【正文】 ，只能這樣。而Simulink里面計(jì)算精度比較高，取樣時(shí)間不同導(dǎo)致仿真方法調(diào)試出來(lái)的參數(shù)不同，但在數(shù)量級(jí)上是一致的。誤差剛開始是1，這是我寫程序時(shí)沒(méi)有采用延時(shí)的近似處理，這樣更與實(shí)際情況貼合，、 模糊PID控制仿真 模糊推理源代碼分析模糊PID控制，首先設(shè)置一組初始PID參數(shù)。在仿真過(guò)程中，時(shí)時(shí)檢測(cè)控制誤差e(k)及其變 化率ec(k)，保存到兩個(gè)變量中。在每次循環(huán)里：e_1=e(k+1)。ec_1=e(k+1)e(k)。： k_pid=evalfis([e_1,ec_1],a)。 k_pid就是模糊判決器的輸出，是一個(gè)三維的列向量，這三個(gè)數(shù)就是?kp 、?ki和?kd。然后對(duì)PID三個(gè)初始的參數(shù)進(jìn)行修正。Kp=Kp0+k_pid(1)。 Ki=Ki0+k_pid(2)。 Kd=Kd0+k_pid(3)。這樣就完成了參數(shù)的自整定，因?yàn)槌绦蚴茄h(huán)在執(zhí)行的，所以參數(shù)的整定也是循環(huán)在做的。 參數(shù)調(diào)整及仿真結(jié)果：模糊PID仿真結(jié)果：模糊PID的誤差變化：kp、ki、kd自適應(yīng)曲線，在響應(yīng)時(shí)間差不多的情況下，模糊PID比傳統(tǒng)PID超調(diào)有所減小，超調(diào)量大概5%。kp 、ki 、。由以上圖形，可以知道：(1)模糊PID控制所得到的結(jié)果和傳統(tǒng)的很接近。 (2)模糊PID在調(diào)整3個(gè)參量的時(shí)候有一個(gè)調(diào)整的空間，因此利用模糊PID進(jìn)行控制時(shí)，得到參數(shù)會(huì)比用傳統(tǒng)PID方法來(lái)的更快。 (3) 曲線開始略微上翹，是由于程序?qū)ρ舆t模塊采用了一階近似產(chǎn)生的誤差。 動(dòng)詞PID控制仿真動(dòng)詞PID控制中，動(dòng)詞規(guī)則的實(shí)現(xiàn)是建立在動(dòng)詞相似度的基礎(chǔ)上，因此動(dòng)詞PID控制的仿真程序中，觀察誤差e的變化趨勢(shì)，求e的變化與7條規(guī)則前件條件的相似度的部分，即用求相似度算法的動(dòng)詞PID控制的仿真程序，進(jìn)行調(diào)試。相似度算法有兩種方法，本文用基于進(jìn)化函數(shù)求相似度的方法進(jìn)行仿真分析。另一種方法是基于簡(jiǎn)化的動(dòng)詞相似度的控制算法，與第一種算法結(jié)果類似，本為就不在闡述。 基于進(jìn)化函數(shù)求相似度的動(dòng)詞PID控制的仿真調(diào)試 動(dòng)詞PID的仿真程序中，需要整定的參數(shù)更多了。同樣要設(shè)置PID三個(gè)初始參數(shù)，還要設(shè)置參數(shù)調(diào)整的幅度：Kpscale、Kdscale和Kiscale。求相似度時(shí)要對(duì)一段時(shí)間內(nèi)標(biāo)準(zhǔn)動(dòng)詞和觀察動(dòng)詞的進(jìn)化函數(shù)進(jìn)行∧、∨運(yùn)算并積分，由于仿真采用離散形式，所以一段時(shí)間的積分轉(zhuǎn)換成幾個(gè)點(diǎn)的累加，因此要設(shè)置累加的點(diǎn)的個(gè)數(shù)，在程序里建立一個(gè)變量mw=10。動(dòng)詞PID的參數(shù)整定與模糊PID不同，Knext =Kcurrent + △K。為了避免能量過(guò)剩導(dǎo)致控制進(jìn)入振蕩的非穩(wěn)定狀態(tài)，還要設(shè)置PID三個(gè)參數(shù)變化的上下限。另外，△K反映了K下一步的變化趨勢(shì)，而在動(dòng)詞規(guī)則里，K的變化還有速度之差別，bee[adverb](noun1,noun2)中的adverb可以是slow或者fast，缺省是normally。所以再建立兩個(gè)變量，beta_fast(bigger than1)和beta_slow (between (0,1))，再根據(jù)需要進(jìn)行調(diào)整，缺省的beta是1。 程序模塊及其仿真(1)基于動(dòng)詞規(guī)則的模糊隸屬度仿真程序如下：en=e/abs(e(1))。enabs=abs(en)。muB=max(0,1+(enabs1)abs(enabs1))。muM=max(0,1+()3*abs())。muS=max(0,14*())。muZ=max(0,14*(enabs))。(2) 動(dòng)詞相似度的求取(以動(dòng)詞bee(big。 medium)為例):Ab=0。Bb=0。n=round(rmw/2)。for j=1:nEb(j)=(j/n)。endAm=0。Bm=0。for j=n:rmwEm(j)=+*(jn)/n。Am=Am+min(Em(j),muM(bprt+j))。Bm=Bm+max(Em(j),muM(bprt+j))。endsb=Ab/(Bb+Bm)。sm=Am/(Bb+Bm)。Balance=2*min(sb,sm)。s2(k+1)=(Ab+Am)/(Bb+Bm)*Balance。其中：①E(j) = *(j/n)和E(j) = + *(j/n)是描述動(dòng)詞的一個(gè)進(jìn)化函數(shù)，選取了一個(gè)比較簡(jiǎn)單的形式，②S2是所得到的計(jì)算動(dòng)詞相似度。將所用的動(dòng)詞和7條動(dòng)詞規(guī)則的動(dòng)詞進(jìn)行類似的計(jì)算，就可以算出7個(gè)動(dòng)詞相似度。分別為S S S …… S7。(3)解動(dòng)詞化 經(jīng)過(guò)動(dòng)詞推理過(guò)后，可以通過(guò)解動(dòng)詞化求得3個(gè)參數(shù)，下面以Kp為例來(lái)說(shuō)明參數(shù)的求?。?a)求取Kp的變化量：Kp_rate=S1(k+1)*DKpS2B+S2(k+1)*beta_fast*DKpB2S+S3(k+1)*DKpB2S+S4(k+1)*beta_slow*DKpB2S+S5(k+1)*beta_slow*DKpS2B+S6(k+1)*DKpS2B+S7(k+1)*beta_fast*DKpS2B。其中:①DKpB2S和DKpS2B是Kp的兩種變化形式。這里分別取為：DKpS2B= ，DKpB2S=。②beta_slow和beta_fast是副詞的兩種方式，這里也為常數(shù)：beta_slow= 。 beta_fast= 2。(b)求取Kp：Kp=Kp+Kp_rate。Kp=max(Kplow。 Kp)。Kp=min(Kpup。 Kp)。其中：Kplow和Kpup是Kp的上下限，取值在傳統(tǒng)PID所得結(jié)果的一定范圍內(nèi)。程序通過(guò)對(duì)這每個(gè)參數(shù)的上下限進(jìn)行調(diào)節(jié)，使系統(tǒng)達(dá)到比較好的效果。(4) 參數(shù)調(diào)整及仿真結(jié)果通過(guò)參數(shù)調(diào)節(jié)，當(dāng)Kpup=60。 Kplow = 100。 Kdup = 600。 Kdlow = 100。 Gilow = 11。 Giup = 12時(shí)，系統(tǒng)性能仿真結(jié)果：：動(dòng)詞PID仿真結(jié)果：動(dòng)詞PID誤差e的變化：kp、ki、kd的自適應(yīng)曲線將動(dòng)詞所得結(jié)果（）和傳統(tǒng)PID與模糊規(guī)則所得的結(jié)果進(jìn)行對(duì)比：(1)該系統(tǒng)動(dòng)詞控制PID沒(méi)有超調(diào)，這對(duì)于實(shí)際操作當(dāng)中是非常重要的。(2)由3個(gè)PID控制器仿真結(jié)果可以看到，動(dòng)詞PID控制器在誤差從小減少到0的時(shí)候，動(dòng)詞PID的效果最好，由于規(guī)則的優(yōu)化，除了沒(méi)有超調(diào)以外，穩(wěn)定時(shí)間也有一定程度減少。 小結(jié)本章用Matlab編寫程序進(jìn)行三類PID控制的仿真，在系統(tǒng)穩(wěn)定時(shí)間相當(dāng)?shù)那闆r下，比較各類控制器的超調(diào)情況。傳統(tǒng)PID控制超調(diào)較大，模糊PID控制稍微減小了超調(diào)；基于進(jìn)化函數(shù)的動(dòng)詞PID控制， 有效地減小了超調(diào)，控制曲線平滑，達(dá)到穩(wěn)定時(shí)間短。各類智能型PID控制器的仿真之后，都有給出其PID三個(gè)參數(shù)變化的曲線，這些參數(shù)的變化是符合控制規(guī)律的，參數(shù)能根據(jù)控制誤差的變化做出相應(yīng)的調(diào)整，這就是智能型PID控制器最主要的特征，這些參數(shù)的自整定是非常有意義的。結(jié) 論 本文主要研究了傳統(tǒng)PID控制器、模糊PID控制器以及動(dòng)詞PID控制器的控制原理，對(duì)這幾種PID控制的控制效果進(jìn)行仿真和比較分析。本文的仿真與實(shí)際工業(yè)控制系統(tǒng)相比，有很多局限性。工業(yè)控制系統(tǒng)的復(fù)雜性包括非線性、時(shí)變性、時(shí)滯等，有些工業(yè)控制系統(tǒng)甚至無(wú)法給出其傳遞函數(shù)。本文選用的控制對(duì)象，是一個(gè)二階的系統(tǒng)函數(shù)，帶上時(shí)滯，只體現(xiàn)了眾多控制復(fù)雜性中的一種。本文的仿真基礎(chǔ)是有一個(gè)確定的系統(tǒng)傳遞函數(shù)，因此控制對(duì)象非線性、時(shí)變性的模擬難度較高。 本人之前做過(guò)一些復(fù)雜性較低的控制對(duì)象的仿真，即一個(gè)確定的系統(tǒng)函數(shù)，沒(méi)有時(shí)滯性、時(shí)變性、非線性。那幾個(gè)控制對(duì)象的控制仿真，我得到的結(jié)論是一樣的：傳統(tǒng)PID控制效果已十分優(yōu)秀，智能PID控制無(wú)法對(duì)控制效果再進(jìn)行改進(jìn)，智能PID控制器沒(méi)有顯示出其優(yōu)勢(shì)。但我們不能否認(rèn)智能PID控制器的先進(jìn)性，因?yàn)樗麄兇_實(shí)已經(jīng)在實(shí)際工業(yè)控制中得到了大量應(yīng)用。只能說(shuō)自己進(jìn)行的仿真局限性較大，不能證明智能型PID控制器的先進(jìn)性。如果我們的仿真能夠模擬出控制對(duì)象的時(shí)滯性、時(shí)變性、非線性、系統(tǒng)傳遞函數(shù)的不確定性，應(yīng)該能看出智能PID控制器的優(yōu)勢(shì)。第五章的仿真結(jié)果，智能型PID控制器對(duì)傳統(tǒng)PID控制進(jìn)行了改進(jìn)，其PID三個(gè)參數(shù)按照控制規(guī)律，根據(jù)誤差的變化進(jìn)行自整定。雖然從控制誤差的變化曲線上看，對(duì)傳統(tǒng)PID控制的改進(jìn)并不多，但是從各參數(shù)的修正過(guò)程來(lái)看，確實(shí)體現(xiàn)了智能控制對(duì)參數(shù)的要求。不足的是，在本文的仿真當(dāng)中，除了SIMULINK是系統(tǒng)的真實(shí)仿真，用程序編寫的都利用了延遲函數(shù)的近似，所以仿真并不是非常精確。除此之外，爐溫控制系統(tǒng)的動(dòng)詞PID控制僅僅限于理論階段，離實(shí)際控制系統(tǒng)還有一定差距，因此以后還要對(duì)實(shí)際的工業(yè)流程進(jìn)一步研究，才能使理論的東西應(yīng)用到實(shí)際工業(yè)生產(chǎn)