当前位置：文档之家 › 模糊控制算法PID算法比较分析

模糊控制算法PID算法比较分析

  • 格式：docx
  • 大小：73.77 KB
  • 文档页数：6

模糊控制算法PID算法比较分析

一：题目

对于已知系统的传递函数为：G(S) - e"S，假设系统给定为阶跃值

10S+1D

R=1,系统的初始值R(0)=0，试分析设计

1〉常规的PID控制器

2〉常规的模糊控制器

3〉比较两种控制器的控制效果

当通过改变模糊控制器的比例因子时，分析系统响应有什么变化？

二：思路

对于模糊控制，采用二维输入，分别是误差 e和误差变化率/e,然后通过增

益放大，输入到模糊控制器中，然后模糊控制器输出也通过增益放大。模糊控制 器的输入、输出论域取值为［-6，6］，隶属度均匀划分为五个区域，隶属度函数 采用梯形和三角形函数。

程序框图如下:

Scope 电气学院控制理论与控制工程专业 徐磊 学号：10310070 ：程序

clear; num=1; den=[10,1];

[a1,b,c,d]=tf2ss(num,den); x=[0]; % 状态变量初始

T=0.01; % 采样周期 h=T;

N=10000; % 采样次数 td=0.5; % 延时时间 Nd=50; %

延时周期 R=1*ones(1,N); % 输入信号

e=0;de=0;ie=0; % 误差，误差导数，积分

kp=12.5;ki=0.8;kd=0.01;

for k=1:N

uu(1,k)=-(kp*e+ki*de+kd*ie); %PID 输出序列 if

k<=Nd

u=0;

else u=uu(1,k-Nd);

end %龙格库塔法仿真 k0=a1*x+b*u;

k1=a1*(x+h*k0/2)+b*u; k2=a1*(x+h*k1/2)+b*u;

k3=a1*(x+h*k2)+b*u; x=x+(k0+2*k1+2*k2+k3)*h/6;

y=c*x+d*u;

e1=e; e=y(1,1)-R(1,k); de=(e1-e)/T; ie=ie+e*T;

yy1(1,k)=y;

end %设计模糊控制器 a=newfis('Simple');

a=addvar(a,'input','e',[-6,6]);

a=addmf(a,'input',1,'NB','trapmf',[-6 -6 -5 -3]);

a=addmf(a,'input',1,'NS','trapmf',[-5 -3 -2 0]);

a=addmf(a,'input',1,'ZR','trimf',[-2 0 2]);

a=addmf(a,'input',1,'PS','trapmf',[0 2 3 5]);

a=addmf(a,'input',1,'PB','trapmf',[3 5 6 6]);

a=addvar(a,'input','de',[-6 6]);

a=addmf(a,'input',2,'NB','trapmf',[-6 -6 -5 -3]);

a=addmf(a,'input',2,'NS','trapmf',[-5 -3 -2 0]);

a=addmf(a,'input',2,'ZR','trimf',[-2 0 2]);

a=addmf(a,'input',2,'PS','trapmf',[0 2 3 5]);

a=addmf(a,'input',2,'PB','trapmf',[3 5 6 6]);

a=addvar(a,'output','u',[-6 6]);

a=addmf(a,'output',1,'NB','trapmf',[-6 -6 -5 -3]);

a=addmf(a,'output',1,'NS','trapmf',[-5 -3 -2 0]);

a=addmf(a,'output',1,'ZR','trimf',[-2 0 2]);

a=addmf(a,'output',1,'PS','trapmf',[0 2 3 5]);

a=addmf(a,'output',1,'PB','trapmf',[3 5 6 6]); %规则表

rr=[5 5 4 4 3

5 4 4 3 3

4 4 3 3 2

4 3 3 2 2 3 3 2 2 1];

r1=zeros(prod(size(rr)),3);% 初始化

%r1 赋值

k=1;

for i=1:size(rr,1)

for j=1:size(rr,2)

r1(k,:)=[i,j,rr(i,j)];

k=k+1;

end

end

r2=ones(25,2); rulelist=[r1,r2];% 得到规则表

a=addrule(a,rulelist); e=0;de=0;ie=0;

x=[0]; ke=8.5;kd=0.5;ku=2.2;% 增益，比例因子

ki=0.01;

for k=1:N

e1=ke*e; de1=kd*de;

if e1>=6

e1=6;

elseif e1<=-6

e1=-6;

end

if de1>=6

de1=6;

elseif de1<=-6

de1=-6;

end

in=[e1 de1];

uu(1,k)=ku*evalfis(in,a)-ie*ki;

if k<=Nd

u=0;

else

u=uu(1,k-Nd);

end

k0=a1*x+b*u; k1=a1*(x+h*k0/2)+b*u;

k2=a1*(x+h*k1/2)+b*u; k3=a1*(x+h*k2)+b*u;

x=x+(k0+2*k1+2*k2+k3)*h/6; y=c*x+d*u;

yy(1,k)=y; e1=e;

e=y-R(1,k);

de=(e-e1)/T;

end

%画图

kk=[1:N]*T; figure(1); plot(kk,R,'k',kk,yy,'r',kk,yy1,'b');

xlabel('time');

ylabel('output');

四：结论

运行后，

08

0.6 •

0 4

02

Q r I I I H N I I I I 」

'■ 0 10 20 30 40 50 60 70 80 90 100

time

如图，红色的为模糊控制输出，蓝色的为 PID控制器输出。

比较起来，有下面的结论:

1、 超调明显是PID控制器大一些，模糊控制器在这一点上有优势

2、 调整时间模糊控制器就要差很多了

3、 稳态误差模糊控制器要小一些 改变比例因子

当ke从8.5调整到20时，如图

12

-a~~■ 显著的，模糊控制的超调变大，性能变坏

当ke从8.5调整到2时

稳态误差太大，虽然调整时间变短了 所以ke变小，超调也小，调整时间也变短

合集下载

模糊PID算法在空调控制系统中的应用

模糊PID算法在空调控制系统中的应用

模糊PID算法在空调控制系统中的应用

【摘 要】 空调控制系统是一种非线性设备，系统控制复杂，并且由于其干扰严重，参数耦合性强及时变性等特点，使得变频控制系统控制尤为复杂。对于这样一个非线性的温度控制系统，简单的PID算法无法对其进行控制到非常好的效果。将PID算法和模糊控制算法相结合形成模糊PID控制算法，该算法集成了PID算法和模糊控制算法的优势，包括比例、模糊、比例积分控制等。使用模糊PID控制算法的空调控制系统具有更快的反应速度和更强的鲁棒性，更高的精度和稳态。仿真实验证明，模糊PID控制能有效降低系统误差，保证系统具有良好的特性，达到变频空调的理想控制效果。

【关键词】 PID 模糊控制 变频空调

引言

随着科学技术的进步和计算机控制系统发展，通信数据中心机房也得到了大力的发展。具统计，在典型的通信数据中心机房投资时，空调制冷设备占投资的6%，但是其空调设备在后期的电费支出却占整个机房的电费支出的40%以上，因此大型机房的空调设备节能问题是目前一个继续解决的重点难题。

空调系统设备不仅要保证工作人员的一个舒适的理想工作环境，更要创造一个各种设备能稳定运行的环境，由于信息化专用机房内各种程控交换机及电子计算机属于高精度设备，对工作环境有着特殊的要求，对机房环境的湿度、温度、净化空调送风方式都有很高的要求，这就对机房的空调控制系统提出了高要求。

空调系统设备属于非线性设备，具有滞后性、参数时变性和受环境影响大的特点，目前市场上大多数空调设备都是采用的控制方法都比较单一，很难对性能进行大幅度的提升。但是采用模糊PID控制，可以实现优越的控制性能，主要是因为模糊PID控制根据空调的数学模型和实际测量结果对目标进行控制，非常适用于无法建立精确模型和模型变化的情况。

1 模型建立

空调房是一个多变的目标体，比较复杂，实际的空调房的动态特征是一个高阶微分方程[2]，由于高阶微分方程计算非常复杂，不便于模型的建立，因此本文采用响应曲线的方法对空调房的室内温度的特性进行分析。本文假设的空调房具有以下前提：

PID控制;模糊控制;模糊PID控制器

PID控制;模糊控制;模糊PID控制器

摘 要

交流伺服电机现广泛应用于机械结构的驱动部件和各种数控机床。PID控制是伺服系统中使用最多的控制模式之一。尽管传统的PID控制系统构造简单、运转稳定，但交流伺服电机存在非线性的、强耦合。当参数变动或非线性因素的影响发生变化时，控制不能实时改动，不能满足系统高性能、高精度的要求。结合模糊控制和传统PID控制成一种新的控制方法--模糊PID控制是解决上述问题的一种很好的途径。模糊控制器不需要被控对象的数学模型，而是根据之前人为设定的控制要求设计用来控制的决策算法，使用此方式确定控制量。模糊控制和传统PID控制融合的结果，不单具有模糊控制的高性能，还具备传统PID控制精准度高的长处。

本文对PID控制算法的原理和模糊控制算法作了简要的描述和比较。指出模糊PID混合控制法，在误差很大时使用模糊控制,在不大时使用PID控制,在MATLAB软件中，对交流伺服系统的位置控制进行了仿真。结果表明，该控制系统仿真结果与理论上差距较小。

关键词：PID控制；模糊控制；模糊PID控制器；MATLAB

第1章 绪论

1.1 研究课题的任务

本课题的任务是了解交流伺服系统，比较并结合两种控制的优点，结合成一种新的控制方式--模糊PID控制。该控制法在系统输出差距大时采用模糊控制，而在差距较小时采用PID控制。文章最后给出了模糊PID位置控制的MATLAB响应图，同时给出了常规PID控制下的效果图，并比较分析。

1.3 交流伺服系统工作原理

相对单一的系统，其一般是根据位置检测反馈组成闭环位置伺服系统。其组成框图参考图1-1内容[14]。

此类系统主要原理是对比输入的目标位置信号和位置检测设备测试的真实位置信号统计其偏差且使用功率变换器的输入端弱化误差。控制量被信号转换和功率放大驱动，驱动伺服组织，促使误差不断缩减少，一直到最佳值。

（1）位置检测装置 是此类系统的关键构成方面，完整系统的动态功能是否可以满足需求，关键的是位置检测传感器的科学选择以及精度。当前普遍使用的位置传感器主要是接触式，接近式，曲轴位置，节气门位置等多种类型的传感器。

pid模糊控制算法

pid模糊控制算法

pid模糊控制算法

PID模糊控制算法是一种常见的控制算法，可用于控制各种系统，如机械、电子、化学等。PID模糊控制算法是基于PID控制算法和模糊控制算法的结合，通过模糊化处理PID控制算法的参数，使其更适应实际控制系统的特性，达到更好的控制效果。

PID控制算法是一种常见的控制算法，它通过不断调整控制器的比例、积分和微分系数，使系统的输出与期望输出尽可能接近，从而实现对系统的控制。PID控制算法具有简单、稳定等特点，但在实际应用中，由于不同系统的特性不同，需要不断调整PID参数才能达到最优控制效果。

模糊控制算法是一种基于模糊逻辑的控制算法，它通过将模糊逻辑应用于控制系统中的输入和输出，实现对系统的控制。模糊控制算法具有适应性强、能够处理非线性问题等特点，但需要大量的实验数据和人工经验才能确定模糊规则和隶属函数，且计算量较大。

PID模糊控制算法是将PID控制算法和模糊控制算法相结合的一种控制算法。通过模糊化处理PID控制算法的参数，使其更适应实际控制系统的特性，达到更好的控制效果。在PID模糊控制算法中，模糊化处理的方法可以采用模糊逻辑进行处理，也可以采用神经网络等方法进行处理。

PID模糊控制算法的基本步骤包括：确定系统模型、设计模糊控制器、模糊化处理PID参数、计算控制量、实现控制。具体来说，首先需要确定系统的数学模型，包括系统的输入、输出、状态变量等。然后，设计模糊控制器，包括模糊规则、隶属函数等。接下来，将PID控制算法的参数进行模糊化处理，得到模糊PID控制算法的参数。然后，计算控制量，根据控制量调整系统的输出。最后，实现控制，将控制量输入到控制系统中进行控制。

PID模糊控制算法的优点在于能够克服PID控制算法的缺点，具有更好的适应性、稳定性和鲁棒性。同时，由于模糊控制算法具有非线性处理能力，因此可以处理更加复杂的系统，提高控制精度和系统响应速度。

PID模糊控制算法是一种基于PID控制算法和模糊控制算法相结合的控制算法，具有更好的适应性、稳定性和鲁棒性，能够处理更加复杂的系统，提高控制精度和系统响应速度。在实际应用中，需要根据具体系统的特性进行适当的参数调整，以达到最优控制效果。

PID及模糊控制算法

PID及模糊控制算法

PID及模糊控制算法

背景介绍

PID控制是一种常见的控制方法，它通过不断调整系统的输出使得系统的反馈信号与参考信号趋于一致。控制器的功能是计算出控制信号使得系统输出与参考信号的差值最小化。PID控制器可以广泛应用于机械、电子、化工、航空等领域。

虽然在实际控制中，PID控制器的效果非常好，但是在某些场合，PID控制器无法满足要求。因此，近年来，模糊控制算法得到了广泛发展和应用。模糊控制算法采用模糊逻辑建立控制系统，能够处理一些非线性、复杂的系统，并且控制效果也非常不错。

PID控制算法

PID控制器是由比例环节（P）、积分环节（I）和微分环节（D）组成的。PID控制器的原理如下：

1. 假设系统的输出为y，参考信号为r，控制器的输出为u；

2. 平衡方程为：u(t) = Kp * e(t) + Ki * ∫e(t)dt + Kd * de(t)/dt；其中e(t)

= r(t) - y(t)；

3. 将u(t)作为系统输入控制器，通过调节Kp、Ki和Kd参数使得系统输出y(t)达到参考信号r(t)；

4. 在实际应用中，PID控制器常根据具体需要对Kp、Ki和Kd参数进行调整。

虽然PID控制器能够有效地控制系统，提高系统稳定性和精度，但是在一些非线性、时变、复杂的系统中，其控制效果并不理想。

模糊控制算法

模糊控制算法是一种基于模糊逻辑的控制算法，它通过建立模糊推理规则，实现输出和输入的模糊化和去模糊化。模糊控制器的基本结构如下：

1. 模糊化：将输出和输入变量映射为模糊集合，通过模糊运算得到规则库中的模糊。

2. 规则库：建立模糊推理规则，将模糊化的输出和输入变量映射到规则库中，得到模糊。

3. 去模糊化：将模糊映射为实际控制信号，并输出到被控制系统。 模糊控制算法能够有效地处理非线性、复杂的控制问题，并且其控制效果也非常优秀。尤其是在多变量控制、非线性控制、自适应控制等方面得到了广泛应用。