1、将系统误差e和误差变化ec变化范围定义为模糊集上的论域,即e,ec = -3,-2,-1,0,1,2,3,其模糊子集为e,ec = NB,NM,NS,ZO,PS,PM,PB,子集中元素分别代表负大,负中,负小,零,正小,正中,正大。应用模糊合成推理设计PID参数的整定算法。第k个采样时间的整定为Kp(k)=kp0+kp(k)Ki(k)=ki0+ki(k)Kd(k)=kd0+kd(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参数的在线自校正。其工作流程图如下图所示。图1 误差的隶属函数图2 误差变化率的隶属函数图3 kp的隶属函数图4 ki的隶属函数图5 k
2、d的隶属函数图6 模糊系统fuzzpid.fis的结构图7 模糊推理系统的动态仿真环境在程序PID_b.m中,利用所设计的模糊系统fuzzpid.fis进行PID控制参数的整定,并利用模糊PID控制进行阶跃响应,在第300个采样时间时控制器输出端加上1.0的干扰,响应结果及PID控制参数的自适应变化如图8到13所示。图8 模糊PID控制阶跃响应图9 模糊PID控制误差响应图10 控制器输入u图11 kp的自适应调整图12 ki的自适应调整图13 kd的自适应调整在对三阶线性系统的控制中,利用稳定边界法进行参数整定的经典PID控制的超调量比模糊PID控制的超调量要大,但模糊PID控制存在一定的稳
3、态误差。模糊控制用模糊集合和模糊概念描述过程系统的动态特性,根据模糊集和模糊逻辑来做出控制决策,它在解决复杂控制问题方面有很大的潜力,可以动态地适应外界环境的变化。附录1 模糊系统设计程序PID_a%Fuzzy Turnning PID Controlclear all;close all;a=newfis(fuzzpid);a=addvar(a,input,e,-3,3); a=addmf(a,1,NBzmf,-3,-1);NMtrimf,-3,-2,0);NS,-3,-1,0);Z,-2,0,2);PS,-1,1,3);PM,0,2,3);PBsmf,1,3);ec,2,outputkp,
4、-0.3,0.3);,-0.3,-0.1);,-0.3,-0.2,0);,-0.3,-0.1,0);,-0.2,0,0.2);,-0.1,0.1,0.3);,0,0.2,0.3);,0.1,0.3);ki,-0.06,0.06);,-0.06,-0.02);,-0.06,-0.04,0);,-0.06,-0.02,0.02);,-0.04,0,0.04);,-0.02,0.02,0.06);,0,0.04,0.06);,0.02,0.06);kd,3,rulelist = 1 1 7 1 5 1 1;1 2 3 1 3 1 1;1 3 6 2 1 1 1;1 4 6 2 1 1 1;1 5 5
5、 3 1 1 1;1 6 4 4 2 1 1;1 7 4 4 5 1 1;2 1 7 1 5 1 1;2 2 7 1 3 1 1;2 3 6 2 1 1 1;2 4 5 3 2 1 1;2 5 5 3 2 1 1;2 6 4 4 3 1 1;2 7 3 4 4 1 1;3 1 6 1 4 1 1;3 2 6 2 3 1 1;3 3 6 3 2 1 1;3 4 5 3 2 1 1;3 5 4 4 3 1 1;3 6 3 5 3 1 1;3 7 3 5 4 1 1;4 1 6 2 4 1 1;4 2 6 2 4 1 1;4 3 5 3 3 1 1;4 4 4 4 3 1 1;4 5 3 5 3 1
6、 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 4 7 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 2 7 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
7、 1 7 5 1 1;7 7 1 7 7 1 1;a = addrule(a,rulelist);a = setfis(a,DefuzzMethodcentroidwritefis(a,a = readfis(figure(1);plotmf(a,1);figure(2);,2);figure(3);figure(4);figure(5);,3);figure(6);plotfis(a);fuzzy fuzzpid;showrule(a);ruleview fuzzpid;附录2 模糊控制程序PID_b%Fuzzy PID Controla=readfis(ts=0.001;sys=tf(4.
8、23,1,1.64,8.46);days=c2d(sys,ts,tustinnum,den=tfdata(days,vu_1=0.0;u_2=0.0;u_3=0.0;y_1=0;y_2=0;y_3=0;x=0,0,0;e_1=0;ec_1=0;kp0=0.40;kd0=1.0;ki0=0.0;for k=1:1:3000;time(k)=k*ts;r(k)=1.0;%Using fuzzy inference to tuning 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(
9、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;endy(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;e(k)=r(k)-y(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=y(k);x(1)=e(k); %Calculating Px(2)=e(k)-e_1; %Calculating Dx(3)=x(3)+e(k)*ts %Calculating Iec_1=x(2);e_2=e_1;e_1=e(k);plot(time,r,b,time,y,rxlabel(time(s)ylabel(rin,youtplot(time,e,errorplot(time,u,uplot(time,kp,plot(time,ki,plot(time,kd,
copyright@ 2008-2023 冰点文库 网站版权所有
经营许可证编号:鄂ICP备19020893号-2