模糊控制PID设计大作业文档格式.docx
《模糊控制PID设计大作业文档格式.docx》由会员分享，可在线阅读，更多相关《模糊控制PID设计大作业文档格式.docx（18页珍藏版）》请在冰点文库上搜索。
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+Δkp（k）
Ki（k）=ki0+Δki（k）
Kd（k）=kd0+Δkd（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3kp的隶属函数
图4ki的隶属函数
图5kd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11kp的自适应调整
图12ki的自适应调整
图13kd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
%FuzzyTurnningPIDControl
clearall;
closeall;
a=newfis（'
fuzzpid'
）;
a=addvar（a,'
input'
'
e'
[-3,3]）;
a=addmf（a,'
1,'
NB'
zmf'
[-3,-1]）;
NM'
trimf'
[-3,-2,0]）;
NS'
[-3,-1,0]）;
Z'
[-2,0,2]）;
PS'
[-1,1,3]）;
PM'
[0,2,3]）;
PB'
smf'
[1,3]）;
ec'
2,'
output'
kp'
[-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=[1171511;
1231311;
1362111;
1462111;
1553111;
1644211;
1744511;
2171511;
2271311;
2362111;
2453211;
2553211;
2644311;
2734411;
3161411;
3262311;
3363211;
3453211;
3544311;
3635311;
3735411;
4162411;
4262411;
4353311;
4444311;
4535311;
4626311;
4726411;
5152411;
5253411;
5344411;
5435411;
5535411;
5626411;
5727411;
6154711;
6244511;
6335511;
6425511;
6526511;
6627511;
6717711;
7144711;
7244611;
7325611;
7426611;
7526511;
7617511;
7717711];
a=addrule（a,rulelist）;
a=setfis（a,'
DefuzzMethod'
centroid'
writefis（a,'
a=readfis（'
figure
（1）;
plotmf（a,'
1）;
figure
（2）;
2）;
figure（3）;
figure（4）;
figure（5）;
3）;
figure（6）;
plotfis（a）;
fuzzyfuzzpid;
showrule（a）;
ruleviewfuzzpid;
附录2模糊控制程序PID_b
%FuzzyPIDControl
a=readfis（'
ts=0.001;
sys=tf（4.23,[1,1.64,8.46]）;
days=c2d（sys,ts,'
tustin'
[num,den]=tfdata（days,'
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]'
;
e_1=0;
ec_1=0;
kp0=0.40;
kd0=1.0;
ki0=0.0;
fork=1:
1:
3000;
time（k）=k*ts;
r（k）=1.0;
%UsingfuzzyinferencetotuningPID
k_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）;
ifk==300%addingdisturbance（1.0vattime0.3s）
u（k）=u（k）+1.0;
end
y（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）;
%%%%%%%%%%%%%%ReturnofPIDparameters%%%%%%%%%%%%%
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）;
%CalculatingP
x
（2）=e（k）-e_1;
%CalculatingD
x（3）=x（3）+e（k）*ts%CalculatingI
ec_1=x
（2）;
e_2=e_1;
e_1=e（k）;
plot（time,r,'
b'
time,y,'
r'
xlabel（'
time（s）'
ylabel（'
rin,yout'
plot（time,e,'
error'
plot（time,u,'
u'
plot（time,kp,'
plot（time,ki,'
plot（time,kd,'
升级会员 