下载文档原格式
三相电压源型PWM整流器PI调节器参数整定的原理和方法1引言1.1 PID调节器简介在工程实际中，应用最为广泛的调节器控制规律为比例、积分、微分控制，简称PID控制，又称PID调节。
PID控制器问世至今已有近70年历史，它以其结构简单、稳定性好、工作可靠、调整方便而成为工业控制的主要技术之一。
目前，在工业过程控制中，95%以上的控制回路具有PID结构。
当被控对象的结构和参数不能完全掌握，或得不到精确的数学模型，控制理论的其它技术难以采用时，系统控制器的结构和参数必须依靠经验和现场调试来确定，这时应用PID控制技术最为方便。
PID控制，实际中也有PI和PD控制。
PID控制器就是根据系统的误差，利用比例、积分、微分计算出控制量进行控制的，其原理图如图1-1所示。
图1-1 PID控制系统原理图PID控制器传递函数常见的表达式有以下两种：（1）()ip dKG s K K ss=++，Kp代表比例增益，Ki代表积分增益，Kd代表微分增益；（2）1()p diG s K T sT s=++（也有表示成1()(1)p diG s K T sT s=++），Kp代表比例增益，Ti代表积分时间常数，Td代表微分时间常数。
这两种表达式并无本质区别，在不同的仿真软件和硬件电路中也都被广泛采用。
⏹比例（P，Proportion）控制比例控制是一种最简单的控制方式，其控制器的输出与输入误差信号成比例关系，能及时成比例地反映控制系统的偏差信号，偏差一旦产生，调节器立即产生控制作用，以减少偏差。
当仅有比例控制时系统输出存在稳态误差（Steady-state error）。
⏹积分（I，Integral）控制在积分控制中，控制器的输出与输入误差信号的积分成正比关系。
对一个自动控制系统，如果在进入稳态后存在稳态误差，则称这个控制系统是有稳态误差的或简称有差系统（System with Steady-state Error）。
为了消除稳态误差，在控制中必须引入“积分项”。
三相电压源型PWM整流器PI调节器参数整定的原理和方法1引言1.1 PID调节器简介在工程实际中，应用最为广泛的调节器控制规律为比例、积分、微分控制，简称PID控制，又称PID调节。
PID控制器问世至今已有近70年历史，它以其结构简单、稳定性好、工作可靠、调整方便而成为工业控制的主要技术之一。
目前，在工业过程控制中，95%以上的控制回路具有PID结构。
当被控对象的结构和参数不能完全掌握，或得不到精确的数学模型，控制理论的其它技术难以采用时，系统控制器的结构和参数必须依靠经验和现场调试来确定，这时应用PID控制技术最为方便。
PID控制，实际中也有PI和PD控制。
PID控制器就是根据系统的误差，利用比例、积分、微分计算出控制量进行控制的，其原理图如图1-1所示。
图1-1 PID控制系统原理图PID控制器传递函数常见的表达式有以下两种：（1）()ip dKG s K K ss=++，Kp代表比例增益，Ki代表积分增益，Kd代表微分增益；（2）1()p diG s K T sT s=++（也有表示成1()(1)p diG s K T sT s=++），Kp代表比例增益，Ti代表积分时间常数，Td代表微分时间常数。
这两种表达式并无本质区别，在不同的仿真软件和硬件电路中也都被广泛采用。
⏹比例（P，Proportion）控制比例控制是一种最简单的控制方式，其控制器的输出与输入误差信号成比例关系，能及时成比例地反映控制系统的偏差信号，偏差一旦产生，调节器立即产生控制作用，以减少偏差。
当仅有比例控制时系统输出存在稳态误差（Steady-state error）。
⏹积分（I，Integral）控制在积分控制中，控制器的输出与输入误差信号的积分成正比关系。
对一个自动控制系统，如果在进入稳态后存在稳态误差，则称这个控制系统是有稳态误差的或简称有差系统（System with Steady-state Error）。
为了消除稳态误差，在控制中必须引入“积分项”。
基于稳定裕度的新型IMC-PID整定方法汤赵建;蒋北艳;靳其兵【摘要】提出了一种针对稳定过程的内模proportion integration differentiation (IMC-PID)控制器整定方法.通过在频域内保证系统达到期望的相位裕度和幅值裕度,将内模控制器转化成PID控制器.转化过程中选用欧拉公式替代内模控制器分母中的非线性部分,并应用拟合方法得到了内模控制系统中滤波器参数与稳定裕度之间的解析关系.在整个转化过程中没有应用任何近似方法,所以最终得到的PID控制器与经典内模控制器能够取得相同的控制效果.最后通过仿真实例验证了本方法的有效性.%A tuning method based on internal model control-proportion integration differentiation (IMC-PID) is proposed for a stable process.By guaranteeing the desired phase margin and gain margin,we converted the IMC into a PID controller.In the transformation process,the Euler formula was used to replace the nonlinear part of controller's denominator.In addition,the analytical relationship between filter parameter and stability region was obtained by fitting techniques.No approximation method is involved in the whole transformation,so the resulting PID can achieve the same control effect as the classicalIMC.Finally,simulation examples are given to illustrate the effectiveness of the proposed method.【期刊名称】《北京化工大学学报（自然科学版）》【年(卷),期】2017(044)005【总页数】6页(P105-110)【关键词】内模proportion integration differentiation (IMC-PID);相位裕度;幅值裕度【作者】汤赵建;蒋北艳;靳其兵【作者单位】北京化工大学信息科学与技术学院,北京100029;北京化工大学信息科学与技术学院,北京100029;北京化工大学信息科学与技术学院,北京100029【正文语种】中文【中图分类】TP273proportion integration differentiation(PID)控制器[1-2]由于其结构简单易于调节等特点得到了广泛应用，但对于某些复杂的被控过程，简单的PID并不能取得很好的控制效果，所以衍生出很多的先进控制理论，如内模控制、模糊控制、预测控制等。
PID自整定方法的简单介绍王子岩（河北科技大学材料科学与工程学院河北石家庄 050054）摘要：PID控制器从诞生至今，已经历数十年的历史，并且因其结构简单、容易实现、性能优良，仍然是工业自动化领域应用最为广泛的控制器。
本文介绍了几种常用的PID自整定的方法，在控制系统应用中具有实际意义。
关键词：PID 参数自整定方法The Simple Introduction Of The MethodsOf PID Auto-runingWangZiyan(College of Material Science and Engineering Hebei University of Science and Technology Shijiazhuang Hebei 050054)Abstradt:Up to now ,PID controller has already undergone the dozens of year history, and is still the most widespread controller in the industrial automation domain for its simple structure.easy implementation and fine performance.This paper introduces some kinds of methods of PID auto-tuning,which have realistic meanings in the application of control system. Key W ord: PID parameter auto-runing methods一.引言PID控制算法是迄今为止最通用的控制策略，PID调节器是工业过程控制中最常用的控制器。
一个大的工业生产过程可能包含上千个控制器，它们必须被分别整定以提供良好的控制性能。
PID参数自整定的方法及实现近年来出现的各种智能型数字显示调节仪，一般都具有PID参数自整定功能。
仪表在初次使用时，可通过自整定确定系统的最佳P、I、D调节参数，实现理想的调节控制。
在自整定启动前，因为系统在不同设定值下整定的参数值不完全相同，应先将仪表的设定值设置在要控制的数值（如果水电站或是中间值）上。
在启动自整定后，仪表强制系统产生扰动，经过2~3个振荡周期后结束自整定状态。
仪表通过检测系统从超调恢复到稳态（测量值与设定值一致）的过度特性，分析振荡的周期、幅度及波形来计算仪表的最佳调节参数。
理想的调节效果是，设定值应与测量值保持一致，可从动态（设定值变化或扰动）合稳态（设定值固定）两个方面来评价系统调节品质，通过PID参数自整定，能够满足大多数的系统。
不同的系统由于惯性不同，自整定时间有所不同，从几分钟到几小时不等。
我单位有一台DYJ-36-2型油加热器。
该油加热器是由加热炉体、载体传输通道、膨胀系统及电控装置构成，与用热设备组成了一个循环加热系统。
热载体（导热油）在炉体内被电热管加热后，用热油泵通过管路传送到用热设备，放热后再次回到炉体内升温，实现连续循环过程。
控制油温的调节仪表时日本SHIMADEN（岛电）公司的SR73型PID自整定温控仪。
温度控制系统为闭环负反馈系统。
由热电偶检测的油温信号对应的mV信号，传送至调节仪的信号输入端，调节仪输出DC15V、20mV的高电平信号，传送至SSR固态继电器，驱动晶闸管过零触发开关电路，改变固定期内的输出占空比，从而控制电热器的输出功率。
在系统投入运行前，我们对调节仪进行PID参数的自整定工作。
首先把它的设定值（SV）调至工艺常用温度90℃。
仪表提供了一组PID参数：比例带 P=0.1%~999.9%积分时间 I=1~6000s微分时间 D=0~3600s再进入功能彩旦，把P、I、D参数分别按经验值设定为：P=3.0；I=120；D=30；超调抑制系数 SF=0.4。
一种IAE指标触发的继电反馈PID参数自校正方法范惠剑;王志国;刘飞【摘要】针对实际工业过程中固定PID参数不能适应系统特征变化的问题,提出了一种在线控制器参数自动校正方法;首先,以内模控制为基础,由系统工作数据估计得到设定值阶跃变化下系统可获得的最优累积绝对误差值(IAE),并以此建立评价当前控制器优劣的性能指标;若性能不满足要求,则触发PID参数校正算法工作,通过引入继电反馈环节使控制回路振荡,获得控制系统临界信息,再根据改进的Z-N规则计算新的PID控制器参数;最后,分别用仿真和实际液位控制系统验证所提方法的有效性.%A new on-line automatic tuning method for PID controllers is presented to solve the problem that PID parameters can not adapt to the change of system characteristics.Firstly,on basis of the internal model control (IMC),the optimal integrated absolute error (IAE) is estimated by the operating data of control system when the set values are changing.Then performance index is established to evaluate the controller.If the performance does not meet the requirements,the PID tuning algorithm is triggered.The critical information can be identified from the oscillating curve which is caused by the relay.Then,the optimized PID parameters are obtained according to the improved Z-Nrules.Finally,the effectiveness of the proposed method is verified by a simulation example and an actual level control system.【期刊名称】《计算机测量与控制》【年(卷),期】2017(025)004【总页数】4页(P66-69)【关键词】PID参数校正;性能评估;累积绝对误差;继电反馈;内模控制【作者】范惠剑;王志国;刘飞【作者单位】江南大学轻工过程先进控制教育部重点实验室,江苏无锡 214122;江南大学轻工过程先进控制教育部重点实验室,江苏无锡 214122;江南大学轻工过程先进控制教育部重点实验室,江苏无锡 214122【正文语种】中文【中图分类】TP273虽然各种先进控制技术的研究已取得丰硕成果，但在实际工业过程中，PID控制器仍被大量使用[1]，对其控制性能的评估和优化是研究热点之一。
PID参数自整定方法综述(1)关键词: PID控制参数整定自整定PID参数自整定方法综述摘要: PID控制是迄今为止在过程控制中应用最为广泛的控制方法。
文章综述了PID参数自整定方法，并对将来的发展进行了讨论。
关键词：PID控制; 参数整定;自整定PID调节器从问世至今已历经了半个多世纪，在这几十年中，人们为它的发展和推广作出了巨大的努力，使之成为工业过程控制中主要的和可靠的技术工具。
即使在微处理技术迅速发展的今天，过程控制中大部分控制规律都未能离开PID，这充分说明PID控制仍具有很强的生命力。
PID控制中一个至关重要的问题，就是控制器三参数(比例系数、积分时间、微分时间)的整定。
整定的好坏不但会影响到控制质量，而且还会影响到控制器的鲁棒性。
此外，现代工业控制系统中存在着名目繁多的不确定性，这些不确定性能造成模型参数变化甚至模型结构突变，使得原整定参数无法保证系统继续良好的工作，这时就要求PID控制器具有在线修正参数的功能，这是自从使用PID控制以来人们始终关注的重要问题之一。
本文在介绍PID参数自整定概念的基础上，对PID参数自整定方法的发展作一综述。
1 PID参数自整定概念PID参数自整定概念中应包括参数自动整定(auto-tuning)和参数在线自校正(self tuning on-line)。
具有自动整定功能的控制器，能通过一按键就由控制器自身来完成控制参数的整定，不需要人工干预，它既可用于简单系统投运，也可用于复杂系统预整定。
运用自动整定的方法与人工整定法相比，无论是在时间节省方面还是在整定精度上都得以大幅度提高，这同时也就增进了经济效益。
目前，自动整定技术在国外已被许多控制产品所采用，如Leeds&Northrop的Electromax V、SattControlr的ECA40等等，对其研究的文章则更多。
自校正控制则为解决控制器参数的在线实时校正提供了很有吸引力的技术方案。
PID控制中如何整定PID参数PID控制器是一种常用的自动控制算法，它根据被控对象的误差和误差的变化率来调整控制量，以实现对被控对象的稳定控制。
PID参数的选择对控制系统的性能和稳定性至关重要。
在本文中，将介绍PID参数整定的基本方法和几种常用的整定方法。
1. 要素模型法（Ziegler-Nichols法）要素模型法是一种基于试控法的PID参数整定方法。
该方法通过微调比例增益Kp，使系统产生持续且稳定的振荡，然后根据振荡的周期和幅值来计算PID参数。
具体步骤如下：步骤1：将积分时间Ti和微分时间Td先设为0。
步骤2：增加比例增益Kp，直至系统开始产生持续的振荡。
步骤3：记录振荡的周期P，以及振荡的峰值值（或两个连续峰值之间的差值）A。
步骤4：根据P和A计算出合适的PID参数：-比例增益Kp=0.6*(A/P)-积分时间Ti=0.5*P-微分时间Td=0.125*P要素模型法整定PID参数的优点是简单易行，但是该方法只适用于二阶系统，对于高阶系统或非线性系统不适用。
2.建模法（模型整定法）建模法是一种基于模型的PID参数整定方法。
该方法需要对被控对象进行实验或建立数学模型，并根据模型参数来选择合适的PID参数。
具体步骤如下：步骤1：通过实验或数学建模，得到被控对象的数学模型。
步骤2：分析模型的稳定裕度和相应性能要求，如超调量、调节时间等。
步骤3：根据模型参数，选择合适的PID参数。
常用的方法有经验法、频域法和根轨迹法等。
经验法是基于经验或规则的PID参数整定方法，根据系统的动态特性、稳定性要求和超调量要求等，选择合适的PID参数。
例如，对于快速响应的系统，通常选用较大的比例增益和积分时间，较小的微分时间；对于需要减小超调量的系统，通常减小比例增益和微分时间，增大积分时间。
频域法是基于频率响应的PID参数整定方法，通过分析系统的开环频率响应曲线，选择合适的相位裕度和增益裕度，从而得到合适的PID参数。
PID参数先进整定方法王洪涛(大庆石油管理局 黑龙江省大庆市 163712)邸立平 杜国志(安达市图书馆 黑龙江省安达市 151400) 偏差的比例(Proportion)、积分(Integral)、微分(Derivative)控制,简称PI D控制。
PI D控制是过程控制中广泛应用的一种控制。
PI D控制器的结构简单,参数易于调整,在长期的工程实践中,人们已经积累了有关PI D控制的丰富经验。
特别是在工业过程控制中,由于控制对象的精确数学模型难以建立,系统参数又经常发生变化,运用现代控制理论进行分析、综合要耗费很大代价进行模型辩识,且往往不能得到预期的效果,所以人们常用PI D调节器,并根据经验进行在线整定。
同其它控制方法一样,几十年来,PI D控制的参数整定方法和技术也处于不断发展中。
根据发展阶段可将PI D参数整定方法划分为常规PI D参数整定方法及智能PI D参数整定方法;按照被控对象个数来划分,可分为单变量PI D参数整定方法及多功能变量PI D参数整定方法,前者包括现有大多数整定方法,后者是最近研究的热点及难点;按控制量的组合形式来划分,可分为线性PI D 参数整定方法及非线性PI D参数整定方法,前者用于经典PI D调节器,后者用于非线性跟踪———微分器和非线性组合方式生成的非线性PI D控制器。
结合于新一代工业控制器中的两种控制思想———自整定和自适应,为智能PI D控制的发展奠定了基础,自整定控制器和自适应控制器可视为一个有经验的仪表工程师的整定经验的自动化。
目前,在众多的整定方法中,主要有两种方法在实际工业过程中应用较好。
一种是基于模式识别的参数整定方法(基于规则),另一种是基于继电反馈的参数整定方法(基于模型)。
这些技术极大地简化了PI D控制器的使用,显著改进了它的性能,它们被统称为自适应智能控制技术。
自适应技术中最主要的是自整定,按工作机理划分,自整定方法能被分为两类:基于模型的自整定方法和基于规则的自整定方法。
基于相位裕度和幅值裕度的IMC—PID整定方法作者：汤赵建靳其兵蒋北艳来源：《计算技术与自动化》2017年第04期摘要：提出了一种新的内模PID转换方法，得到了解析PID控制器参数。
本方法以相位裕度为稳定性指标，通过数学推导证明了内模控制系统固有的相对稳定性范围。
并且在内模PID转化过程中，没有应用任何近似方法来处理内模控制器中的非线性部分。
另外，针对高阶过程，采用两点法建模来替代高阶过程，进而使系统取得精确的稳定裕度。
通过将提出的控制器应用于二阶、三阶、高阶过程控制器系统中，证明了提出的解析PID控制器取得与内模控制器相同的控制效果。
关键词：内模PID，相位裕度，高阶过程中图分类号：TP273 文献标志码：ATuning of IMC-PID Based on Phase Margin and Gain MarginTANG Zhao-jian，JIN Qi-bing，JIANG Bei-yan（ College of Information Science & Technology，Beijing University of Chemical Technology，Beijing 100029，China）Abstract：The paper proposed a novel IMC-PID transformation method and obtained the analytical parameters of PID controller.In this method，the relative stability of the internal model control system is proved by mathematical derivation.Besides，there was nothing approximation method used to deal with the nonlinear part of the internal model controller.In addition，as for the high order process，the paper used the two point method to replace the higher order process，and then the system can obtain accurate stability margin.It was proved that the proposed PID controller achieved the same control effect as the internal model controller by applying the proposed controller to two order，three order and higher order process control systems.Key words：IMC-PID，phase margin，high-order processes引言PID控制系统由于结构简单，鲁棒性好等特性得到了广泛应用[1]。
图4.BP神经网络PID系统输出响应曲线图6. PID 参数自适应模糊控制器系统框图图7.e，ec，Kp，Ki,Kd的隶属度函数通过不断进行仿真实验和借鉴专家经验可以得到如下的49条规则：图8.模糊PID控制系统输出曲线图9.模糊PID控制系统误差曲线图中1为常规整定PID 阶跃响应曲线，2为BP 神经网络PID 阶跃响应曲线，3为模糊自适应整定PID 阶跃响应曲线。
从曲线中以看出，三种PID控制方式中模糊PID几乎没有超调，调节时间短，控制效果最好；BP 网络PID效果次之；都比常规PID 效果好。
比较图5神经PID与图9模糊PID的误差曲线可以看出,模糊PID具有更短的学习时间。
仿真和实验结果均证明了神经网络PID 控制算法能有效地控制大时滞大惯性的温控系统，将神经网络与PID控制相结合，可以在线调整PID控制器的各个参数，减少了凭经验整定参数带来的误差，提高了温控系统的鲁棒性和自适应性。
此外，神经网络PID控制器还能有效的抑制干扰，而且对对象模型要求不高,具有较好的抗干扰性。
同时也可以进一步优化BP神经网络的结构和算法，使温度控制最终趋于最优，更好地满足实际生产对温度控制的要求。
但是由于该控制器的初始权值是随机值,控制输出在开始时波动很大,随着网络的自学习，不断调整权值控制输出来跟踪输入。
由于神经网络收敛速度慢，回到稳定状态所需时间较长，这个问题有待进一步研究解决。
，模糊PID控制响应几乎没有超调，但是响应速度较慢；在模型失配的情况下，模糊PID虽然产生了震荡，超调量也有所增加，但总体来说还能够保持稳定；在添加干扰后，系统持续产生小幅震荡，但超调量很小，系统整体还是稳定的，抗干扰能力强。
参考文献：1、陶永华.新型PID控制及其应用(第二版) [ M].北京：机械工业出版社,2002.2、杨智,朱海锋,黄以华．PID控制器设计与参数整定方法综述[ J ].化工自动化及仪表,2 005，32 ( 5 ):1-7 ．3、杨智.工业自整定P ID调节器关键设计技术综述[J].化工自动化及仪表,2000,27 ( 2 )：5-10.4、王伟,张晶涛,柴天佑.PID参数先进整定方法综述[ J ].自动化学报,2000,26 (5):347-355.5、何宏源,徐进学,金妮．PID继电自整定技术的发展综述[ J ].沈阳工业大学学报,2005,27 (4):4 09-413.6、叶岚.基于继电反馈的PI D控制器的参数整定[ D].上海:上海交通大学自动化系,2007.7、李少远.基于继电反馈的PID控制器的参数整定[D].上海：上海交通大学自动化系,2007.8、吴泽宁等.BP神经网络的改进及应用[J ].河南科学,2003-4:202 -2069、李遵基编著.热工自动控制系统[M].中国电力出版社,1997.1010、俞海斌，褚健.CFB锅炉汽包水位的专家PID控制[J].机电工程,2000（3）:103～10611、潘祥高等.模糊PID控制在工业锅炉控制系统中的应用[J].工业出版社,200412、刘金琨.先进PID 控制MA TLAB仿真M7.2 版.北京电子工业出版社,200413、薛定宇.控制系统计算机辅助设计MA TLAB 语言与应用M7.2 版．北京清华大学出版社,2006常规PID实现程序：clear all;close all;ts=10;sys=tf([1],[150,1],'inputdelay',50);dsys=c2d(sys,ts,'z oh');[num,den]=tfdata(dsys,'v');u_1=0;u_2=0;u_3=0;u_4=0;u_5=0;u_6=0;y_1=0;y_2=0;y_3=0;error_1=0;error_2=0;ei=0;for k=1:1:1000time(k)=k*ts;yout(k)=-den(2)*y_1+num(2)*u_6;rin(k)=1;error(k)=rin(k)-yout(k);ei=ei+error(k)*ts;kp=0.03;kd=1;ki=0.004;u(k)=kp*error(k)+kd*(error(k)-error_1)/ts+ki*ei; if u(k)>=10u(k)=10;endif u(k)<=-10u(k)=-10;endif k==200u(k)=u(k)+1;endu_6=u_5;u_5=u_4;u_4=u_3;u_3=u_2;u_2=u_1;u_1=u(k); y_3=y_2;y_2=y_1;y_1=yout(k);error_2=error_1;error_1=error(k);endfigure(1);plot(time,rin,'b',time,yout,'r');xlabel('time(s)');ylabel('rin,yout');figure(2);plot(time,u,'r');xlabel('time(s)');ylabel('u');BP神经网络PID程序：%BP based PID Controlclear all;close all;xite=0.9;IN=4;H=5;Out=3; %NN Structurewi=[-0.6394 -0.2696 -0.3756 -0.7023;-0.8603 -0.2013 -0.5024 -0.2596;-1.0749 0.5543 -1.6820 -0.5437;-0.3625 -0.0724 -0.6463 -0.2859;0.1425 0.0279 -0.5406 -0.7660];%wi=0.50*rands(H,IN);wi_1=wi;wi_2=wi;wi_3=wi;wo=[0.7576 0.2616 0.5820 -0.1416 -0.1325;-0.1146 0.2949 0.8352 0.2205 0.4508;0.7201 0.4566 0.7672 0.4962 0.3632];%wo=0.50*rands(Out,H);wo_1=wo;wo_2=wo;wo_3=wo;x=[0,0,0];du_1=0;u_1=0;u_2=0;u_3=0;u_4=0;u_5=0;u_6=0;y_1=0;y_2=0;Oh=zeros(H,1); %Output from NN middle layerI=Oh; %Input to NN middle layererror_2=0;error_1=0;ts=10;for k=1:1:1000time(k)=k*ts;rin(k)=1.0;%Unlinear modelyout(k)=0.9355*y_1+0.0645*u_6;error(k)=rin(k)-yout(k);xi=[rin(k),yout(k),error(k),1];x(1)=error(k)-error_1;x(2)=error(k);x(3)=error(k)-2*error_1+error_2;epid=[x(1);x(2);x(3)];I=xi*wi';for j=1:1:HOh(j)=(exp(I(j))-exp(-I(j)))/(exp(I(j))+exp(-I(j))); %Middle Layer endK=wo*Oh; %Output Layerfor l=1:1:OutK(l)=exp(K(l))/(exp(K(l))+exp(-K(l))); %Getting kp,ki,kd endkp(k)=K(1);ki(k)=K(2);kd(k)=K(3);Kpid=[kp(k),ki(k),kd(k)];du(k)=Kpid*epid;u(k)=u_1+du(k);dyu(k)=sign((yout(k)-y_1)/(du(k)-du_1+0.0001));%Output layerfor j=1:1:OutdK(j)=2/(exp(K(j))+exp(-K(j)))^2;endfor l=1:1:Outdelta3(l)=error(k)*dyu(k)*epid(l)*dK(l);endfor l=1:1:Outfor i=1:1:Hd_wo=xite*delta3(l)*Oh(i)+alfa*(wo_1-wo_2);endendwo=wo_1+d_wo+alfa*(wo_1-wo_2);%Hidden layerfor i=1:1:HdO(i)=4/(exp(I(i))+exp(-I(i)))^2;endsegma=delta3*wo;for i=1:1:Hdelta2(i)=dO(i)*segma(i);endif k==200u(k)=u(k)+1;endd_wi=xite*delta2'*xi;wi=wi_1+d_wi+alfa*(wi_1-wi_2);%Parameters Updatedu_1=du(k);u_6=u_5;u_5=u_4;u_4=u_3;u_3=u_2;u_2=u_1;u_1=u(k);y_2=y_1;y_1=yout(k);wo_3=wo_2;wo_2=wo_1;wo_1=wo;wi_3=wi_2;wi_2=wi_1;wi_1=wi;error_2=error_1;error_1=error(k);endfigure(1);plot(time,rin,'r',time,yout,'b');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);subplot(311);plot(time,kp,'r');xlabel('time(s)');ylabel('kp');subplot(312);plot(time,ki,'g');xlabel('time(s)');ylabel('ki');subplot(313);plot(time,kd,'b');xlabel('time(s)');ylabel('kd');模糊PID程序：clear all;close all;a=newfis('fuzzpid');a=addvar(a,'input','e',[-3,3]); %Parameter e a=addmf(a,'input',1,'NB','zmf',[-3,-1]);a=addmf(a,'input',1,'NM','t rimf',[-3,-2,0]);a=addmf(a,'input',1,'NS','trimf',[-3,-1,1]);a=addmf(a,'input',1,'Z','t rimf',[-2,0,2]);a=addmf(a,'input',1,'PS','trimf',[-1,1,3]);a=addmf(a,'input',1,'PM','t rimf',[0,2,3]);a=addmf(a,'input',1,'PB','smf',[1,3]);a=addvar(a,'input','ec',[-3,3]); %Parameter ec a=addmf(a,'input',2,'NB','zmf',[-3,-1]);a=addmf(a,'input',2,'NM','t rimf',[-3,-2,0]);a=addmf(a,'input',2,'NS','trimf',[-3,-1,1]);a=addmf(a,'input',2,'Z','t rimf',[-2,0,2]);a=addmf(a,'input',2,'PS','trimf',[-1,1,3]);a=addmf(a,'input',2,'PM','t rimf',[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','t rimf',[-0.3,-0.2,0]);a=addmf(a,'output',1,'NS','trimf',[-0.3,-0.1,0.1]);a=addmf(a,'output',1,'Z','t rimf',[-0.2,0,0.2]);a=addmf(a,'output',1,'PS','trimf',[-0.1,0.1,0.3]);a=addmf(a,'output',1,'PM','t rimf',[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 kia=addmf(a,'output',2,'NB','zmf',[-0.06,-0.02]);a=addmf(a,'output',2,'NM','t rimf',[-0.06,-0.04,0]);a=addmf(a,'output',2,'NS','trimf',[-0.06,-0.02,0.02]);a=addmf(a,'output',2,'Z','t rimf',[-0.04,0,0.04]);a=addmf(a,'output',2,'PS','trimf',[-0.02,0.02,0.06]);a=addmf(a,'output',2,'PM','t rimf',[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','t rimf',[-3,-2,0]);a=addmf(a,'output',3,'NS','trimf',[-3,-1,1]);a=addmf(a,'output',3,'Z','t rimf',[-2,0,2]);a=addmf(a,'output',3,'PS','trimf',[-1,1,3]);a=addmf(a,'output',3,'PM','t rimf',[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 6 2 1 1 1;1 4 6 2 1 1 1;1 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 43 1 1;2 7 34 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 45 3 2 1 1;3 5 4 4 3 1 1;36 3 5 3 1 1;37 3 5 4 1 1;4 1 6 2 4 1 1;4 2 6 2 3 1 1;4 3 5 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 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 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','centroid');writefis(a,'fuzzpid');a=readfis('fuzzpid');%PID Controllerts=10;sys=tf([1],[150,1],'inputdelay',50);dsys=c2d(sys,ts,'t ustin');[num,den]=tfdata(dsys,'v');u_1=0.0;u_2=0.0;u_3=0.0;u_4=0.0;u_5=0.0;u_6=0.0;y_1=0;y_2=0;x=[0,0,0]';error_2=0;error_1=0;e_1=0.0;ec_1=0.0;kp0=0.0929;kd0=0.0078;ki0=0.0518;for k=1:1:1000time(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 u(k)>=10u(k)=10;endif u(k)<=-10u(k)=-10;endif k==200u(k)=u(k)+1;endyout(k)=-den(2)*y_1+num(2)*u_6;error(k)=rin(k)-yout(k);%%%%%%%%%%%%%%Return of PID parameters%%%%%%%%%%%%%%% u_6=u_5;u_5=u_4;u_4=u_3;u_3=u_2;u_2=u_1;u_1=u(k);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');。
基于幅值裕度和相位裕度的PID参数最优整定⽅法
基于幅值裕度和相位裕度的PID参数最优整定⽅法
欧林林;顾诞英;张卫东
【期刊名称】《控制理论与应⽤》
【年(卷),期】2007(024)005
【摘要】给出⼀种基于幅值裕度和相位裕度的PID参数最优整定⽅法.⾸先,基于改进的D-分割法确定满⾜幅值裕度和相位裕度要求的控制参数稳定域,然后根据最⼤灵敏度函数、超调和调节时间定义控制器设计的⽬标函数,在所得到的控制参数稳定域中计算出⼀组最优的控制参数值.仿真结果表明,该整定⽅法能够保证闭环系统具有强鲁棒性、良好的跟踪性能和抗⼲扰性能.它不仅适⽤于稳定时滞对象,⽽且还适⽤不稳定时滞对象.
【总页数】4页(837-840)
【关键词】PID控制器;幅值裕度;相位裕度;时滞;最优整定
【作者】欧林林;顾诞英;张卫东
【作者单位】浙江⼯业⼤学信息⼯程学院,浙江,杭州,310032;上海交通⼤学,⾃动化系,上海,200030;上海交通⼤学,⾃动化系,上海,200030
【正⽂语种】中⽂
【中图分类】TP273
【相关⽂献】
1.基于相位裕度和幅值裕度的PI／PID参数⾃整定新⽅法 [J], 王亚刚; 邵惠鹤
2.基于幅值裕度和相位裕度的PID控制器参数的整定⽅法[C], 曹刚; 汤志武; 李鸿亮
3.基于相位裕度和幅值裕度的IMC-PID整定⽅法 [J], 汤赵建; 靳其兵; 蒋北艳。
