模糊自适应整定PID控制详解 |
您所在的位置：网站首页 › 5s工作流程图 › 模糊自适应整定PID控制详解 |
模糊自适应整定PID控制详解
|
模糊自适应整定PID控制
题目流程图代码代码详解运行结果
题目
设被控对象为 G_p (s)=133/(s^2+25s) 采样时间为1ms,采用z变换进行离散化，离散化后的被控对象为 y(k)=-den(2)y(k-1)-den(3)y(k-2)+num(2)u(k-1)+num(3)u(k-2) 位置命令为幅值为1.0的方波信号，r(k) = 1.0。仿真时，先运行模糊推理系统设计程序，实现模糊推理系统d=fuzzpid.fis，并将此模糊推理系统调入内存中，然后运行模糊控制程序。 流程图
模糊控制系统。 clear all; close all; a = newfis('fuzzpid'); a = addvar(a,'input','e',[-1,1]); a = addmf(a,'input',1,'N','zmf',[-1,-1/3]); a = addmf(a,'input',1,'Z','trimf',[-2/3,0,2/3]); a = addmf(a,'input',1,'P','smf',[1/3,1]); a = addvar(a,'input','ec',[-1,1]); a = addmf(a,'input',2,'N','zmf',[-1,-1/3]); a = addmf(a,'input',2,'Z','trimf',[-2/3,0,2/3]); a = addmf(a,'input',2,'P','smf',[1/3,1]); a = addvar(a,'output','kp',[-10/3,10/3]); a = addmf(a,'output',1,'N','zmf',[-10/3,-1]); a = addmf(a,'output',1,'Z','trimf',[-5/3,0,5/3]); a = addmf(a,'output',1,'P','smf',[1,10/3]); a = addvar(a,'output','ki',[-1/10,1/10]); a = addmf(a,'output',2,'N','zmf',[-1/10,-1/30]); a = addmf(a,'output',2,'Z','trimf',[-2/30,0,2/30]); a = addmf(a,'output',2,'P','smf',[1/30,1/10]); rulelist= [1 1 1 2 1 1; 1 2 1 2 1 1; 1 3 1 2 1 1; 2 1 1 3 1 1; 2 2 3 3 1 1; 2 3 3 3 1 1; 3 1 3 2 1 1; 3 2 3 2 1 1; 3 3 3 2 1 1]; a = addrule(a,rulelist); a1=setfis(a,'DefuzzMethod','centroid'); writefis(a1,'fuzzpid'); a2=readfis('fuzzpid'); figure(1); plotmf(a,'input',1); figure(2); plotmf(a,'input',2); figure(3); plotmf(a,'output',1); figure(4); plotmf(a,'output',2); figure(5); plotfis(a); fuzzy fuzzpid;%定义该模糊系统的名称。 ruleview fuzzpid;模糊自适应调整。 clear all; close all; warning off; a = readfis('fuzzpid'); ts = 0.001; sys = tf(133,[1,25,0]); dsys = c2d(sys,ts,'z');%z变换进行离散化 [num,den] = tfdata(dsys,'v'); u_1 = 0; u_2 = 0; y_1 = 0; y_2 = 0; e_1 = 0; ec_1 = 0; ei = 0; kp0 = 0; ki0 = 0; for k = 1:1:1000 time(k) = k *ts; r(k) = 1; k_pid = evalfis([e_1,ec_1],a);%模糊化e_1,ec_1得到∆kp,∆ki kp(k) = kp0 + k_pid(1);%修正kp,计算kp ki(k) = ki0 + k_pid(2);%修正ki,计算ki u(k) = kp(k)*e_1 + ki(k)*ei; y(k) = -den(2)*y_1-den(3)*y_2+ num(2)*u_1 + num(3)* u_2; e(k) = r(k) - y(k); u_2 = u_1; u_1 = u(k); y_2 = y_1; y_1 = y(k); ei = ei + e(k) *ts; ec(k) = e(k) - e_1; e_1 = e(k); ec_1 = ec(k); end figure(1); plot(time,r,'r',time,y,'b:','linewidth',2); xlabel('time(s)'); ylabel('r,y'); legend('Ideal position','Practical position'); figure(2); subplot(211); plot(time,kp,'r','linewidth',2); xlabel('time(s)'); ylabel('kp'); subplot(212); plot(time,ki,'r','linewidth',2); xlabel('time(s)'); ylabel('ki'); figure(3); plot(time,u,'r','linewidth',2); xlabel('time(s)'); ylabel('Control input'); 代码详解模糊控制系统 由题意得我们需要建立如下图所示的模糊控制系统 模糊控制系统
|
模糊PID控制器结构图
模糊PID控制器的工作流程图
模糊控制系统的详解可以参考链接: https://blog.csdn.net/LOVE_105/article/details/112135599. 模糊控制系统流程 1）确定模糊控制器的结构 控制器的输入为e(误差),ec(误差变化率) 控制器的输出为kp,ki （2）定义输入、输出的模糊集 ec定义为3个模糊集：N、Z、P e定义为3个模糊集：N、Z、P kp定义为3个模糊集:N、Z、P ki定义为3个模糊集:N、Z、P （3）定义隶属函数 e和ec模糊集相同，采用相同的隶属函数。 （4）建立模糊控制规则 建立如图所示的模糊控制规则 
rulelist= [1 1 1 2 1 1; 1 2 1 2 1 1; 1 3 1 2 1 1; 2 1 1 3 1 1; 2 2 3 3 1 1; 2 3 3 3 1 1; 3 1 3 2 1 1; 3 2 3 2 1 1; 3 3 3 2 1 1]; （5）建立模糊控制集 （6）模糊推理 （7）仿真实例 模糊自适应调整 利用模糊PID控制器结构图进行仿真模拟
模糊自适应调整 取kp0 = 0;ki0 = 0; 
取kp0 = 100;ki0 = 0; 
振荡次数增多，系统变得不稳定。 取kp0 = -1;ki0 = 0; 
系统的响应速度缓慢 取kp0 = 0;ki0 =100; 
引起响应过程的较大超调 取kp0 = 0;ki0 =-1;
有一定的系统稳态误差，影响系统的调节精度。 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加大，将使系统响应速度加快，Kp偏大时，系统振荡次数增多，调节时间加长；Kp太小又会使系统的响应速度缓慢。 积分系数 Ti的作用是消除系统的稳态误差，Ti越大，系统的稳态误差消除越快，但是当Ti 过大时，会引起响应过程的较大超调；若 Ti过小， 将使系统稳态误差难以消除，影响系统的调节精度。【本文地址】