下载文档原格式
基于simulink的模糊PID控制例⼦1模糊PID⽤命令Fuzzy打开模糊控制⼯具箱。
Anfisedit打开⾃适应神经模糊控制器，它⽤给定的输⼊输出数据建个⼀个模糊推理系统，并⽤⼀个反向传播或者与最⼩⼆乘法结合的来完成⾪属函数的调节。
Surfview(newfis)可以打开表⾯视图窗⼝8.1 模糊PID 串联型新建⼀个simulink模型同时拖⼊⼀个fuzzy logic controller 模块，双击输⼊已经保存的fis模糊控制器的名字。
由于这个控制模块只有⼀个输⼊端⼝，需要⽤到mux模块。
模糊结合PID,当输出误差较⼤时，⽤模糊校正，当较⼩时，⽤PID校正。
8.2 模糊⾃适应PID（1）PID 参数模糊⾃整定的原则PID 调节器的控制规律为: u( k) = Kp e( k) + Ki Σe( i) + Kd ec( k)其中: Kp 为⽐例系数; Ki 为积分系数; Kd为微分系数; e( k) 、ec( k) 分别为偏差和偏差变化率.模糊⾃整定PID 参数的⽬的是使参数Kp 、Ki 、Kd随着e 和ec 的变化⽽⾃⾏调整,故应⾸先建⽴它们间的关系. 根据实际经验,参数Kp 、Ki 、Kd在不同的e 和ec下的⾃调整要满⾜如下调整原则:(1) 当e 较⼤时,为加快系统的响应速度,防⽌因开始时e 的瞬间变⼤可能会引起的微分溢出,应取较⼤的Kp 和较⼩的Kd ,同时由于积分作⽤太强会使系统超调加⼤,因⽽要对积分作⽤加以限制,通常取较⼩的Ki值;(2) 当 e 中等⼤⼩时,为减⼩系统的超调量, 保证⼀定的响应速度, Kp 应适当减⼩;同时Kd 和Ki的取值⼤⼩要适中;(3) 当e 较⼩时,为了减⼩稳态误差, Kp 与Ki 应取得⼤些,为了避免输出响应在设定值附近振荡,同时考虑系统的抗⼲扰性能,Kd 值的选择根据|ec|值较⼤时，Kd 取较⼩值，通常Kd 为中等⼤⼩。
同时按照需要,将输⼊语⾔变量E 和EC 分为7 个模糊⼦集,分别⽤语⾔值正⼤( PB) 、正中( PM) 、正⼩( PS) 、零(Z) 、负⼩(NS) 、负中(NM) 、负⼤(NB) 来表⽰,它们的⾪属函数为⾼斯型(gaussmf) ,输出语⾔变量Kp′、Ki′、Kd′⽤语⾔值⼩正⼤( PB) 、正中( PM) 、正⼩( PS) 、零(Z) 、负⼩(NS) 、负中(NM) 、负⼤(NB) 来表⽰⾪属函数为三⾓型(t rimf) ,⽅法⼆：图-1模糊⾃适应simulink模型根据各模糊⼦集的⾪属度赋值表和各参数模糊控制模型，应⽤模糊合成推理设计分数阶PID参数的模糊矩阵表，算出参数代⼊下式计算：Kp=Kp0+(E，EC)p;Ki=Ki0+(E，EC)I;Kd=Kd0+(E，EC)d式中：Kp0、Ki0、Kd0为PID参数的初始设计值，由传统的PID控制器的参数整定⽅法设计。
总第190期2010年第4期舰船电子工程Ship Elec tronic EngineeringV o l.30No.4127模糊自适应PID控制器及Simulink仿真实现＊杨益兴1) 崔大连2) 周爱军2)(海军驻武汉第七★一研究所军事代表室1) 武汉 430064)(海军大连舰艇学院装备系统与自动化系2) 大连 116018)摘 要 常规PID控制对非线性、时变系统的控制效果不是很理想,文章提出将模糊技术与P ID控制相结合的控制方式,即模糊自适应PID控制器,并结合实例在Simulink环境中实现了该模糊自适应PID控制器的仿真。
仿真结果表明,该模糊自适应PID控制具有控制灵活、响应快和适应性能强的优点。
关键词 模糊控制;P ID控制;Simulink中图分类号 T P273.2Self-adaptive Fuzzy PID Controllerand Re alizing the Control System in Simulink EnvironmentYang Yixing1) Cui Dalian2) Z hou Aijun2)(M ilitary A gent Roo m of701Resea rch Institute1),Wuhan 430064)(Dept.o f Equipment Sy stem and Automa tion,Da lian N aval Academy2),Dalian 116018)A bstract T he conventio nal PID co nt roller is no t usua lly applicable to the ty pe o f time-var ying no nlinear systems.So a new se lf-ada ptive fuzzy P ID contro ller is presented using the fuzzy technology and PI D co ntrolle r,w hich realizing the self-a-daptive fuzzy PID contr ol sy stem in Simulink environment with a pa rticula r case.Simulatio n results sho w the self-adaptive fuzzy PID co ntrol has advantage s o f flex ibility co ntrol,fast r esponse and stro ng adaptio n.Key Words fuzzy co ntrol,P ID contro l,SimulinkClass Nu mber T P273.21 引言在复杂系统中,由于被控对象的时变性、非线性和不确定性,传统的PID控制难以取得很好的控制效果,将先进控制策略和传统PID控制相结合是解决上述问题的一种有效途径。
0 引言PID控制是目前应用于装备控制和自动化生产中一种比较成熟的控制方法,其具有算法相对简单、稳定性高和鲁棒性好的优点 [1]。
随着工业技术的发展对伺服电机的控制精度要求也在不断提高,单个PID控制器很难满足高精度的指标,目前常采用PID三闭环控制方法,即位置环、速度环、电流环组成的三环负反馈PID控制系统[2],PID 三闭环控制模型如图1所示。
其中内环是电流环,电流环为控制伺服电机输入电流大小的闭环回路,通过检测驱动器的输出电流值对设定电流进行调节,使得伺服电机的输入电流尽量接近设定电流;中间环是速度环,通过检测伺服电机编码器的速度反馈信号进行速度调节,速度环输出为电流环的设定,速度环的控制包含电流环控制;最外环为位置环,通过检测码盘位置信息进行位置控制,其输出为速度环的设定,在位置控制的同时进行速度和电流的控制[3-4]。
在使用PID三闭环控制方式控制伺服电机的过程中,需要对电流、速度、位置三环的PID参数依次进行调节,获得每个环中kp、ki、kd的最优值。
在实际调试中,由于三个PID控制器存在相互影响,需要调试人员具有较为丰富的经验,不断进行试验,以得到最优参数［5］。
当参数选择不合适时,系统容易发生超调现象,当一组最优PID参数选定后,负载变化或外部施加扰动时,伺服电机控制精度会迅速降低。
针对PID三闭环控制的缺点,本研究提出了基于模糊控制原理的模糊自适应PID三闭环控制方法。
1 模糊自适应PID三闭环控制方法设计模糊自适应PID控制以普通PID控制为基础,运用模糊数学的理论及方法,根据现有的工程经验,将相关运算规则用模糊集合表示,把模糊化后的控制规则作为先验知识储存于数据库中,然后根据系统输入信号的变化情况,计算机进行相应的模糊推理,实现对PID参数的自整定调整[6-8]。
在PID三闭环控制中,位置环反馈信号取自电机编码器或外部码盘,位置控制环输出为速度环的设定,在位置环控制模式下系统进行了电流、速度、位置三个环的运算,因此位置环PID控制器性能好坏很大程度上决定了PID三闭环控制的精度 [9]。
自适应模糊PID控制器的设计与仿真自适应模糊PID控制器是一种结合了模糊控制和PID控制的自适应控制器，它能够在系统的不同工况下根据实际需求对PID参数进行自适应调整，从而使得系统具有更好的动态性能和稳定性。
本文将介绍自适应模糊PID控制器的设计思路和仿真过程。
1.设计思路1.1系统建模首先需要对待控制的系统进行建模，得到系统的数学模型。
这可以通过实验数据或者理论分析来完成。
一般情况下，系统的数学模型可以表示为：$G(s)=\frac{Y(s)}{U(s)}=\frac{K}{s(Ts+1)}$其中，K是系统的增益，T是系统的时间常数。
1.2设计模糊控制器接下来需要设计模糊控制器，包括模糊规则、模糊集和模糊运算等。
模糊控制器的输入是系统的误差和误差的变化率，输出是PID参数的调整量。
1.3设计PID控制器在模糊控制器的基础上，设计PID控制器。
PID控制器的输入是模糊控制器的输出，输出是控制信号。
1.4设计自适应机制引入自适应机制，根据系统的性能指标对PID参数进行自适应调整。
一般可以采用Lyapunov函数进行系统性能的分析和优化。
2.仿真过程在仿真中，可以使用常见的控制系统仿真软件，如MATLAB/Simulink 等。
具体的仿真过程如下：2.1设置仿真模型根据系统的数学模型，在仿真软件中设置仿真模型。
包括系统的输入、输出、误差计算、控制信号计算等。
2.2设置模糊控制器根据设计思路中的模糊控制器设计，设置模糊控制器的输入和输出，并设置模糊规则、模糊集和模糊运算等参数。
2.3设置PID控制器在模糊控制器的基础上，设置PID控制器的输入和输出，并设置PID参数的初始值。
2.4设置自适应机制设置自适应机制，根据系统的性能指标进行PID参数的自适应调整。
2.5运行仿真运行仿真，观察系统的响应特性和PID参数的变化情况。
根据仿真结果可以对设计进行调整和优化。
3.结果分析根据仿真结果，可以分析系统的稳定性、动态性能和鲁棒性等指标，并对设计进行调整和改进。
模糊控制实例及simulink仿真实验报告
一、背景介绍
模糊控制是一种基于模糊逻辑的控制方法，其优点在于可以很好地处理复杂的非线性和不确定性系统，而且不需要精确的数学模型和计算，能够快速实现控制的优化。
二、实例介绍
本次实例采用一个双轮小车为对象，实现小车在平面上向指定位置运动的控制。
通过小车的速度和转向角两个输入变量，输出一个模糊控制信号，控制小车前进和转向。
三、实验过程
1. 建立模糊控制系统模型
打开Simulink软件，建立一个新模型，模型中包括输入变量、输出变量和控制器。
2. 设计输入变量和输出变量
（1）设计输入变量
本实例选择小车速度和转向角两个输入变量，每个变量包含三个模糊集合，速度变量分别为“慢速”、“中速”、“快速”，转向角变量分别为“左转”、“直行”、“右转”。
（2）设计输出变量
模糊控制信号输出变量选择小车的前进和转向，每个变量包含三个模糊集合，分别为“慢行”、“中行”、“快行”、“左转”、“直行”、“右转”。
3. 建立控制器
建立模糊控制器，包含输入变量和输出变量的关系，建立控制规则库和模糊关系。
4. 仿真实验
在Simulink下进行仿真实验，调整控制器参数，观察小车运动状态，对比试验。
四、实验结果
经过多次试验和调整，得到最优的小车模糊控制参数，可以实现小车的平滑运动
和准确转向。
五、实验结论
本实验通过建立一个小车的模糊控制系统，可以有效实现小车的平滑运动和准确转向，控制效果优于传统的PID控制方法。
模糊控制可以很好地处理非线性、不确定性和模糊性的系统，适合许多需要快速优化控制的场合。
·９８·（总第３３—１００８）火力与指挥控制２００８年第７期隶属函数图形如图４所示。
打开ＲｕｌｅｒＥｄｉｔｏｒ窗口，以Ｉｆ…ｔｈｅｎ的形式输入模糊控制规则，与方式（Ａｎｄｍｅｔｈｏｄ）为ｍｉｎ；或方式（０ｒｍｅｔｈｏｄ）为ｍａｘ；推理（Ｉｍｐｌｉｃａｔｉｏｎ）为ｍｉｎ；合成（Ａｇｇｒｅｇａｔｉｏｎ）为ｍａｘ；去模糊（Ｄｅｆｕｚｚｉｆｉｃａｔｉｏｎ）为重心平均法（ｃｅｎｔｒｏｉｄ）。
这样就建立了一个ＦＩＳ文件，取名为Ｆｕｚｚｙｐｉｄ．ｆｉｓ。
在ＭＡＴＬＡＢ的Ｍ文件编辑器里建立一个名为ｆｐｉｄ．ｍ的文件，其内容为：ｍａｒｔｒｉｘ＝ｒｅａｄｆｉｓ（‘Ｆｕｚｚｙｐｉｄ．ｆｉｓ’）；这样就完成了模糊工具箱与ＳＩＭＵＬＩＮＫ的链接，为整个系统的建立打下基础。
打开曲面观测窗口（Ｓｕｒｆａｃｅ），可以查看△ＫＰ、△Ｋ，和△ＫＤ分别在论域上的输出曲面如图５所示。
裹ｌ△ＫＰ、△足，、△ＫＤ的控制规则图４Ｅ、ＥＣ、Ｋ，、Ｋ。
和Ｋｄ的隶属函数图Ｓ△ＫＰ、△ＫＪ和△ＫＤ分别在论域上的输出曲面计系统的仿真框图，如图９所示。
其中，模糊控制器及其封装仿真模型如图６所示，ｋｅ、ｋｅｃ为模糊化因子，Ｋ１、Ｋ２、Ｋ３为解模糊因子。
ＰＩＤ控制器及其封装仿真模型如图７所示，ｋｐｏ、ｋｉｏ、ｋｄｏ为其初始值。
把模糊控制器和ＰＩＤ控制器封装在一起，组成Ｆｕｚｚｙ—ＰＩＤ控制器，如图８所示。
图６模糊控制器及其封装图７ＰＩＤ控制器及其封装臼ｂ口圈８模糊自适应ＰＩＤ控制器及其封装２模糊ＰＩＤ控制系统应用及其仿真２．２仿真昙羹模糊Ⅳ。
控制系统仿真框图２．１建立系统结构仿真框图由于许多工业过程的对象特性可用二阶惯性环在ＭＡＴＬＡＢ的Ｓｉｍｕｌｉｎｋ环境下根据图１设节加纯滞后来表示，所以本文选择的仿真对象数学殷云华，等：自适应模糊ＰｌＤ控制器的设计和仿真（总第３３—１００９）·９９·模型传递函数Ｇ（ｓ）一讨孓干吾南，丁，＝２，［７３Ｔ。
实例：MATLABSimulink实现模糊PID控制被控对象：Ts = 0.1;Plant = c2d(zpk([],[-1 -3 -5],1),Ts); %零极点模型，并离散化根据对象Plant，确定PID参数：C0 = pid(1,1,1,'Ts',Ts,'IF','B','DF','B'); % 定义PID结构C = pidtune(Plant,C0) %对PID参数进行优化[Kp, Ki, Kd] = piddata(C); % 输出参数得出PID结构及其参数值：接下来根据求出的PID参数确定GCE、GE 、GCU 和GU的取值：由模糊PID控制结构可得如下等式：Kp = GCU * GCE + GU * GEKi = GCU * GEKd = GU * GCE形式转换如下：GE = 10; %根据模糊控制的论语直接确定GCE = GE*(Kp-sqrt(Kp^2-4*Ki*Kd))/2/Ki=3.4285;GCU = Ki/GE=2.8631;GU = Kd/GCE=2.0138;模糊PID控制系统结构（连续模糊控制器）：图中的离散时间积分和微分块直接调用。
模糊控制器输入输出结构：模糊控制器输入输出隶属度函数：模糊控制器规则表：模糊控制器规则曲面图：连续模糊PID控制器，仿真结果：模糊PID控制系统结构（离散模糊控制器）：离散模糊控制器查询表：离散模糊PID控制器，仿真结果：主要代码如下：（1）、对象模型：Ts = 0.1;Plant = c2d(zpk([],[-1 -3 -5],1),Ts);（2）、PID参数优化：C0 = pid(1,1,1,'Ts',Ts,'IF','B','DF','B');C = pidtune(Plant,C0)[Kp, Ki, Kd] = piddata(C);（3）、比例因子确定：GE = 10;GCE = GE*(Kp-sqrt(Kp^2-4*Ki*Kd))/2/Ki;GCU = Ki/GE;GU = Kd/GCE;（4）、连续模糊PID控制建立：FIS = newfis('FIS','sugeno');%%% 定义输入E:FIS = addvar(FIS,'input','E',[-10 10]);FIS = addmf(FIS,'input',1,'Negative','gaussmf',[7 -10]); FIS = addmf(FIS,'input',1,'Positive','gaussmf',[7 10]); %%% 定义输入CE:FIS = addvar(FIS,'input','CE',[-10 10]);FIS = addmf(FIS,'input',2,'Negative','gaussmf',[7 -10]); FIS = addmf(FIS,'input',2,'Positive','gaussmf',[7 10]); %%% 定义输出u:FIS = addvar(FIS,'output','u',[-20 20]);FIS = addmf(FIS,'output',1,'Min','constant',-20);FIS = addmf(FIS,'output',1,'Zero','constant',0);FIS = addmf(FIS,'output',1,'Max','constant',20);% 定义规则:%% # If |E| is Negative and |CE| is Negative then |u| is -20 % # If |E| is Negative and |CE| is Positive then |u| is 0% # If |E| is Positive and |CE| is Negative then |u| is 0% # If |E| is Positive and |CE| is Positive then |u| is 20 ruleList = [1 1 1 1 1;... % Rule 11 2 2 1 1;... % Rule 22 1 2 1 1;... % Rule 32 23 1 1]; % Rule 4FIS = addrule(FIS,ruleList);gensurf(FIS) %生成模糊控制器（5）、离散模糊控制器查询表：Step = 2;E = -10:Step:10;CE = -10:Step:10;N = length(E);LookUpTableData = zeros(N);for i=1:Nfor j=1:N% compute output u for each combination of break points LookUpTableData(i,j) = evalfis([E(i) CE(j)],FIS);endend。
下面用一个简单的例子作介绍：（本例不是特别针对实现什么功能，只是为了介绍方便）第一部分创建一个模糊逻辑（.fis文件）第一步：打开模糊推理系统编辑器步骤：在Commond Window 键入fuzzy回车打开如下窗口，既模糊推理系统编辑器第二步：使用模糊推理系统编辑器本例用到两个输入，两个输出，但默认是一个输人，一个输出步骤：1、添加一个输入添加一个输出得如下图2、选择Input、output(选中为红框)，在Name框里修改各输入的名称并将And method 改为prod，将Or method 改为probor提示：在命名时’_’在显示时为下标，可从上图看出。
第三步：使用隶属函数编辑器该编辑器提供一个友好的人机图形交互环境，用来设计和修改模糊推理系中各语言变量对应的隶属度函数的相关参数，如隶属度函数的形状、范围、论域大小等，系统提供的隶属度函数有三角、梯形、高斯形、钟形等，也可用户自行定义。
步骤：1、双击任何一个输入量（In_x、In_y）或输出量打开隶属度函数编辑器。
2、在左下处Range和Display Range处添加取值范围，本例中In_x和In_y的取值范围均为[0 10], Out_x和Out_y的取值范围均为[0 1]3、默认每个输入输出参数中都只有3个隶属度函数，本例中每个输入输出参数都需要用到五个，其余几个需要自己添加：选中其中一个输入输出参数点击Edit菜单，选Add MFS…打开下列对话框将MF type设置为trimf(三角形隶属度函数曲线，当然你也需要选择其他类型) 将Number of MFs设置为2点击OK按钮同样给其他三个加入隶属度函数4、选中任何一个隶属度函数（选中为红色），在Name中键入名称，在Type 中选择形状，在Params中键入范围，然后回车如下图：5、关闭隶属函数编辑器第四步：使用规则编辑器通过隶规则编辑器来设计和修改“IF...THEN”形式的模糊控制规则。
2020年第11期229基于Simulink 仿真模糊PID 智能车控制算法研究王寅文* WANG Yin-wen摘 要 智能车是结合了传感器系统、计算机处理器系统以及动力驱动系统等综合技术的产物。
如何智能的获取路面信息以及对路况信息进行合适、准确、迅速的判断是智能车急需解决的难题。
本文主要论述了利用PID 算法对智能车进行控制，本文首先介绍了传统PID 算法与智能PID 算法的差异与优缺点，再介绍了模糊PID 算法的原理以及在智能车中的应用，并通过Simulink 进行了模糊PID 算法的仿真，与传统PID 算法进行了分析比较，说明了模糊PID 算法可以动态地调整参数，在实际控制中应用范围更为广阔。
此外本文还讨论了如何将PID 算法运用在智能车的控制中。
最后本文论述了PID 控制算法的运用能够极大地拓展智能车控制的可能性，具有光明的研究前景。
关键词 模糊PID 算法；车速控制；MATLAB 仿真；研究展望doi：10.3969/j.issn.1672-9528.2020.11.072* 哈尔滨商业大学计算机与信息工程学院 黑龙江哈尔滨 150028[基金项目] 黑龙江省哈尔滨商业大学大学生创新创业训练项目省级一般项目《面向青少年的基于STM32的趣味编程教育平台 》(201910240046)0 引言智能车是综合传感器系统，单片机控制系统，电机驱动系统为一体的综合系统，智能小车可用于危险恶劣环境的无人探查和作业，其控制技术可以被应用到车辆导航、自动驾驶、智能物流等领域前景广泛[1]。
现有智能车的自动控制基本在于准确的路径识别，通过路径识别，智能车才能做到正确循迹，现有智能车的最基本的路径识别是基于红外反射式光电传感器，该种传感器硬件电路简单、成本较为低廉、反应速度较快的优点。
通过红外光在路径上的反射将传感器的值离散成“0”与“1”，智能车通过传感器的结果值来判断是否检测到轨迹线，该算法易于实现，但是由于取值离散，小车的方向和速度将会产生阶跃的反应，因此智能车反应将会滞后，动作将会不连贯，影响智能车的速度和稳定性。
模糊自适应PID控制器及Simulink仿真目录摘要 (1)ABSTRACT (1)第一章绪论 (1)1.1PID控制器的发展与应用 (1)1.2PID控制器参数设置中存在的问题 (2)1.3模糊自适应PID控制器发展研究现状 (2)1.4本文的主要工作 (4)第二章 PID控制原理简介 (4)2.1引言 (4)2.2PID控制原理 (5)2.3PID控制器系统概述 (5)2.3.1比例控制(P) (7)2.3.2 积分调节(I) (7)2.3.3微分调节(D) (9)第三章 PID控制器应用技术简介 (10)3.1数字PID控制算法原理 (11)3.2位置式PDI控制算法 (11)3.3控制规律的选择 (12)3.4PID控制器的参数整定 (13)第四章模糊PID控制器及系统仿真 (13)4.1模糊自适应PID控制系统 (13)4.2常规PID和模糊自适应PID控制系统的仿真比较 (14)4.3常规PID控制系统仿真 (14)4.4模糊自适应PID控制系统仿真 (16)4.5二者的比较 (18)第五章总结 (20)参考文献 (23)致谢 (24)*******大学2012届本科生毕业设计（论文）摘要随着工业生产的发展，于20世纪30年代，美国开始使用PID功调节器，它比直接作用式调节器具有更好的控制效果，因而很快得到了工业界的认可。
至今，在所有生产过程控制中，大部分的回路仍采用结构简单、鲁棒性强的PID控制或改进型PID控制策略。
PID控制作为一种经典的控制方法，几乎遍及了整个工业自动化领域，是实际工业生产过程正常运行的基本保证;控制器的性能直接关系到生产过程的平稳高效运行以及产品的最终质量，因此控制系统的设计主要体现在控制器参数的整定上。
随着计算机技术的飞跃发展和人工智能技术渗透到自动控制领域，近年来出现了各种实用的PID控制器参数整定方法。
PID控制算法作为最通用的控制方法，对它的参数整定有许多方法;对于不同的控制要求、不同的系统先验知识，考虑用不同的方法;这些算法既要考虑到收敛性、直观、简单易用，还要综合负载干扰、过程变化的影响，并能根据尽可能少的信息和计算量，给出较好的结果。
论文在较为全面地对PID控制器参数自整定方法的现状分析研究的基础上，针对基于继电器反馈和最小二乘的自整定方法以及其应用的可行性进行了相关的研究，主要的工作和结果概括如下:为克服一自由度PID控制器无法兼顾目标跟踪和外扰抑制的缺点，结合二自由度控制器的结构和基于幅值最优化的控制器参数整定方法，并通过分析得到控制器参数求解公式，实现了二自由度PID控制器参数整定和二自由度Pl控制器参数整定。
与常规控制方法相比，该方法得到的控制器具有更好的闭环响应性能，并且由于二自由度系数的半固定性，在整定PID 控制器参数之前就可以确定，因此，对控制器参数的求解难度无影响。
针对一类一阶大时滞不稳定特殊对象，普通的PID控制器很难满足要求，甚至不能实现系统的稳定。
基于首先引入内环状态反馈，以改善对象动态特性的思想，采用双环控制结构，先将对象状态反馈镇定，然后按照内模控制原理设计外环的控制器。
只要选择适当的可调参数兄的值，通过该方法得到的PID控制器对不稳定对象具有较好控制效果及鲁棒性。
通过仿真比较研究，对于连续对象，综合得到几种较好的基于继电器反馈的控制器参数整定方法，对离散采样数据采用基于最小二乘模型辨识的参数整定方沪书尸摘要法，提出并设计基于Matlab/simulink仿真工具的PID控制器参数整定仿真应用软件。
介绍了PID整定控制器的应用框架、辅助设计与仿真软件的功能、特点，并给出了仿真实例。
最后是对论文的综述和展望。
关键词：模糊PID控制器参数自整定 Matlab 自适应PID控制时滞系统参数整定继电反馈幅值最优化不稳定ABSTRACTWith the development of industrial production in the 1930s, the United States began using thePID power regulator, it has better control effect than the direct-acting regulator, and thus soon be recognized by the industry. So far, all the production process control, most of the loop is still a simple structure and robustness of PID control or improved PID control strategy. PID control as a classical control methods, almost throughout the entire industrial automation sector, the basic guarantee for the normal operation of the actual industrial production process; controller performance is directly related to the production process smooth and efficient operation, and the final product quality, and therefore control The system design is mainly reflected in the controller parameter tuning. With the rapid development of computer technology and artificial intelligence techniques to infiltrate the field of automatic control in recent years, a variety of practical PID controller parameter tuning.PID control algorithm as the most common control method, its parameter tuning There are many ways; for the different control requirements, consider the use of different methods for different systems a priori knowledge; these algorithms it is necessary to take into account the convergence, intuitive, simple use, but also integrated load disturbance, the process of change, and can give good results for as little as possible information and computation,Paper on the basis of the study more fully the status quo analysis of self-tuning method of PID controller parameters for the self-tuning based on relay feedback, and the least squares method and the feasibility of its application-related research, the main work and The results are summarized as follows:In order to overcome a degree of freedom PID controller can not take into account the shortcomings of target tracking and external disturbance rejection, combined with two degrees of freedom controller structure and amplitude-based optimal controller parameters tuning method, the controller parameters by analyzing the formula to solve two degree of freedom PID controller tuning and two degrees of freedom Pl controller parameter tuning. Compared with the conventional control method, this method controller has better performance of the closed-loop response, and two degree of freedom coefficient of semi-fixed, before tuning PID controller parameters can be determined, therefore, the controller parameters solving difficulty.Special object for a class of first order delay unstable ordinary PID controller is difficult to meet the requirements, can not even achieve the stability of the system. Based on the inner state feedback was first introduced, in order to improve the dynamic characteristics of the object thought, using the dual-loop control structure, the first object state feedback stabilization, in accordance with the principle of internal model control design of the outer ring of the controller. Select the appropriate value of the adjustable parameters brother, through the PID controller has better control effect of unstable objects and robustness.Through simulation studies for a continuous object, integrated several good controller tuning based on relay feedback, discrete sampling data based on least squares model identification parameter tuning side of Shanghai book dead Abstract method proposed design simulation tool based on Matlab / Simulink PID controller parameter tuning simulation software applications. PID tuning controller application framework that aided design and simulation software functions, characteristics, and gives a simulation example.Finally, the overview and outlook of the paper.Key words：Fuzzy PID controller Parameter tuning Matlab Self-adaptive PID control Delay system Parameter tuning Least square internal Model control simulation optimal Unstable山东轻工业学院2012届本科生毕业设计（论文）第一章绪论1.1 PID控制器的发展与应用PID(Proportional lntegral Derivative)控制器是工业上广泛应用的一种实现自动控制的方法.在1939年，最早的PID控制器由Tayor Instrument公司的工程师们设计制造。
