当前位置：文档之家 › matlab、simulink实现PID设计

matlab、simulink实现PID设计

  • 格式：doc
  • 大小：549.50 KB
  • 文档页数：14

自动化专业07级《计算机仿真与MATLAB》课程报告题目：基于MATLAB/Simulink的PID控制系统的设计与仿真班级：姓名：学号：2010年6月基于MATLAB/Simulink的PID控制系统的设计与仿真摘要:介绍了基于Ziegler- Nichols整定方法的PID 控制器设计, 给出了基于MATLAB和Simulink的实现方法和仿真。

仿真结果表明, 此算法设计的PID 控制器有良好的性能指标。

1 控制对象建模1.1 PID 控制系统的建模PID(Proportional，Integral and Differemial)控制器是一种基于“过去”，“现在”和“未来”信息估计的简单算法。

常规PID控制系统原理框图如下图所示，系统主要由PID 控制器和被控对象组成。

作为一种线性控制器，它根据给定值rin(t)与实际输出值yout(t)构成控制偏差e(t)，将偏差按比例、积分、和微分通过线性组合构成控制量u(t)，对被控对象进行控制。

PID控制系统原理图PID 控制器的数学描述为:其传递函数可表示为:PID控制器各校正环节的作用如下：1．比例环节：成比例地反映控制系统的偏差信号e(t)，偏差一旦产生，控制器立即产生控制作用，以减少偏差。

2．积分环节：主要用于消除静差，提高系统的无差度。

积分作用的强弱取决于积分时间常数Ti，Ti越大，积分作用越弱，反之越强。

3．微分环节：反映偏差信号的变化趋势(变化速率)，并能在偏差信号变得太大之前，在系统中引入一个有效的早期修正信号，从而加快系统的动作速度，减少调节时间。

从根本上讲，设计 PID 控制器也就是确定其比例系数K p、积分系数Ti 和微分系数Td , 这三个系数取值的不同，决定了比例、积分和微分作用的强弱。

控制系统的整定就是在控制系统的结构已经确定、控制仪表和控制对象等处在正常状态的情况下, 适当选择控制器的参数使控制仪表的特性和控制对象的特性相配合, 从而使控制系统的运行达到最佳状态, 取得最好的控制效果。

本文介绍基于Ziegler- Nichols整定方法的 PID 控制器设计。

1.2 被控对象的建模在实际的过程控制系统中，有大量的对象模型可以近似地由带有延迟的一阶传递函数模型来表示，该对象的模型可以表示如下：如果不能建立起系统的物理模型，可通过试验测取对象模型的阶跃响应，从而得到模型参数。

当然, 我们也可在已知对象模型的情况下, 由 MATLAB 通过 STEP( ) 函数得到对象模型的开环阶跃响应曲线。

在被控对象的阶跃响应输出信号图(如图所示)中, 可获取 K、L 和 T 参数。

2 PID控制系统的设计Ziegler- Nichols法是一种基于频域设计 PID 控制器的方法。

此法首先通过实验获取控制对象单位阶跃响应，获得K、L 和 T 参数。

令a=KL/T,我们可以通过下表给出的Ziegler- Nichols经验公式确定P、PI 和 PID 控制器的参数。

3 PID 控制系统MATLAB/Simulink仿真分析3.1 在MATLAB 下实现PID 控制器的设计与仿真根据Ziegler- Nichols法，这里编写一个MATLAB函数ziegler，该函数的功能实现由Ziegler- Nichols公式设计PID 控制器，在设计过程中可以直接调用。

其源程序如下：function [Gc,Kp,Ti,Td,H]=ziegler(key,vars)Ti=[]; Td=[]; H=1;if length(vars)==4,K=vars(1); L=vars(2); T=vars(3); N=vars(4); a=K*L/T;if key==1, Kp=1/a;elseif key==2, Kp=0.9/a; Ti=3.33*L;elseif key==3 | key==4, Kp=1.2/a; Ti=2.2*L; Td=L/2; endelseif length(vars)==3,K=vars(1); Tc=vars(2); N=vars(3);if key==1, Kp=0.5*K;elseif key==2, Kp=0.4*K; Ti=0.8*Tc;elseif key==3 | key==4, Kp=0.6*K; Ti=0.5*Tc; Td=0.12*Tc; endelseif length(vars)==5,K=vars(1); Tc=vars(2); rb=vars(3); N=vars(5);pb=pi*vars(4)/180; Kp=K*rb*cos(pb);if key==2, Ti=-Tc/(2*pi*tan(pb));elseif key==3|key==4, Ti=Tc*(1+sin(pb))/(pi*cos(pb)); Td=Ti/4; endendswitch keycase 1,Gc=Kp;case 2,Gc=tf(Kp*[Ti,1],[Ti,0]);case 3,nn=[Kp*Ti*Td*(N+1)/N,Kp*(Ti+Td/N),Kp];dd=Ti*[Td/N,1,0];Gc=tf(nn,dd);end该函数的调用格式为：[Gc,Kp,Ti,Td]=Ziegler(key,vars)其中，key为选择控制器类型的变量：当key=1,2,3时分别表示设计P、PI、PID控制器；若给出的是阶跃响应数据，则变量vars=[K,L,T,N];若给出的是频域响应数据，则变量vars=[Kc,Tc,N]。

在实际的过程控制系统中，有大量的对象模型可以近似地由带有延迟的一阶传递函数模型来表示，该对象的模型可以表示如下：这里我们不妨设K=8，T=360,L=180，则对象模型可以表示为：利用ziegler()函数计算系统P、PI、PID控制器的参数，并给出校正后系统阶跃响应曲线。

程序如下：K=8;T=360;L=180;num=[K];den=[T 1];G1=tf(num,den)[np,dp]=pade(L,2);Gp=tf(np,dp)figure,step(G1*Gp);title('未校正前系统阶跃响应曲线曲线');grid;[Gc1,Kp1]=ziegler(1,[K,L,T,1]);Gc1[Gc2,Kp2,Ti2]=ziegler(2,[K,L,T,1]);Gc2[Gc3,Kp3,Ti3,Td3]=ziegler(3,[K,L,T,1]);Gc3G_c1=feedback(G1*Gc1,Gp);figure,step(G_c1);title('P控制器校正后的系统阶跃响应曲线')grid;G_c2=feedback(G1*Gc2,Gp);figure,step(G_c2);title('PI 控制器校正后的系统阶跃响应曲线');grid;G_c3=feedback(G1*Gc3,Gp);figure,step(G_c3);title('PID控制器校正后的系统阶跃响应曲线');grid;figure,step(G_c1);hold on;step(G_c2);hold on;step(G_c3);title('P、PI、PID控制器校正后的系统阶跃响应曲线');grid;gtext('P')gtext('PI')gtext('PID')运行程序，输出如下：Gc1 =0.2500Transfer function: 134.9 s + 0.225----------------------- 599.4 s（PI 控制器的传递函数）Transfer function:2.138e004 s^2 + 145.8 s + 0.3 -------------------------------------------3.564e004 s^2 + 396 s （PID 控制器的传递函数）05001000150020002500-1012345678未校正前系统阶跃响应曲线Time (sec)A m p l i t u d eP 、PI 、PID 校正后的系统阶跃响应曲线如下图：02004006008001000120014001600180020000.10.20.30.40.50.60.70.80.91P 控制器校正后的系统阶跃响应曲线Time (sec)A m p l i t u d e05001000150020002500300035000.20.40.60.811.21.4P I 控制器校正后的系统阶跃响应曲线Time (sec)A m p l i t u d e0100020003000400050006000700080000.20.40.60.811.21.41.61.8P ID 控制器校正后的系统阶跃响应曲线Time (sec)A m p l i t u d e0100020003000400050006000700080000.20.40.60.811.21.41.61.8P 、P I 、P ID 控制器校正后的系统阶跃响应曲线Time (sec)A m p l i t u d e由上图可知，用Ziegler- Nichols 公式计算P 、PI 、PID 控制器对系统校正后，其阶跃响应曲线中的P 、PI 控制二者的响应速度基本相同，因为两种控制的比例系数不同，因此系统稳定的输出值不同。

PI 控制超调量比P 控制的要小一些。

PID 控制比前者的响应速度都快，但超调量最大。

3.2 在Simulink 下实现PID 控制器的设计与仿真这里仍然设被控对象的传递函数是建立Simulink模型：图中，“Integrator”为积分器，“Derivative”为微分器，“Kp”为比例系数，“Ti”为积分时间常数，“Td”为微分时间常数。

进行P控制器参数整定时，微分器和积分器的输出不连到系统中，在Simulink中，把微分器和积分器的输出连线断开即可。

同理，进行PI控制器参数整定时，微分器的输出连线断开。

Ziegler- Nichols整定的第一步是获取开环系统的单位阶跃响应，在Simulink中，把反馈连线、微分器的输出连线、积分器的输出连线都断开，“Kp”的值置为1，连线得：选定仿真时间，仿真运行，运行完毕后，双击“Scope”得到结果：根据Ziegler- Nichols经验公式，可知P控制整定时，比例放大系数Kp=0.25，将“Kp”的值置为0.25，并连上反馈连线，得：选定仿真时间，仿真运行，运行完毕后，双击“Scope”得到结果：上图即为P控制时系统的单位阶跃响应。

合集下载

matlab simulink案例

matlab simulink案例

matlab simulink案例1. 电机传动系统模拟在这个案例中，我们将使用Simulink来模拟一个简单的电机传动系统。

我们将建立一个由电机、负载和控制器组成的系统，并使用Simulink来模拟系统的动态行为。

通过调整输入信号和控制器参数，我们可以观察系统的响应，并优化控制器的性能。

2. PID控制器设计在这个案例中，我们将使用Simulink来设计一个PID控制器，并将其应用于一个简单的控制系统。

我们将建立一个由传感器、控制器和执行器组成的系统，并使用Simulink来模拟系统的动态行为。

通过调整PID控制器的参数，我们可以观察系统的响应，并优化控制器的性能。

3. 机器人路径规划在这个案例中，我们将使用Simulink来进行机器人的路径规划。

我们将建立一个由传感器、路径规划器和执行器组成的系统，并使用Simulink来模拟机器人在不同环境中的路径规划行为。

通过调整路径规划器的算法和参数，我们可以优化机器人的路径规划性能。

4. 电力系统稳定性分析在这个案例中，我们将使用Simulink来进行电力系统的稳定性分析。

我们将建立一个由发电机、负载和传输线路组成的电力系统，并使用Simulink来模拟系统的动态行为。

通过调整系统的参数和控制策略，我们可以评估系统的稳定性，并优化系统的运行性能。

5. 汽车动力学模拟在这个案例中，我们将使用Simulink来进行汽车的动力学模拟。

我们将建立一个由车辆、发动机和传动系统组成的模型，并使用Simulink来模拟车辆在不同驾驶条件下的动力学行为。

通过调整车辆参数和控制策略，我们可以评估车辆的性能，并优化驾驶体验。

6. 无人机飞行控制在这个案例中，我们将使用Simulink来进行无人机的飞行控制。

我们将建立一个由无人机、传感器和控制器组成的系统，并使用Simulink来模拟无人机在不同飞行任务下的控制行为。

通过调整控制器的参数和飞行任务的要求，我们可以优化无人机的飞行性能。

基于matlabsimulink的pid控制器设计 -回复

基于matlabsimulink的pid控制器设计 -回复

基于matlabsimulink的pid控制器设计-回复基于Matlab Simulink的PID控制器设计引言：在自动化控制工程中，PID控制器（Proportional-Integral-Derivative Controller）是一种常见且经典的控制算法。

它通过根据当前误差的大小调整控制器的输出，使得被控对象的反馈变量尽可能地接近期望值。

Matlab Simulink是一个广泛应用于工程和科学领域的仿真软件，它提供了一个直观且交互式的设计平台，可以用于设计、建模和仿真各种控制系统。

本文将详细介绍基于Matlab Simulink 的PID控制器设计的步骤。

第一步：建立模型首先，我们需要建立被控对象的数学模型。

设被控对象的输入信号为u，输出信号为y。

可以通过实验测量或根据系统的物理原理来获得被控对象的传递函数。

传递函数可以表示为：G(s) = Y(s)/U(s)其中，G(s)为被控对象的传递函数，s为复平面上的复数变量。

在Simulink中，可以使用Transfer Fcn或State-Space等模块来表示被控对象。

根据具体情况选择适当的模块，并设置传递函数的系数。

第二步：设计PID控制器在Simulink中，可以使用PID Controller模块来表示一个PID控制器。

PID控制器的输入为误差e和时间变量t，输出为控制信号u。

控制信号u根据以下公式计算：u(t) = Kp * e(t) + Ki * ∫e(t) dt + Kd * de(t)/dt其中，Kp、Ki、Kd分别为比例、积分和微分增益。

选择合适的增益参数是PID控制器设计的关键。

通常，可以通过试验、Ziegler-Nichols 方法或基于频域特性的方法来确定这些增益参数。

第三步：模拟系统响应为了分析和评估PID控制器的性能，我们可以通过仿真系统来模拟系统的响应。

在Simulink中，可以使用Scope或To Workspace等模块来显示被控对象和控制器的输入输出变量。

PID

PID



齐格勒-尼柯尔斯法则是在实验阶跃响 应的基础上，或者是在仅采用比例控制 作用的条件下，根据临界稳定性中的Kp 值建立起来的。当控制对象的数学模型 未知时，采用齐格勒-尼柯尔斯法则是 很方便的。齐格勒-尼柯尔斯调节律有 两种方法，其目标都是要在阶跃响应中， 达到25%的最大超调量。 第一种方法：通过实验或通过控制对 象的动态仿真得到其单位阶跃响应曲线。 如果控制对象中既不包括积分器，又不 包括主导共轭复数极点，此时曲线如一 条S型，如下图所示（若曲线不为S型， 则不能用此方法）。S曲线可以用延迟 时间L和时间常数T描述，通过S型曲线 的转折点画一条切线，确定切线与时间 轴和直线才c(t)=K的交点，就可以求得 延迟时间和时间常数。(本设计只做第



基于MATLAB/simulink环境下的PID参数整定

一、PID控制原理


在PID控制系统中, PID控制器分别 对误差信号e（t）进行比例、积分 与微分运算, 其结果的加权和构成 系统的控制信号u（t），送给对象 模型加以控制。 模拟PID控制系统原理框图
二、Ziegler-Nichol(齐格勒-尼柯尔斯)整定法则





已知被控对象的K、L 和T 值后, 我们可以根据 Ziegler — Nichols自行编写的zznl ( )函数用以设计PID 控制器。该函数程序如下： function [Gc,Kp,Ti,Td]=zznl (PID,vars) Ti=[ ];Td=[ ];kp=[]; K=vars(1) ; T=vars(2) ; tau=vars (3); if PID==1 kp=T/(K*tau) %判断设计P 控制器 elseif PID==2 Kp=0.9*T/(K*tau);Ti=3.33*tau; %判断设计PI 控制器 elseif PID==3, Kp=1.2*T/(K*tau);Ti=2*tau;Td=tau/2; %判断设 计PID控制器 end switch PID case 1 Gc=kp; % P控制器 case 2 Gc=tf([kp*Ti kp],[Ti,0]); % PI控制器 case 3 % PID控制器 nn=[kp*Ti*Td kp*Ti kp]; dd=[Ti,0]; Gc=tf(nn,dd) end
matlab simulink pid参数设定技巧

matlab simulink pid参数设定技巧

matlab simulink pid参数设定技巧
在Simulink中进行PID参数设定时，可以采用以下技巧：
1. 使用PID自动调节工具箱：Simulink提供了PID自动调节工具箱，可以根据系统的特性自动计算PID参数。

使用该工具
箱可以简化参数设定过程，提高调节效果。

2. 使用试控制法：试控制法是一种通过观察系统响应来调节PID参数的方法。

可以通过设置比例增益Kp，观察系统的响
应特性，根据实际需求调整Kp的大小。

3. 逐步调节参数：可以通过逐步调节参数的方式获取最佳结果。

首先调节比例增益Kp，观察系统响应；然后调节积分时间Ti，观察系统稳态误差；最后调节微分时间Td，观察系统对变化
的响应。

4. 增加反馈路径：在PID控制器中增加反馈路径，可以减小
系统误差。

可以使用仿真结果和实验数据来进行参数调整，并优化PID参数。

5. 使用频域分析：通过分析系统的频域特性，可以更好地调节PID参数。

可以使用Bode图来观察系统的稳定性和幅频响应
特性，调整PID参数以获得更好的控制效果。

6. 考虑系统时间常数：系统的时间常数是影响PID参数设定
的重要因素之一。

根据具体的系统响应特性，合理选择PID
参数的大小和调整范围。

7. 进行参数整定实验：通过设计合适的实验，观察系统响应，可以更准确地确定PID参数。

可以通过改变输入信号的大小、频率等，观察系统的稳态误差、超调量等指标，调整PID参
数以达到设计要求。