如何在gekko中求解最优PID参数的问题?
我已经定义了一个一阶过程模型,并希望找到该过程的最佳PID参数。优化目标是在5倍过程时间常数的范围内,使设定点变化的IAE(设定点和过程值之间的绝对误差积分)最小化。 它既不是动态优化问题(如何在gekko中求解最优PID参数的问题?,gekko,Gekko,我已经定义了一个一阶过程模型,并希望找到该过程的最佳PID参数。优化目标是在5倍过程时间常数的范围内,使设定点变化的IAE(设定点和过程值之间的绝对误差积分)最小化。 它既不是动态优化问题(IMODE=6),也不是纯稳态优化问题(IMODE=3),因为它涉及导数。如何在gekko中表述上述问题 m = GEKKO(remote=False) # Controller model Kc = m.Var(1.0,lb=0.01,ub=10) # control
IMODE=6
),也不是纯稳态优化问题(IMODE=3
),因为它涉及导数。如何在gekko中表述上述问题
m = GEKKO(remote=False)
# Controller model
Kc = m.Var(1.0,lb=0.01,ub=10) # controller gain
tauI = m.Var(2.0,lb=0.01,ub=1000) # controller reset time
tauD = m.Var(1.0,lb=0.0,ub=100) # derivative constant
OP = m.Var(value=0.0,lb=0.0,ub=100) # controller output
PV = m.Var(value=0.0) # process variable
SP = 1.0 # set point
Intgl = m.Var(value=0.0) # integral of the error
err = m.Intermediate(SP-PV) # set point error
m.Equation(Intgl.dt()==err) # integral of the error
m.Equation(OP == Kc*(err + (1/tauI)*Intgl + tauD*PV.dt()))
# Process model
Kp = 2 # process gain
tauP = 10.0 # process time constant
m.Equation(tauP*PV.dt() + PV == Kp*OP)
m.Obj((SP-PV)**2) # how to define the objective to minimize the error over a horizon
m.options.IMODE=3
m.solve(disp=False)
print(str(Kc.VALUE))
print(str(tauI.VALUE))
print(str(tauD.VALUE))
print(str(m.options.OBJFCNVAL))
用GEKKO模拟(00:00-17:00)和优化(17:00-23:41)PID整定参数有一个简单的过程。这里有问题14的起始代码
视频中的要点是切换到IMODE=6
,并为应调整的参数设置状态=1
,以最小化错误:(SP-PV)**2