模糊PID参数自整定
基于参数自整定模糊PID控制的抗生素发酵罐温度控制系统
度 ，℃ 。
器 ， 其 由传 感 器 和 变 送 器 两 部 分 组 成 ， 安 装 于
发 酵 罐 侧 壁 ，输 出 与 温 度 成 正 比 的４ ２ ｍＡ直 ～ ０ 流 电流 信 号 。 根 据 厂 家 的 要 求 ， 发 酵 罐 的 温 度 控 制 偏 差 为 ： ±０５ 。发 酵 罐 温 度 是 通 过 蛇 形 ．℃ 管 间 接 冷 却 控 制 的 ，通 过 控 制 调 节 阀 的 开 度 ，
Ｇｓ＝— （）
ｅ
第３ 卷 ３ 第９ 期 ２ １ ９ 上 ） ［ １ ０１ （ ６１
、 Ｉ
２２ 发 酵罐 温度的参 数 自整 定模糊 Ｐ Ｄ 制算法 的 ． Ｉ控 ＭＡ Ｌ 仿真 Ｔ ＡＢ
在ＭＡ Ｌ Ｂ Ｓｍｕｉｋ 境 中对 该参 数 自整 定 Ｔ Ａ ／ｉ ｌ 环 ｎ
匐 化
如 图３ 所示 。
图３ ＰＤ 制 阶 跃 响 应 和模 糊 ＰＤ 制 阶 跃 响 应 Ｉ控 Ｉ控
分 析仿 真 结 果 ： 由 在单 位 阶跃 信号 下 的 常规 Ｐ Ｄ控 制 与模 糊 自适 应 Ｐ Ｄ控 制 器 的 响应 曲线 可 Ｉ Ｉ 知 ，模糊 自适 应ＰＤ的 控制方 式获 得 的系统动 态 响 Ｉ 应 曲线较 好 ， 响应 时 间 短 、超 调 量 小 ，且 稳 态精 度 高 ， 系统 遇 到干 扰 时 能很 快 恢 复稳 态 ，动 静 态 性能 好 。
的不 同而 不 同 ，因 此 控 制 比 较 困 难 。传 统 的Ｐ Ｄ Ｉ 控 制 已 不 适 用 于 该 控 制 对 象 。 根 据 该 厂 的 控 制 系统 的 现 状 和 抗 生 素 生 产 的工 艺 要 求 ，将 Ｐ Ｄ控 Ｉ 制 和 模 糊 控制 相 结 合起 来 的参 数 自整 定 模 糊 Ｐ Ｄ Ｉ
供热系统模糊自整定PID控制的操作指南
供热系统模糊自整定PID控制的操作指南供热系统模糊自整定PID控制的操作指南供热系统模糊自整定PID控制操作指南供热系统模糊自整定PID控制是一种常用的控制方法，可以根据实时的供热需求自动调整控制参数，以实现系统的稳定运行和节能优化。
下面将介绍一种逐步思考和实施的操作指南。
1. 确定控制目标：首先，需要明确控制目标，例如保持供热温度稳定在设定值附近，或者根据供热负荷变化自动调整供热输出。
2. 收集系统数据：收集供热系统的相关数据，包括供热温度、供热负荷、供水流量等。
这些数据将用于模糊控制算法的计算和参数调整。
3. 设计模糊控制器：根据系统特性和控制目标，设计模糊控制器的输入和输出变量。
输入变量可以是供热温度误差和供热负荷变化率，输出变量可以是供热输出。
选择合适的模糊集合和模糊规则，以反映实际的供热控制逻辑。
4. 初始参数设定：根据经验或者系统特性，设定初始的模糊控制参数。
这些参数包括模糊集合的边界和中心值，模糊规则的权重等。
初始参数的设定可以根据实验结果进行调整。
5. 实时数据采集：将实时的供热系统数据输入到模糊控制器中。
这些数据可以通过传感器或者数据采集系统获取。
6. 模糊推理计算：根据输入数据和模糊规则，进行模糊推理计算，得到模糊输出。
这个输出表示了供热输出的调整幅度。
7. 去模糊处理：将模糊输出转化为具体的控制量，可以采用去模糊处理方法，例如重心法、最大值法等。
去模糊处理后得到的控制量即为供热系统的实际输出。
8. 控制参数调整：根据实际的供热效果和控制需求，可以进行控制参数的调整。
可以根据实验结果或者专家经验进行调整，以达到更好的控制效果。
9. 性能评估和优化：对控制系统的性能进行评估和优化。
可以根据控制误差、响应时间、稳定性等指标进行评估，进一步调整控制参数，以提高系统的性能和稳定性。
10. 持续监控和维护：在实际运行中，持续监控控制系统的运行情况，及时调整参数和处理故障。
定期进行系统维护和检修，确保供热系统的稳定运行和控制效果。
参数自整定模糊PID控制器在模拟铝电解槽中的应用
参数自整定模糊PID控制器在模拟铝电解槽中的应用
在铝电解槽的生产过程中，控制铝液温度和浓度是非常重要的任务。
传统的PID控制器在这方面表现出局限性，因为它们难以应对复杂的非线性系统。
为了提高控制效果，研究人员开始探索新的控制算法，其中包括模糊PID控制器。
模糊PID控制器结合了模糊控制和PID控制的优点，能够更好地应对非线性系统的控制问题。
它能够自动调整控制参数，并且能够根据实际情况进行参数整定，提高系统的稳定性和鲁棒性。
在模拟铝电解槽中的实验中，我们使用了参数自整定模糊PID控制器来控制铝液温度和浓度。
首先，我们收集了铝液温度和浓度的实时数据，并将其输入到控制器中。
控制器根据这些数据进行模糊推理，得出相应的控制动作。
然后，控制器将控制信号发送给执行机构，调整铝液温度和浓度。
实验结果显示，参数自整定模糊PID控制器在控制铝液温度和浓度方面具有优越性能。
它能够快速地响应系统变化，使铝液温度和浓度保持在设定值附近。
与传统的PID控制器相比，模糊PID控制器具有更好的鲁棒性和适应性。
此外，参数自整定模糊PID控制器还具有自动整定参数的功能，能够根据系统的实际运行情况自动调整参数，使控制系统更
加稳定和可靠。
这对于长时间运行的铝电解槽来说尤为重要，因为系统参数可能会随着时间的推移而发生变化。
综上所述，参数自整定模糊PID控制器在模拟铝电解槽中的应用具有很大的潜力。
它能够有效地控制铝液温度和浓度，提高生产效率和产品质量。
未来，我们将进一步研究和改进这种控制器，以适应更复杂的工业控制系统。
模糊自适应PID参数自整定控制器的研究
２ 模 糊 ＰＤ控 制器 的设 计 Ｉ 由 于 ＰＤ 控 制 器 的参 数 比较 难 整定 ， 对 这一 问题 ， 文 设 Ｉ 针 本
计 了模 糊 ＰＤ控 制 器 ， 普 通 的 ＰＤ 控 制 相 比 ， 具 有 易 于 对 Ｉ 与 Ｉ 它 不 确 定 系统 或 非 线 性 系统 进 行 控 制 、对 被 控 对 象 的 参 数 变 化 有 较 强 的鲁 棒 性 、对 外界 的干 扰 有 较 强 的抑 制 能 力 等 特 点 。 模 糊
张 燕 红 （ 州工 学院 电子信 息与 电气工程 学院 ， 苏 常州 ２ ３ ０ ） 常 江 １ ０ ２
摘
要
当控 制 系统 中的被 控 对 象存 在 纯 滞后 、 变 或 非 线 性 等 复 杂 因素 时 ， 通 的 ＰＤ控 制 器 的 控 制 效 果 很 难 达 到 较 好 的 时 普 Ｉ
近年来 ，Ｉ ＰＤ控 制 及 其 相 应 的 改 进 型 的 ＰＤ 控 制 已经 被 广 Ｉ 泛 地 应用 于各 个 领 域 中 ，但 是 当控 制 系统 中 的被 控 对 象 存 在 非 线 性 、 变 性 和 不 确 定 性 等 因素 ， 用 常 规 ＰＤ 控 制 ， 难 达 到 时 采 Ｉ 很 较好 的控 制 效 果 ， 且 在 ＰＤ控 制 器 中 ， 数 的 整 定 也 一 直是 比 而 Ｉ 参 较 困 难 的 ， 其 是 被 控 对 象 的 参数 发 生 变化 的 时候 ， 前 的 ＰＤ 尤 之 Ｉ 控制 器 的参 数 很 难适 应 新 的变 化 的被 控 对 象模 型 ， 因此 。 针对 这
控 制 效 果 ， 对 这 一 问题 ， 用模 糊控 制 和 自适 应 控 制 的知 识 ， 计 了模 糊 自适 应 ＰＤ 参 数 自整 定控 制 器 ， 控 制 器 的 比 针 应 设 Ｉ 此 例 系数 、 分 系数和 微 分 系数 可根 据 模 糊 推 理规 则进 行 在 线 调 整 。仿 真 结 果表 明 ， 积 该控 制 方 法 提 高 了 系统 的 动 、 态特 性 ， 静
pid控制参数的模糊整定方法
pid控制参数的模糊整定方法下载温馨提示:该文档是我店铺精心编制而成，希望大家下载以后，能够帮助大家解决实际的问题。
文档下载后可定制随意修改，请根据实际需要进行相应的调整和使用，谢谢!并且，本店铺为大家提供各种各样类型的实用资料，如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等，如想了解不同资料格式和写法，敬请关注!Download tips: This document is carefully compiled by theeditor. I hope that after you download them,they can help yousolve practical problems. The document can be customized andmodified after downloading,please adjust and use it according toactual needs, thank you!In addition, our shop provides you with various types ofpractical materials,such as educational essays, diaryappreciation,sentence excerpts,ancient poems,classic articles,topic composition,work summary,word parsing,copy excerpts,other materials and so on,want to know different data formats andwriting methods,please pay attention!pid控制参数的模糊整定方法模糊PID控制参数整定方法通过引入模糊逻辑理论，使PID参数的整定过程更加智能化。
模糊PID参数自整定控制器的设计
０ 引 言
构 框 图如 图 ２所示 。
目前 大部分 控制 系统 的分析 和设计 方法 都是 基 于 被 控对 象 的熟悉模 型 已 知 ， 或通 过 实 验 或 通过 辨 识 方 法 能 够获取 等前 提条件 ， 但是 随着 现代工 业 的发展 ， 人 们 在工 程实践 中发现 ， 于有些 复 杂 的系统 ， 对 要想 获取 它 的精 确模 型几乎 没有 可 能 ， 时就 无 法 用 传统 控 制 这 方法对其 进行 控制 。但 是人 们 可 以凭借 多年 的工 作 经 验， 把控制 的方法总结成带有模糊性质 的 、 自然语言表 用 达 的操作规则 ， 以此来 实现对这些系统的有效控制 。 模糊 控制 即模 拟人类 凭经 验和 常识 利用模糊 规 则 进行 推理 并利用 系统 进行 实现 的控 制过程 。模糊 控 制 过程 不依 赖于 被控对 象 的精 确数 学 模 型 ， 是 以 人 的 而 实际 操作 经验作 为基 础 ， 把 人 的 智能 控 制 和 控 制 系 是 统结 合到 一起 ， 因此模 糊控 制属 于智 能控制 领域 。
模 糊 Ｐ Ｄ 参 数 自整 定 控 制器 的设 计 Ｉ
兰艳 亭 ，陈 晓栋
（ 中北 大 学 信 息 与 通信 工 程 学 院 ， 山 西 太 原 ００５ ） ３ ０ １
摘 要 ：将 模 糊 控 制 理 论 与 经 典 的 ＰＤ 控 制 理 论 结 合 ， 以锅 炉 温 度 控 制 系 统 为 例 ，设 计 了 一 种 模 糊 Ｐ Ｄ 参 数 Ｉ Ｉ 自整 定 控 制 器 。 仿 真 结 果 表 明 ，和 常 规 ＰＤ 控 制 器 相 比 ，所 设 计 的 模 糊 ＰＤ 控 制 器 改 善 了 温 度 控 制 系 统 的 Ｉ Ｉ 动 态性 能 ．提 高 了系 统 的 鲁 棒 性 。
模糊参数自整定PID控制在ASM测控中的应用
Ａｂ ｔａ ｔ ｓｒ ｃ ：Ｂａ ｅ ｎ ｔ ｅ ｃ ａ ａ ｔｒｓ ｃ ｆ Ｍ ｓ ｃ ｎ ｉ ｏ ，ａ ｅｃ ｎ ｔ ｎ ｐ ｅ ｔｇ ｈ ｃ ｅ ｕ ｒｄ ｖ ｈ ｃｅ Ｓｔ ｒ ｕ ｒ ｒ ｓ ｄ ｏ ｈ ｈ ｒｃｅ ｔ ｓｏ ｉ ｉ ＡＳ ｔ ｔ ｏ ｄ ｔ ｎ ｔ ｈ ｏ ｓａ ｔ ｅ ｄ ｓａ ｅｗ ｉ ｈ ｒ ｑ ｉｅ ｅ ｉ ｌ ｑ ｅ ｅｒ ｅ ｉ ｔ ｓ ｏ ｏ ｌｓ ｈ ｎ ±５ ｃ ｍｐ ｒ ｔ ｈ ｏｑ ｅ ｓ ｔ ｎ ｓ ｈ ｓ ｐ ｐ ｒｄ ｓ ｕ ｓ ｄ ｔ ｅ ａ ｐ ｃ ｔ ｎ ｏ ｕ ｚ ｅ —ｔ ｎ ｎ Ｉ ｃ ｎｒ ｌｉ ｅ ｓｔ ａ ％ ｏ ａｅ ｗｉ ｔ ｅ ｔｒ ｕ ｅｔ ｇ ．Ｔ ｉ ａ ｅ ｉ ｓｅ ｈ ｐ ｈ ａｉ ｆｆ ｚｙ ｓ ｒ ｈ ｉ ｃ ｏ ｆ ｕ ｉｇ Ｐ Ｄ ｏ ｔ ｎ ｏ ｃ ｎ ｔｎ ｏ ｑ ｅ ｃ ｎ ｒｌｏ ｈ ｓ ｉ ｄ ｎ ｍｏ ｔｒ ｃ ｍｂ ｎ ｄ ｆ ｚｙ ｃ ｎ ｒｌａ ｄ ｃ ｎ ｅ ｔ ｎ ｌ Ｉ ｏ ｔ ｌ ｔ ｏ ｈ ｉ ｌ ｔ ｎ ｏ ｓａ ｔｔｒ ｕ ｏ ｔｏ ｎ ｃ ａ ｓ ｙ ａ ｍｅｅ ， ｏ ｉｅ ｕ ｚ ｏ ｔ ｎ ｏ ｖ ｎｉ ａ Ｄ ｃ ｎ ｒ ｈ ｄ ｉ ｔｅ ｓｍｕａｉ ｓ ｏ ｏ Ｐ ｏ ｍｅ ｎ ｏ
＝
Ａ Ｍ 工况污 染排放 测试 是 通 过汽 车底 盘测 功 机 Ｓ
上 来实现 的 ， 功机通 过模 拟道路行 驶工况 的方法 来 测 检 测汽 车动力 性 ， 一 个具 有 大 滞后 特 点 的系 统 ， 是 它 具 有体积 小 、 量轻 、 构 简 单 、 重 结 转动 惯 量低 、 用 维 使 护 方便等 优点 ， 特别 适 用 于 自动 控制 与 远距 离操 作 。
２ ｕ ｍ ｔｅｅｇｎｅ ｎ ｅａｔ ｅｔ Ｑｎｈ ｉｒ ｃｖｃｔ ｎ ｌ ｎ ｃｎ ａ ａ ｕ Ｘｎｎ ， ．Ａ ｔ ｏｉ ｎｉ ｒ ｇｄ ｒ ｎ ｉｇａ ａ ｏａｉ ａ ｄｔ ｈ ｉ ｌｎｔ ￣， ｉｉ ｏ ｖ ｅｉ ｐ ｍ ｏ ｆ ｔｆ ｉ ｏ ａ ｅ ｃ ｉ ＃ ｇ
《2024年轮毂电机驱动电动汽车联合制动的模糊自整定PID控制方法研究》范文
《轮毂电机驱动电动汽车联合制动的模糊自整定PID控制方法研究》篇一一、引言随着科技的不断进步，电动汽车的研发和应用日益广泛。
在电动汽车的驱动与制动系统中，轮毂电机驱动技术以其高效率、低噪音和低成本等优势备受关注。
为了进一步优化电动汽车的制动性能和稳定性，本文将针对轮毂电机驱动电动汽车联合制动的模糊自整定PID控制方法进行深入研究。
二、背景与现状分析电动汽车的制动系统在行驶过程中扮演着至关重要的角色，它不仅影响车辆的制动性能，还直接关系到行车安全。
传统的PID控制方法在电动汽车的制动控制中得到了广泛应用，但其在处理非线性、时变和不确定性的系统时，往往难以达到理想的控制效果。
近年来，模糊控制技术因其对复杂系统的良好适应性，逐渐成为研究热点。
因此，将模糊控制与PID控制相结合，形成模糊自整定PID控制方法，成为提高电动汽车制动性能的重要途径。
三、轮毂电机驱动电动汽车联合制动系统轮毂电机驱动电动汽车的联合制动系统由多个轮毂电机组成，通过控制各个电机的制动力，实现车辆的稳定制动。
该系统具有结构简单、制动力分配灵活等优点，但同时也面临着非线性、时变和不确定性等问题。
为了解决这些问题，本文提出了一种模糊自整定PID控制方法。
四、模糊自整定PID控制方法1. 模糊控制原理：模糊控制是一种基于模糊集合理论的控制方法，它通过模拟人的思维过程，对复杂系统进行近似处理。
在本文中，我们利用模糊控制器对PID控制的参数进行在线调整，以适应系统的非线性、时变和不确定性。
2. 参数自整定：根据系统的实际运行状态，模糊控制器对PID控制的参数进行实时调整。
通过不断地调整PID参数，使系统达到最优的控制效果。
3. 控制策略：在轮毂电机驱动电动汽车的联合制动系统中，我们采用模糊自整定PID控制方法对制动力进行分配和控制。
具体而言，我们根据车辆的行驶状态、路面情况等因素，利用模糊控制器对PID参数进行调整，以实现制动力的大化利用和车辆的稳定制动。
- 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、"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、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)。
模糊PID 参数自整定设被控对象为ss s s G P 1047035.87523500)(23++=采样时间为1ms ，采样模糊PID 控制进行阶跃响应，在第300个采样时间时控制加1.0的干扰，相应的响应结果如下图：Ki 的录属度函数Kp 的录属度函数e的录属度函数ec的录属度函数下面是系统在外界有干扰输入时普通PID和模糊PID参数自整定控制的阶跃响应曲线：. 从上面的仿真图可以看出，经过模糊PID参数自整定后，在外界干扰输入时，可以得到很好的控制效果。
下面是PID参数的整定曲线：.Kp的自整定调整Ki的自整定调整Kd的自整定调整程序文本：%Fuzzy Tunning PID Controlclear all;close all;a=newfis('fuzzpid');a=addvar(a,'input','e',[-3,3]); %Parameter ea=addmf(a,'input',1,'NB','zmf',[-3,-1]);a=addmf(a,'input',1,'NM','trimf',[-3,-2,0]);a=addmf(a,'input',1,'NS','trimf',[-3,-1,1]);a=addmf(a,'input',1,'Z','trimf',[-2,0,2]);a=addmf(a,'input',1,'PS','trimf',[-1,1,3]);a=addmf(a,'input',1,'PM','trimf',[0,2,3]);a=addmf(a,'input',1,'PB','smf',[1,3]);a=addvar(a,'input','ec',[-3,3]); %Parameter eca=addmf(a,'input',2,'NB','zmf',[-3,-1]);a=addmf(a,'input',2,'NM','trimf',[-3,-2,0]);a=addmf(a,'input',2,'NS','trimf',[-3,-1,1]);a=addmf(a,'input',2,'Z','trimf',[-2,0,2]);a=addmf(a,'input',2,'PS','trimf',[-1,1,3]);a=addmf(a,'input',2,'PM','trimf',[0,2,3]);a=addmf(a,'input',2,'PB','smf',[1,3]);a=addvar(a,'output','kp',[-0.3,0.3]); %Parameter kp a=addmf(a,'output',1,'NB','zmf',[-0.3,-0.1]);a=addmf(a,'output',1,'NM','trimf',[-0.3,-0.2,0]);a=addmf(a,'output',1,'NS','trimf',[-0.3,-0.1,0.1]);a=addmf(a,'output',1,'Z','trimf',[-0.2,0,0.2]);a=addmf(a,'output',1,'PS','trimf',[-0.1,0.1,0.3]);a=addmf(a,'output',1,'PM','trimf',[0,0.2,0.3]);a=addmf(a,'output',1,'PB','smf',[0.1,0.3]);a=addvar(a,'output','ki',[-0.06,0.06]); %Parameter ki a=addmf(a,'output',2,'NB','zmf',[-0.06,-0.02]);a=addmf(a,'output',2,'NM','trimf',[-0.06,-0.04,0]);a=addmf(a,'output',2,'NS','trimf',[-0.06,-0.02,0.02]);a=addmf(a,'output',2,'Z','trimf',[-0.04,0,0.04]);a=addmf(a,'output',2,'PS','trimf',[-0.02,0.02,0.06]);a=addmf(a,'output',2,'PM','trimf',[0,0.04,0.06]);a=addmf(a,'output',2,'PB','smf',[0.02,0.06]);a=addvar(a,'output','kd',[-3,3]); %Parameter kpa=addmf(a,'output',3,'NB','zmf',[-3,-1]);a=addmf(a,'output',3,'NM','trimf',[-3,-2,0]); a=addmf(a,'output',3,'NS','trimf',[-3,-1,1]); a=addmf(a,'output',3,'Z','trimf',[-2,0,2]);a=addmf(a,'output',3,'PS','trimf',[-1,1,3]); a=addmf(a,'output',3,'PM','trimf',[0,2,3]);a=addmf(a,'output',3,'PB','smf',[1,3]);rulelist=[1 1 7 1 5 1 1;1 2 7 1 3 1 1;1 3 62 1 1 1;1 4 62 1 1 1;1 5 5 3 1 1 1;1 6 4 42 1 1;1 7 4 4 5 1 1;2 1 7 1 5 1 1;2 2 7 13 1 1;2 3 6 2 1 1 1;2 4 53 2 1 1;2 5 53 2 1 1;2 6 4 43 1 1;2 734 4 1 1;3 1 6 14 1 1;3 2 6 2 3 1 1;3 3 6 3 2 1 1;3 4 5 3 2 1 1;3 54 4 3 1 1;3 6 3 5 3 1 1;3 7 3 54 1 1;4 1 6 2 4 1 1;4 2 6 2 3 1 1;4 35 3 3 1 1;4 4 4 4 3 1 1;4 5 3 5 3 1 1;4 6 2 6 3 1 1;4 7 2 6 4 1 1;5 1 5 2 4 1 1;5 2 5 3 4 1 1;5 3 4 4 4 1 1;5 4 3 5 4 1 1;5 5 3 5 4 1 1;5 6 2 6 4 1 1;5 7 2 7 4 1 1;6 1 5 47 1 1;6 2 4 4 5 1 1;6 3 3 5 5 1 1;6 4 2 5 5 1 1;6 5 2 6 5 1 1;6 6 27 5 1 1;6 7 1 7 7 1 1;7 1 4 4 7 1 1;7 2 4 4 6 1 1;7 3 2 5 6 1 1;7 4 2 6 6 1 1;7 5 2 6 5 1 1;7 6 1 7 5 1 1;7 7 1 7 7 1 1];a=addrule(a,rulelist);a=setfis(a,'DefuzzMethod','mom');writefis(a,'fuzzpid');a=readfis('fuzzpid');%PID Controllerts=0.001;sys=tf(5.235e005,[1,87.35,1.047e004,0]); dsys=c2d(sys,ts,'tustin');[num,den]=tfdata(dsys,'v');u_1=0.0;u_2=0.0;u_3=0.0;y_1=0;y_2=0;y_3=0;x=[0,0,0]';error_1=0;e_1=0.0;ec_1=0.0;kp0=0.40;kd0=1.0;ki0=0.0;for k=1:1:500time(k)=k*ts;rin(k)=1;%Using fuzzy inference to tunning PIDk_pid=evalfis([e_1,ec_1],a);kp(k)=kp0+k_pid(1);ki(k)=ki0+k_pid(2);kd(k)=kd0+k_pid(3);u(k)=kp(k)*x(1)+kd(k)*x(2)+ki(k)*x(3);if k==300 % Adding disturbance(1.0v at time 0.3s)u(k)=u(k)+1.0;endif u(k)>=10u(k)=10;endif u(k)<=-10u(k)=-10;endyout(k)=-den(2)*y_1-den(3)*y_2-den(4)*y_3+num(1)*u(k)+num(2)*u_1+num( 3)*u_2+num(4)*u_3;error(k)=rin(k)-yout(k);%Return of PID parameters%u_3=u_2;u_2=u_1;u_1=u(k);y_3=y_2;y_2=y_1;y_1=yout(k);x(1)=error(k); % Calculating Px(2)=error(k)-error_1; % Calculating Dx(3)=x(3)+error(k); % Calculating Ie_1=x(1);ec_1=x(2);error_2=error_1;error_1=error(k);endshowrule(a)figure(1);plot(time,rin,'b',time,yout,'r'); xlabel('time(s)');ylabel('rin,yout');figure(2);plot(time,error,'r');xlabel('time(s)');ylabel('error');figure(3);plot(time,u,'r');xlabel('time(s)');ylabel('u');figure(4);plot(time,kp,'r');xlabel('time(s)');ylabel('kp');figure(5);plot(time,ki,'r');xlabel('time(s)');ylabel('ki');figure(6);plot(time,kd,'r');xlabel('time(s)');ylabel('kd');figure(7);plotmf(a,'input',1);figure(8);plotmf(a,'input',2);figure(9);plotmf(a,'output',1);figure(10);plotmf(a,'output',2);figure(11);plotmf(a,'output',3);plotfis(a);fuzzy fuzzpid.fis。