。

PID控制器调整

0 个答案: