PID与模糊PID控制的概述

合集下载

模糊pid算法基本原理

模糊pid算法基本原理

模糊pid算法基本原理
模糊PID算法是PID控制算法的一种变种,其基本原理是在
传统PID控制算法的基础上引入了模糊逻辑,以解决传统PID 控制算法在非线性、时变、模型不准确等实际控制问题中的局限性。

模糊PID算法的基本原理可以概括为以下几个步骤:
1. 模糊化:将PID控制中的误差、偏差和变化率等输入量进
行模糊化处理,将连续的实数转化为模糊的语言变量。

通常使用三角形或者梯形的隶属函数进行模糊化。

2. 规则库:建立模糊控制器的规则库,提供一系列的模糊规则,规定了输入变量和输出变量之间的关系。

这些规则基于经验知识和专家判断,模糊规则可以通过专家经验、实验结果、系统模型等方式得到。

3. 模糊推理:根据输入变量通过模糊规则进行推理,得到输出变量的模糊结果。

模糊推理通常使用模糊逻辑与运算和或运算等操作,根据规则库中的模糊规则进行匹配和推理。

4. 解模糊化:将输出变量的模糊结果转化为具体的控制量。

解模糊化是将模糊结果映射到实际的控制量,通常使用模糊加权平均法、模糊加权最大法等常见的解模糊化方法。

5. 输出控制量:将解模糊化后得到的控制量应用于被控对象,通过控制对象的反馈信号进行闭环控制。

通过引入模糊逻辑,模糊PID算法能够有效地应对非线性、时变、模型不准确等问题,提供了更强的适应性和鲁棒性。

但同时,模糊PID算法也增加了计算量和参数调整的难度,需要合适的模糊规则库和解模糊化方法,以及合理的参数选择和调节策略。

pid模糊控制规则表

pid模糊控制规则表

pid模糊控制规则表PID模糊控制规则表。

一、PID控制简介。

PID(比例 - 积分 - 微分)控制是一种广泛应用于工业控制等领域的反馈控制算法。

它通过比例项(P)、积分项(I)和微分项(D)对系统的误差进行调节,以达到稳定控制的目的。

(一)比例项(P)比例项的作用是根据当前误差的大小成比例地调整控制量。

例如,在温度控制系统中,如果设定温度为50°C,当前温度为40°C,误差为10°C,比例系数为2,则比例项产生的控制量调整为20(假设控制量与调整量数值上相等关系以便理解)。

比例系数越大,系统对误差的响应就越迅速,但可能会导致系统超调。

(二)积分项(I)积分项用于消除系统的稳态误差。

它对误差进行积分,随着时间的积累,即使误差很小,积分项也会持续调整控制量,直到误差为零。

如果积分项的系数过大,可能会使系统响应变慢,甚至出现积分饱和现象。

(三)微分项(D)微分项根据误差的变化率来调整控制量。

当误差变化迅速时,微分项能够提前预测系统的趋势,起到阻尼的作用,抑制系统的超调。

但是,微分项对噪声比较敏感,因为噪声会导致误差变化率的剧烈波动。

二、模糊控制概述。

模糊控制是一种基于模糊逻辑的控制方法。

它不需要精确的数学模型,而是基于人类的经验和知识来构建控制规则。

模糊控制将输入的精确量模糊化,根据模糊规则进行推理,最后再将模糊输出清晰化得到实际的控制量。

(一)模糊化。

在模糊控制中,首先要将输入量(如误差、误差变化率等)进行模糊化。

例如,对于误差这个输入量,我们可以定义几个模糊集合,如“负大(NB)”、“负小(NS)”、“零(ZO)”、“正小(PS)”、“正大(PB)”。

根据输入量的实际数值,确定其属于每个模糊集合的隶属度。

(二)模糊规则推理。

模糊规则是模糊控制的核心。

例如,有这样一条模糊规则:“如果误差为正大(PB)且误差变化率为正小(PS),那么控制量为正大(PB)”。

根据输入量的模糊化结果,通过多条这样的模糊规则进行推理,得到模糊输出。

模糊pid原理

模糊pid原理

模糊pid原理
模糊PID原理
PID控制是一种常用的控制算法,可以实现对系统的自动控制。

PID控制器由比例(P)、积分(I)和微分(D)三个控制项
组成,通过计算这三个控制项的值来调节系统的输出,以达到期望的状态。

比例控制项(P)根据系统的误差信号来调整输出。

它与误差
成正比,误差越大,输出也会越大。

比例控制项的作用是使系统的响应快速且精确,但在某些情况下可能会引发超调或振荡的问题。

积分控制项(I)是对误差信号进行累积运算,并与积分时间
相乘。

积分控制项的作用是消除系统的静差,使系统的输出能够达到期望的状态。

但如果积分时间设置不当,可能会导致系统的响应速度变慢或产生超调。

微分控制项(D)是对误差信号的变化率进行计算,并与微分
时间相乘。

微分控制项的作用是抑制系统的振荡或超调,使系统的输出更加稳定。

但如果微分时间设置过大,可能会引发系统的抖动或震荡。

模糊控制则是在PID控制的基础上引入了模糊逻辑来调整PID 各个参数的权重。

模糊控制根据系统的输入和输出,通过模糊化、规则库匹配和去模糊化的过程,确定PID各个参数的取值,从而实现对系统的自适应控制。

模糊控制可以有效地应对
非线性、复杂的系统,具有较强的鲁棒性和适应性。

总之,模糊PID控制通过模糊化逻辑来调整PID各个参数的权重,从而实现对系统的自适应控制。

它在处理非线性、复杂系统时表现出较好的鲁棒性和适应性。

模糊 pid控制策略

模糊 pid控制策略

模糊 pid控制策略
模糊PID控制策略是将模糊控制和PID控制结合起来的一种
控制策略。

它利用模糊控制的模糊推理能力来对PID控制器
的参数进行调节,以提高控制系统的性能。

在传统的PID控制策略中,控制器的参数需要通过实验或调
整来获得最佳的控制效果。

而模糊PID控制策略则借助于模
糊推理的思想,通过模糊控制器自动调整PID控制器的参数,使得控制系统能够适应不同的工况和系统变化。

具体而言,模糊PID控制策略包括以下步骤:
1. 设计模糊控制器:根据控制系统的输入和输出变量的模糊集合,设计模糊控制器的模糊规则库。

2. 模糊推理:根据当前的输入变量值,利用模糊控制器的模糊规则库进行模糊推理,得到输出变量的模糊集合。

3. 解模糊:通过对输出变量的模糊集合进行解模糊操作,得到具体的输出变量值。

4. 参数调整:根据解模糊得到的输出变量值,调整PID控制
器的参数。

5. 反馈控制:将调整后的PID控制器作为反馈控制器,进行
控制系统的实时控制。

通过模糊PID控制策略,可以在一定程度上克服传统PID控制策略中参数调整的困难,提高控制系统的性能和鲁棒性。

然而,模糊PID控制策略也存在一定的复杂性和计算量较大的问题,需要根据实际情况进行权衡和应用。

模糊控制与PID控制的比较

模糊控制与PID控制的比较

模糊控制与PID控制的比较自20世纪60年代中期起,模糊控制逐渐崭露头角,其优越性也引起了人们的关注。

除了模糊控制,当今热门的控制算法之一是PID控制。

那么,模糊控制与PID控制之间的区别是什么呢?它们各自的优缺点是什么?在特定的应用场合下,哪种控制算法更适用?一、模糊控制概述模糊控制是一种无需准确模型或参数即可执行复杂控制系统的方法,它仅使用模糊逻辑来描述输入和输出之间的关系。

模糊控制系统的输入和输出都是模糊变量。

与其他控制方法相比,模糊控制系统可以更好地处理不确定性和模糊性,具有更强的容错能力和适应性。

模糊控制系统由四个主要组成部分组成:模糊化、模糊推理、解模糊化和规则库。

模糊化部分将传感器输出信号转换为模糊变量,模糊推理部分使用模糊逻辑基于模糊规则将模糊变量转换为控制信号,解模糊化部分将控制信号转换为精确的控制信号,规则库存储了模糊规则及其权重。

二、PID控制概述比例积分微分(PID)控制是一种经典的控制算法,其控制草图由三个部分组成。

比例项(P)根据当前误差大小进行输出,积分项(I)可以消除稳态误差,微分项(D)可以提高系统的稳定性并抑制系统的震荡。

PID控制器的设计基于系统的数学模型,在许多应用中,这个模型是已知的。

在这些情况下,PID控制器可以通过调整不同部分的增益以进行优化。

三、模糊控制与PID控制的对比1. 精度PID控制器可以实现非常高的精度,特别是在恒定环境下,模糊控制器具有更高的容错能力和适应性,而且围绕控制正常的范围内快速做出反应。

2. 调节PID调节通常是更容易实现的PLC控制器中自动化开发环境的系统。

Fuzzy可能更多地需要手动调整和对规则进行逐步精细的训练,但它也可以被训练自动化。

3. 适应性模糊控制器的好处是可以轻松地处理不确定性和模糊性,因此可以应对复杂环境。

PID控制器则对不确定性和模糊性更加敏感,而且会因不确定性的变化而导致过度响应或不足响应的问题。

4. 实际应用PID控制器广泛应用于许多领域,如化工、制造和机械工程。

模糊PID控制

模糊PID控制

Fuzzy - simulink有关模糊PID问题概述最近很多人问我关于模糊PID的问题,我就把模糊PID的问题综合了一下,希望对大家有所帮助。

一、模糊PID就是指自适应模糊PID吗?不是,通常模糊控制和PID控制结合的方式有以下几种:1、大误差范围内采用模糊控制,小误差范围内转换成PID控制的模糊PID开关切换控制。

2、PID控制与模糊控制并联而成的混合型模糊PID控制。

3、利用模糊控制器在线整定PID控制器参数的自适应模糊PID控制。

一般用1和3比较多,MATLAB自带的水箱液位控制tank采用的就是开关切换控制。

由于自适应模糊PID控制效果更加良好,而且大多数人选用自适应模糊PID控制器,所以在这里主要指自适应模糊PID控制器。

二、自适应模糊PID的概念根据PID控制器的三个参数与偏差e和偏差的变化ec之间的模糊关系,在运行时不断检测e及ec,通过事先确定的关系,利用模糊推理的方法,在线修改PID控制器的三个参数,让PID参数可自整定。

就我的理解而言,它最终还是一个PID控制器,但是因为参数可自动调整的缘故,所以也能解决不少一般的非线性问题,但是假如系统的非线性、不确定性很严重时,那模糊PID的控制效果就会不理想啦。

三、模糊PID控制规则是怎么定的?这个控制规则当然很重要,一般经验:(1)当e较大时,为使系统具有较好的跟踪性能,应取较大的Kp 与较小的Kd,同时为避免系统响应出现较大的超调,应对积分作用加以限制,通常取Ki=0。

(2)当e处于中等大小时,为使系统响应具有较小的超调,Kp应取得小些。

在这种情况下,Kd的取值对系统响应的影响较大,Ki的取值要适当。

(3)当e较小时,为使系统具有较好的稳定性能,Kp与Ki均应取得大些,同时为避免系统在设定值附近出现振荡,Kd值的选择根据|ec|值较大时,Kd取较小值,通常Kd为中等大小。

另外主要还得根据系统本身的特性和你自己的经验来整定,当然你先得弄明白PID三个参数Kp,Ki,Kd各自的作用,尤其对于你控制的这个系统。

模糊控制与PID控制在机器人控制系统中的应用比较研究

模糊控制与PID控制在机器人控制系统中的应用比较研究

模糊控制与PID控制在机器人控制系统中的应用比较研究机器人控制系统是现代机器人技术的关键之一。

机器人控制系统通常由多种控制算法组合而成,以实现控制机构、传感器和执行器之间的有效沟通和合作。

其中,模糊控制和PID控制是被广泛应用的两种控制算法。

本文将对这两种控制算法进行比较研究,探讨它们在机器人控制系统中的应用情况。

1. 模糊控制模糊控制是一种基于模糊逻辑的控制技术,它使用模糊变量和规则来描述并控制非线性、模糊和复杂的系统。

模糊控制器通常包括模糊推理机、模糊集和模糊逻辑。

通过对输入变量的模糊化和规则的匹配,模糊控制器可以对机器人的动作进行柔性控制,从而满足不同场景下的控制需求。

在机器人控制系统中,模糊控制应用广泛。

例如,机器人的避障控制、路径规划控制和手臂控制等都可以采用模糊控制算法进行优化。

模糊控制有以下优点:1.1 适应复杂系统由于模糊控制算法能够实现非线性、模糊和复杂系统的控制,因此可以针对具有多种信号输入和输出的机器人进行调整和优化,使机器人的响应更为准确。

1.2 开发简单快速使用模糊控制进行机器人控制时,只需要基于模糊集、模糊逻辑和模糊推理等基本概念,即可实现所需的控制动作,而无需进行大量的复杂运算和数据处理,开发难度较小且开发速度快。

1.3 灵活性高机器人控制中的模糊控制通过对机器人动作的柔性控制,使得可实现与机器人环境之间的互动,等效于人的行为,因此其兼容性和灵活性更高。

2. PID控制PID控制器是一种基于比例、积分、微分(英文缩写P、I、D)三个参数的控制算法。

PID控制器能够检测到偏差、积分误差和微分误差,并结合比例系数、积分系数和微分系数,计算出一个控制动作,使机器人实现期望动作。

在机器人控制系统中,PID控制同样应用广泛。

例如,对于机器人的姿态控制、精密装配控制和行走活动控制等,PID控制都可以派上用场。

PID控制有以下优点:2.1 稳定性好PID控制器天然的误差反馈机制,使得可以有效地避免系统出现较大的误差,保证系统状态中的稳态性。

模糊pid控制-python实现

模糊pid控制-python实现

模糊pid控制 python实现模糊PID控制(Fuzzy PID control)是一种基于模糊逻辑的控制方法,它结合了模糊控制和经典PID控制的优点,可以在复杂和不确定的环境中实现精确的控制。

本文将介绍模糊PID控制的原理、实现方法以及在Python中的应用。

一、模糊PID控制的原理PID控制是一种经典的控制方法,它通过比较实际输出与期望输出之间的误差,根据比例、积分和微分三个参数进行调节,使系统输出逐渐趋近于期望值。

然而,传统的PID控制方法在面对非线性、时变和不确定性系统时表现不佳。

模糊PID控制通过引入模糊逻辑来解决传统PID控制的问题。

模糊逻辑是一种能够处理模糊信息的数学方法,它可以将模糊的输入映射到模糊的输出。

模糊PID控制器通过将误差、误差变化率和误差积分三个输入量模糊化,然后根据一组模糊规则进行推理,得到模糊输出。

最后,通过解模糊化的方法将模糊输出转化为具体的控制量。

二、模糊PID控制的实现方法1. 模糊化模糊化是将具体的输入量映射到模糊集合上的过程。

常用的模糊化方法有三角隶属函数、梯形隶属函数和高斯隶属函数等。

根据具体的问题和经验,选择合适的隶属函数进行模糊化。

2. 规则库规则库是模糊PID控制的核心。

它包含了一组模糊规则,用于根据输入量的模糊值推理出输出量的模糊值。

模糊规则一般采用IF-THEN的形式,例如“IF 误差是A1 AND 误差变化率是B2 THEN 输出是C3”。

规则库的设计需要根据具体问题进行,可以基于经验或者专家知识。

3. 推理机制推理机制是根据模糊规则进行推理的过程。

常用的推理方法有最大最小合成、模糊推理和模糊推理和等。

推理机制将模糊输入与规则库进行匹配,然后根据匹配的程度计算出模糊输出的隶属度。

4. 解模糊化解模糊化是将模糊输出转化为具体的控制量的过程。

常用的解模糊化方法有最大隶属度法、面积法和重心法等。

解模糊化方法根据模糊输出的隶属度分布,计算出具体的控制量。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

PID与模糊PID控制的概述【摘要】本文介绍了PID控制器、模糊整定PID控制原理及其在MATLAB中的具体实现法,并进行了MATLAB仿真,直观地对比出专家PID和模糊PID控制器的动态性能以及之间的关系。

【关键字】专家PID控制模糊PID控制matlab仿真一、概述它用途广泛、使用灵活,已有系列化产品,使用中只需设定三个参数(Kp,Ti和Td)即可。

在很多情况下,并不一定需要全部三个单元,可以取其中的一到两个单元,但比例控制单元是必不可少的。

首先,PID应用范围广。

虽然很多工业过程是非线性或时变的,但通过对其简化可以变成基本线性和动态特性不随时间变化的系统,这样PID就可控制了。

其次,PID参数较易整定,即整定PID控制器,参数Kp,Ti和Td可以根据过程的动态特性及时整定。

现在,自动整定或自身整定的PID控制器已是商业单回路控制器和分散控制系统的一个标准。

在一些情况下针对特定的系统设计的PID控制器控制得很好,但它们仍存在一些问题需要解决:如果自整定要以模型为基础,为了PID参数的重新整定在线寻找和保持好过程模型是较难的。

闭环工作时,要求在过程中插入一个测试信号。

这个方法会引起扰动,所以基于模型的PID参数自整定在工业应用不是太好。

如果自整定是基于控制律的,经常难以把由负载干扰引起的影响和过程动态特性变化引起的影响区分开来,因此受到干扰的影响控制器会产生超调,产生一个不必要的自适应转换。

另外,由于基于控制律的系统没有成熟的稳定性分析方法,参数整定可靠与否存在很多问题。

因此,许多自身整定参数的PID控制器经常工作在自动整定模式而不是连续的自身整定模式。

自动整定通常是指根据开环状态确定的简单过程模型自动计算PID参数。

二、专家整定PID控制系统的实现原理专家控制的实质是基于受控对象和控制规律的各种知识,并以智能的方式利用这些知识来设计控制器。

利用专家经验来设计PID参数便构成专家PID控制。

典型的二阶系统单位阶跃响应误差曲线如下图所示。

对于典型二阶系统阶跃响应过程作如下分析。

令e(k)表示离散化的当前采样时刻的误差值,e(k-1)、e(k-2)分别表示前一个和前两个采样时刻的误差值,则有)1()()(--=∆k e k e k e)2()1()1(---=-∆k e k e k e根据误差及其变化,可设计专家PID 控制器,该控制器可分为以下五种情况进行设计:(1) 当1|)(|M k e >时,说明误差的绝对值已经很大了。

无论误差变化趋势如何,都应考虑控制器的输出应按最大或最小输出,以达到迅速调整误差,使得误差绝对值以最大速度减小。

此时,它相当于开环控制。

(2) 当0)()(>∆k e k e 时,说明误差在朝误差对值增大方向变化,或误差为某一常值,未发生变化。

此时,如果2|)(|M k e >,说明误差也较大,可考虑由控制器实施较强的控制作用,以达到扭转误差绝对值朝减小方向变化,并迅速减小误差的绝对值,控制器输出可为)]}2()1(2)([)()]1()([{)1()(1-+--++--+-=k e k e k e k k e k k e k e k k u k u d i(3.2)2|)(|M k e <,说明尽管误差朝绝对值增大方向变化,但是误差绝对值本身并不很大,可考虑控制器实施一般的控制作用,只要扭转误差趋势,使其朝误差绝对值减小方向变化,控制器输出为)]2()1(2)([)()]1()([)1()(-+--++--+-=k e k e k e k k e k k e k e k k u k u d I p(3.3) (3)当0)1()(,0)()(>-∆∆<∆k e k e k e k e 或者0)(=k e 时,说明误差的绝对值朝减小的方向变化,或者已经达到平衡状态。

此时,可考虑采取保持控制器输出不变。

(4)当0)1()(,0)()(<-∆∆<∆k e k e k e k e 时,说明误差处于极值状态。

如果此时误差绝对值较大,即2|)(|M k e ≥,可考虑实施较强的控制作用)()1()(k e k k k u k u m p I +-= (3.4)如果此时误差的绝对值很小,即2|)(|M k e <,可考虑实施较弱的控制作用)()1()(2k e k k k u k u m p +-= (3.5)(5)当ε≤|)(|k e 时说明误差的绝对值很小,此时加入积分,减小稳态误差。

式中,)(k e m ——误差e 的第k 个极值;)(k u ——第k 次控制器的输出;)1(-k u ——第k-1次控制器的输出; I k ——增益放大系数,I k >1;2k ——抑制系数,0<2k <1;21,M M ——设定的误差极限,21M M >;k ——控制周期的序号(自然数);ε——任意小的正实数。

在上图中,I 、III 、V 、VII 、…区域,误差朝绝对值减小的方向变化。

此时,可采取保持等待措施,相当于实施开环控制;II 、IV ,VI 、VIII 、…区域,误差绝对值朝增大的方向变化。

此时,可根据误差的大小分别实施较强或一般的控制作用,以抑制动态误差。

三、整定PID 仿真实例三阶传递函数的阶跃响应ss s s G p 1047035.87523500)(23++= 其中对象采样时间为lms 。

采用专家PID 设计控制器。

在仿真过程中,ε取0.001,程序中的五条规则与控制算法的五种情况相对应,其结果如下实现代码附录1.四、模糊整定PID 控制系统的原理在工业生产过程中,许多被控制对象随着负荷变化或干扰因素影响,其对象特性参数或结构发生改变。

自适应控制运用现代控制理论在线辨识对象特征参数,实时改变其控制策略,是控制系统品质指标保持在最佳范围内,但其控制效果的好坏取决于辨识模型的精确度,这对于复杂系统是非常困难的。

因此,在工业生产过程中,大量采用的任然是PID 算法,PID 参数的整定方法很多,但大多数都以对象特性为基础。

随着计算机技术的发展,人们利用人工智能的方法将操作人员的调整经验最为只是存入计算机中,根据现场实际情况,计算机能自动调整PID 参数,这样就出现了智能PID 控制器。

这种控制器把古典的PID 控制与先进的专家系统相结合,实现系统的最佳控制。

这中控制必须精确的确定对象模型,首先将操作人员长期实践积累的经验只是用控制规则模型化,然后运用推理便可对PID 参数实现最佳调整。

由于操作者经验不易精确描述,控制过程中各种信号量以及评价指标不一定量表示,模糊理论是解决这一问题的有效途径,所以人们运用模糊数学的基本理论和方法,把过则的条件、操作用模糊集表示,并把这些模糊控制规则以及有关信息最为知识存入计算机知识库中,然后计算机根据控制系统的实际响应情况,运用模糊推理,即可自动实现对PID 参数的最佳调整,这就是模糊自适应PID 控制。

模糊自适应PID 控制器目前有多种结构形式,可以满足不同时刻的e 和ec 对PID 参数自整定的要求。

利用模糊控制规则在线对PID 参数进行修改,便构成了自适应模糊PID 控制器,其结构如下图PID 参数模糊自整定是找出PID 三个参数与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,而使被控制对象有良好的动、静态性能。

从系统的稳定性、响应速度、超调量和稳态精度等各方面来考虑,d i p k k k ,,,的作用如下:(1)比例系数p k 的作用是加快系统地响应速度,提高系统的调节精度。

p k 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,甚至会导致系统不稳定。

p k 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、动态特性变差。

(2)积分作用系数,i k 的作用是消除系统的稳态误差。

,i k 越大,系统的静态误差消除越快,但,i k 越大,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,i k 过小,将使系统静态误差难以消除,影响系统的调节精度。

(3)微分作用系数d k 的作用是改善系统的动态特性,其作用主要是在响应过程中抑制偏差向任何方向的变化,对偏差变化进行提前预报。

但d k 过大,会使响应过程提前制动,从而延长调节时间,而且会降低系统的抗干扰性能。

PID 参数的整定必须考虑到在不同时刻三个参数的作用以及相互之间的互联关系。

在线时实模糊自整定PID 控制器控制方案原理如上图。

模糊自整定PID 是在PID 算法的基础上,通过计算当前系统误差e 和误差变化率ec ,利用模糊规则进行模糊推理,查询模糊矩阵表进行参数整定。

模糊控制设计的核心是总结工程设计人员的技术知识和实际操作经验,建立合适的模糊规则表,得到针对d i p k k k ,,,三个参数分别整定的模糊控制表。

(1)p k 的模糊规则表,如下图(2),i k 的模糊规则表如下(3)d k 的模糊控制规则表如下d i p k k k ,,,的模糊控制规则表建立好后,可根据如下方法进行d i p k k k ,,,的自适应校正。

将系统误差e 和误差变化率ec 变化范围定义为模糊集上的论域。

}5,4,3,2,1,0,1,2,3,4,5{,-----=ec e (3.6)其模糊子集为},,,,,,{,PB PM PS O NS NM NB ec e =,子集中元素分别代表负大,负中,负小,零,正小,正中,正大。

设e ,ec 和d i p k k k ,,,均服从正态分布,因此可得出各模糊子集的隶属度,根据个各模糊子集的隶属度赋值表和各参数模糊控制模型,应用模糊合成推理设计PID参数的模糊矩阵表,查处修正参数带入下式计算p i i p p ec e k k },{+= i i i i i ec e k k },{+= (3.7)d i i d d ece k k },{+=在线运行过程中,控制系统通过对模糊逻辑规则的结果处理、查表和运算,完成对PID 参数的在线校正。

其工作流程图如左图五、基于MATLAB 的模糊整定PID 控制系统仿真被控对象为ss s s G p 1047035.87523500)(23++= 采样时间为1ms ,采用模糊PID 控制进行阶跃响应,在第300个采样时间时控制器输出加1.0的干扰,相应的响应结果如下图。

相关文档
最新文档