模糊PID控制.docx

1、Fuzzy-Simulink有关模糊PID问题概述最近很多人问我关于模糊PID的问题，我就把模糊PID的问题综合了一下，希望对大家有所帮助。一、模糊PlD就是指自适应模糊PlD吗？不是，通常模糊控制和PID控制结合的方式有以下几种：1、大误差范围内采用模糊控制，小误差范围内转换成PlD控制的模糊PID开关切换控制。2、PID控制与模糊控制并联而成的混合型模糊PID控制。3、利用模糊控制器在线整定PlD控制器参数的自适应模糊PID控制。一般用1和3比拟多，MATLAB自带的水箱液位控制tank采用的就是开关切换控制。由于自适应模糊PlD控制效果更加良好，而且大多数人选用自适应模糊PlD控制器，所

2、以在这里主要指自适应模糊PlD控制器。二、自适应模糊PID的概念根据PID控制器的三个参数与偏差e和偏差的变化ec之间的模糊关系，在运行时不断检测e及ec,通过事先确定的关系，利用模糊推理的方法，在线修改PlD控制器的三个参数，让PID参数可自整定。就我的理解而言，它最终还是一个PID控制器，但是因为参数可自动调整的缘故，所以也能解决不少一般的非线性问题，但是假设系统的非线性、不确定性很严重时，那模糊PlD的控制效果就会不理想啦。三、模糊PlD控制规那么是怎么定的？这个控制规那么当然很重要，一般经验：当e较大时，为使系统具有较好的跟踪性能，应取较大的Kp与较小的Kd,同时为防止系统响应出现较大

3、的超调，应对积分作用加以限制，通常取Ki=0。当e处于中等大小时，为使系统响应具有较小的超调，KP应取得小些。在这种情况下,Kd的取值对系统响应的影响较大，Ki的取值要适当。当e较小时，为使系统具有较好的稳定性能，KP与Ki均应取得大些，同时为防止系统在设定值附近出现振荡，Kd值的选择根据IeCI值较大时，Kd取较小值，通常Kd为中等大小。另外主要还得根据系统本身的特性和你自己的经验来整定，当然你先得弄明白PID三个参数Kp,Ki,Kd各自的作用，尤其对于你控制的这个系统。四、量化因子Ke,Kec,Ku该如何确定？有个一般的公式：Ke=ne(max),Kec=mec(max),Ku=u(max

4、)Ln,m,l分别为Ke,Kec,Ku的量化等级，一般可取6或7。e(max),ec(max),u(max)分别为误差，误差变化率，控制输出的论域。不过通过我实际的调试，有时候这些公式并不好使。所以我一般都采用凑试法，根据你的经验，先确Ku,这个直接关系着你的输出是发散的还是收敛的。再确定Ke,这个直接关系着输出的稳态误差响应。最后确定Kec,前面两个参数确定好了，这个应该也不会难了。五、在仿真的时候会出现刚开始仿真的时候时间进度很慢，从e10次方等等开始，该怎么解决？这时候肯定会有许多人跳出来说是步长的问题，等你改完步长，能运行了，一看结果，惨不忍睹！我只能说这个情况有可能是你的参数有错误，

5、但如果各项参数是正确的前提下，你可以在方框图里面加饱和输出模块或者改变阶跃信号的sampletime,让不从O开始或者加个延迟模块或者加零阶保持器看看六、仿真到一半的时候仿真不动了是什么原因？仿真图形很有可能发散了，加个零阶保持器，饱和输出模块看看效果。改变Ke,Kec,Ku的参数。七、仿真图形怎么反了？把KU里面的参数改变一下符号，比方说从正变为负。模糊PID的话改变KP的就可以。八、还有人问我为什么有的自适应糊PlD里有相加的模块而有的没有？相加的是与PlD的初值相加。最后出来的各项参数KP=4Kp+KpO,Ki=Ki+KiO,Kd=Kd+KdcKpO,KiO,Kdo分别为PID的初值。有

6、的系统并没有设定PlD的初值。九、我照着论文搭建的，什么都是正确的，为什么最后就是结果不对？你修改下参数或者重新搭建一遍。哪一点出了点小问题，都有可能导致失败。大家还有什么问题就在帖子后面留言哈，如果模型实在是搭建不成功的话可以给我看看，大家有问题一起解决！附件里面是两个自适应模糊PlD的程序，大家可以参考下！所含文件：1.模糊数学的根本概念集合是指具有某种共同属性且彼此间可以区别的事物的总体。组成集合的事物称为元或元素，元素与集合之间的关系是属于或不属于的关系，非此即彼。模糊集合是经典集合的拓展，事物是否属于它所描述的概念，不能绝对地以“是”或“非”来加以区别。这里的属于与不属于之间无明显的

7、界限，而是在某种程度上的属于，这是无法用经典集合来描述的，而只能用模糊集合来描述这种模糊概念。这里首先介绍用模糊集合来描述模糊概念的初步知识。定义1设给定域(指被讨论的全体对象)U,到0,1闭区间的任一映射都确定的一个模糊子集4其中，称为模糊子集的隶属函数，称为对于的隶属度。也就是说，论域上前模糊子集A由隶属函数来表征，()的取值范围是0,1,的大小反映了对于4哨扇程度的上下。正确地确定隶信函数是利用模糊集合解决实标问题的根底。定义2设小员是论域U上的两个模糊子集，对于上的每一个元素，规定4与2的“并”运算WU?、“交”运算d旦及“补”运算的隶属函数分别如下：定义a会幺与名分别戛XInjZ上的

8、模糊集，其隶属函数分别是d(x)和跃才)。模糊条件语句“假饭力丽么夕,表示从4到IZ的一个模糊关系，即d-f,它的隶属函数为2.基于模糊数学的软测量1)软测量在粮情测控系统中的应用(1)辅助变量的选择。选择粮食水分、粮食温度以及空气湿度作为辅助变量，粮食状态作为主导变量。(2)测量的输入数据的预处理。对粮食状态的预测不是根据粮仓中的某一点粮食的温度、水分以及空气湿度来进行的，因为这样的预测不能全面反映整个粮仓粮食的实际状态。在这里我们采用复合滤波法，其原理是：先将N个采样点数据按照从小到大的顺序排列，即xlWHWWXM桧3),那么可认为测量的数据为这样就可比拟客观地反映实际的粮食状态，预测的结

9、果也比拟真实。根据水分传感器、温度传感器及湿度传感器所测得的数据来表示水分、温度的上下和湿度的大小具有模糊性。通常用隶属度描述模糊集，通过隶属度的大小来反映模糊事物接近其客观事物的程度。该系统中三种传感器分别测得的数据范围：水分为10%16%;温度为-3050；湿度为20%-98%RHo水分含量高的隶属度函数为)=温度高的隶属度函数为KX)=X 255)210 %12%y=gaussmf(x,25);plot(x,y)xlabel(,gaussmf,P=25)结果为图6-1。图6T两边型高斯隶属函数函数gauss2mf格式y=gauss2mf(x,siglclsig2c2)说明sigl.cl.

10、Sig2、c2为命令1中数学表达式中的两对参数例6-2x=(0:0.1:10);yl-gauss2mf(x,2418)y2=gauss2mf(x,2517)y3二gauss2mf(x,2616)y4-gauss2mf(x,2715)y5=gauss2mf(x,2814) plot(x,yly2y3y4y5); set(gcf,name,gauss2mf,numbertitle,off,);结果为图6-2o建立一般钟型隶属函数函数gbellmf格式Y=gbellmf(x,params)说明一般钟型隶属函数依靠函数表达式这里X指定变量定义域范围,参数b通常为正,参数c位于曲线中心,第二个参数变量p

11、arams是一个各项分别为a,b和C的向量。例6-3x=0:0.1:10; y=gbellmf(x,246);plot(x,y)xlabel(,gbellmf,P=246)结果为图6-3o图6-2图6-3两个sigmoid型隶属函数之差组成的隶属函数函数dsigmf格式y=dsigmf(x,alcla2c2)说明这里SiglnOid型隶属函数由下式给出X是变量，a,c是参数。dsigmf使用四个参数a”C”a2,c2,并且是两个SigmOid型函数之差：，参数按顺序列出。例6-4x=0:0.1:10;y=dsigmf(x,5257);plot(x,y)结果为图6-4图6-4通用隶属函数计算函数

12、evalmf格式y=evalmf(x,mfParams,mfType)说明evalmf可以计算任意隶属函数，这里X是变量定义域，InfTyPe是工具箱提供的一种隶属函数，mfParams是此隶属函数的相应参数，如果你想创立自定义的隶属函数，evalmf仍可以工作，因为它可以计算它不知道名字的任意隶属函数。例6-5x=0:0.1:10;mfparams=246;mftype=gbellmf,;y=evalmf(x,mfparams,mftype);plot(x,y)xlabel(,gbellmf,P=246,)结果为图6-5。图6-5建立n型隶属函数函数primf格式y-pimf(x,abed)

13、说明向量X指定函数自变量的定义域，该函数在向量X的指定点处进行计算，参数a,b,c,d决定了函数的形状，a和d分别对应曲线下部的左右两个拐点，b和C分别对应曲线上部的左右两个拐点。例6-6x=0:0.1:10;y=pimf(x,14510);plot(x,y)xlabel(,pimf,P=14510)结果为图6-6O通过两个sigmoid型隶属函数的乘积构造隶属函数函数psigmf格式y=psigmf(x,alcla2c2)说明这里SigmOid型隶属函数由下式给出X是变量，a,c是参数。PSigmf使用四个参数a1，5,a2,c2,并且是两个SigmOid型函数之积：，参数按顺序列出。例6-

14、7x=0:0.1:10;y=psigmf(x,23-58);plot(x,y)xlabel(,psigmf,P=23-58)结果为图6-7。图6-6图6-7建立SigmOid型隶属函数函数sigmf格式y=sigmf(x,ac)说明，定义域由向量X给出，形状由参数a和C确定。例6-8x=0:0,1:10;y=sigmf(x,24);plot(x,y)xlabel(,sigmf,P=24)结果为图6-8。图6-8例6-9x=(0:0.2:10),;y=sigmf(x,-15);y2=sigmf(x,-35);y3=sigmf(x,45);ysubplot(2,1,1),plot(x,yy2y3y

15、4); y=sigmf(x,52); y2=sigmf(x,54); y3=sigmf(x,56); y4=sigmf(x,58); subplot(2,1,2),plot(x,y1y2y3y);结果为图6-9o图6-9建立S型隶属函数函数smf格式y=SInf(X,ab)%X为变量，a为b参数，用于定位曲线的斜坡局部。例6-10x=0:0,1:10;y=smf(x,18);plot(x,y)结果为图6-10。图6-10例6-11x=0:0,1:10;subplot(3,1,1);plot(x,smf(x,28);subplot(3,1,2);plot(x,smf(x,46);subplot(

16、3,1,3);plot(x,smf(x,64);结果为图6-11。图6T1建立梯形隶属函数函数trapmf格式y=trapmf(x,abed)说明这里梯形隶属函数表达式：或f(x;a,b,c,d)=max(min(,定义域由向量X确定,曲线形状由参数a,b,c,d确定，参数a和d对应梯形下部的左右两个拐点，参数b和C对应梯形上部的左右两个拐点。例6-12x=0:0.1:10;y=trapmf(x,1578);plot(x,y)xlabel(,trapmf,P=1578)结果为图6-12。例6-13x=(0:0.1:10); y=trapmf(x,2379); y2=trapmf(x,3468)

17、 y3=trapmf(x,4557); y4=trapmf(x,5646); plot(x,yy2y3y4);结果为图6-13。图6-12图6-13建立三角形隶属函数函数trimf格式y=trimf(x,params)y=trimf(x,abc)说明三角形隶属函数表达式：或者f(x;a,b,c,)=max(min(定义域由向量X确定，曲线形状由参数a,b,c确定，参数a和C对应三角形下部的左右两个顶点，参数b对应三角形上部的顶点，这里要求a,生成的隶属函数总有一个统一的高度，假设想有一个高度小于统一高度的三角形隶属函数，那么使用trapnf函数。例6-14x=0:0,1:10; y=trim

18、f(x,368); plot(x,y)xlabel(,trimf,P=368)结果为图6-14。图6-14例6-15x=(0:0.2:10),; y-trimf(x,345); y2=trimf(x,247); y3=trimf(x,149); subplot(2,1,1),plot(x,yy2y3)；yi=trimf(x,235); y2=trimf(x,347);y3=trimf(x,459);subplot(2,1,2),plot(x,yy2y3)；结果为图6-15。图6-15建立Z型隶属函数函数zmf格式y二zmf(x,ab)%X为自变量，a和b为参数，确定曲线的形状。例6-16x=0

19、0.1:10;y=zmf(x,37);plot(x,y)xlabel(,zmf,P=37)结果为图6-16。例6-17x=0:0.1:10;subplot(3,1,1);plot(x,zmf(x,28);subplot(3,1,2);plot(x,zmf(x,46);subplot(3,1,3);plot(x,zmf(x,64);结果为图6T7。图6-16图6-17两个隶属函数之间转换参数函数mf2mf格式OUtParams=mf2mf(inParams,inType,outType)三6-18说明此函数根据参数集，将任意内建的隶属函数类型转换为另一种类型，inParams为你要转换的隶属函数的参数，inType为你要转换的隶属函数的类型的字符串名称，outType:你要转换成的目标隶属函数的字符串名称。例6-18x=0:0.1:5; mfpl=123; mfp2=mf2mf(mfpl,gbellmf,trimf,); plot(x,gbellmf(x,mfpl),x,trimf(x,mfp2)结果为图678。