模糊PID控制器

2024-05-15

模糊PID控制器（精选12篇）

模糊PID控制器篇1

0、引言

电炉是热处理生产中应用最广的加热设备, 其控制系统是时变、非线性、大时滞的复杂系统, 数学模型很难精确建立。若采用常规的PID控制器, 则存在系统抗干扰能力差, 控制参数选择困难, 超调量大, 稳定时间较长等问题, 控制系统很难达到理想的控制效果。若选择单独的模糊控制, 虽然可以避免常规PID算法的一些不足, 如不依赖于控制对象精确的数学模型, 动态性能好, 受系统参数变换影响小, 但依旧存在静态误差, 无法克服大纯滞后的影响, 控制效果也不甚理想。本文将结合PID控制与模糊控制的优点, 在具有在线自调整功能模糊PID控制器基础上设计一个炉温控制系统, 有效控制炉温。

1、模糊控制器

模糊控制器是应用模糊数学知识, 模拟人的思维方法, 把人用自然语言描述的控制策略改造成模糊控制规则, 由模糊控制规则构造出模糊关系, 而把模糊关系作为模拟变换器, 把输入、输出的模糊向量按模糊推理方法处理, 进而确定控制量。模糊控制的实质是将基于专家知识的控制策略转换为自动控制的策略, 根据人们的实践经验总结出若干条模糊控制规则, 并以此为依据由计算机实现控制。模糊控制器的设计主要是设定各输入输出变量的模糊子集的隶属函数, 模糊变量的量化论域, 模糊控制规则, 输入输出变量等参数。

在一般的模糊控制系统中, 考虑到模糊控制器实现的简易性和快速性, 通常采用二维模糊控制器结构形式。这类控制器都是以系统误差E和误差变化率EC作为输入语句变量, 基本模糊控制器构成原理图如图1所示。

说明:EK、CEK、UK是量化因子;E、EC、U是误差e、误差变化率ec及控制量u的模糊语言变量;其中E=EK×e, EC=CEK×ec, U=UK×u。

3、模糊PID控制器

3.1 模糊PID控制器原理

考虑到模糊控制具有对被控对象模型参数变化不敏感的优点, 再考虑到PID控制器的参数应该对系统的参数变化具有自适应能力, 采用增量式PID, 并用模糊控制器取代原系统的控制器, 便构成了模糊自PID控制系统, 如图2所示。

该系统在参数Kp、Ki、Kd与偏差和偏差变化之间建立了在线自调整算法, 满足了系统在不同的偏差和偏差变化下对控制参数的不同要求。模糊PID控制器分两步整定PID参数。第一步, 初始PID参数的整定:先测定被控对象参数的粗略值, 应用初值整定规则确定PID的初始值;第二步, PID参数的在线整定:监测控制系的响应过程, 将其模糊化, 综合用户期望、控制目标类型、对象参数等, 运用模糊推理自动进行PID参数的在线整定。

模糊PID控制是在一般PID控制系统的基础上, 加上一个模糊控制规则环节, 利用模糊控制规则在线对PID参数进行修改的一种自适应控制系统。它以误差e和误差变化ec作为输入, 可以满足不同时刻的e和ec对参数自整定的要求。它将模糊控制和PID控制器两者结合起来, 扬长避短, 既具有模糊控制灵活而适应性强, 调节速度快的优点, 又具有PID控制无静态误差、稳定性好、精度高的特点, 对复杂控制系统和高精度伺服系统具有良好的控制效果。

3.2 史密斯模糊PID控制器的设计

在现代工业过程中, 有不少的过程特性具有较大的纯滞后时间, 其特点是当控制作用产生后, 在纯滞后时间范围内, 被控参数完全没有响应, 被控参数不能及时地反映系统所承受的扰动, 从而产生明显的超调, 使得控制系统的稳定性变差, 调节时间延长从而达不到预期的控制效果。史密斯 (Smith) 预估控制的特点是预先估计过程在基本扰动下的动态特性, 再由预估器进行补偿的过程控制技术。其基本思想是预先估计出过程在基本扰动下的动态特性, 然后由预估器补偿, 力图使被延迟了f的被调量超前反映到调节器, 使得补偿后的等效对象传递函数不再包含纯滞后, 使得调节器提前动作, 从而减少超调量和加速调节过程。

因此针对本文研究的电炉炉温系统, 在模糊PID控制的研究的基础上加一个史密斯 (Smith) 预估控制以解决PID控制难以彻底消除纯滞后时间常数的影响。

在本系统中, PID控制器是根据模糊控制器的输出, 不断的修改Kp, Ki, Kd的值, 因此必须设计一个常规的位置型PID控制器, 给定PID参数初始值, 然后将PID控制器与模糊控制器结合起来, 再考虑到加入史密斯预估器环节, 便构成了史密斯-模糊PID控制器系统如图3所示。

4、控制器的仿真研究

电炉控制系统可以利用一阶惯性环节加纯滞后模型近似。为了更好的研究电炉系统, 本文对纯模糊控制、未加史密斯预估环节的模糊PID控制及史密斯-模糊PID控制等三种控制方法进行了MATLAB环境下的Simulink仿真, 仿真图如下。

从以上的MATLAB仿真结果可得出如表1所示的各性能指标的对照表。

从表中的数据可知, 单纯的模糊控制稳定时间及上升时间长, 系统处理速度慢;未加史密斯预估环节的模糊PID控制虽然上升时间改善很多, 稳定时间也有一定的减少, 但超调量大;而史密斯-模糊PID控制器因其稳定时间较短、上升时间快、无超调、无静差, 对炉温这类工业过程控制中具有非线性、大纯滞后、时变性的对象可以实现有效的控制。

参考文献

[1]诸静.模糊控制原理与应用[M].北京:机械工业出版社, 1995:338-344, 258-261.

[2]李卓.基于模糊推理的自调整PID控制器[J].控制理论与应用, 1997, (2) :238-243

[3]龚晓芳, 张阿卜, 龚荣盛.基于MATLAB的模糊预估控制系统的仿真[J].控制工程, 2003, 10:29-32.

[4]周锐.基于模糊控制的PID参数整定[J].计算机与数字工程, 2006, 34 (8) :166-168.

[5]吴兴纯, 李江涛.Smith预估控制技术在炉温控制系统中的应用[J].昆明理工大学学报, 2005, 30 (3) :60-63.

模糊PID控制器篇2

FIMU温度的模糊自适应PID.Smith控制

进行温度控制是提高基于光纤陀螺的惯性测量单元(FIMU)测量精度的重要手段.温控对象具有大惯性和大延迟等特性,难以取得满意的控制效果.在分析了常用温度控制方法的基础上,本文将模糊自适应整定PID控制与Smith预估控制方法相结合,在FIMU中采用模糊自适应整定PID-Smith的温度控制策略.该方法加快了系统的响应速度,很好的解决了控制系统的`滞后问题.对高精度FIMU温度控制系统的仿真研究表明:该方法的控制品质良好,具有较强的鲁棒性,能适应环境参数的变化.本文研究也可用于其它大滞后高精度控制系统设计.

作者：李晓峰房建成张延顺 Li Xiaofeng Fang Jiancheng Zhang Yanshun 作者单位：北京航空航天大学仪器科学与光电工程学院,北京,100083 刊名：电子测量与仪器学报 ISTIC英文刊名：JOURNAL OF ELECTRONIC MEASUREMENT AND INSTRUMENT 年，卷(期)：2008 22(z2) 分类号：V24 关键词：FIMU 温度控制 Smith预估控制模糊自适应整定PID控制

模糊PID控制器篇3

关键词:常规PID控制器恒温箱

中图分类号:TP273文献标识码:Ａ文章编号:1674-098X(2011)02(b)-0121-02

1 模糊自适应PID控制原理及结构

模糊自适应PID控制基本原理:以误差e和误差变化作为输入,运行中不断检测e和,并利用模糊规则进行模糊推理,查询模糊矩阵表调整参数,满足不同时刻的e和对PID参数自整定的要求,利用模糊规则在线修改PID参数,以使被控对象具有良好的静态、动态性能。模糊自适应PID控制系统结构如图1所示。常规PID控制器作为一种线性控制器,其离散的控制规律为:

对于系统被控过程中不同的|e|和||,PID参数、、的自整定原则如下:(1)误差|e|较大时,为加快系统的响应速度,使系统具有快速跟踪性能,应取较大和较小。同时,为了防止积分饱和。避免系统超调过大,应限制或使其为零。(2)误差|e|和||中等时,为使系统超调较小,应取较小,适当和,特别是的取值对系统响应影响较大(一般取值较小)。(3)误差|e|较小时,为使系统具有较好稳态性能,应取较大和。同时,为避免系统在平衡点附近出现振荡,应取合适的值。||较大时,取较小;||较小时,取较大。

考虑到上述原则,在该设计中,模糊控制器采用2输入,3输出的结构。以误差e和误差变化作为输入,经量化和模糊化处理后,查询模糊控制规则表,得到模糊输出量、、,再经解模糊和量化因子输出精确量,并将该输出量与传统PID相结合输出系统的控制量。输人语言变量e和以及输出语言变量、、的模糊集论域均设为{-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6},取相应论域上的语言值为{NB,NM,NS,ZO,PS,PM,PB}。考虑到对论域的覆盖程度及灵敏度,鲁棒性和稳定性等原则,各模糊子集隶属度函数均采用三角形隶属函数。

模糊规则采用“if e is A andis B thenis C andis D andis E”的方式,控制器参数模糊推理过程采取Mam-dani直接推理法,“与”运算采用极小运算,“或”运算采用极大运算,模糊蕴含运算采用极小运算,模糊规则综合采用极大运算,去模糊化采用重心法且其计算公式为:

(2)

根据PID参数调整原则,输出量、、一轮决策将最多涉及147条推理规则。

2 恒温箱温度控制系统硬件电路设计

温度控制目前大多采用以单片机或CPU为核心的控制系统,这些以软件控制和运算的系统相比于硬件系统速度要慢、实时性差且可靠性低。FPGA作为一种新型的数字逻辑器件,具有集成度高、可重复编程、逻辑实现能力强、设计灵活等特点,使用其内部逻辑模块单元实现所需功能,各个模块并行运行,与传统的基于CPU并行计算不同,FPGA内部结构真正实现并行计算,而不是宏观上并行微观上分时运算,这使得系统运算速度快、实时性强。

该设计采用Altera公司的Cyclone系列FPGA器件EP1C12为核心控制器来测量与控制恒温箱内温度。通过键盘向FPGA输入设定温度,现场温度参数由热电偶传感器转换成电动势信号,经A／D转换和滤波后,将实时的数字测量值送入FPGA。FPGA将比较温度的设定值与测量值,经模糊自适应PID控制算法运算处理后,输出相应控制信号,确保恒温箱内温度变化范围始终保持在设定值的误差范围内。系统的液晶显示用于实时显示控制系统的当前温度值、温度变化曲线、参数配制等信息;键盘用于设定控制系统的初始定值及初始参数信息;Flash,SDRAM,C等用于实现存储空间的扩展。图2为系统整体硬件结构框图。

此外,在FPGA中还集成有Altera公司提供的NIOS II软核处理器,FPGA一方面通过内部的双口RAM与其内部的硬件逻辑控制模块进行通讯,获取控制模块的状态信息并配置其参数;另一方面监控显示模块和键盘模块。FPGA内部逻辑示意图如图3所示。模糊自适应PID控制模块是整个控制系统的核心,可实现模糊参数自整定PID控制算法。为便于实现计算机的实时控制,采用离线计算,在线查表方式。如有需要,只需重新修改控制算法模块,并重新配置FPGA,就可实现控制算法升级。

3 嵌入式软件设计

基于NIOS软核CPU的嵌入式软件设计采用C语言编写完成,该嵌入式软件设计主要实现人机交互和模糊自适应PID控制模块监控两部分功能。温度控制系统上电启动后,首先初始化系统,然后模糊自适应PID控制模块读双口RAM1获得控制器的初始参数信息,并进行控制运算,根据运算所得结果在显示屏上显示当前温度控制系统的参量及温度变化曲线等当前状态信息,同时将这些实时控制参数及状态信息写入双口RAM2保存,NIOS软核处理器再由RAM2中读取数据,获得模糊自适应PID控制模块的当前状态信息。若由键盘重新输入新的温度设定值,则当系统读取到该值时,自动查询模糊控制规则表修改双口RAM1中的配置参数值,重新代入模糊自适应PID控制模块进行运算,并将新的参数值及系统实时状态信息写入双口RAM2保存且反馈给NIOS软核;若无键盘输入,则系统状态保持不变。

4 实际运行结果及存在问题

对于具有大惯性、大滞后等特点的温度控制系统,基于FPGA的温度模糊自适应PID控制器可取得良好的控制效果且自适应能力强。但在控制器的应用过程中仍存在一些问题,如模糊规则和隶属函数的优化、系统抗干扰性能的增强等。因此,仍需进一步完善和修改该控制系统。

5 结语

该设计基于高密度的可编程逻辑器件FPGA,在传统PID控制器的基础上利用模糊控制的优点控制恒温箱的温度。结果表明,该控制系统具有良好的动、静态性能和鲁棒性能,对参数时变具有很好的适应能力,实时计算量小,调校方便,且具有良好的升级性能和灵活性。市場应用前景较好。

模糊PID控制的设计篇4

(1) PID的理论可行性。常规的PID控制系统原理框图如图1所示。

由图1 可推出PID控制器中的r (t) , c (t) 和e (t) 三个量之间的关系式

e (t) 分别通过比例环节、积分环节和微分环节作用后, 再将三者进行线性组合, 就可构成控制量u (t) , 从而对被控制对象进行控制, 其连续形式为:

其中KP为比例系数、TI为积分时间常数、TD为微分时间常数。

通常情况下, 一个完整的PID控制器是由比例环节、积分环节和微分环节三个环节构成。比例调节实时地对系统中的实际值与给定值之间的偏差e (t) 作出反应, 可有针对性减小偏差;积分调节主要用于消除静态误差;微分调节用于反应系统偏差的瞬时变化趋势, 可以有效改善系统的动态性能。

2 模糊PID控制

(1) 模糊控制的基本原理。模糊控制是一种基于模糊逻辑的算法, 其原理是, 在控制过程中, 对被控对象的状态进行模糊化, 变为用人类语言描述的模糊量, 之后根据实际控制经验制定的语言控制规则, 再通过模糊推理, 得到输出控制量的模糊值, 最后在解模糊化模块中将控制量的模糊值转换为执行器能够执行的精确控制量, 在控制中发挥作用。

模糊控制器由模糊化模块、知识库、模糊推理模块、解模糊化模块4 个部分组成。

(2) 模糊自整定PID控制。模糊控制具有2 个极明显的优点:首先模糊控制可以依靠人们在生产实践中的控制经验, 这种情况下完成控制任务就不用去建立被控对象的精确模型;其次, 模糊控制的稳定性强, 响应速度快、超调量小, 适用于控制具有滞后性的系统。其缺点也是显而易见的, 总结模糊控制规则比较困难, 一旦规则建立不能在线更改, 另外由于模糊控制器没有积分环节, 因此稳态精度不高。

因此, 采用模糊控制和传统的PID控制相结合, 运用模糊自整定PID参数的方法进行优势互补, 从而快速、精确地完成控制任务。模糊控制器根据输入量e和ec进行模糊推理, 输出精确的PID控制参数KP、KI和KD, 再由PID控制器对温室温度进行控制。

3 模糊PID控制在温控中的效果

试验中分别采取常规PID控制和模糊自整定PID控制两种方法, 并分别记录下了最终的控制效果。统计温度计显示的数据, 每30 秒记录一次, 并根据这一数据绘制出了控制效果图。

图2 的 (a) 和 (b) 分别是设定温度为30℃时的常规PID和模糊自整定PID控制的温控效果图, 通过分析发现, 模糊自整定PID控制可以有效改善了常规PID控制的超调过大的问题, 最终趋于稳定的时间也有所缩短, 并且最终结果满足误差在 ±2℃范围以内的要求。

图3 的 (a) 和 (b) 分别是设定温度为80℃时的PID和模糊自整定PID控制的温控效果图。通过比较图 (a) 和 (b) 可以看出, 后者比常规PID控制的曲线显得圆滑, 不那么突兀, 超调量比PID控制要小, 动态特性也相对较好。同时由于绝缘油与室温的温差较大, 散热效果较好, 降温所需时间明显减少。

4 结论

通过仿真分析, 利用模糊自整定的PID控制进行温度控制与常规的PID控制相比, 具有更好的鲁棒性和可靠性。它可以有效地实现在农业生产、生物发酵过程中对温度的精准控制, 具有非常重要作用。

参考文献

[1]李科.温控系统的智能PID控制算法研究[D].武汉:华中科技大学, 2006.

[2]文科星.智能PID算法的研究及其在温度控制中的应用[D].上海:东华大学, 2009.

[3]孟祥泉.PID参数自整定方法研究与控制器研制[D].大连:大连理工大学, 2010.

[4]毛义敏, 罗海福, 张晶.一种PID参数模糊自整定控制器的设计与仿真[J].自动化与仪表, 2001 (03) :37-39.

[5]刘镇, 姜学智.PID控制器参数整定方法综述[J].电力系统自动化, 1997, 21 (08) :79-83.

无级变速器PID速比控制器设计篇5

无级变速器PID速比控制器设计

文中在分析金属带式无级变速器速比PID算法的基础上.对经典PID控制算法进行了改进,并将改进后的算法运用于Simulink环境下建立的CVT整车模型中,在设定工况下进行仿真实验.仿真结果显示,改进后的.控制算法可以使实际速比较好地跟踪目标速比的变化.

作者：文明黄妙华作者单位：武汉理工大学汽车工程学院,湖北武汉,430070刊名：北京汽车英文刊名：BEIJING AUTOMOTIVE ENGINEERING年，卷(期)：“”(2)分类号：U463.212.02关键词：无级变速器 PID 速比控制

模糊PID控制器篇6

【关键词】热工控制系统；改进型模糊自适应；粒子群算法

1、引言

大型火力发电单元机组的生产流程可以分为锅炉的燃烧系统和汽水系统。锅炉的燃烧系统是提供热量维持主汽负荷、保证燃烧经济性、安全性的重要控制系统。主汽压力是衡量蒸汽量与外界负荷两者是否相适应的重要标志。由于大型单元机组容量大，燃料品种多变，投入的磨煤机给煤机台数不同，导致常规的PID控制器难以满足实时控制的要求。

模糊控制器是一种控制结构简单的非线性控制器，具有很好的鲁棒性、适应性和容错性，一些学者已经将其应用于火电厂热工控制系统，但由于模糊控制本质上一种非线性的PD控制，无法消除系统静差。

2、改进型模糊控制器基本原理

改进型模糊控制策略的核心思想是，在保持模糊论域上模糊分割不变的情况下，根据输入量误差e和误差改变量ec的值对模糊论域和隶属函数进行伸缩调整。设输入变量xi和输出变量ui的论模糊域分别为（-Ei，Ei）和（-Ui，Ui），（i=1，2，...n），变论域模糊控制器的论域及隶属度函数随输入量变化而发生变化，其简略表达形式为：

3、改进型模糊自適应PID控制原理

3.1模糊自适应PID控制原理

模糊自适应PID控制器一种模糊控制与PID控制的复合控制器，该控制器改变传统PID控制器的参数Kp，Ki，Kd固定，无法跟随误差实时调整的缺点，提出了利用模糊控制器跟踪误差信号在线改变PID控制器参数的方法，提高了模糊控制的效果。

3.2粒子群算法寻优原理

粒子群优化算法（PSO）是一种仿生优化算法，本文采用PSO对伸缩因子进行搜索优化，进而提高改进型PID控制器的控制效果，具体的优化过程如下：待优化的参数有αe，αec，βp，βi他们构成了搜索空间的四个维度，随机产生一组Xi，作为第一代初始种群，将Xi带入目标函数Q，计算适应值。设粒子i在当前寻优中的最优位置记为Xbesti=（xib1，xib2，xib3，xib4），相应的适应值记为Qbesti，则粒子i的当前最好位置可以表示：

重复上述步骤，直至得到最优解。

3.3改进型模糊PID控制器

模糊自适应PID控制器虽然可以修正原有PID控制器的控制参数，但是控制精度有限。本文采用标准粒子群算法在线优化模糊自适应PID控制器的调节因子，结合了两种控制器的优点，可根据系统误差大小实时调整模糊控制器的论域和系统输出，提高系统控制精度。

4、仿真实验

在某电厂300MW机组燃烧系统过程画面做实验，在装入不同初始条件时采样，采样周期为5秒，采样总时间为20分钟。将得到的数据处理后，利用辨识算法在Matlab中得到不同负荷下该燃料控制系统的数学模型。

4.1改进型模糊PID控制器的实现

本文选择采用采用改进的PSO算法对上述模糊自适应PID控制器的输入与输出环节的调节因子寻优，设置模糊控制器的模糊词集为{PB，PM，PS，Z，NS，NM，NB}，采用三角形隶属函数，输入变量e，ec的基本论域分别设为[-12，12]，[-6，6]，输出变量的基本论域要根据PID控制器的参数设定。通过PID控制器参数整定方法，得到PID控制器的参数为δ=0.48，Ti=289，Td=0.0001。

因此模糊控制器的输出的基本论域应该在比例、积分系数的一定范围内选择，为了计算方便设为[-0.6，0.6]，[-0.012，0.012]，而输入输出对应的模糊变量的模糊论域均为[-6，6]，采用最大隶属度法去模糊化。根据公式（10）可以得到输入变量的量化因子ke，kec分别为0.5，1；输出变量的比例因子kp，ki分别为0.1，0.001。

4.2仿真结果

选取该电厂机组负荷为90%时，机组给煤量与主汽压之间的数学模型如下：

为了验证控制效果，与常规PID控制器，模糊自适应PID控制器进行仿真对比定值跃扰动下，有三种控制方式的系统输出。对比三条曲线可以看出，改进型模糊PID控制器在动态性能和稳态性能上都较明显优于另外两种控制器，它的控制精度更高，曲线更平稳。

4.3鲁棒性验证

在燃料控制系统中，分别选取机组负荷在80%、100%时的模型参数，保持模糊自适应PID控制器和改进型控制器的PID初值、控制规则、粒子群算法初值等不变的情况下，加入幅值为1的定值扰动，观察两种控制器的鲁棒性。改进后的控制器的鲁棒性明显优于模糊自适应PID控制器的鲁棒特性。

5、结束语

本文结合变论域控制思想，融入粒子群算法，设计出了改进型模糊PID控制器。采用标准粒子群算法在线优化模糊控制器的调节因子，改变控制器输出的大小，从而减弱控制系统对模糊控制规则和控制系统模型的依赖，优化了控制效果。

参考文献

[1]王俊伟，汪定伟.一种带有梯度加速度粒子群算法[J].控制与决策，2004，（11）.

模糊PID控制原理及其仿真篇7

关键词：模糊控制,控制器,规则

操作人员根据对象的当前状态和以往的控制经验，用手动控制的方法给出适当的控制量，对被控对象进行控制。用计算机模拟操作人员手动控制的经验，对被控对象进行控制。

1 模糊控制的基本思想

首先根据操作人员手动控制的经验，总结出一套完整的控制规则，再根据系统当前的运行状态，经过模糊推理、模糊判决等运算，求出控制量，实现对被控对象的控制。

模糊控制的发展经历了基本模糊控制、自组织模糊控制、智能模糊控制三个阶段。基本模糊控制阶段针对特定对象设计，控制效果好。控制过程中规则不变，不具有通用性，设计工作量大。自组织模糊控制阶段某些规则和参数可修改，可对一类对象进行控制。智能模糊控制阶段具有人工智能的特点，能对原始规则进行修正、完善和扩展，通用性强。

2 模糊PID控制器

在本研究设计中确定模糊控制系统结构图如图1所示。

常规PID控制器对于具有强非线性或不确定性的系统, 控制效果并不理想。为了提高控制精度和灵敏度，采用模糊方法根据偏差和偏差的变化率, 对常规PID控制器进行修正，通过模糊推理来调整PID参数, 构成模糊PID控制，增量式PID数学模型为：

烟叶烘烤过程中，温度控制主要体现为恒温控制和均匀升温控制。自适应模糊控制由模糊推理和常规PID控制两部分组成，模糊推理环节实质上是模糊控制器，模糊控制器的输入为偏差e和偏差变化率ec，输出为ΔKp，ΔKi和ΔKd。确定PID的三个参数和偏差e与偏差变化率ec之间的模糊关系也就是PID参数模糊自整定的过程。在运行过程中根据e与ec的变化，依据模糊控制原理对三个参数进行在线修改，从而使被控对象具有良好的动态、静态性能。

模糊参数调节器的输入量炕房温度或湿度的偏差e和偏差变化率ec，输出量PID参数的修整量ΔKp，ΔKi和ΔKd的语言变量、基本论域、模糊子集、模糊论域和量化因子，将各变量的隶属度函数选择为均匀三角函数, 做出各变量隶属度函数如图2。

根根据据输输入入输输出变量的隶属度函数求得各语言变量的赋值，在根据语言变量的赋值，经模糊推理理理得得得到到到控控控制制制集集集，，，各控制参数的数值是通过对此模糊控制集的解模糊化而得到的。

3 模糊控制规则

PID参数整定必须考虑不同时刻3个参数的作用和相互间的关系, 根据专家经验得出在不同的―e―和―ec―状态时, 三个参数的自整定要求：

(1) 当偏差―e―较大时, 取较大的Kp以提高响应速度, 取较小的Kd以避免由于偏差―e―的瞬间变大可能出现的微分过饱从而使控制作用超出许可范围, 取Ki=0防止系统响应出现较大超调, 产生积分饱和。

(2) 当―e―和―ec―中等大小时，取较小的Kp以使系统响应有较小的超调，Ki取适当的值，Kd对系统影响比较大, 取值要适中以保证系统的响应速度。

(3) 当―e―较小时即接近设定值时, 加大Kp和Ki的取值, 以使系统有较好的稳态性能。为使系统有较好的抗干扰性能, 当―ec―较小时, Kd取较大的值;当―ec―较大时，Kd取较小的值。

(4) 当―ec―较大时，Kp取较小的值, Ki取较大的值。

4 模糊推理与解模糊化

不确定性推理方法之一是模糊逻辑, 本设计的推理方法是采用Mamdani方法即极大极小值法推理。

规则:如果Ai且Bi, 那么，Ci的模糊关系为[μAi∧μBi]∧μCi

否则的意义是“or”, 在推理计算中以并集形式表示。

房间温度模糊PID控制研究篇8

空调房间温度控制是一大滞后、慢时变、非线性的复杂系统,常规的PID控制器难以收到良好的控制效果。而模糊控制不依赖于控制对象精确的数学模型,动态性能好、受系统参数变化影响小,但稳态精度不高。为了解决上述这些问题,本文采用模糊、PID相结合的方法,构成模糊PID复合控制,既具有模糊控制灵活、适应性强的优点,又具有PID控制精度高的特点。

2 控制系统模型建立

控制对象的模型由两部分构成:空调机和房间环境。如图1所示。

控制器给定温度值Tr与实测温度值Ty的差值e=Tr-Ty,送控制器计算控制量,控制器输出u送空调以改变房间温度。

控制器采用模糊和PID控制并联型的控制器,其结构如图2所示。

控制策略选择的基本原则是:以误差的大小作为选择的条件。在大误差范围,采用模糊控制,以提高动态响应速度,增强自适应能力;在小误差范围内,采用P I D控制,以消除静态误差,提高控制精度。同时,为了防止控制策略的切换过于频繁,在误差的切换点,系统规定控制策略不作切换,维持上一次的动作。

3 模糊控制器设计

3.1 确定模糊控制器的结构

通过对被控对象的分析,采用目前最为常用的“双入单出”的单变量二维模糊控制器,输入为温度偏差e及偏差的变化率ec,输出为频率控制信号u。如图3所示。

E、E C、U分别为偏差e、偏差变化率ec和输出控制量u经模糊化的语言变量。对误差变量E,误差变化量EC和控制量U的模糊集及其论域定义如下:

E、EC和U的模糊集均为:{NB,NM,NS,ZE,PS,PM,PB},分别为{“负大”,“负中”,“负小”,“零”,“正小”,“正中”,“正大”};E、EC和U的论域均为:{-3,-2,-1,0,1,2,3}。

3.2 确定模糊变量的隶属度函数

根据房间温度控制的特点,经反复实验确定:三个变量的N M、N S、Z E、PS、PM的隶属函数都选择三角形隶属函数,而NB和PB选择降半梯形和升半梯形隶属函数。

3.3 建立模糊控制规则

模糊控制器控制规则设计原则是:误差较大时,控制量变化应尽力使误差迅速减小;误差较小时,以系统的稳定性为主要出发点,防止系统产生不必要的超调,甚至振荡。据此,依靠实际运行经验进行分析、归纳,可确定变频空调的模糊控制规则如表l所示。

3.4 模糊推理及解模糊

模糊决策采用Mamdani的(min-max)决策法,解模糊采用重心法(centroid)。

4 仿真研究

为了说明模糊控制、PID控制、模糊PID复合控制各自控制效果,分别对三种控制方式进行了仿真试验。

1)设置房间温度R(t)=25℃、干扰信号的幅值为0、限幅器参数值为3℃,延迟20s,仿真时间5000s时的仿真波形如图4所示。

由图4可见,利用文中所提出的温度控制算法,系统的输出在经过短时振荡后稳定在25℃,达到了温度调节的目标。模糊控制下降速度比PID控制快,动态性能优于PID控制,但仍有小辐振荡,稳态误差较大;由于控制系统具有较大的时间延迟,传统PID控制波动较大,响应速度缓慢而且超调量较大,易导致系统的不稳定;模糊和PID结合控制系统的超调小,调节速度快,稳态误差小,控制效果优于PID和模糊控制。

2)将延迟时间改为30s,PID和模糊PID控制效果比较见图5所示。

由图5可以看出,当系统的延迟时间改变时,PID控制具有较大的超调,过渡时间过长。延迟时间进一步增大,系统将变得不稳定,甚至出现发散振荡。PID控制对系统模型具有较强的依赖性,而模糊PID组成的复合控制受参数变化的影响很小,不依赖于系统的数学模型,超调小,系统很快稳定在设定值附近。

5 结束语

由上面仿真结果可知,传统的模糊或PID控制很难得到较好的控制效果。而将两者合理结合,既具有传统PID控制精度高的优点,又具有模糊控制器快速、适应性强的特点,并可以迅速消除系统误差,保证了系统具有良好的动、静态特性,能达到较理想的控制效果。

摘要：房间温度控制是一复杂的控制过程,传统的模糊或PID控制很难得到较好的控制效果。本文采用模糊PID控制,设计出空调房间温度控制器。利用MATLAB建立了空调房间温度控制仿真模型。仿真结果表明,模糊PID相结合可使控制效果大大提高。

关键词：模糊控制,模糊PID控制,房间温度

参考文献

[1]易继锴,侯嫒彬.智能控制技术[M].北京:北京工业出版社.l999

[2]诸静.模糊控制原理与应用[M].北京:机械工业出版社.1999

模糊PID控制器篇9

关键词：PID控制,模糊逻辑,继电反馈

0引言

自1942年由Ziegler和Nichols提出Z-N整定公式至今,PID整定一直是工业设计的一大任务,同时也是众多科技人员潜心研究的重要课题[1]。由于近年来工业被控对象和所处环境的复杂性,以模糊控制和神经网络控制为代表的智能整定方法得到了很大的发展[2],而常规PID控制由于其自身的优点仍然是目前工业控制器的主要应用对象,所以人们提出了模糊PID控制和神经网络PID控制等智能控制方法。然而智能整定方法有一个共同的问题是PID控制器的初始化,也就是给PID控制器一组初值,目前一般的方法是通过实验得到该PID初始参数,这就造成了控制的自动化程度降低。基于上述现状,本课题提出基于继电反馈的模糊PID控制器。

1基于继电反馈的模糊PID控制器设计原理

在模糊PID控制器的设计中,需要对PID参数进行初始化,该参数对模糊控制器至关重要,因为初始化与被控制量误差e有关,e的大小和模糊控制器中模糊输入量的论域大小有关。为了高度实现自动化和减少人为的参与,设计了以继电反馈的方法实现在线一次整定PID初始参数,然后模糊PID控制器以此参数为系统的初始化参数,进行在线PID参数的自整定。基于继电反馈的模糊PID控制器的原理图见图1。

如图1所示,当控制器在初始时刻,开关Sab和a端连接,控制器工作在继电反馈状态,根据继电反馈整定法对系统临界信息进行检测,包括临界振荡增益和临界振荡频率,然后根据各整定公式对PID参数初始化;当PID控制初始化完毕后,开关Sab和b端连接[3],控制器工作在PID参数的在线调节状态,这时,初始整定的PID参数一方面作为控制器参数进行系统的控制,一方面作为模糊整定的初始化参数;之后,根据模糊规则对PID参数进行在线调节。

由上述可知,该控制器有两个工作状态,一是继电反馈状态,二是模糊在线调节状态。

在第一个状态有关键的两步[4]:

(1) 如何设置继电环节的参数以及观测继电环节的输入、输出信号。继电环节的参数包括继电非线性环节输出的一次基波幅值A(mV)、继电环节输出振荡波的周期Tc(s)和继电器回环的幅值d(mV)。其中继电器回环幅值的大小对临界信息影响很大,直接关系到参数整定的好坏。如果设置的d值太小则无法产生系统的振荡,无法测试临界信息,在环境噪声较为严重时对临界信息的测量影响更大,需要加大d值抵消噪声对测量的影响。临界信息包括比例增益Ku(mV)和振荡频率ωc(Hz),它们通过关系式undefined和undefined求得。

(2)根据临界信息对PID参数进行一次整定。继电整定主要有3种方法:临界比例度法、PM法和SPAM法。其中,临界比例度法整定出的参数初值是最理想的,所以本文用临界比例度法整定PID的参数,具体公式可参考文献[3]。

在第二个状态中[5],我们采用以误差e及其误差变化率ec为输入量,以ΔKp、ΔKi、ΔKd为输出的2输入3输出的模糊控制器。在这里有关键的4个步骤:①确定实际输入、输出量的基本论域和其对应的模糊论域;②对实际输入量的模糊化和对实际输出量的解模糊化,也就是确定实际输入、输出量的基本论域和其对应模糊论域的对应关系,即量化因子的确定;③确定模糊控制模型及其规则;④确定模糊控制系统的采样时间,采样时间的大小对误差变化率ec的影响很大。

下面对基本论域与离散模糊论域[6]及其量化因子的确定进行分析,由于变量e、ec的基本论域与离散模糊论域及其量化因子的确定方法一致,所以以变量e说明。基本论域也就是变量的实际变化范围,假定变量e的变化范围是[-xe,xe],且其模糊论域为{-n,-n+1,…,0,…,n-1,n},那么其量化因子Ke=n/xe。变量ec的量化因子的确定类似。ΔKp、ΔKi、ΔKd的解模糊因子以ΔKp为例说明,假定其基本论域为[-ΔKp,ΔKp],其模糊论域为{-m,-m+1,…,0,…,m-1,m},那么它的解模糊因子为KΔKp=ΔKp/m。

2仿真研究

基于继电反馈的模糊PID控制器的Simulink仿真框图见图2。我们以二阶加纯滞后对象为仿真对象,对象传递函数为Gpundefined。

(1)系统首先工作在继电反馈状态,开关与继电环节的输出连接,令继电器回环的幅值d=5mV,系统继电振荡的输入、输出图见图3。由图3可知,系统临界振荡的输出振幅A=22.1mV,振荡周期Tc=3.33s,根据临界比例度公式推导得到参数Kp=0.172 8,Ki=0.096 8,Kd=0.077 2。用该组参数对PID控制器进行初始化。

(2)PID参数初始化完成后,开关与PID控制器的输出连接,系统正常工作运行,PID参数进行在线调整。图4是一般继电反馈PID整定法的控制量U的变化曲线和基于继电反馈的模糊PID整定法的控制量U的变化曲线的对比图。由图4可知,基于继电反馈的模糊PID整定法的控制量的超调较小,并且是非线性控线和基于继电反馈的模糊PID整定法的系统输出曲线的对比图。由图5可见,基于继电反馈的模糊PID整定法的系统输出曲线超调小,并且快速达到稳态值,控制效果更好。

3结论

从系统的输出对比可以得知,较继电反馈整定法而言,基于继电反馈的模糊PID控制器整定方法的输出更理想,没有超调量,整定时间短。由图4可知,模糊PID控制是非线性控制,控制量U是非线性变化的,这也是模糊控制的一个突出优点。该方法是理想的PID整定方法,既实现了系统的在线一次整定,而且又实现了系统的在线实时整定。

参考文献

[1]何宏源,徐学进.PID继电自整定技术的发展综述[J].沈阳工业大学学报,2005,27(4):409-413.

[2]夏红.PID参数自整定方法综述[J].浙江科技学院学报,2003,15(4):236-240.

[3]韩瑞珍.模糊推理自整定PID控制器[J].自动化仪表,2001,22(10):24-25.

[4]谢元旦,夏淑艳.PID调节器的继电自整定方法[J].控制与决策,1993,8(1):77-80.

[5]刘曙光,魏俊民.模糊控制技术[M].北京:中国纺织出版社,2001.

模糊PID控制器篇10

关键词：模糊PID,控制器,FPGA,QuartusⅡ,Matlab

0 引言

采用常规方法实现模糊PID控制器[1], 通常需要设计比例、积分和微分三个模糊推理系统, 由于每一项都需要相应的模糊控制器和模糊规则, 存在运算量大, 求解时间长, 响应过程慢等问题, 而且大量的模糊规则在实现时也需要消耗较多的逻辑资源。如果采用并行结构, 以并行方式将PD模糊逻辑控制器PDFLC (PD Fuzzy Logic Controller, PDFLC) 和PIFLC, 两个模糊逻辑控制器模块的输出进行叠加, 实现PIDFLC[2,3], 同时引入FPGA技术[4,5], 便可以解决上述问题。通过QuartusⅡ和Matlab联合仿真, 对设计方案进行了验证。

1 基于FPGA的模糊PID控制器实现原理

基于FPGA的模糊PID控制器的芯片结构如图1所示。控制器的输入量是控制对象的实际输出量yP (t) 与期望输出量yD (t) 的差值。控制器还需要接收4个8 b的数字信号, 即表示比例增益KP、积分增益KI、微分增益KD和输出增益KO的信号;此外还要有2 b的模式选择信号, 通过逻辑组合, 选择控制器的类型 (PIFLC, PDFLC或PIDFLC的一种) 。

在设计模糊PID控制器时, 为节省FPGA的逻辑资源, 一般不选择含有三个模糊控制器的方案, 而采用并行结构, 将PDFLC和PIFLC两个模糊控制器模块的输出相加, 来实现PIDFLC。基于这种设想, 先将PD控制器转变成PI控制器, 再将二者叠加。式 (1) 为PD控制器的位置表达式, 式 (2) 为PI控制器的增量表达式。

$\begin{array}{l} u (n) = Κ_{Ρ} e (n) + Κ_{D} r (n) (1) \\ Δ u (n) = Κ_{Ρ} r (n) + Κ_{Ι} e (n) (2) \end{array}$

式中:e (n) 为采样误差信号; r (n) 为采样误差的变化率;Δu (n) 为控制量的增量。比较式 (1) 和式 (2) 可知, 位置式的PD控制器可以转换成增量式PI控制器, 条件如下:

① r (n) 和e (n) 交换位置;

② KI取代KD;

③ Δu (n) 取代u (n) 。

图2为基于上述原理的控制器的结构图, 图中对PDFLC的输出端求和 (虚框部分) , 以代替PIFLC。

每一个PDFLC模块均采用两输入单输出的Mandani型模糊推理系统, 输入的两个信号分别为误差信号和误差信号的变化率。在进入模糊化之前, 每一个输入变量均乘以一个来自于PDFLC内部的增益系数 (KP和KI或KP和KD) 。同样, 模糊化后输出值也需乘一个来自于PDFLC内部的增益系数 (KO) , PDFLC和PIFLC的输出 (uPDFLC和uPIFLC) 之和作为PIDFLC的输出 (uPIDFLC) 。模式选择控制端的输入变量决定输出模式。由图2可见PDFLC模块是控制器设计中的核心, 主要包括增益、模糊化、模糊推理和解模糊化模块。

1.1 增益模块

在PDFLC模块的输入和输出部分各包含一个增益模块。增益模块中为两输入一输出模块。两个输入变量分别为来自外部的输入变量和不同模式下对应的增益系数, 它们的乘积作为该模块的输出。每个增益模块各包含一个8 b的锁存器, 用于存储增益系数的值, 该值的具体数值取决于控制器工作在哪个工作方式。增益模块的结构如图3所示。

1.2 模糊化模块

模糊化过程是使用两个模糊器模块完成的, 每一个变量对应一个模糊器模块。每一个模糊器模块输入一个变量, 产生四个输出, 即表示两个主动模糊集序列的i和i+1, 及变量所对应的隶属度μi和μi+1。模糊器模块由三部分构成:存储器、转换器和增量器。存储器模块用作查找表, 存放的是每个输入变量的隶属度值和主动模糊集数。

存储器模块中每个字节被分为两个部分。第一部分表示第一个主动模糊集的序列号, 第二个主动模糊集的序列号是通过增量器在第一个主动模糊集序列号上加1获得的。字节的第二部分, 表示第一个主动模糊集中输入变量的隶属度数值。在第二个主动模糊集中, 输入变量的隶属度值是1减去第一个输入变量的隶属度值。即两个连续模糊集的隶属度值之和为1, 用式 (3) 表示:

$μ_{i} + μ_{i + 1} = 1 (3)$

1.3 推理机模块

设计中使用的推理机模块是建立在主动规则选择机制上的。主动规则选择器模块使用的信息来源于模糊器中的主动模糊集, 且仅发主动规则。通过这种方式使用模糊选择器, 可使被处理的规则的数目减少很多, 主动规则数目用式 (4) 表示:

$Ν = V^{m} (4)$

式中:N为主动规则数目;m为输入数; V为重叠模糊集的最大数目。在设计中, 假设m=2, V=2, 则每次主动规则的数目为Vm=22=4个。

除了主动规则选择器模块, 推理机还有另外两个模块。规则存储模块和最小电路模块。3个模块的连接图如图4所示。

1.4 解模糊化模块

解模糊化是在解模糊器中完成的, 采用的是重心法, 用式 (5) 表示:

$z = \frac{\sum_{k = 1}^{Ν} μ_{k} β_{k}}{\sum_{k = 1}^{Ν} μ_{k}} (5)$

式中:N为规则数;μk为第k条规则的适应度;βk为第k条规则输出隶属度函数的解模糊化数值。

解模糊器由两个累加器、一个乘法器和一个除法器构成的。解模糊化模块接受来自于推理机的四条规则序列和它们的隶属度 (在4个时钟周期内顺序接收) , 并产生一个明确的输出送到增益模块, 如图5所示。

在四个连续的时钟周期内, 来自推理机的隶属度和规则序列按顺序传送, 而不是在一个周期内并行传输, 这样可减少FPGA中的资源消耗。

2 联合仿真及结果

将设计的文件加载到FPGA器件之前, 为了验证设计的正确性, 必须进行全面充分的功能和时序仿真。功能仿真一般对大型设计的前期代码进行验证, 通常使用Mentor公司的Modelsim来进行;时序仿真使用QuartusⅡ或Modelsim软件均可。模糊PID控制器的设计较小, 省略了功能仿真步骤, 直接进行时序仿真。

在设计中采用Matlab与QuartusⅡ联合仿真[6,7,8,9,10], 不仅能够提高设计效率, 而且大大增强了QuartusⅡ的仿真功能。下面介绍仿真的过程和方法。

*.vec文件是Quartus Ⅱ与Matlab联合仿真时需要Matlab提供的文件。*.vwf和*.vec格式的文件是Quartus Ⅱ仿真软件中时序仿真中常用的两种文件格式。前者是在Quartus Ⅱ中通过波形编辑器生成的, 主要用于输入简单数据, 当输入较为复杂数据时, 用波形输入的方法难以实现, 仿真效果较差。后者是按一定仿真格式要求的文本文件输入方式, 只要满足Quartus Ⅱ对仿真文件的格式要求, 可以利用任何文本编辑器产生。为了加强数据生成处理能力, 这里选用Matlab软件生成*.vec文件。*.vec文件格式及其格式说明如下:

按以上格式要求, 在Matlab中将输入数据以文件的形式输出并将其保存为*.vec格式。

在QuartusⅡ中对仿真参数进行设置, 将仿真向量文件指向由Matlab生成的*.vec文件, 即可将Matlab中生成的仿真信号导入QuartusⅡ进行仿真。将仿真结束后生成的波形文件 (*.vwf格式) , 另存为*tbl格式文件, 以便将仿真结果导入Matlab中进行验证。*tbl文件如下:

以数据文件输入的方式将此*.tbl文件中的QuartusⅡ仿真输出信号的数值导入Matlab中, 既可以分析模糊PID设计的正确与否, 也可以分析其性能优劣。

下面以基于软件的模糊PID控制器 (Software Bulid Controller, SBC) 与基于FPGA的模糊PID控制器 (FPGA Bulid Controller, FBC) 做比较。在仿真中对称三角模糊集和单值模糊集分别用于输入和输出变量, 此外还应用图6中所示的64个模糊规则的规则表。

将两种模糊PID控制器用在图1所示的控制系统中, 并输入0.5 V的阶跃信号。选择的受控对象是工业控制对象中的典型模型, 如直流电机位置控制等。模型的离散使用的是ZOH法。离散传递函数如下:

$G_{2} (z) = Ζ^{- 2} \frac{0.025 11 z^{- 1} + 0.019 97 z^{- 2}}{1 - 1.48 z^{- 1} + 0.502 8 z^{- 2}} (6)$

式 (6) 的采样周期T=0.25 s。采用FBC和SBC进行仿真比较。因为每一个控制器均能作为PDFLC, PIFLC或PIDFLC使用, 所以给出了3种控制器的仿真结果。图7为受控对象受PDFLC, PIFLC和PIDFLC控制时的阶跃响应的仿真曲线。

3 结语

针对以传统方式实现模糊PID控制器时, 各输入变量均需要建立模糊控制器模块, 且需要大量的规则库, 提出了改进的模糊PID控制器, 以PDFLC代替PIFLC, 用两个PD模糊控制器实现模糊PID控制器, 并利用FPGA实现。采用Matlab与QuartusⅡ联合仿真, 比较了基于FBC和SBC的仿真结果, 表明基于FPGA的模糊PID控制器, 响应时间和控制效果较为理想, 验证了设计方案的正确性和可行性。

参考文献

[1]潘新民, 王艳芳.微型计算机控制技术[M].北京:电子工业出版社, 2003.

[2]FARINWATA S S, FILEV D, LANGARI R.Fuzzy con-trol:synthesis and analysis[M].Hoboken:John Wiley&Sons, Ltd., 2000.

[3]HU B G., MANN G K, GOSINE R G.New methodologyfor analytical and optimal design of fuzzy PID controllers[J].IEEE Transactions on Fuzzy Systems, 1999, 7 (5) :521-539.

[4]李浩, 方康玲, 杨帆.改进的广义隶属函数法及其FPGA实现[J].计算机应用, 2005, 25 (6) :1463-1465.

[5]褚振勇, 齐亮.FPGA设计及应用[M].西安:西安电子科技大学出版社, 2006.

[6]王旭东, 潘广桢.Matlab及其在FPGA中的应用[M].北京:国防工业出版社, 2006.

[7]王建, 白瑞林.基于FPGA的智能控制器设计与测试方法[J].微计算机信息, 2005, 12 (2) :128-130.

[8]陈晋炜, 周玉洁.数字PID控制器的FPGA实现及软硬件协同仿真[J].信息技术, 2005 (9) :38-40.

[9]刘金琨.先进PID控制及Matlab仿真[M].北京:电子工业出版社, 2003.

模糊PID控制器篇11

关键词：PID控制；调速系统；模糊-PID混合控制；直流电机

中图分类号：TP273文献标识码：A文章编号：1007-9599 (2012) 03-0000-02

Fuzzy-PID Hybrid Control Technique for DC Motor Speed Control System

Zhang Yufei

(Inner Mongolia Technical College of Mechanics and Electrics,Hohhot 010070,China)

Abstract: In order to improve the system performance of DC motor speed control by fuzzy PID control and MATLAB software tool-aided design of the DC motor speed control system.

Keywords: PID control; Speed control system; Fuzzy-PID hybrid control; DC motor

直流电机调速系统的应用于数控机床；工业生产；纺织、造纸、医疗、通讯等方面的加工生产设备；是工业化快速发展设备更新提速的关键环节之一。模糊PID控制能够随着直流电机的运行变化控制电动机的速度。比较常规的PID控制的参数不随控制对象的变化自行调整这一方面因素，具有更好的控制效果。

一、PID控制

PID的解释是比例-积分-微分，也就是说自动控制技术的三个方面，测量、比较、执行，通过误差纠正的方式调节控制系统使其做出正确的反映。

比例控制（P）：

比例控制是对控制器输入与输出的误差建立比例关系，找到稳态误差。

积分控制（I）：

积分控制是对控制器输入与输出的误差信号积分建立比例关系，并建立积分项，随着时间的增加，积分项越来越大，误差也就越来越大，这样就随着误差的增加进行控制器的调整达到稳态误差。

微分控制（D）：

微分控制是对控制器的输入与输出的误差变化规律建立比例关系，通过微分的控制可以提前预测误差的变化趋势，从而对误差进行预防控制。

通过比例控制、积分控制、微分控制（PID）对系统的调节方面可以起到动态处理的效果。

二、直流电动机的动态数学模型

电动机动态特征框架如图：

直流电动机动态方程式：

u=e+iaRa+La

e=Ce =Kt

Tem=TL+R+J

Tem=CT ia=Ktia

速度函数：

（s）=G1(s)·U(s)+G2(s)·TL(s)

G1(s)=

G2(s)=

La=绕线电感；Ra=绕组电阻；J=转子转动惯量；R =阻力系数；Kt=转矩系数；TL=负载转矩；Tem电磁转矩； e=电气时间常数；e=La/Ra； m=机械时间常数；m=J/R ； em为机电时间常数。

三、模糊PID控制系统

（一）模糊控制系统原理

模糊控制系统原理是针对传统PID调速系统的无法根据控制对象参数的变化而变化的问题而产生的。本文以二维模糊PID控制直流电动机调速系统，电流环采用PI控制，当直流电动机调速系统速度误差较大时，通过二维模糊PID控制器可以得到高稳态的精度，当误差较小时，采用PI控制可以减少结构的复杂程度，同样具有稳定的优点。

二维模糊PID控制框架图

Kp=比例系数；Ki=积分系数；Kd=微分系数；e=误差；△e=误差变化；u=系统控制值（输出量）。

（二）模糊控制设计

模糊PID控制可以提高直流电机调速系统的抗干扰能力，采用二维模糊控制器，对输入的变量（即给定速度值与反馈速度值的误差变化）进行模糊处理得到输出量，再将输出量作为电流环的给定值，进行控制。

模糊控制设计方法：

1.设语言变量与输入、输出变量模糊子集对应为：负大→NB，负中→NM，负小→MS，零→ZO，正小→PS，正中→PM，正大→PB，论域均为：-6至+6。

2.隶属函数选择正态型隶属函数，如图:

3.模糊决策利用Mamdani型推理算法，逆模糊采用中心平均法，模糊控制规则如表：

NBNMNSZOPSPMPB

NBNBNBNBNBNMZOZO

NMNBNBNBNBNMZOZO

NSNMNMNMNSZOPSPS

ZONMNMNSZOPSPMPM

PSNSNSZOPSPMPMPM

PMZOZOPMPBPBPBPB

PBZOZOPMPBPBPBPB

四、仿真结果

直流电机调速系统仿真是通过使用MATLAB软件的控制工具SIMULINK工具箱进行操作的。为转速环设置有限幅度，再为电流环设置有限幅度，这样对积分输出发散有这控制和防止的作用。对模糊-PID控制器封装、再对电流环PID控制器封装、最后为直流电机模型进行封装，它们组织电机调速系统。这三个封装系统分别作为电机调速系统的子系统，其结构如图：

模糊PID控制器封装子系统FUZZY PID controller、电流环PID控制器封装子系统ACR、直流电机的模型封装子系统BLDCM模块

电机参数：

UN=220V；IN=136A； N=1460r/min；Ce=0.132Vr min-1；电枢回路总电阻R=0.5 ；电枢电感L=0.015H；电流反馈系数 =0.05 ；转速反馈系数 =0.007

仿真结果:

5s加负载转速响应

电流曲线

当直流电机设备无工作条件下进行空载运行，在t=5s时加入负载，在t=8s时加入电网扰动，从而得到上图曲线，为仿真曲线。

通过上图分析，当直流电机调速系统加入负载和加入电网扰动后，直流电机调速系统设备可以正常的工作，实现平稳运行，无静差控制。所以模糊-PID混合控制技术在直流电机调速系统中的应用可以得到较好的仿真效果。

五、结束语

通过模糊-PID混合控制技术在直流电机调速系统的应用可以看出，模糊-PID混合控制技术对于直流电机调速的控制可以减小系统的误差，从而提高直流电机的工作性能，对于直流电机系统中的不确定因素，如：电机工作中的自感、阻尼、惯量等的变化，使用模糊控制与PID控制混合在一起进行高精度的控制，达到直流电机调速的准确性。

参考文献：

[1]韩盼盼.模糊自整定PID控制器的研究与设计[J].河北工业大学,2010

[2]戚鹏等.基于模糊PID控制的永磁无刷直流电动机调速系统研究[J].黑龙江科技信息,2008（32）

[3]葛薇等.模糊PID控制及其进展[J].安徽职业技术学院学报,2007（4）

[4]陈德地等.自适应模糊PID控制在BLDCM调速系统中的应用[J].桂林电子科技大学学报,2008（5）

[5]董子文等.模糊PID控制在双闭环直流调速系统中的应用研究[J].电气自动化,2010（32）

模糊PID控制器篇12

液位作为工业控制中的重要参数之一,在石油化工、冶金、电力、能源等工业生产领域中都有涉及,因此液位是过程控制领域中非常普遍的一种被控过程[1]。由于PID控制算法的简便和易于实现的优点,使其在液位控制系统中获得相当广泛的应用。但是当液位过程特性具有复杂特性,如时滞、参数时变、非线性等,且系统中存在较大干扰时,PID控制往往难以获得满意的控制效果。针对常规控制策略的不足,逐渐出现了多种先进的控制策略。文献[2]将DMC算法与PID控制相结合,有效地改善了系统在模型失配情况下的控制性能。文献[3]为提高液位系统控制的可靠性和安全性,利用广义预测控制算法,获得了较好的控制效果。文献[4]针对液位控制系统介绍了一种模糊PID控制器设计方法,实验结果证明了该方法的有效性。文献[5]针对双水箱液位串级控制系统,设计了一种基于粒子群优化算法的参数自整定PID控制器,实验结果表明系统的性能得到明显改善。文献[6]提出了一种采用遗传小脑模型神经网络(CMAC)的学习控制方法,仿真结果表明了算法的有效性。上述方法在改善系控制统性能同时,仍然存在着一些不足,例如算法复杂度和实时性问题还待进一步研究。

内模控制(Internal model control,IMC)作为一种先进控制技术,由于其具有在线整定方便、鲁棒性强以及对模型精度要求低等优点,近年来在过程控制领域得以广泛应用,但常规内模控制存在着控制器参数需要在系统动态性能和鲁棒性之间进行折中选择的局限性。本文针对液位过程,给出了一种内模PID控制器设计方法,并基于模糊逻辑实现了控制器参数的在线自动整定,实验结果表明了该设计方法的有效性。

2 液位过程数学模型

建立过程的数学模型是分析和设计控制系统的重要基础和基本依据。建立数学模型的方法主要有机理分析和实验辨识两种。本文采用混合建模方法,即首先通过机理分析法获得被控过程的模型结构,然后根据实验数据,利用实验辨识法确定模型中的未知参数。液位过程结构如图1所示,其中q1为入料流量,q2为出料流量,h为容器的液位。

根据动态物料平衡关系可得:

式中,A为容器横截面积。根据流体力学可知,液体在紊流状态下,液位与流量之间呈微弱的非线性关系。采用线性化处理,近似认为q2的增量部分与h的增量部分成正比,与出料阀的液阻R1成反比,即:

将式(2)代入式(1)消去q2,同时考虑存在的时间延迟L,经过拉氏变换得液位过程数学模型为

式中,K、T和L分别为液位过程的开环增益、惯性时间和时滞时间。

在系统处于平衡状态时,施加阶跃输入,测得输出响应曲线,并通过作图与计算的方法,确定系统的静态增益K=28,时间常数T=35s,时滞时间L=20s,即

时滞环节的存在会使系统响应的动态偏差增大,稳定性下降。

3 液位过程模糊内模PID控制

3.1 内模PID控制器设计

内模控制系统的结构如图2所示。其中P(s)为被控过程,M(s)为被控过程的数学模型,Q(s)为内模控制器,R(s)、Y(s)和D(s)分别为控制系统的输入、输出和干扰信号。由图2可得

由式(5)可知,当模型没有误差即P(s)=M(s),只要Q(s)和M(s)都是稳定的,那么内模控制系统闭环稳定。在这种情况下,若模型的逆存在,且内模控制器Q(s)=M-1(s),则系统可实现理想控制,即Y(s)=R(s)。

但在实际应用中,非理想的情况总是存在的,为此,内模控制器Q(s)可按下式进行设计

式中,M?(s)为过程模型M(s)的可逆部分,f(s)为低通滤波器,通常采用以下形式

式中,g为足够大的常数,以保证Q(s)的可实现性,λ为滤波器时间常数。

内模控制系统可以等效变换为图3所示的常规反馈控制系统,其中C(s)为反馈控制器,C(s)与Q(s)有如下关系

考虑式(3)所示的过程模型,用一阶Pade表达式逼近时滞项

则过程模型近似为

选取一阶滤波器

得内模控制器为

根据式(8)得反馈控制器

显然式(13)具有PID控制器的形式,与常规PID控制器相比较可得控制器的参数为

式中,KC为比例增益,TI为积分时间,TD为微分时间。

与常规PID控制器不同的是内模PID控制器只有一个可调参数λ,λ决定着系统的动态特性和鲁棒性,λ越小,系统响应越快但鲁棒性变差,容易引起振荡,反之,λ越大,系统鲁棒性越好,但响应过程缓慢。因此,可以根据系统的期望特性在线调整参数λ。

3.2 模糊内模PID控制器设计

控制器参数λ可以根据系统误差e及误差的变化Δe在线调整。当误差较大时,λ应取较小值,以快速减小误差,随着误差的减小,λ的取值应逐渐增大,当误差较小时,若输出响应出现超调的趋势,λ应取较大的值,以防止产生超调,若输出响应正缓慢趋于设定值,λ应取适中的值,既加快了输出响应,又防止了产生超调[7]。

设系统误差、误差的变化以及控制器参数λ的语言变量分别为E、EC和Λ,且E的模糊论域为X=[-6,…,-0,+0,…,+6],模糊集为A={NB,NM,NS,NO,PO,PS,PM,PB},EC的模糊论域为Y=[-6,…,0,…,+6],模糊集为B={NB,NM,NS,O,PS,PM,PB},Λ的模糊论域为Z=[1,2,3,4,5],模糊集为C={VS,S,M,B,VB},其中VS、S、M、B和VB分别表示很小、小、中、大和很大。以上模糊变量均取高斯型隶属函数,即

式中,参数σ为正值,参数α用于确定曲线的中心。

根据参数调整基本思想,确定模糊调整规则如表1所示,调整规则可以用一组模糊条件语句来描述:I f E=Ai and EC=Bj ThenΛ=Cij,其中,i=1,2…,8,j=1,2…,7。与此对应的模糊关系可描述为

式中,×为模糊直积运算。模糊关系R的隶属函数可表示为

式中,x∈X,y∈Y,z∈Z。

当误差、误差的变化分别取模糊子集A、B时,模糊参数Λ可由下式得出

式中,o为模糊合成运算。Λ的隶属函数为

运用Mamdani推理规则,采用重心法进行模糊判决,可求得模糊参数调整表。在控制的过程中,可通过查表的方法得出模糊参数Λ的取值,然后乘以比例因子即可作为控制器可调参数λ的清晰值。

4 实验结果及分析

为验证本文方法的有效性,将其应用于液位过程控制系统。该系统主要由液位过程、操作台、工控机及电动调节阀四部分组成。其中液位过程的底部安装的扩散硅压力传感器与变送器,可对液位进行检测和变送,操作台与工控机之间通过ICP7000系列智能采集模块相连接,系统硬件结构如图4所示。系统监控软件基于MCGS(Monitor and Control Generated System)组态软件进行开发。

图5为系统在给定信号作用下的实时输出曲线,液位给定值为43cm,由图可见,模糊内模PID控制器调节迅速、无超调,且具有良好的稳态性能。

图6为系统在扰动状态下的液位实时控制曲线,在系统达到稳态后,通过旁通阀施加扰动量,第一次施加扰动持续70秒,系统恢复的时间为45秒,第二次施加扰动持续60秒,系统恢复的时间为35秒。可见本文的控制算法具有较强的抗干扰能力。

5 结束语

本文针对工业控制领域中普遍存在的液位过程,采用机理分析与实验辨识相结合的混合建模方法,建立了液位过程的数学模型,基于内模控制原理设计了一种内模PID控制器,并利用模糊逻辑,实现了控制器参数的在线自动调整,克服了常规内模控制中参数整定的局限性。实验结果表明,该方法可以使系统同时具有良好的动、静态特性以及抑制扰动的鲁棒性。

参考文献

[1]王志新,谷云东,王加银.双容水箱上的几种液位控制实验及被控对象的数学模型[J].北京师范大学学报,2006,42(2):126-130.

[2]张文安,徐建明,俞立.PID-DMC算法及其在液位控制系统中的应用[J].控制工程,2005,12(1):22-25.

[3]王晓枫,余世明,熊小华.基于广义预测控制算法的水槽液位控制系统[J].机电工程,2009,26(3):35-38.

[4]林宝全.模糊PID控制在液位控制系统中的应用[J].福州大学学报(自然科学版),2008,36(5):686-690.

[5]吴文进,葛锁良,江善和.基于粒子群优化算法的PID液位控制[J].合肥工业大学学报(自然科学版),2009,32(11):1674-1677.

[6]邢东峰,董海鹰.遗传小脑神经网络在液位控制中的应用[J].计算机测量与控制,2006,14(9):1198-1199.

【模糊PID控制器】推荐阅读：