模糊PID控制实验报告.docx

1、模糊PID控制实验报告编号： 实验一 普通PI控制方法的设计与实现一 、实验目的1. 掌握数字PI及其算法的实现2. 熟悉在在keil环境下进行单片机程序的设计3. 熟悉仿真软件protues的使用二 、实验设备及条件1. 计算机系统2. 编程软件keil4和仿真软件protues7.8三、实验原理及其实验步骤(1) PID算法的数字化实现在模拟系统中，PID算法的表达式为式中u(t)：调节器的输出信号；e(t)：调节器的偏差信号，它等于测量值与给定值之差；Kp： 调节器的比例系数；TI： 调节器的积分时间；TD： 调节器的微分时间；离散化的PID为：t=T：采样周期，必须使T足够少，才能保证

2、系统有一定的精度；E(k)：第K次采样时的偏差值；E(k-1) ：第K-1次采样时的偏差值；K：采样序号，K=0，1，2；P(k-1)：第K次采样时调节器的输出；上式计算复杂，经过化简为：式中： 为积分系数 为微分系数要计算第K次输出值u(k)，只需要知道u(k-1)，e(k)，E(k-1)，e(k-2)即可。上式也称为位置型PID的位置控制算法。在很多控制系统中，由于执行机构是采用布进电机进行控制，所以只要给一个增量信号即可。因此得到增量型PID的位置控制算法。(2) 控制系统的结构框图整个系统的控制框图如下所示：图1 PID控制系统结构框图在本次设计中，经过计算，被控对象的传递函数是：其中

3、：C=10uf，R=20K；带入上式后可得：显然是一个二阶系统。(3) 控制系统的仿真实现在本次试验中，考虑到实际的需要，只采用了PI控制就完全可以实现很好的控制效果，故为了简化就采用PI来控制，用51单片单片机来作为中央处理器，在protues下搭建的控制系统框图如下：图2 在protues下的控制系统结构图示波器A端口用来观察PI控制器输出的电压信号，示波器C端口用来观察对象输出的信号变化，示波器的D端口用来观察参考信号变化。开关SW1用来改变参考信号，开关SW2的关断用来模拟扰动的加入和消除，开关SW3用来改变被控对象的结构参数。当SW1断开，SW2断开，SW3断开时，系统输出波形为：从

4、上图中可以看出，对象的输出波形(最上层的波形曲线)基本达到期望输出(即在2.5V和3.5V之间做周期变化)。当扰动加入后，即保持SW1、SW3断开，SW2突然闭合(闭合时刻为8.30S)，系统输出波形为：从对象的输出波形可以看出，曲线经过极其微小的波动后又恢复到未加入扰动前的形状。当继续保持SW1断开，SW2闭合，突然闭合SW3(即改变被控对象的结构参数)，此时的系统波形图如下：由上图可以知道，当开关SW3闭合时，被控对象的输出波箱出现了很大扰动，但是很快系统又达到了预期输出波形，说明系统具备了良好的自调整能力。四、实验结论通过仿真测试，由仿真结构可以知道，用数字PI算法能够很好对给定的二阶对

5、象实现控制。当系统出现轻微扰动的时候，PI控制器能够实现非常好的控制，当系统的结构参数发生改变的时候，对象的输出瞬时会出现大的扰动，这可能造成系统的某些部件的损坏，但是在此PI控制器的作用下，系统又能很快的消除扰动，又能很快的跟踪参考输入，这说明此系统的快速性非常好。从整体效果来看，基本达到控制要求。上述控制方法的程序设计如下：#include #includemath.h#define uchar unsigned char#define uint unsigned int#define ulong unsigned longsbit ADAT=P25;sbit ACLK=P26;sbit

6、ACS =P27;float LTC1292(void)/采集输出端的电压值 uint i,x; float m; ACLK=0; ADAT=1; ACS=0; for(i=0;i14;i+) ACLK=1; x=1; if(ADAT=1) x+; ACLK=0; ACS=1; m=x&0xfff; m=m*5.0/4095; return (m);sbit DDAT = P34;sbit DCS = P33;sbit DCLK = P32;void TLC5615(float x) /输出一个电压值 uchar i; uint j; x=x*1023/5.0; j=x; DCLK=0; DC

7、S=0; j=j6; for(i=0;i12;i+) j=j8; TL1=TIM&0XFF; y=LTC1292(); e2=e1;e1=e0;e0=r-y; de=e0-e1; zk=e0-0.2*e1; x1=de; /误差的变化 x2=r-y; /误差 x3=e0-2*e1+e2; wkp_1=wkp_1+xite_p*zk*u1*x1; wki_1=wki_1+xite_i*zk*u1*x2; wkd_1=wkd_1+xite_d*zk*u1*x3; wknum=fabs(wkp_1)+fabs(wki_1)+fabs(wkd_1); wp=wkp_1/wknum; /把权值变成0到1

8、之间的数，按百分比分配 wi=wki_1/wknum; wd=wkd_1/wknum; u1=u1+k*(wp*x1+wi*x2+wd*x3); if(u15) u=5; if(u18; TL1=TIM&0xff;TR1=1; while(1) g=P36; switch(g) case 0: r=1.0; break; case 2: r=1.5; break; case 1: r=2.5; break; case 3: r=3.5; break; 实验二 模糊PI控制算法的设计与实现一 、实验目的1.掌握模糊PI算法及其算法的实现2.熟悉在keil4环境下进行单片机程序的设计3.熟悉仿真软

9、件protues7.8的使用二 、实验设备及条件1.计算机系统2.编程软件keil4和仿真软件protues7.8三、实验原理模糊控制器的输入为误差和误差变化率：误差e=r-y，误差变化率ec=de/dt，其中r和y分别为液位的给定值和测量值。把误差和误差变化率的精确值进行模糊化变成模糊量E和EC，从而得到误差E和误差变化率EC的模糊语言集合，然后由E和EC模糊语言的的子集和模糊控制规则R（模糊关系矩阵）根据合成推理规则进行模糊决策，这样就可以得到模糊控制向量U，最后再把模糊量解模糊转换为精确量u，再经D/A转换为模拟量去控制执行机构动作。模糊控制器组成原理图如下所示：图1 模糊控制器组成原理

10、本次实验的控制对象和实验一控制的对象完全一样，控制要求也完全一样，被控对象的传递函数如下所示：在protues环境下搭建的系统控制系统图如下所示：图2 protues下整个系统的控制仿真结构图模糊化处理：根据精确量实际变化范围a,b，合理选择模糊变量的论域-n,n，通过量化因子，将其转换成若干个等级的离散论域，如7个等级为负大，负中，负小，零，正小，正中，正大，简写成NB,NM,NS,0,PS,PM,PB。确定模糊子集的隶属度函数，一般采用三角形，梯形和正态分布曲线。然后由隶属曲线得出模糊变量E、EC、U的赋值表。模糊控制规则：模糊控制规则是根据操作经验和专家知识总结的，是进行模糊推理的依据。

11、在设计模糊控制规则的时候，必须考虑控制规则的完备性、交叉性和一致性。既保证对任意给定的输入，都有相应的控制规则起作用；控制器的输出值总是由数条控制规则来决定；控制规则中不存在相互矛盾的规则。在总结专家经验和过程知识的基础上，可以得出下表的控制规则。表1 控制规则表NBNMNSOPSPMPBNBNMNSOPSPMPBPSNSNMNBNBNBNBPSPSNSNMNMNBNBPSPSONSNSNMNMPSPSOOONSNSPMPMPSPSONSNSPBPMPMPMPSPSNSPBPBPMPMPMPSNS模糊推理：模糊推理是模糊控制器的核心，模糊控制系统目前采用的由CRI推理的查表法、CRI推理的解析

12、法、Mamdani直接推理法、后件函数法等。本实验可采用Mamdani直接推理法。Mamdani直接推理法是先求出模糊关系R，再根据输入求出控制量，把控制量清晰化，可得控制查询表。本实验设计了容量为7*7条控制规则表，整个规则表可以用27条模糊条件语句来加以描述。如if E=NB and EC=NB then U=PS.对应的模糊关系式，A是E的模糊集合，B是EC的模糊集合，C是U的模糊集合。四、实验步骤1. 根据控制器原理图和被控对象在protues中搭建控制系统图(图2)2. 在keil4编程环境下编写系统的控制程序3. 把keil4环境下生成的hex文件加载到单片机中，准备进行仿真4.

13、开关SW1、SW2、SW3、均断开，点击Protues的左下角的三角行进行仿真，观察并记录输出波形。5. 在步骤4的基础上闭合SW2，观察并记录实验数据。6. 在步骤5的基础上闭合SW3，观察并记录实验数据7. 重复步骤4到6，观察并记录实验数据五、 实验结果与分析步骤4的实验结果如下所示：从上图可以看出基本达到了所期望的控制要求，即要求输出电压在2.5V和3.5V之间周期变化，显然由输出曲线(最上面的曲线)可以看出曲线的快速性和超调都达到了很好的效果。步骤5的实验结果如下所示： 在此步骤中，开关SW2闭合，相当于加入一个扰动信号，在图中的2.8秒的时刻SW2闭合，输出曲线微小波动后，又恢复到

14、以前的变化规律，实现了很好的抗扰性能，基本达到控制要求。步骤6的实验结果如下图所示：在此步骤中，SW3闭合，相当于改变被控对象的结构与参数，必然会引起输出的较大波动，如图所示，在SW3闭合瞬间，输出曲线出现了很大的波动，但是很快又进行了自我调整，是曲线迅速恢复到以前的变化规律。从上述结果来看，总体的控制效果还是比较理想的，唯一的不足点就是当被控对象的结构参数发生改变的时候，如何使对象的输出波动限制在一个比较理想的范围值得深入讨论。本实验的控制程序如下：#include #define uchar unsigned char#define uint unsigned int#define ulo

15、ng unsigned longsbit ADAT=P25;sbit ACLK=P26;sbit ACS =P27;float LTC1292(void)/采集输出端的电压值 uint i,x; float m; ACLK=0; ADAT=1; ACS=0; for(i=0;i14;i+) ACLK=1; x=1; if(ADAT=1) x+; ACLK=0; ACS=1; m=x&0xfff; m=m*5.0/4095; return (m);sbit DDAT = P34;sbit DCS = P33;sbit DCLK = P32;void TLC5615(float x) /输出一个电

16、压值 uchar i; uint j; x=x*1023/5.0; j=x; DCLK=0; DCS=0; j=j6; for(i=0;i12;i+) j=j1; DDAT=CY; DCLK=0; DCLK=1; DCLK=0; DCS=1;/*/enum FL,FM,FS,ZO,ZS,ZM,ZL;code char SET77= FL,FL,FL,FL,FM,FS,FS, FL,FL,FL,FM,FS,ZS,ZS, FL,FL,FM,FS,ZO,ZS,ZM, FL,FM,FS,ZO,ZS,ZM,ZL, FM,FS,ZO,ZS,ZM,ZL,ZL, FS,FS,ZS,ZM,ZL,ZL,ZL, Z

17、S,ZS,ZM,ZL,ZL,ZL,ZL;float ER7,CE7;code float OUT7=-0.4,-0.2,-0.06,0,0.06,0.2,0.4;code float TABER7=-1,-0.5,-0.2, 0,0.2,0.5, 1;code float TABCE7=-0.2,-0.05,-0.02, 0,0.02,0.05,0.2;/*/void Fuzzy_er(float er)/*偏差三角模糊化*/ char i; if (erTABER6) er=TABER6; for(i=0;i7;i+) ERi=0; for(i=0;i=TABERi & er=TABERi+

18、1) ERi+1=(er-TABERi)/(TABERi+1-TABERi); ERi=(TABERi+1-er)/(TABERi+1-TABERi); void Fuzzy_ce(float ce)/*变化三角模糊化*/ char i; if (ceTABCE6) ce=TABCE6; for(i=0;i7;i+) CEi=0; for(i=0;i=TABCEi & ce=TABCEi+1) CEi+1=(ce-TABCEi)/(TABCEi+1-TABCEi); CEi=(TABCEi+1-ce)/(TABCEi+1-TABCEi); float Fuzzy_cu() /*三角化模糊推理*

19、/ char i,j; float s,s1; s1=0; for(i=0;i7;i+) for(j=0;j8; TL1=TIM&0XFF; y=LTC1292(); e1=e0;e0=r-y; de=e0-e1; Fuzzy_er(e0); Fuzzy_ce(de); u+=Fuzzy_cu(); if(u5) u=5; if(u8; TL1=TIM&0xff;TR1=1; while(1) g=P36; switch(g) case 0: r=1.0; break; case 2: r=1.5; break; case 1: r=2.5; break; case 3: r=3.5; bre

20、ak; 实验三 单神经元PID控制算法的设计与实现一、实验目的1.掌握单神经元PID算法及其算法的实现2.熟悉单神经元PID控制器的原理。3.通过实验进一步掌握有监督的Hebb学习规则及其算法仿真。4. 熟悉在keil4环境下进行单片机程序的设计5. 熟悉仿真软件protues7.8的使用二 、实验设备及条件1.计算机系统2.编程软件keil4和仿真软件protues7.8三、实验内容利用单神经元实现自适应PID控制器，对如下二阶对象进行控制，在protues7.8环境中进行仿真。被控对象为：四、实验原理线性神经网络是最简单的一种神经元结构，它不同于感知器，其函数是一线性函数，因此神经元的输出

21、可以是任意值。我们可以用它实现增量PID控制器的功能，误差为神经元的输入，权系数为PID控制系数，由于神经网络可以用在线学习对权系数进行实时修改，所以使得PID控制具有了自适应功能。PID控制器的增量公式为一个输入的线性神经元的计算公式为 k为神经元的比例系数，wi 为神经元权系数，xi为神经元输入，u为神经元的输出。神经元的学习方法可以采用Hebb学习规则。有监督的Hebb学习算法规范法处理后为五、实验步骤1. 根据控制器原理图和被控对象在protues中搭建控制系统图(图2)2. 在keil4编程环境下编写系统的控制程序。 3. 把keil4环境下生成的hex文件加载到单片机中，准备进行仿

22、真4. 开关SW1、SW2、SW3、均断开，点击Protues的左下角的三角行进行仿真，观察并记录输出波形。5. 在步骤4的基础上闭合SW2，观察并记录实验数据。6. 在步骤5的基础上闭合SW3，观察并记录实验数据7. 重复步骤4到6，观察并记录实验数据六、实验结果与分析步骤4的实验结果如下所示：从上图可以看出基本达到了所期望的控制要求，即要求输出电压在2.5V和3.5V之间周期变化，显然由输出曲线(最上面的曲线)可以看出曲线的快速性和超调都达到了很好的效果。步骤5的实验结果如下所示： 在此步骤中，开关SW2闭合，相当于加入一个扰动信号，在图中的7.63秒的时刻SW2闭合，输出曲线微小波动后，

23、又恢复到以前的变化规律，实现了很好的抗扰性能，基本达到控制要求。步骤6的实验结果如下图所示：在此步骤中，SW3闭合，相当于改变被控对象的结构与参数，必然会引起输出的较大波动，如图所示，在SW3闭合瞬间，输出曲线和常规PI控制、模糊PI控制相比，波动明显减小，并且很快又恢复到正常跟踪效果。从上述结果来看，总体的控制效果还是比较理想的，改进的地方就是需要对算法做进一步优化，是输出曲线的的超调变得更小。单神经元的PID控制程序如下：#include #includemath.h#define uchar unsigned char#define uint unsigned int#define ul

24、ong unsigned longsbit ADAT=P25;sbit ACLK=P26;sbit ACS =P27;float LTC1292(void)/采集输出端的电压值 uint i,x; float m; ACLK=0; ADAT=1; ACS=0; for(i=0;i14;i+) ACLK=1; x=1; if(ADAT=1) x+; ACLK=0; ACS=1; m=x&0xfff; m=m*5.0/4095; return (m);sbit DDAT = P34;sbit DCS = P33;sbit DCLK = P32;void TLC5615(float x) /输出一个

25、电压值 uchar i; uint j; x=x*1023/5.0; j=x; DCLK=0; DCS=0; j=j6; for(i=0;i12;i+) j=j8; TL1=TIM&0XFF; y=LTC1292(); e2=e1;e1=e0;e0=r-y; de=e0-e1; zk=e0-0.2*e1; x1=de; /误差的变化 x2=r-y; /误差 x3=e0-2*e1+e2; wkp_1=wkp_1+xite_p*zk*u1*x1; wki_1=wki_1+xite_i*zk*u1*x2; wkd_1=wkd_1+xite_d*zk*u1*x3; wknum=fabs(wkp_1)+fabs(wki_1)+fabs(wkd_1); wp=wkp_1/wknum; /把权值变成0到1之间的数，按百分比分配 wi=wki_1/wknum; wd=wkd_1/wknum; u1=u1+k*(wp*x1+wi*x2+wd*x3); if(u15) u=5; if(u10) u=0; TLC5615(u1