【正文】 PID方法來的更快。這樣就完成了參數的自整定，因為程序是循環(huán)在執(zhí)行的，所以參數的整定也是循環(huán)在做的。然后對PID三個初始的參數進行修正。在每次循環(huán)里：e_1=e(k+1)。為了減少每次仿真程序運行的時間，只能這樣。在這里傳統PID控制超調量為15%。調節(jié)三個參數，觀察在傳統PID控制下誤差e的變化情況。設置PID三個參數，并進行調節(jié)。 無法直接根據系統函數寫出微分方程。在已知系統的傳遞函數的情況下，在Matlab主窗口中輸入[A,B,C,D]=tf2ss([num],[den])即可得到這4個矩陣。t是一維的，也就是5個時間點?！痙ynsys’是一個文件名，這些微分方程以狀態(tài)空間的形式給出，其中包含了輸入u的影響。由于選取的控制對象具有時滯，在寫微分方程時要對系統函數里時滯的部分進行近似，所以用到一個 “ PADE”指令，下面分別介紹。一個是由e和ec怎樣計算出?kp 、?ki和?kd。模糊PID控制和動詞PID控制仿真程序的不同在于修正3個PID參數的過程。程序開始設定控制目標r，對被控對象的輸入信號u、以及kp、ki 、kd三個參數進行初始化，然后進入循環(huán)。傳統PID和模糊PID的仿真結果比較相似，模糊PID沒有對傳統PID控制效果進行明顯的改良。SFunction Parameters的填寫與m文件中的變量定義有關。在 庫 瀏 覽 器Simulink庫UserDefined Function子 庫 中，選 SFunction，拖 放 到 模 型 編輯 器 中。 關于動詞PID控制Simulink仿真的一點說明 模糊控制理論已經問世數十年，在Matlab中已經集成了模糊判決器的模型，可以對模糊判 決器進行修改，嵌入到Simulink模型編輯器中，進行模糊控制的仿真。每次都必須在FISEditor 中重新打開這個模糊判決器，重新將其導入工作空間，Simulink才能使用最新修改的模糊判決器來進行仿真。仿真的控制目標是1，故設置e和ec的論域均為[,]；模糊判決器的輸出是?K ，是對 三個初始參數進行調整，所以?K 的論域大小應該與對應的K數量級相當或較小。從圖中可以清楚地看出模糊控制對P、I、D三個參數的調整作用。 模糊判決器的使用 這個模糊判決模塊，可以作為一個模塊嵌入到Simulink模型編輯窗口當中，在本章中可以看到其用法。解模糊的算法設定為Mandani，也可以改為Sugeno。比如，第一行前5個數字為：11715，代表NBNBPBNBPS，其對應的模糊規(guī)則為：If (e is NB) and (ec is NB) then (kp is PB)and (ki is NB) and (kd is PS)。 （↑總共49行）a=addrule(a,rulelist)。 。rulelist=[1 1 7 1 5 1 1。ec、kp、ki、kd的添加方式完全類似，只需更改scale和input(output)， “addmf(a,’input’,1? ?”中 的“1”依 次 改 為5。 a=addmf(a,’input’,1,’PS’,’trimf’,[1*escale,1*escale,3*escale])。添加variable a=addmf(a,’input’,1,’NB’,’zmf’,[3*escale,1*escale])。 a=newfis(’fuzzpid’)。新建的模糊判決器有0條規(guī)則，按照模糊控制規(guī)則表，使用Rule Editor底部的“添加規(guī)則(Add rule)”和“修改規(guī)則(Change rule)”按鈕設定模糊控制的49條規(guī)則。雙擊任一個variable ，彈出Membership Function Editor，可以設定這個variable 的取值范圍(range)。解模糊算法默認是Mamdani法，如果要改變算法，Matlab提供的另一種算法為Sugeno。大約3000秒控制達到穩(wěn)定，超調量30%。(3)調 整kd。 (2)觀察振蕩趨向的平衡位置，ki為0時，一般會存在靜態(tài)誤差。 調試過程及結果 參數整定過程： (1)令ki和kd為0，調整kp。連線，就建立了一個傳統PID控制系統模型。在Simulink模型編輯窗口中單擊View→Library browser， 的Simulink庫瀏覽窗口。根據實際測量，被控對象近似一階慣性加滯后模型： () Simulink簡介[3]Simulink是個交互式動態(tài)系統建模、仿真和分析圖形環(huán)境，是一個進行基于模型的嵌入 式系統開發(fā)的基礎開發(fā)環(huán)境。隨著科學技術的發(fā)展，各行各業(yè)對溫度控制精度的要求越來越高，經典PID在某些場合已經不能滿足要求。4 用Simulink進行PID控制仿真 爐溫控制簡介 背景隨著工業(yè)的快速發(fā)展，鋼鐵的需求量越來越大?？刂埔?guī)則是這樣的：If(e bee0i) Then(?k Vi)，輸出的動詞Vy 是7個標準輸出動詞Vi(i=1～7)以相似度為權的 加權平均量。當K=10，p=2，offset0=(假設起始位置為big)時，畫出不同的起始位置與起始 位置為big的相似度。這 種 動 詞 相 似 度 的 求 法 適 合 于 計 算 動 詞 的(2)～(7)號 控 制 規(guī) 則，不 同 的 規(guī) 則 對 應 不 同 的?0和Ｋ，求“增大”的相似度時，K ?x 的前面需要一個負號，求“減小”的相似度時，不 用負號。 簡化的動詞相似度[5]一個動詞可以表示成Bee(offset,offset+)，即上一時刻位于offset位置，現在變化了 。這個比值越大，說明觀察動詞與標準動詞的相似度越大?，F 在 來 求“observed”這 個 動 詞 和bee(state 1, state 2) 的 相 似 度，首 先 把bee(state 1, state 2) 的 開 始 時 間 定 在(t ? Tw )時刻。動詞推理的輸出也定義成幾個標準輸出動詞。(1)If(|e| bee(Z,Z))then(kp bee(S,B)，ki bee(B,S)，kd bee(S,B))(2)If(|e| bee(B,M))then(kp bee fast(B,S)，ki bee fast(B,S)，kd bee fast(S,B))(3)If(|e| bee(M,S))then(kp bee(B,S)，ki bee(B,S)，kd bee(S,B))(4)If(|e| bee(S,Z))then(kp bee slow(B,S)，ki bee slow(B,S)，kd bee slow(S,B))(5)If(|e| bee(Z,S))then(kp bee slow(S,B)，ki bee slow(S,B)，kd bee slow(B,S))(6)If(|e| bee(S,M))then(kp bee(S,B)，ki bee(S,B)，kd bee(B,S))(7)If(|e| bee(M,B))then(kp bee fast(S,B)，ki bee fast(S,B)，kd bee fast(B,S)) 動詞相似度 在控制過程中，e的變化大部分時間并不是完全等同于上述的某一個規(guī)則中的前件條件； 但反過來說，任一時刻，肯定能在上述七條規(guī)則的前件條件中中，找到一個和e的變化趨勢最相似的bee。采用bee[adverb](noun1,noun2)的形式。計算動詞規(guī)則是對模糊規(guī)則進行提取，濃縮。這些名詞不能互相包含，因此模糊控制的49條規(guī)則各不相同，缺一不可。以kp的推理為例。每個語言變量表示的范圍可能有所 交叉，但除了幾個特殊點，一個具體數值隸屬于各個字母符號的程度是不一樣的。kp 、ki 、。在運行中不斷檢測e和ec，利用模糊控制規(guī)則在線對PID參數進行修改，以滿足不 同e和ec對控制參數的不同要求，而使被控對象有良好的動、靜態(tài)性能。這是模糊PID控制器在傳統PID控制器的基礎上實現的重大改進。本文 主要對模糊PID控制器和動詞PID控制器進行研究比較，詳細介紹見后面的章節(jié)。但僅靠一組參數還不能滿足系統的要 求，在控制過程中一般還要手動對參數進行修改，由此造成了極大的不方便。(3)kd：抵制偏差信號的變化趨勢，對偏差進行提前預報，減少調節(jié)時間。目前動詞PID控制器用于實際的工業(yè)控制系統還不多，本文的研究也僅處于軟件仿真階段。模糊PID控制器是模糊控制器和PID控制器的有效結合，它兼具模糊控制和PID控制的優(yōu)點；動詞PID控制器是在模糊PID控制器的基礎上實現了控制規(guī)則“動詞化”， 對模糊PID控制進行了一些改進。(2)ki：消除系統的靜態(tài)誤差，決定積分作用的強弱。 的PID