基于綜合性能評(píng)價(jià)指標(biāo)的智能PID參數(shù)優(yōu)化與應(yīng)用

張永亮 趙 眾

（北京化工大學(xué)信息科學(xué)與技術(shù)學(xué)院）

工業(yè)控制回路的自控性能是其自動(dòng)化水平的重要體現(xiàn)，在石油、化工及冶金等傳統(tǒng)工控過(guò)程中，常規(guī)PID控制器的應(yīng)用占到90%以上，一般在運(yùn)行初期性能良好，但隨著工況變化和設(shè)施維護(hù)不及時(shí)等原因， 導(dǎo)致其控制性能逐漸下降，無(wú)法達(dá)到原設(shè)計(jì)目標(biāo)。

控制器優(yōu)秀的控制性能是保證生產(chǎn)安全、提高產(chǎn)品質(zhì)量和產(chǎn)能、減少員工勞動(dòng)強(qiáng)度的重要條件。 目前，用于評(píng)價(jià)控制器自控性能的指標(biāo)主要有隨機(jī)性和確定性。 Harris T J最早提出隨機(jī)性指標(biāo)評(píng)價(jià)方法——基于最小方差控制基準(zhǔn)（MVC）的性能評(píng)價(jià)［1］。Huang B提出一種考慮控制量約束的線性二次型高斯基準(zhǔn)（LQG）性能評(píng)價(jià)方法［2］。Eriksson P G和Isaksson A J在MVC的基礎(chǔ)上加入控制權(quán)重和誤差權(quán)重，提出廣義的最小方差基準(zhǔn)［3］。 將過(guò)去一段時(shí)間歷史數(shù)據(jù)提取的評(píng)估值作為性能評(píng)價(jià)基準(zhǔn)與現(xiàn)在時(shí)間段的數(shù)據(jù)作比較，被稱(chēng)為基于歷史數(shù)據(jù)基準(zhǔn)（HIS）的評(píng)價(jià)方法［4］。經(jīng)過(guò)不斷改進(jìn)和完善，最小方差控制基準(zhǔn)也被應(yīng)用到復(fù)雜控制器的性能評(píng)價(jià)中。Desborough L和Harris T J將最小方差控制基準(zhǔn)評(píng)價(jià)方法應(yīng)用到評(píng)價(jià)單變量的前饋-反饋系統(tǒng)控制性能中［5］。 Ko B S和Edgar T F根據(jù)串級(jí)控制系統(tǒng)特性改進(jìn)了最小方差控制基準(zhǔn)，以此評(píng)價(jià)串級(jí)控制系統(tǒng)的控制性能［6］。 Yu J和Qin S J通過(guò)改進(jìn)最小方差控制基準(zhǔn)，將最小方差控制基準(zhǔn)評(píng)價(jià)方法推廣到多變量控制系統(tǒng)［7］。 確定性評(píng)價(jià)方法主要體現(xiàn)跟蹤設(shè)定值的能力和控制系統(tǒng)的抗干擾魯棒穩(wěn)定性，例如通過(guò)對(duì)象模型得出動(dòng)態(tài)過(guò)程特性性能指標(biāo)調(diào)節(jié)時(shí)間、上升時(shí)間及穩(wěn)態(tài)誤差等［8］。 Massimiliano V和Antonio V根據(jù)系統(tǒng)上升時(shí)間等動(dòng)態(tài)特性指標(biāo)，計(jì)算得到性能指標(biāo)評(píng)價(jià)設(shè)定值的跟蹤性能［9］。 王謙等用一種魯棒穩(wěn)定性性能指標(biāo)結(jié)合絕對(duì)誤差積分（IAE）性能指標(biāo)評(píng)價(jià)控制系統(tǒng)的控制性能［10］。陳晨等采用時(shí)間乘平方誤差積分（ITSE）指標(biāo)評(píng)價(jià)串級(jí)回路主回路的控制性能［11］。

除了硬件設(shè)施損壞導(dǎo)致的控制器控制性能下降之外，大多數(shù)情況下可以通過(guò)控制器參數(shù)整定來(lái)重新恢復(fù)其控制性能。 因此，控制器參數(shù)整定成為恢復(fù)控制器性能的核心問(wèn)題。 目前，PID參數(shù)還需要工程師根據(jù)個(gè)人經(jīng)驗(yàn)調(diào)節(jié)， 費(fèi)時(shí)費(fèi)力。因此，智能PID控制［12］得到了學(xué)者們的廣泛關(guān)注。智能PID控制是將智能算法（如模糊控制算法［13］、遺傳算法［14］及神經(jīng)網(wǎng)絡(luò)算法［15］等）與常規(guī)PID控制器相結(jié)合，可以根據(jù)實(shí)時(shí)數(shù)據(jù)自動(dòng)辨識(shí)對(duì)象模型， 并自動(dòng)優(yōu)化PID參數(shù)， 實(shí)現(xiàn)控制系統(tǒng)的 “自愈”。 因此，智能PID控制既有智能算法的自適應(yīng)性和“自愈”能力，還具有普通PID控制器可靠性高的優(yōu)點(diǎn)。例如Massimiliano V和Antonio V用電腦程序模擬人工調(diào)節(jié)PID參數(shù)的試湊法， 實(shí)現(xiàn)了對(duì)控制器參數(shù)的自動(dòng)整定［9］。 胡包鋼和應(yīng)浩討論了模糊PID控制的相關(guān)問(wèn)題［16］。 張繼榮和張?zhí)焯岢鲆环N慣性權(quán)重引入余弦調(diào)整的粒子群優(yōu)化算法（IWCPSO）用于優(yōu)化PID參數(shù)［17］。 呂磊等采用蝙蝠智能算法優(yōu)化PID參數(shù)［18］。 戴麗等針對(duì)經(jīng)典智能優(yōu)化算法在PID參數(shù)整定時(shí)存在早熟收斂和易陷入無(wú)效循環(huán)的問(wèn)題，提出一種改進(jìn)細(xì)菌菌落的優(yōu)化算法［19］。

針對(duì)由于系統(tǒng)工況變化、設(shè)施老舊以及維護(hù)不及時(shí)導(dǎo)致常規(guī)PID控制器的自控性能無(wú)法滿(mǎn)足要求的問(wèn)題，提出一種基于綜合性能評(píng)價(jià)指標(biāo)的智能PID參數(shù)優(yōu)化方法，用以準(zhǔn)確評(píng)價(jià)常規(guī)PID控制器的控制性能并提高其控制性能。

1 性能評(píng)價(jià)指標(biāo)

1.1 閉環(huán)模型辨識(shí)

典型的閉環(huán)控制回路如圖1所示。

圖1 典型的閉環(huán)控制回路

利用子空間辨識(shí)［20］方法辨識(shí)閉環(huán)模型，其離散狀態(tài)空間模型表達(dá)式為：

其中，A、B、C、D為系統(tǒng)模型矩陣；x（k+1）∈Rn表示下一時(shí)刻過(guò)程狀態(tài)量；x（k）∈Rn表示過(guò)程狀態(tài)量；u（k）∈Rm表示控制器輸出；w（k）∈Rn表示系統(tǒng)過(guò)程中的噪聲干擾；y（k）∈Rl表示系統(tǒng)輸出；v（k）∈Rl表示系統(tǒng)過(guò)程中的測(cè)量噪聲干擾。

閉環(huán)控制回路的脈沖響應(yīng)模型為：

用Ut表示將來(lái)的輸入；Vt表示將來(lái)的v（k）測(cè)量噪聲干擾；Wt表示將來(lái)的w（k）系統(tǒng)過(guò)程噪聲干擾。Ut、Vt、Wt為Hankel矩陣。則式（2）可以轉(zhuǎn)換為：

其中Yt為輸出觀測(cè)向量；Γt為可觀測(cè)矩陣；Xt為系統(tǒng)狀態(tài)序列；Pt為輸入下三角Toeplitz矩陣；Qt為測(cè)量干擾噪聲下三角Toeplitz矩陣。Qt與Pt相似，只是Qt中的D=0；B為單位矩陣。

子空間模型辨識(shí)步驟分為兩步。

首先， 確定可觀測(cè)矩陣Γt或系統(tǒng)狀態(tài)序列Xt，通過(guò)投影消除測(cè)量噪聲、過(guò)程噪聲和未來(lái)輸入項(xiàng)，得到Rt=ΓttXt，對(duì)Rt進(jìn)行奇異值分解（SVD），可得：

最終得到的系統(tǒng)傳遞函數(shù)為：

1.2 快速性指標(biāo)

響應(yīng)速度是評(píng)價(jià)控制系統(tǒng)好壞的重要指標(biāo)，因此提出用跟蹤指數(shù)（Track Index，TI）表示實(shí)際控制系統(tǒng)的跟蹤速度。 跟蹤指數(shù)TI的基準(zhǔn)為開(kāi)環(huán)系統(tǒng)的穩(wěn)態(tài)時(shí)間，計(jì)算式為：

其中，Tc為閉環(huán)穩(wěn)態(tài)時(shí)間；To為開(kāi)環(huán)穩(wěn)態(tài)時(shí)間。

1.3 穩(wěn)定性指標(biāo)

系統(tǒng)穩(wěn)定性是指系統(tǒng)受到外部干擾而偏移穩(wěn)態(tài)后恢復(fù)穩(wěn)態(tài)的抗干擾能力，因此提出穩(wěn)定指數(shù)（Stability Index，SI）表示實(shí)際控制系統(tǒng)的穩(wěn)定性。 穩(wěn)定指數(shù)SI的計(jì)算式為：

其中，SVi為系統(tǒng)的設(shè)定值；PVi為系統(tǒng)輸出；n為采集數(shù)據(jù)個(gè)數(shù)；μ為要求的控制精度，取值范圍為3%～5%。

1.4 準(zhǔn)確性指標(biāo)

系統(tǒng)能否準(zhǔn)確跟蹤設(shè)定值是評(píng)價(jià)控制器的關(guān)鍵指標(biāo)。 因此， 提出精確度指數(shù)（Accuracy Index，AI） 表示實(shí)際控制系統(tǒng)準(zhǔn)確跟蹤設(shè)定值的能力。 精確度指數(shù)AI的計(jì)算式為：

1.5 性能評(píng)級(jí)

綜合性能等級(jí)根據(jù)跟蹤指數(shù)、穩(wěn)定指數(shù)和精確度指數(shù)得出，綜合評(píng)級(jí)分為優(yōu)秀（excellent）、良好（good）、較差（fair）、極差（poor）4個(gè)等級(jí)。

筆者采用決策樹(shù)——分類(lèi)與回歸樹(shù)（CART）算法［21］制定評(píng)價(jià)規(guī)則。 分類(lèi)與回歸樹(shù)算法采用基尼系數(shù)［21］最小化準(zhǔn)則選擇跟蹤指數(shù)、穩(wěn)定指數(shù)和精確度指數(shù)評(píng)價(jià)指標(biāo)的特征分類(lèi)點(diǎn)，并生成決策樹(shù)。基尼系數(shù)Gini（p）可以表征訓(xùn)練數(shù)據(jù)樣本集的純度，基尼系數(shù)越小則樣本純度越高，計(jì)算式為：

其中，pk表示第k類(lèi)的概率。

決策樹(shù)建立步驟如下：

a. 將訓(xùn)練數(shù)據(jù)樣本排序，將相鄰數(shù)據(jù)的平均值作為劃分點(diǎn)；

b. 計(jì)算每個(gè)劃分點(diǎn)的基尼系數(shù)，則該特征分類(lèi)點(diǎn)（splitPoint）為基尼系數(shù)最小的劃分點(diǎn)；

c. 根據(jù)3個(gè)特征的分類(lèi)點(diǎn)生成決策樹(shù)；

d. 采用錯(cuò)誤率降低剪枝法（REP）優(yōu)化決策樹(shù)。

錯(cuò)誤率降低剪枝法是將決策樹(shù)中的每一個(gè)非葉子節(jié)點(diǎn)的子樹(shù)替換成一個(gè)葉子節(jié)點(diǎn)，這樣就產(chǎn)生了一個(gè)新的相對(duì)簡(jiǎn)化的決策樹(shù)，使用檢驗(yàn)數(shù)據(jù)樣本比較替換前后兩個(gè)決策樹(shù)分類(lèi)的正確率，將正確率最高的決策樹(shù)作為最優(yōu)決策樹(shù)，從而達(dá)到優(yōu)化決策樹(shù)的目的。 通過(guò)分類(lèi)與回歸樹(shù)算法得出跟蹤指數(shù)、穩(wěn)定指數(shù)、精確度指數(shù)的分類(lèi)點(diǎn)分別為1.2、0.6、1.5。 最終的決策樹(shù)如圖2所示。

圖2 決策樹(shù)

根據(jù)決策樹(shù)得出的具體評(píng)價(jià)規(guī)則見(jiàn)表1。 當(dāng)綜合評(píng)級(jí)為較差和極差時(shí)， 表明控制器性能下降，無(wú)法滿(mǎn)足工藝控制要求，需要在線優(yōu)化PID參數(shù)，恢復(fù)控制器性能。

2 PID參數(shù)優(yōu)化整定

當(dāng)評(píng)價(jià)結(jié)果顯示控制器性能下降并且不能滿(mǎn)足控制需求時(shí)， 則需要在線優(yōu)化PID控制器的參數(shù)，用以提升控制器性能。 筆者采用內(nèi)?？刂圃恚?2］整定PID控制器參數(shù)，引入靈敏度函數(shù)和互補(bǔ)靈敏度函數(shù)調(diào)節(jié)控制系統(tǒng)的魯棒性和跟蹤性。 內(nèi)模控制器的結(jié)構(gòu)如圖3所示。

圖3 內(nèi)模控制器結(jié)構(gòu)框圖

根據(jù)內(nèi)?？刂圃恚答伩刂破鱃c（s）和內(nèi)?？刂破鱃IMC（s）有如下關(guān)系：

靈敏度函數(shù)表征控制系統(tǒng)的魯棒性，互補(bǔ)靈敏度函數(shù)表征系統(tǒng)對(duì)設(shè)定值的跟蹤性能，具體如下：

通常情況下系統(tǒng)是正則的， 則由式（14）、（15）可以看出，在理想狀態(tài)下，閉環(huán)靈敏度函數(shù)為1，互補(bǔ)靈敏度函數(shù)為0，但是由于無(wú)法在全頻段得到理想的控制性能，因此需要對(duì)靈敏度和互補(bǔ)靈敏度函數(shù)互相取舍后才能設(shè)計(jì)出控制性能優(yōu)良的控制器。 例如可以取較小的靈敏度函數(shù)來(lái)提升控制系統(tǒng)的魯棒性。

定義靈敏度對(duì)于所有頻率的最大幅值為最大靈敏度函數(shù)MS；定義互補(bǔ)靈敏度對(duì)于所有頻率的最大幅值為最大互補(bǔ)靈敏度函數(shù)MT。 對(duì)于一個(gè)控制性能優(yōu)良的控制器， 最大靈敏度函數(shù)在［1.2，2.0］取值；最大互補(bǔ)靈敏度函數(shù)在［1.0，1.5］取值。 因此可以在此范圍內(nèi)設(shè)計(jì)控制器參數(shù)提升控制性能。 最大靈敏度函數(shù)MS和最大互補(bǔ)靈敏度函數(shù)MT的計(jì)算式為：

根據(jù)內(nèi)?？刂破髟O(shè)計(jì)原理，將對(duì)象模型分解為純滯后環(huán)節(jié)、右半平面的零點(diǎn)部分Gm+（s）=1和最小相位部分Gm-（s），即：

根據(jù)內(nèi)?？刂频膶?duì)偶穩(wěn)定性可知，內(nèi)?？刂葡到y(tǒng)穩(wěn)定的必要條件是辨識(shí)的對(duì)象模型準(zhǔn)確且GIMC（s）和Gm（s）都穩(wěn)定。但是現(xiàn)實(shí)很難準(zhǔn)確辨識(shí)系統(tǒng)模型。 當(dāng)模型失配時(shí)，則需要引入濾波器f（s）提升魯棒性。 由此得出內(nèi)?？刂破鳎?/p>

對(duì)于一階慣性加時(shí)滯系統(tǒng)，由最大靈敏度函數(shù)、相位裕量和幅值裕量得出濾波器參數(shù)與最大靈敏度函數(shù)之間的關(guān)系：

其中，d為滯后時(shí)間。

根據(jù)穩(wěn)定指數(shù)和精確度指數(shù)判斷系統(tǒng)的魯棒性，當(dāng)魯棒性差時(shí)，在最大靈敏度函數(shù)的取值范圍內(nèi)減小最大靈敏度函數(shù)， 以提升穩(wěn)態(tài)裕量。通過(guò)調(diào)節(jié)濾波器參數(shù)ε調(diào)節(jié)最大靈敏度函數(shù)。 由最大靈敏度函數(shù)的取值范圍可得濾波器參數(shù)的取值范圍在（0.43～4.15）d。

一階慣性加純滯后系統(tǒng)的對(duì)象模型Gp（s）為：

純滯后環(huán)節(jié)e-ds采用一階Pade近似展開(kāi)。 將一階慣性加純滯后對(duì)象模型分解為Gm+（s）和Gm-（s）：

根據(jù)內(nèi)?？刂破骱头答伩刂破鞯年P(guān)系得到反饋控制器的形式為：

PID反饋控制器的一般形式為：

根據(jù)s多項(xiàng)式同次項(xiàng)冪系數(shù)對(duì)應(yīng)相等的原則即可求得PID控制器各項(xiàng)參數(shù)：

實(shí)際中，采用二階加純滯后模型表征溫度和粘度高的流體對(duì)象才能得到滿(mǎn)意的近似，其過(guò)程模型為：

純滯后環(huán)節(jié)e-ds同樣采用一階Pade近似展開(kāi)。二階加純滯后模型的內(nèi)?？刂茀?shù)整定方法如下：

根據(jù)s多項(xiàng)式同次項(xiàng)冪系數(shù)對(duì)應(yīng)相等的原則即可求得對(duì)于二階加純滯后系統(tǒng)的PID控制器各項(xiàng)參數(shù)：

3 基于綜合性能評(píng)價(jià)指標(biāo)的智能PID參數(shù)優(yōu)化流程

基于綜合性能評(píng)價(jià)指標(biāo)的智能PID參數(shù)優(yōu)化流程如圖4所示。 在線采集控制系統(tǒng)數(shù)據(jù)，計(jì)算控制性能評(píng)價(jià)指標(biāo)并判斷控制器性能是否下降。 若控制性能下降無(wú)法滿(mǎn)足控制要求， 則采用內(nèi)模PID整定算法對(duì)PID參數(shù)進(jìn)行整定，經(jīng)工程師判斷參數(shù)合理后應(yīng)用于控制器，再次采集數(shù)據(jù)并判斷控制器性能是否良好。

圖4 基于綜合性能評(píng)價(jià)指標(biāo)的智能PID參數(shù)優(yōu)化流程

4 仿真與工業(yè)應(yīng)用

4.1 仿真及軟件開(kāi)發(fā)

基于綜合性能評(píng)價(jià)指標(biāo)的智能PID參數(shù)優(yōu)化方法， 開(kāi)發(fā)了相應(yīng)的控制系統(tǒng)性能評(píng)價(jià)與自愈（Controller Performance Evaluation and Selfhealing，CPES）軟件。在某化工企業(yè)對(duì)催化裝置的100多個(gè)基礎(chǔ)回路投用控制系統(tǒng)性能評(píng)價(jià)與自愈軟件，實(shí)現(xiàn)實(shí)時(shí)監(jiān)控控制器性能的功能。 現(xiàn)場(chǎng)應(yīng)用系統(tǒng)結(jié)構(gòu)如圖5所示。通過(guò)OPC服務(wù)器采集過(guò)程數(shù)據(jù)，并儲(chǔ)存在數(shù)據(jù)庫(kù)中。 性能監(jiān)控服務(wù)器讀取實(shí)時(shí)數(shù)據(jù)，計(jì)算綜合性能指標(biāo)并判斷性能是否下降，若性能下降則在線整定PID參數(shù)。 工程師判斷整定的參數(shù)合理后應(yīng)用于控制器。

圖5 現(xiàn)場(chǎng)應(yīng)用系統(tǒng)結(jié)構(gòu)示意圖

CPES系統(tǒng)可以將性能指標(biāo)和綜合評(píng)價(jià)發(fā)布到企業(yè)管理信息網(wǎng)絡(luò)。 工程師可以在性能監(jiān)控服務(wù)器中訪問(wèn)企業(yè)局域網(wǎng)，查看所在車(chē)間的控制回路信息。 網(wǎng)絡(luò)發(fā)布端可以更直觀地看出某車(chē)間某裝置控制回路的實(shí)際狀況，也可以查看整個(gè)車(chē)間所有回路的整體控制狀況， 如綜合評(píng)級(jí)所占比例、綜合自控投用率等。 利用網(wǎng)絡(luò)發(fā)布系統(tǒng)可以及時(shí)發(fā)現(xiàn)問(wèn)題，實(shí)現(xiàn)網(wǎng)上巡檢，提高對(duì)控制系統(tǒng)的維護(hù)效率。 網(wǎng)絡(luò)發(fā)布界面如圖6所示。

根據(jù)實(shí)際工業(yè)控制系統(tǒng)，仿真搭建多個(gè)流量、溫度、壓力和液位的控制系統(tǒng)模擬實(shí)際工藝對(duì)象。其中模擬流量FIC1101控制系統(tǒng)如圖7所示， 控制系統(tǒng)包括PID控制器、 二階加純滯后對(duì)象模型、隨機(jī)干擾及OPC數(shù)據(jù)讀寫(xiě)等模塊。由此控制系統(tǒng)模擬實(shí)際工程產(chǎn)生過(guò)程數(shù)據(jù)，由OPC采集仿真實(shí)時(shí)數(shù)據(jù)用于性能評(píng)價(jià)。 PID控制器初始的PID參數(shù)為：比例系數(shù)P=0.75、積分時(shí)間I=0.2s、微分時(shí)間D=0.89s。

圖7 模擬流量FIC1101控制系統(tǒng)

圖8所示為整定前、 后的評(píng)價(jià)結(jié)果， 流量FIC1101控制系統(tǒng)評(píng)級(jí)結(jié)果為較差， 跟蹤指數(shù)為2，表明響應(yīng)速度較慢，跟蹤性能差；精確度指數(shù)為5.83，表明控制系統(tǒng)不能準(zhǔn)確跟蹤設(shè)定值，存在較大振蕩。 綜合評(píng)級(jí)結(jié)果表明，該回路的控制性能不能滿(mǎn)足控制需求， 因此啟動(dòng)PID參數(shù)優(yōu)化功能。 經(jīng)過(guò)整定后（圖9） 的PID參數(shù)為P=0.514、I=0.083s、D=0.103s。 跟蹤指數(shù)為0.53， 穩(wěn)定指數(shù)為0.02，精確度指數(shù)為0.15，性能評(píng)級(jí)結(jié)果為優(yōu)秀，表明控制性能恢復(fù)。

圖8 流量FIC1101控制系統(tǒng)整定前、后的評(píng)價(jià)結(jié)果

圖9 流量FIC1101控制系統(tǒng)的PID參數(shù)整定結(jié)果

圖10為控制器參數(shù)整定前、 后跟蹤趨勢(shì)對(duì)比，200s后為整定后的跟蹤趨勢(shì)。

圖10 控制器參數(shù)整定前、后跟蹤趨勢(shì)對(duì)比

4.2 工業(yè)應(yīng)用

將控制系統(tǒng)性能評(píng)價(jià)與自愈軟件投用到某化工企業(yè)催化裝置的100多條基礎(chǔ)控制回路中，催化裝置的自控率從投用前的69.89%逐步提升，最終達(dá)到了96.56%；裝置儀表平穩(wěn)率的平均值從投用前的50.0%提升到了95.5%，效果良好。

以流量FIC2501控制系統(tǒng)為例，整定前、后的性能評(píng)價(jià)結(jié)果如圖11所示。 整定前的PID參數(shù)為P=0.3、I=0.5s、D=0.02s，評(píng)價(jià)結(jié)果為較差，跟蹤性能差，系統(tǒng)存在較大波動(dòng)，實(shí)際值無(wú)法準(zhǔn)確地跟蹤設(shè)定值，且操縱變量變化幅度大。 整定后的PID參數(shù)為P=0.1、I=1.0s、D=0.20s， 評(píng)價(jià)結(jié)果為優(yōu)秀，波動(dòng)幅度減小，閥門(mén)操作平滑，滿(mǎn)足現(xiàn)場(chǎng)工藝控制要求。 實(shí)際控制曲線如圖12所示，其中設(shè)定值為12t/h。

圖11 流量FIC2501控制系統(tǒng)整定前、后的性能評(píng)價(jià)結(jié)果

圖12 整定后流量FIC2501的實(shí)際控制效果

5 結(jié)束語(yǔ)

智能PID參數(shù)優(yōu)化是使用在線數(shù)據(jù)評(píng)價(jià)控制系統(tǒng)性能， 當(dāng)性能下降無(wú)法滿(mǎn)足控制要求時(shí)，在線優(yōu)化PID參數(shù)，提高控制器性能。 筆者提出的基于綜合性能評(píng)價(jià)指標(biāo)的智能PID參數(shù)整定方法，在不影響正常工況運(yùn)行的情況下適當(dāng)調(diào)節(jié)控制系統(tǒng)的設(shè)定值，并采集實(shí)時(shí)閉環(huán)數(shù)據(jù)評(píng)價(jià)控制器性能。 綜合評(píng)價(jià)指標(biāo)能更全面地表征控制系統(tǒng)的控制性能，提高了控制器性能評(píng)價(jià)的準(zhǔn)確性和實(shí)用性。 在性能下降時(shí)，采用基于內(nèi)?？刂频腜ID參數(shù)整定方法優(yōu)化PID參數(shù)， 并結(jié)合靈敏度函數(shù)和互補(bǔ)靈敏度函數(shù)提升控制系統(tǒng)的魯棒性和跟蹤性能。 根據(jù)此方法開(kāi)發(fā)了控制系統(tǒng)性能評(píng)價(jià)與自愈軟件。 仿真和工廠實(shí)際應(yīng)用結(jié)果都表明：使用此方法可以有效地提高控制系統(tǒng)的控制性能，且控制系統(tǒng)具有良好的自愈性，說(shuō)明該方法具有可行性和有效性。