[问答]

怎样去编写PID控制器和模糊控制器代码呢

问答对人有帮助，内容完整，我也想知道答案 0 PID控制的原理是什么？怎样去编写PID控制器和模糊控制器代码呢？如何对PID控制器和模糊控制器进行仿真呢？ 0
2021-11-19 07:47:47　　评论淘帖0 邀请回答您可以邀请以下用户，快速回答问题 × heks 该类别下有 50 个回答。邀请回答 hgimtk 该类别下有 44 个回答。邀请回答新星之火12138 该类别下有 42 个回答。邀请回答 wang21cj 该类别下有 41 个回答。邀请回答 chm5 该类别下有 40 个回答。邀请回答 hjfjsdgfjdsf 该类别下有 37 个回答。邀请回答 fdjslkjd 该类别下有 35 个回答。邀请回答 uvysdfydad 该类别下有 35 个回答。邀请回答 werywer 该类别下有 35 个回答。邀请回答 h1654155957.9520 该类别下有 35 个回答。邀请回答 jenny042 该类别下有 34 个回答。邀请回答 dfzvzs 该类别下有 34 个回答。邀请回答维生素B2 该类别下有 34 个回答。邀请回答凤毛麟角该类别下有 34 个回答。邀请回答 hfgdzc 该类别下有 33 个回答。邀请回答 ggfvxv 该类别下有 33 个回答。邀请回答刘洋该类别下有 33 个回答。邀请回答 meihuacg 该类别下有 33 个回答。邀请回答 lining870815844 该类别下有 32 个回答。邀请回答 h1654155275.6678 该类别下有 32 个回答。邀请回答举报张超相关推荐 • 请问如何去设计模糊PID自整定控制器？ 2478 • 请问怎样去搭建一种模糊控制器系统的数学模型 1057 • 如何去设计一种基于STM32控制器的模糊PID温度控制系统呢 2539 • 怎样去设计一种PID控制器呢 1150 • 怎样去设计高速PID控制器？ 1822 • 如何去设计温度模糊自适应PID控制器？ 1804 • labview模糊控制器和pid 2514 • 怎样去设计一种基于STM32的模糊PID温度控制系统呢 3285 • 如何设计基于FPGA的温度模糊自适应PID控制器？ 1649 • 【高分讨论】如何将labview中的模糊控制器和pid结合一起？ 2052 1个回答

答案对人有帮助，有参考价值 1 　　一、控制案例　　在此通过一个典型案例编写PID控制器和模糊控制器代码，并进行注释。（例子为《基于MATLAB的系统分析与设计——模糊系统》例3.8）　　例：典型二阶系统的模糊控制与传统PID控制的性能比较。通常的工业过程可以等效成二阶系统加上一些典型的非线性环境，如死区、饱和、纯延迟等，这里假设系统为　　　　（1）　　控制执行结构具有0.07的死区和0.7的饱和区，取样时间间隔T=0.01。　　解：在PID仿真中，经过仔细选择，取　　　　，　　　　，　　　　。在模糊控制仿真中，　　　　，　　　　，　　　　，　　　　，模糊控制器输出为　　　　（2）　　其中积分项用于消除控制系统的稳态误差。　　MATLAB程序中，Nd用于表示系统的纯延迟（　　　　），umin用于表示控制的死区电平，umax用于表示饱和电平。当Nd=0时，表示系统不存在纯延迟。MATLAB程序如下：　　% ----------------------------------------- 　　% 典型二阶系统的模糊控制与传统PID控制的性能比较　　% ----------------------------------------- 　　num=20; 　　den=［1.6，4.4，1］; 　　［a1，b，c，d］=tf2ss（num，den）; %将传递函数转换为状态空间，［1］　　x=［0;0］; %有两个输入所以状态向量为二维　　T=0.01;h=T; 　　umin=0.07;umax=0.7; %死区和饱和区　　td=0.02;Nd=td/T; 　　N=500;R=1.5ones（1，N）; %稳态为1.5，存入R一维矩阵　　% ------------- 　　% PID 控制　　% ------------- 　　e=0;de=0;ie=0; %初始误差、误差微分、误差积分　　kp=5;ki=0.1;kd=0.001; %PID控制器的三个参数　　for k=1:N %重复1~500 　　uu1（1，k）=-（kpe+kide+kdie）; %计算本次PID控制器的输出　　if k《=Nd %延迟调整　　u=0; 　　else 　　u=uu1（1，k-Nd）; 　　end 　　if abs（u）《= umin %死区和饱和区调整　　u=0; 　　elseif abs（u）》 umax 　　u=sign（u） * umax; 　　end 　　k0=a1x+bu; %利用龙格-库塔法进行系统仿真，［2］　　k1=a1（x+hk0/2）+bu; 　　k2=a1（x+hk1/2）+bu; 　　k3=a1（x+hk2）+bu; 　　x=x+（k0+2k1+2k2+k3）h/6; 　　y=cx+du; 　　e1=e; %计算误差、微分和积分　　e=y（1，1）-R（1，k）; 　　de=（e-e1）/T; 　　ie=eT+ie; 　　yy1（1，k）=y; %将本次系统输出存入yy1矩阵　　end 　　% ------------- 　　% 模糊控制　　% ------------- 　　a=newfis（‘Simple’）; 　　a=addvar（a，‘input’，‘e’，［-6 6］）; %添加误差输入变量　　a=addmf（a，‘input’，1，‘NB’，‘trapmf’，［-6，-6，-5，-3］）; %添加误差隶属函数　　a=addmf（a，‘input’，1，‘NS’，‘trapmf’，［-5，-3，-2 0］）; 　　a=addmf（a，‘input’，1，‘ZR’，‘trimf’，［-2，0，2］）; 　　a=addmf（a，‘input’，1，‘PS’，‘trapmf’，［0，2，3，5］）; 　　a=addmf（a，‘input’，1，‘PB’，‘trapmf’，［3，5，6，6］）; 　　a=addvar（a，‘input’，‘de’，［-6 6］）; %添加误差变化输入变量　　a=addmf（a，‘input’，2，‘NB’，‘trapmf’，［-6，-6，-5，-3］）; %添加误差变化隶属函数　　a=addmf（a，‘input’，2，‘NS’，‘trapmf’，［-5，-3，-2，0］）; 　　a=addmf（a，‘input’，2，‘ZR’，‘trimf’，［-2，0，2］）; 　　a=addmf（a，‘input’，2，‘PS’，‘trapmf’，［0，2，3，5］）; 　　a=addmf（a，‘input’，2，‘PB’，‘trapmf’，［3，5，6，6］）; 　　a=addvar（a，‘output’，‘u’，［-3 3］）; %添加输出变量　　a=addmf（a，‘output’，1，‘NB’，‘trapmf’，［-3，-3，-2，-1］）; %添加输出隶属函数　　a=addmf（a，‘output’，1，‘NS’，‘trimf’，［-2，-1，0］）; 　　a=addmf（a，‘output’，1，‘ZR’，‘trimf’，［-1，0，1］）; 　　a=addmf（a，‘output’，1，‘PS’，‘trimf’，［0，1，2］）; 　　a=addmf（a，‘output’，1，‘PB’，‘trapmf’，［1，2，3，3］）; 　　rr =［5 5 4 4 3 %以下为计算模糊规则　　5 4 4 3 3 　　4 4 3 3 2 　　4 3 3 2 2 　　3 3 2 2 1］; 　　r1=zeros（prod（size（rr）），3）;k=1; 　　for i=1:size（rr，1）　　for j=1:size（rr，2）　　r1（k，：）=［i，j，rr（i，j）］; 　　k=k+1; 　　end 　　end 　　［r，s］=size（r1）; 　　r2=ones（r，2）; 　　rulelist=［r1，r2］; %计算模糊规则结束　　a=addrule（a，rulelist）; %添加模糊规则到模糊控制器　　e=0;de=0;ie=0; %初始化误差、误差微分、误差积分　　x=［0;0］; %初始化状态向量　　ke=60;kd=2.5;ki=0.01;ku=0.8; %模糊控制器参数　　for k=1:N %1~500 　　e1=kee; %输入变量变换至论域　　de1=kdde; 　　if e1》=6 %误差边界调整　　e1=6; 　　elseif e1《=-6 　　e1=-6; 　　end 　　if de1》=6 %误差微分边界调整　　de1=6; 　　elseif de1《=-6 　　de1=-6; 　　end 　　in=［e1 de1］; %输入向量　　uu（1，k）=kuevalfis（in，a）-kiie; %根据式2计算模糊控制器输出　　if k《=Nd %延迟调整　　u=0; 　　else 　　u=uu（1，k-Nd）; 　　end 　　if abs（u）《=umin %死区、饱和区调整　　u=0; 　　elseif abs（u）》umax 　　u=sign（u）umax; 　　end 　　k0=a1x+bu; %利用龙格-库塔法进行系统仿真　　k1=a1（x+hk0/2）+bu; 　　k2=a1（x+hk1/2）+bu; 　　k3=a1（x+hk2）+bu; 　　x=x+（k0+2k1+2k2+k3）h/6; 　　y=cx+du; 　　e1=e; %计算误差、微分和积分　　e=y-R（1，k）; 　　de=（e-e1）/T; 　　ie=ie+eT; 　　yy（1，k）=y; %将本次系统输出存入yy矩阵　　end 　　% ------------- 　　% 画图比较　　% ------------- 　　kk=［1:N］T; 　　figure（1）; 　　plot（kk，R，‘k’，kk，yy1，‘b’，kk，yy，‘r’）; %将PID控制和模糊控制同时显示　　xlabel（‘时间（0.01秒）’）; 　　ylabel（‘输出’）; 　　gtext（‘模糊控制’）;gtext（‘PID控制’）; 　　运行，输出如下：　　　　二、重要概念说明　　2.1 PID控制原理　　PID控制分为位置式控制和增量式控制，大多数情况下为位置式PID控制。　　2.1.1 位置式PID 　　基本公式：　　　　（3）　　即：　　　　（4）　　其中　　　　（5）　　　　（6）　　其中：　　　　为比例系数，　　　　为k时刻的误差，　　　　为采样周期（计算周期，控制周期），　　　　为积分常数（积分时间），　　　　为微分常数　　采样周期　　　　：单片机不能不停计算输出，因为可能上一次的计算输出还没有加到控制对象上，需要根据实际系统延迟。　　积分常数　　　　：　　　　和　　　　共同作用的时间，　　　　越大，减弱输出信号；　　　　越小，增加输出信号；相当于历史误差的惩罚权值，人为给定。　　例，早上第一次温度调控，室温为20度，目标为100度，当从20度第一次到100度时，由于达到目标值　　　　输出为0，但积分项考虑历史数据累积了大量误差，所以仍然会有输出，产生超调。有些算法为了避免超调，在第一次到达目标值时将积分常数　　　　选得非常大，减弱积分项的作用，这种方法为积分分离。积分项用于在比例项达标时控制（此时比例项无输出），即在到达目标之后才能体现积分项的作用。　　微分常数　　　　：　　　　和　　　　共同作用的时间，采样周期　　　　越大，相同误差下误差变化率越小（　　　　影响　　　　）。　　　　相当于误差变化的惩罚权值，人为给定。　　2.1.2 增量式PID 　　位置式PID的输出量为直接控制量；增量式PID的输出为控制变化量，即实际输出为当前控制量加上控制变化量，公式如下：　　　　2.2 状态空间标准式　　在说明状态空间标准式之前，说明下本例子总体控制模型，如下：　　　　线性系统状态空间描述：　　　　输入向量：　　　　输出向量：　　　　系统内部状态向量：　　　　，中间某一时刻的状态。　　状态空间标准式：　　　　（7）　　其中，x为n维向量，u为p维向量，y为q维向量，A为nxn矩阵，B为nxq矩阵，C为qxn矩阵，D为qxp矩阵。　　本文重点！：在此案例中u（t）为PID控制器或模糊控制器输出量。整体过程为：首先根据当前误差和误差变化输入到PID控制器或模糊控制器，输出为u（t），然后根据龙格-库塔法对状态空间标准式（即7式）求出输出y。　　2.3 龙格-库塔法　　该方法不用求解微分方程直接计算下一个点的值，以下摘百度百科。　　在各种龙格－库塔法当中有一个方法十分常用，以至于经常被称为“RK4”或者就是“龙格－库塔法”。该方法主要是在已知方程导数和初值信息，利用计算机仿真时应用，省去求解微分方程的复杂过程。　　令初值问题表述如下。　　　　则，对于该问题的RK4由如下方程给出：　　　　这样，下一个值（yn+1）由现在的值（yn）加上时间间隔（h）和一个估算的斜率的乘积所决定。该斜率是以下斜率的加权平均：　　k1是时间段开始时的斜率；　　k2是时间段中点的斜率，通过欧拉法采用斜率k1来决定y在点tn+h/2的值；　　k3也是中点的斜率，但是这次采用斜率k2决定y值；　　k4是时间段终点的斜率，其y值用k3决定。　　当四个斜率取平均时，中点的斜率有更大的权值：　　　　RK4法是四阶方法，也就是说每步的误差是h阶，而总积累误差为h阶。　　注意上述公式对于标量或者向量函数（y可以是向量）都适用。

2021-11-19 10:19:22 评论举报杜永强