Matlab 版 (精华区)
发信人: zjliu (秋天的萝卜), 信区: Matlab
标 题: [合集]问一个问题:模糊自适应整定PID控制
发信站: 哈工大紫丁香 (2003年07月13日21:37:50 星期天), 站内信件
发信人: zwren (蓝天@红云), 信区: Matlab
标 题: 问一个问题:模糊自适应整定PID控制
发信站: 哈工大紫丁香 (Tue Jun 17 11:09:15 2003)
我使用模糊自适应整定PID控制算法, 为何控制效果却传统PID控制效果还差?
下面是模糊自适应整定PID控制算法的仿真程序!
%Fuzzy Tunning PID Control
clear all;
close all;
a=newfis('fuzzpid');
a=addvar(a,'input','e',[-3,3]); %Parameter e
a=addmf(a,'input',1,'NB','zmf',[-3,-1]);
a=addmf(a,'input',1,'NM','trimf',[-3,-2,0]);
a=addmf(a,'input',1,'NS','trimf',[-3,-1,1]);
a=addmf(a,'input',1,'Z','trimf',[-2,0,2]);
a=addmf(a,'input',1,'PS','trimf',[-1,1,3]);
a=addmf(a,'input',1,'PM','trimf',[0,2,3]);
a=addmf(a,'input',1,'PB','smf',[1,3]);
a=addvar(a,'input','ec',[-3,3]); %Parameter ec
a=addmf(a,'input',2,'NB','zmf',[-3,-1]);
a=addmf(a,'input',2,'NM','trimf',[-3,-2,0]);
a=addmf(a,'input',2,'NS','trimf',[-3,-1,1]);
a=addmf(a,'input',2,'Z','trimf',[-2,0,2]);
a=addmf(a,'input',2,'PS','trimf',[-1,1,3]);
a=addmf(a,'input',2,'PM','trimf',[0,2,3]);
a=addmf(a,'input',2,'PB','smf',[1,3]);
a=addvar(a,'output','kp',[-3,3]); %Parameter kp
a=addmf(a,'output',1,'NB','zmf',[-3,-1]);
a=addmf(a,'output',1,'NM','trimf',[-3,-2,0]);
a=addmf(a,'output',1,'NS','trimf',[-3,-1,1]);
a=addmf(a,'output',1,'Z','trimf',[-2,0,2]);
a=addmf(a,'output',1,'PS','trimf',[-1,1,3]);
a=addmf(a,'output',1,'PM','trimf',[0,2,3]);
a=addmf(a,'output',1,'PB','smf',[1,3]);
a=addvar(a,'output','ki',[-0.6,0.6]); %Parameter ki
a=addmf(a,'output',2,'NB','zmf',[-0.6,-0.2]);
a=addmf(a,'output',2,'NM','trimf',[-0.6,-0.4,0]);
a=addmf(a,'output',2,'NS','trimf',[-0.6,-0.2,0.2]);
a=addmf(a,'output',2,'Z','trimf',[-0.4,0,0.4]);
a=addmf(a,'output',2,'PS','trimf',[-0.2,0.2,0.6]);
a=addmf(a,'output',2,'PM','trimf',[0,0.4,0.6]);
a=addmf(a,'output',2,'PB','smf',[0.2,0.6]);
a=addvar(a,'output','kd',[-3,3]); %Parameter kd
a=addmf(a,'output',3,'NB','zmf',[-3,-1]);
a=addmf(a,'output',3,'NM','trimf',[-3,-2,0]);
a=addmf(a,'output',3,'NS','trimf',[-3,-1,1]);
a=addmf(a,'output',3,'Z','trimf',[-2,0,2]);
a=addmf(a,'output',3,'PS','trimf',[-1,1,3]);
a=addmf(a,'output',3,'PM','trimf',[0,2,3]);
a=addmf(a,'output',3,'PB','smf',[1,3]);
rulelist=[1 1 7 1 5 1 1;
1 2 7 1 3 1 1;
1 3 6 2 1 1 1;
1 4 6 2 1 1 1;
1 5 5 3 1 1 1;
1 6 4 4 2 1 1;
1 7 4 4 5 1 1;
2 1 7 1 5 1 1;
2 2 7 1 3 1 1;
2 3 6 2 1 1 1;
2 4 5 3 2 1 1;
2 5 5 3 2 1 1;
2 6 4 4 3 1 1;
2 7 3 4 4 1 1;
3 1 6 1 4 1 1;
3 2 6 2 3 1 1;
3 3 6 3 2 1 1;
3 4 5 3 2 1 1;
3 5 4 4 3 1 1;
3 6 3 5 3 1 1;
3 7 3 5 4 1 1;
4 1 6 2 4 1 1;
4 2 6 2 3 1 1;
4 3 5 3 3 1 1;
4 4 4 4 3 1 1;
4 5 3 5 3 1 1;
4 6 2 6 3 1 1;
4 7 2 6 4 1 1;
5 1 5 2 4 1 1;
5 2 5 3 4 1 1;
5 3 4 4 4 1 1;
5 4 3 5 4 1 1;
5 5 3 5 4 1 1;
5 6 2 6 4 1 1;
5 7 2 7 4 1 1;
6 1 5 4 7 1 1;
6 2 4 4 5 1 1;
6 3 3 5 5 1 1;
6 4 2 5 5 1 1;
6 5 2 6 5 1 1;
6 6 2 7 5 1 1;
6 7 1 7 7 1 1;
7 1 4 4 7 1 1;
7 2 4 4 6 1 1;
7 3 2 5 6 1 1;
7 4 2 6 6 1 1;
7 5 2 6 5 1 1;
7 6 1 7 5 1 1;
7 7 1 7 7 1 1];
a=addrule(a,rulelist);
a=setfis(a,'DefuzzMethod','mom');
%PID Controller
ts=0.25;
sys=tf(0.4659695,[3.6130145,4.073085,1],'inputdelay',3);
dsys=c2d(sys,ts,'z');
[num,den]=tfdata(dsys,'v');
u_1=0.0;u_2=0.0;u_3=0.0;u_4=0.0;u_5=0.0;
u_6=0.0;u_7=0.0;u_8=0.0;u_9=0.0;u_10=0.0;u_11=0.0;u_12=0.0;u_13=0.0;u_14=0.0;
y_1=0.0;y_2=0.0;
x=[0,0,0]';
error_1=0;
e_1=0.0;
ec_1=0.0;
kp0=2.1552;
kd0=2.5457;
ki0=0.4617;
for k=1:1:250
time(k)=k*ts;
rin(k)=1;
%Using fuzzy inference to tunning PID
k_pid=evalfis([e_1,ec_1],a);
kp(k)=kp0+k_pid(1);
ki(k)=ki0+k_pid(2);
kd(k)=kd0+k_pid(3);
u(k)=kp(k)*x(1)+kd(k)*x(2)+ki(k)*x(3);
% if k==150 % Adding disturbance(1.0v at time 0.3s)
% u(k)=u(k)+1.0;
% end
if u(k)>=10
u(k)=10;
end
if u(k)<=-10
u(k)=-10;
end
yout(k)=-den(2)*y_1-den(3)*y_2+num(2)*u_13+num(3)*u_14;
error(k)=rin(k)-yout(k);
%%%%%%%%%%%%%%Return of PID parameters%%%%%%%%%%%%%%%
u_14=u_13;u_13=u_12;u_12=u_11;u_11=u_10;u_10=u_9;u_9=u_8;u_8=u_7;
u_7=u_6;u_6=u_5;u_5=u_4;u_4=u_3;u_3=u_2;u_2=u_1;u_1=u(k);
y_2=y_1;
y_1=yout(k);
x(1)=error(k); % Calculating P
x(2)=(error(k)-error_1)/ts; % Calculating D
x(3)=x(3)+error(k)*ts; % Calculating I
% e_1=-0.2375*x(1);
% ec_1=-0.8475*x(2);
e_1=x(1);
ec_1=x(2);
error_1=error(k);
end
showrule(a);
figure(1);plot(time,rin,'b',time,yout,'r');
xlabel('time(s)');ylabel('rin,yout');
% figure(2);plot(time,error,'r');
% xlabel('time(s)');ylabel('error');
% figure(3);plot(time,u,'r');
% xlabel('time(s)');ylabel('u');
figure(4);
subplot(311);
plot(time,kp,'r');
xlabel('time(s)');ylabel('kp');
subplot(312);
plot(time,ki,'g');
xlabel('time(s)');ylabel('ki');
subplot(313);
plot(time,kd,'b');
xlabel('time(s)');ylabel('kd');
% figure(7);plotmf(a,'input',1);
% figure(8);plotmf(a,'input',2);
% figure(9);plotmf(a,'output',1);
% figure(10);plotmf(a,'output',2);
% figure(11);plotmf(a,'output',3);
% plotfis(a);
% fuzzy fuzzpid.fis
下面部分是控制系统使用pid算法的仿真程序:
%PID Controller
clear all;
close all;
ts=.25;
sys=tf(0.4659695,[3.6130145,4.073085,1],'inputdelay',3);
dsys=c2d(sys,ts,'z');
[num,den]=tfdata(dsys,'v');
u_1=0.0;u_2=0.0;u_3=0.0;u_4=0.0;u_5=0.0;u_6=0.0;u_7=0.0;u_8=0.0;u_9=0.0;u_10=0
.0;u_11=0.0;u_12=0.0;u_13=0.0;u_14=0.0;
y_1=0.0;y_2=0.0;
x=[0,0,0]';
error_1=0;
for k=1:1:250
time(k)=k*ts;
kp=2.1552;ki=0.4617;kd=2.5457;
rin(k)=1; %Step Signal
u(k)=kp*x(1)+kd*x(2)+ki*x(3); %PID Controller
%Restricting the output of controller
if u(k)>=10
u(k)=10;
end
if u(k)<=-10
u(k)=-10;
end
%Linear model
yout(k)=-den(2)*y_1-den(3)*y_2+num(2)*u_13+num(3)*u_14;
error(k)=rin(k)-yout(k);
%Return of parameters
u_14=u_13;u_13=u_12;u_12=u_11;u_11=u_10;u_10=u_9;u_9=u_8;u_8=u_7;u_7=u_6;u_6=u
_5;u_5=u_4;u_4=u_3;u_3=u_2;u_2=u_1;u_1=u(k);
y_2=y_1;y_1=yout(k);
x(1)=error(k); %Calculating P
x(2)=(error(k)-error_1)/ts; %Calculating D
x(3)=x(3)+error(k)*ts; %Calculating I
error_1=error(k);
end
figure(2);
plot(time,rin,'b',time,yout,'r');
xlabel('time(s)'),ylabel('rin,yout');
--
※ 来源:．哈工大紫丁香 bbs.hit.edu.cn [FROM: 218.7.32.21]
发信人: watertofire (水深火热), 信区: Matlab
标 题: Re: 问一个问题:模糊自适应整定PID控制
发信站: 哈工大紫丁香 (Tue Jun 17 14:35:48 2003)
可以先把你的隶属函数重新定义一下
隶属函数的定义不能重叠那么多
一般是30%-50%
【 在 zwren 的大作中提到: 】
: 我使用模糊自适应整定PID控制算法, 为何控制效果却传统PID控制效果还差?
: 下面是模糊自适应整定PID控制算法的仿真程序!
: %Fuzzy Tunning PID Control
: clear all;
: close all;
:
: a=newfis('fuzzpid');
:
: a=addvar(a,'input','e',[-3,3]); %Parameter e
: a=addmf(a,'input',1,'NB','zmf',[-3,-1]);
: a=addmf(a,'input',1,'NM','trimf',[-3,-2,0]);
: a=addmf(a,'input',1,'NS','trimf',[-3,-1,1]);
: a=addmf(a,'input',1,'Z','trimf',[-2,0,2]);
: a=addmf(a,'input',1,'PS','trimf',[-1,1,3]);
: a=addmf(a,'input',1,'PM','trimf',[0,2,3]);
: a=addmf(a,'input',1,'PB','smf',[1,3]);
:
: a=addvar(a,'input','ec',[-3,3]); %Parameter ec
: a=addmf(a,'input',2,'NB','zmf',[-3,-1]);
: a=addmf(a,'input',2,'NM','trimf',[-3,-2,0]);
: (以下引言省略...)
--
不求最好
只想活出真实的自我！
※ 来源:．哈工大紫丁香 bbs.hit.edu.cn [FROM: 202.118.229.84]
发信人: watertofire (水深火热), 信区: Matlab
标 题: Re: 问一个问题:模糊自适应整定PID控制
发信站: 哈工大紫丁香 (Tue Jun 17 14:43:07 2003)
还有，模糊控制系统的性能好，是指的它的各个参数的设置都不错的情况下
这些参数包括：
基本论域的恰当选择
量化因子和比例因子的选择
隶属函数的确定
模糊化方法
模糊推理
反模糊化（模糊决策）
然后通过仿真得到一组较好的参数
【 在 watertofire 的大作中提到: 】
: 可以先把你的隶属函数重新定义一下
: 隶属函数的定义不能重叠那么多
: 一般是30%-50%
--
不求最好
只想活出真实的自我！
※ 来源:．哈工大紫丁香 bbs.hit.edu.cn [FROM: 202.118.229.84]
发信人: bigbang (烟雨江南), 信区: Matlab
标 题: Re: 问一个问题:模糊自适应整定PID控制
发信站: 哈工大紫丁香 (Tue Jun 17 18:33:15 2003)
nodnod
偶调试的时候也是很费劲，很纳闷的，最后就好了
【 在 watertofire 的大作中提到: 】
: 还有，模糊控制系统的性能好，是指的它的各个参数的设置都不错的情况下
: 这些参数包括：
: 基本论域的恰当选择
: 量化因子和比例因子的选择
: 隶属函数的确定
: 模糊化方法
: 模糊推理
: 反模糊化（模糊决策）
:
: 然后通过仿真得到一组较好的参数
:
: 【 在 watertofire 的大作中提到: 】
: : 可以先把你的隶属函数重新定义一下
: : 隶属函数的定义不能重叠那么多
: : 一般是30%-50%
--
★乱花渐欲迷人眼◎浅草才能没马蹄★
※ 来源:．哈工大紫丁香 bbs.hit.edu.cn [FROM: 202.199.99.243]
Powered by KBS BBS 2.0 (http://dev.kcn.cn)
页面执行时间：4.222毫秒