自动控制 / 系统课时

执行器饱和后如何防止积分累积

执行器饱和后如何防止积分累积

当阀门、驱动器已到输出上限时,积分项仍可能因持续误差而增长。随后即使目标值降低,执行器也会长时间卡在上限。本篇用一阶对象复现这一现象,再加入回算抗积分饱和,比较恢复速度并检查限幅与积分状态的关系。

学习目标

  • 识别未限幅控制命令、实际执行量和积分状态之间的区别。
  • 实现回算抗饱和,并解释其在上下限触发时的作用方向。
  • 用仿真结果验证目标切换后的释放时刻和输出恢复情况。

为什么限幅后积分还在增长

为突出积分作用,先把 PID 的微分增益设为零,得到离散 PI 控制器。设误差为 ek=rk−yke_k=r_k-y_k,比例增益为 KpK_p,积分状态为 IkI_k,控制器计算的命令为:

uraw,k=Kpek+Iku_{\mathrm{raw},k}=K_pe_k+I_k

执行器只能接受 0~1 的指令,实际施加的控制量为 uk=min⁡(1,max⁡(0,uraw,k))u_k=\min(1,\max(0,u_{\mathrm{raw},k}))。限幅只改变执行量,不会自动修改积分器。未处理时,积分仍按 Ik+1=Ik+KiΔt ekI_{k+1}=I_k+K_i\Delta t\,e_k 更新。

取一阶对象 τy˙=−y+u\tau\dot y=-y+u、τ=2 s\tau=2\,\mathrm{s},其稳态输出最多为 1。前 8 秒令设定值 r=1.5r=1.5,目标超出执行器能力,误差长期为正;在第 8 秒把 rr 改为 0.2。此时误差虽变负,过大的 II 仍使 uraw>1u_{\mathrm{raw}}>1,阀门无法立即回落。

用回算修正积分状态

回算抗饱和(back-calculation)把限幅后的实际执行量与限幅前命令之差反馈给积分器:

Ik+1=Ik+Δt[Kiek+uk−uraw,kTt]I_{k+1}=I_k+\Delta t\left[K_i e_k+\frac{u_k-u_{\mathrm{raw},k}}{T_t}\right]

这里取 Kp=1.2K_p=1.2、Ki=0.8 s−1K_i=0.8\,\mathrm{s}^{-1}、采样周期 Δt=0.02 s\Delta t=0.02\,\mathrm{s}、回算跟踪时间 Tt=0.5 sT_t=0.5\,\mathrm{s}。当命令超过上限时,u−uraw<0u-u_{\mathrm{raw}}<0,修正项抑制积分增长;跌破下限时则为正,避免积分继续向负方向累积。

PI限幅与积分回算的信号关系

积分状态不应简单截断到 0~1:比例分量本身占用部分执行范围,积分允许值随误差改变。回算使用的是真正施加到对象的量;若驱动器还有速率限制,应使用限速之后的执行量进行跟踪,而非仅使用软件限幅值。

运行两种策略的对照仿真

将下列代码保存为 pid_anti_windup.py,使用 Python 3.9 或更新版本运行 python pid_anti_windup.py。两组试验采用相同初值、设定值和执行器上下限,唯一区别是是否启用回算。

python
def run(anti_windup):
    dt, kp, ki, tau, tt = 0.02, 1.2, 0.8, 2.0, 0.5
    y, integ = 0.0, 0.0
    release, samples = None, {}

    for k in range(701):
        t = k * dt
        r = 1.5 if k < 400 else 0.2
        e = r - y
        u_raw = kp * e + integ
        u = min(1.0, max(0.0, u_raw))
        if k >= 400 and release is None and u < 1.0 - 1e-9:
            release = t
        if k in (400, 500, 700):
            samples[k] = (y, integ, u_raw, u)
        if k == 700:
            break

        # 用实际执行量与未限幅命令的差修正积分状态
        correction = (u - u_raw) / tt if anti_windup else 0.0
        integ += dt * (ki * e + correction)
        # 一阶对象采用显式欧拉法推进一个采样周期
        y += dt * (u - y) / tau

    return release, samples

for name, use_aw in [("无抗饱和", False), ("回算抗饱和", True)]:
    release, samples = run(use_aw)
    print(f"{name}: I8={samples[400][1]:.2f}, "
          f"解除上限={release:.2f}s, "
          f"y10={samples[500][0]:.3f}, y14={samples[700][0]:.3f}")

预期输出:

text
无抗饱和: I8=4.77, 解除上限=12.44s, y10=0.993, y14=0.778
回算抗饱和: I8=0.58, 解除上限=8.00s, y10=0.364, y14=0.181

这里的“解除上限”是设定值降低后首次出现 u<1u<1 的时刻,不是系统已经到达新目标的时刻。回算方案在切换瞬间可能从上限跳到下限,这是无速率限制的理想执行器模型所允许的结果。

用恢复时刻检查实现是否正确

未处理的积分项在第 8 秒已积到 4.77,目标降低后仍要到第 12.44 秒才能离开上限,相当于额外保持饱和 4.44 秒;第 14 秒输出还在 0.778。回算方案在第 8 秒的积分状态约为 0.58,能够立即解除上限,第 14 秒输出约为 0.181,已接近新目标 0.2。

积分饱和与回算抗饱和的恢复曲线对比

验收时按以下顺序核对:

  1. 每一步都应满足 0≤uk≤10\le u_k\le1;同时保留 urawu_{\mathrm{raw}},不要用限幅值覆盖原始命令。
  2. 上限生效且命令仍偏高时,回算项应为负;下限生效且命令偏低时,回算项应为正。
  3. 使用本例参数应复现上述释放时刻与关键采样值。若差异明显,先检查计算、限幅、积分更新和对象更新的先后次序。
  4. 真实设备还须记录执行器实测值、速率限制及采样周期,避免软件命令已解除饱和、物理执行器却尚未跟上的情况。

对具有限幅的控制回路,应同时检查未限幅命令、实际执行量和积分状态。目标变化后能否及时离开限幅边界,比只观察最终稳态误差更能揭示积分饱和。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

执行器饱和后如何防止积分累积

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通