常規(guī)PID算法構成如下：��輸出=比例作用(P)+積分作用(I)+微分作用(D)��在常規(guī)PID的控制系統(tǒng)中，減少超調和提高控制精度是難以兩全其美的，這主要是積分作用有缺點造成的。如果減少積分作用，則靜差不易清理，有擾動時，清理誤差速度變慢，而當加強積分作用時，又難以避免超調，這也是常規(guī)PID控制中經(jīng)常遇到的難題。在AI系列儀表中，當控制參數(shù)在比例帶以外時，采用模糊控制，不存在抗飽和積分問題，而對PID算法部分又加以改進如下：輸出=比例作用(P)+積分作用(I)+微分作用(D)+微分積分作用(∫I)由于儀表中增加了微分積分作用，所以，使常規(guī)PID算法中的積分飽和現(xiàn)象得到非常大緩解。不過從上式中可以看到，原有參數(shù)已經(jīng)較難確定了，又增加了一個新參數(shù)(∫I)，所以，這些參數(shù)必然互相影響，使得新算法參數(shù)更加難以確定。為此，經(jīng)過認真的研究和實驗分析，比例作用與微分作用的比值和積分作用與微分作用的比值可取相同的值，并且比例作用與微分作用的較佳比值同控制對象的滯后時間有關。滯后時間越大，則比例作用響應減少，而微分作用響應增加。兩者存在的關系如下：比例作用=K(1/t)��微分作用=K(1-1/t)d��式中，K為系數(shù)；t為滯后時間與控制周期的比值；t≥1；d表示微分作用。��由此，可將人工智能控制算法公式改為：��輸出=P［1/t+(1-1/t)d］+(1/M)∫［1/t+(1-1/t)d］��式中，P用于調整微分和比例的大小，P增加，相當于同時將微分時間增加及減少比例帶。反之，P減少，相當于同時將微分時間減少和加大比例帶。M類似積分時間，可用于調整積分和微分積分的大小，t用于調整微分與比例的相互比例成分。如果t=1，則微分作用為0，如果1��Ｍ＝０，則積分作用為0。這樣，控制參數(shù)又減少為3個，由于常規(guī)PID參數(shù)的定義只根據(jù)算法本身，其特點是不需要考慮被控對象的準確模型，而改進后的3個控制參數(shù)，由于同原參數(shù)概念不同，所以，定義為MPT控制算法，具體含義如下：M50為保持參數(shù)。M50定義為輸出值為50%時，控制對象基本穩(wěn)定后測量值的差值。50表示輸出值變化量為50。例如某電爐溫度控制，為了找出較佳的M50值，手動輸出為50%時，電爐溫度較后穩(wěn)定在800℃左右，而0%輸出時，電爐溫度較后穩(wěn)定在室溫，為25℃，則M(較佳參數(shù)值(=800-25=775參數(shù)M值主要對調節(jié)算法中的積分作用進行調整。M值越小，系統(tǒng)積分作用越強。M值越大，積分作用越弱(積分時間增加)。如果，M=0，則系統(tǒng)取消積分作用。P為速率參數(shù)��P與每個控制周期內(nèi)儀表輸出變化高標準時測量值對應變化的大小成反比，其數(shù)值定義如下：P=100÷每秒鐘被控參數(shù)的變化值，單位是℃或10個定義單位(線形輸入時)。例如電爐溫度控制，如果儀表以高標準功率加熱，并假設沒有散熱，電爐每秒升高1℃時，則P=100÷1=100在實際應用時，因為沒有散熱的前提條件是無法滿足的，所以，用人工的方式確定P的較佳值是不可能的，因此，一般利用自整定方法確定P的較佳值，P值對調節(jié)中的比例和微分均有作用。P值越大，比例、微分作用成正比增加，而P值越小，比例、微分作用相應減弱。P參數(shù)與積分作用無關。T為滯后時間參數(shù)��T定義為某電爐以某功率開始升溫，當其升溫速率達到非常大值的63.5%時所需要的時間，T值單位是秒(s)。引入?yún)��?shù)T并正確設置時可以完全解決溫度控制的超調現(xiàn)象及振蕩現(xiàn)象，同時使控制響應速度較佳。T值的變化，可對調節(jié)作用中的比例和微分起作用，T值越小，比例作用越強，微分作用越弱。T值越大，則比例作用減弱，微分作用增強。如果T≤CT1(控制周期)，則微分作用被完全取消，這時，系統(tǒng)的調節(jié)規(guī)律將成為比例或比例積分調節(jié)規(guī)律。