模糊PID控制器设计.docx
《模糊PID控制器设计.docx》由会员分享，可在线阅读，更多相关《模糊PID控制器设计.docx（9页珍藏版）》请在冰豆网上搜索。
模糊PID控制器设计
模糊PID控制器
0引言：
PID控制作为一种典型的传统反馈控制器，以其结构简单，易于实现和鲁棒性好等特点在工业过程控制中广泛应用。
但是传统PID控制器的参数需要被控对象的数学模型来进行调整，而控制过程中的滞后性、控制参数的非线性和高阶陛增加了对Kp、Ki、Kd三个参数的
调整难度。
所以对确定的控制系统通过复杂的计算后，其三个参数的值在控制运行中一般是固定的，不易进行在线的调整。
而在实际的工业生产过程中，许多被控对象受到负荷变化和干扰因素的作用，其对象参数的特征和结构易发生改变，这就需要对参数进行动态的调整。
同样因为被控系统的复杂性和不确定性，其精确的数学模型难以建立，甚至无法建立模型，所以需要利用模糊控制技术等方法来解决。
模糊PID无需考虑被控系统的模型，而只根据其误差e和误差变化ec等检测数据来自适应调整Kp、Ki、Kd的值，最终使被控系统处于稳定工作态。
1、传统PID控制器：
PID参数模糊自整定是找出PID中3个参数与e和ec之间的模糊关系，在运行中通过不断检测e和ec，根据模糊控制原理来对3个参数进行在线修改，以满足不同e和ec时对控制参数的不同要求，而使被控对象有良好的动稳态性能。
从系统的稳定性、响应速度、超调量和稳态精度等方面来考虑Kp,Ki,Kd的作用如下：
（1）比例系数Kp的作用是：
加快系统的响应速度，提高系统的调节精度。
Kp越大，系统的响
应速度越快，系统的调节精度越高，但易产生超调，甚至导致系统不稳定；Kp取值过小，
则会降低调节精度，使响应速度缓慢，从而延长调节时间，使系统静态、动态特性变坏。
（2）积分作用系数Ki的作用是：
消除系统的稳态误差。
Ki越大，系统的稳态误差消除越快，
但Ki过大，在响应过程的初期会产生积分饱和现象,从而引起响应过程的较大超调；若Ki过小，将使系统稳态误差难以消除，影响系统的调节精度。
（3）微分作用系数Kd的作用是：
改善系统的动态特性。
其作用主要是能反应偏差信号的变化趋势,并能在偏差信号值变得太大之前，在系统中引入一个有效的早期修正信号，从而加快系统的动作速度，减少调节时间。
2、模糊PID参数自整定控制器设计
控制器结构：
模糊化
由PID各个参数对系统的影响得到：
（a）当误差|e|较大时，说明误差的绝对值较大，不论误差的变化趋势如何，都应该考虑控制器的Kp取较大值，以提高响应的快速性；而为防止因为|ec|瞬时过大，kd应该取较小的值;为控制超调，ki也应该取值很小。
（b）当误差|e|在中等大小时，为保证系统的相应速度并控制超调，应减小Kp，Ki值应增大，Kd应适中。
（c）当误差|e|较小时，为保证系统具有良好的稳态特性，应加大Kp、Ki的取值，同时为避
免产生振荡，Kd的取值应该和|ec|联系起来。
模糊PID控制根据系统运行的不同状态，考虑KpKi、Kd三者的关联，根据工程经验设
计模糊整定这三个参数，选择输入语言变量为误差e和偏差变化率ec，语言变量值取｛NB,
NMNS0，PS,PM，PB｝七个模糊值；选择输出语言变量为△©,△Ki，△Kd语言变量值
也取｛NB，NMNS0，PS,PM，PB｝七个模糊值，建立△©，△Ki，△Kd的模糊规则。
设计模糊控制器
在MATLAB命令空间输入fuzzy，弹出对话框，然后进行设置，如图:
设置为两输入三输出结构。
根据经验设置输入输出的隶属度函数都为:
设置完隶属度函数后，按照上述三个模糊规则表格设置模糊规则，如图
设置完毕后，保存文件“”至磁盘，留给仿真调用，生成的文件为:
[System]
Name='zhinengkongz'
Type='mamdani'
Version=
NumInputs=2
NumOutputs=3
NumRules=49
AndMethod='min'
OrMethod='max'
ImpMethod='min'
AggMethod='max'
DefuzzMethod='centroid'
[Input1]
Name='e'
Range=[-33]
NumMFs=7
MF1='nb':
'zmf',[-3-1]
MF2='nm':
'trimf',[-3-20]
MF3='ns':
'trimf',[-3-11]
MF4='zo':
'trimf',[-202]
MF5='ps':
'trimf',[-113]
MF6='pm':
'trimf',[023]
MF7='pb':
'smf',[13]
[Input2]
Name='ec'
Range=[-33]
NumMFs=7
MF1='nb':
'zmf',[-3-1]
MF2='nm':
'trimf',[-3-20]
MF3='ns':
'trimf',[-3-11]
MF4='zo':
'trimf',[-202]
MF5='ps':
'trimf',[-113]
MF6='pm':
'trimf',[023]
MF7='pb':
'smf',[13]
[Output1]
Name='kp'
Range=[-33]
NumMFs=7
MF1='nb':
'zmf',[-3-1]
MF2='nm':
'trimf',[-3-20]
MF3='ns':
'trimf',[-3-11]
MF4='zo':
'trimf',[-202]
MF5='ps':
'trimf',[-113]
MF6='pm':
'trimf',[023]
MF7='pb':
'smf',[13]
[Output2]
Name='ki'
Range=[-33]
NumMFs=7
MF1='nb':
'zmf',[-3-1]
MF2='nm':
'trimf',[-3-20]
MF3='ns':
'trimf',[-3-11]
MF4='zo':
'trimf',[-202]
MF5='ps':
'trimf',[-113]
MF6='pm':
'trimf',[023]
MF7='pb':
'smf',[13]
[Output3]
Name='kd'
Range=[-33]
NumMFs=7
MF1='nb':
'zmf',[-3-1]
MF2='nm':
'trimf',[-3-20]
MF3='ns':
'trimf',[-3-11]
MF4='zo':
'trimf',[-202]
MF5='ps':
'trimf',[-113]
MF6='pm':
'trimf',[023]
MF7='pb':
'smf',[13]
[Rules]
11,715
（1）:
1
12,713
（1）:
1
13,621
（1）:
1
14,651
（1）:
1
15,531
（1）:
1
17,445
（1）:
1
21,715
（1）:
1
22,713
（1）:
1
23,621
（1）:
1
24,532
（1）:
1
25,532
（1）:
1
26,443
（1）:
1
27,344
（1）:
1
31,614
（1）:
1
32,623
（1）:
1
33,632
（1）:
1
34,532
（1）:
1
35,443
（1）:
1
36,353
（1）:
1
37,354
（1）:
1
41,624
（1）:
1
42,623
（1）:
1
43,533
（1）:
1
44,443
（1）:
1
45,353
（1）:
1
46,263
（1）:
1
47,264
（1）:
1
51,524
（1）:
1
52,534
（1）:
1
354
（1）:
1
354
（1）:
1
264
（1）:
1
274
（1）:
1
547
（1）:
1
443
（1）:
1
355
（1）:
1
255
（1）:
1
265
（1）:
1
275
（1）:
1
177
（1）:
1
447
（1）:
1
446
（1）:
1
256
（1）:
1
266
（1）:
1
265
（1）:
1
175
（1）:
1
177
（1）:
1
系统仿真
设控制对象为：
G（s）=25/s^2+6s+25
通过程序（含注释）仿真如下：
clearall;
clc;
FIS模糊控制器
a=readfis（'zhinengkongz'）;%读取设定的
54,
55,
56,
57,
61,
62,
63,
64,
65,
66,
67,
71,
72,
73,
74,
75,
76,
77,
3、
ts=;
抽样时间为1MS
sys=tf（25,[1,6,25]）;%
dsys=c2d（sys,ts,'z'）;%[num,den]=tfdata（dsys,'v'）;%%设置系统初值u1=0;u2=0;
y1=0;y2=0;
x=[0,0,0];
e1=0;ec1=0;
Kp0=;Ki0=2;Kd0=1;
fork=1:
5000;%time（k）=k*ts;
r（k）=1;%fpid=evalfis（[e1,ec1],a）;%Kp（k）=Kp0+fpid
（1）;%Ki（k）=Ki0+fpid
（2）;
构造系统G（s）=25/s^2+6s+25
离散化
得到系数
仿真5S
输入阶跃信号
模糊推理
得到新的参数
Kd（k）=Kd0+fpid（3）;
输出
系统输出
u（k）=Kp（k）*x
（1）+Ki（k）*x
（2）+Kd（k）*x（3）;%PID
y（k）=-den
（2）*y1-den（3）*y2+num
（1）*u（k）+num
（2）*u1+num（3）*u2;%
e（k）=r（k）-y（k）;
%
计算误差
u2=u1;u1=u（k）;
%
更新数据
y2=y1;y1=y（k）;
x
（1）=e（k）;
%
对应KP
x
（2）=x
（2）+e（k）*ts;
%
对应KI
x（3）=e（k）-e1;
%
对应KD
ec1=e（k）-e1;
%
重新计算ec
e1=e（k）;
重新计算e
end
%打印输出
figure
（1）;plot（time,y,'g',time,r,'r'）;
gridon;
xlabel（'time（s）'）;ylabel（'y'）;
figure
（2）
plot（time,Kp,'r'）;
xlabel（'time（s）'）;ylabel（'Kp'）;
gridon;
figure（3）
plot（time,Ki,'b'）;
gridon;
xlabel（'time（s）'）;ylabel（'Ki'）;
figure（4）
plot（time,Kd,'g'）;
xlabel（'time（s）'）;ylabel（'Kd
升级会员 