模糊自适应整定PID控制仿真实验.doc

实验三 模糊自适应整定PID控制仿真实验一、实验目的1通过实验了解数字PID控制的原理 2通过实验实现离散系统的数字 PID 控制仿真 3通过实验了解模糊自适应整定PID控制的原理4通过实验实现模糊自适应整定PID控制仿真5通过实验进一步熟悉并掌握Matlab软件的使用方法二、实验内容1针对给定离散系统的输入信号的位置响应，设计离散PID控制器，编制相应的仿真程序。2若采样时间为1ms ,采用模糊PID控制进行阶跃响应,在第300个采样时间时控制器输出加1.0的干扰,编制该模糊自适应整定PID系统的Matlab仿真程序三、实验步骤1针对给定离散系统的阶跃信号、正弦信号和方波信号的位置响应，设计离散PID控制器，编制相应的仿真程序。2确定模糊自整定PID的算法基础3针对 kp, ki , kd 三个参数分别建立合适的模糊规则表4画出PID参数的在线自校正工作程序流程图5编制该模糊自适应整定PID系统的Matlab仿真程序四、实验要求1设被控对象为：采样时间为1ms,采用Z变换进行离散化，经过Z变换后的离散化对象为：yout(k)=-den(2)yout(k-1)-den(3)yout(k-2)-den(4)yout(k-3)+num(2)u(k-1) +num(3)u(k-2)+num(4)u(k-3)针对离散系统的阶跃信号、正弦信号和方波信号的位置响应，设计离散PID控制器。其中，S为信号选择变量，S=1时为阶跃跟踪，S=2时为方波跟踪，S=3时为正弦跟踪。2采样时间为1ms ,采用模糊PID控制进行阶跃响应,在第300个采样时间时控制器输出加1.0的干扰,编制炉温模糊控制系统的Matlab仿真程序五自适应模糊控制的规则1控制规则：2.模糊控制器设计确定为双输入，三输出结构确定每个变量的论域，其中每个变量都有一个模糊子集来表示。这个模糊子集中有3个模糊子集，分别是：N，Z，P在编辑界面中，确定好每一个语言变量的范围，以及隶属函数的类型。如下图所示：输入模糊控制规则：六仿真结果PID控制器Kp参数在控制过程中的变化曲线：Ki参数：Kd参数：七实验程序（一）%Fuzzy Tunning PID ControlClear all;Close all;a=newfis(fuzzpid);a=addvar(a,input,e,-1 1);a=addmf(a,input,1,N,zmf,-1,-1/3);a=addmf(a,input,1,Z,trimf,-2/3,0,2/3);a=addmf(a,input,1,P,smf,1/3,1);a=addvar(a,input,ec,-1 1);a=addmf(a,input,2,N,zmf,-1,-1/3);a=addmf(a,input,2,Z,trimf,-2/3,0,2/3);a=addmf(a,input,2,P,smf,1/3,1);a=addvar(a,output,kp,-10 10);a=addmf(a,input,1,N,zmf,-10,-3);a=addmf(a,input,1,Z,trimf,-5,0,5);a=addmf(a,input,1,P,smf,3,10);a=addvar(a,output,ki,-3 3);a=addmf(a,output,2,N,zmf,-3,-1);a=addmf(a,output,2,Z,trimf,-2,0,2);a=addmf(a,output,2,P,smf,1,3);a=addvar(a,output,kd,-5 5);a=addmf(a,output,3,N,zmf,-5,-1);a=addmf(a,output,3,Z,trimf,-3,0,3);a=addmf(a,output,3,P,smf,1,5);Rulelist=1 1 1 1 1 1 1; 1 2 1 2 1 1 1; 1 2 2 1 2 1 1; 1 3 1 2 1 1 1; 1 3 2 3 2 1 1; 2 1 1 1 1 1 1; 2 2 3 3 1 1 1; 2 1 2 2 3 1 1; 2 3 2 1 3 1 1; 2 2 3 1 2 1 1; 3 1 2 1 1 1 1; 3 2 3 1 2 1 1; 3 1 2 1 2 1 1; 3 3 1 2 3 1 1; 3 2 3 1 2 1 1;a=addrule(a,rulelist);a=setfis(a,DefuzzMethod,centroid);writefis(a,fuzzy);a=readfis(fuzzpid);figure(1);Plotmf(a,input,1);figure(2);Plotmf(a,input,2);figure(3);Plotmf(a,output,1);figure(4);Plotmf(a,output,2);figure(5);Plotmf(a,output,3);figure(6);Plotfis(a);fuzzy fuzzpid;showrule(a);ruleview fuzzpid;(二)%Fuzzy PID Control Clear all;Close all;Warning off;a=readfis(fuzzpid);t=0.001;sys=tf(122,1,26,0);dsys=c2d(sys,ts,z);num,den=tfdata(dsys,v);u-1=0;u-2=0;y-1=0;y=2=0;e-1=0;ec-1=0;ei=0;ed=0;kp0=0;ki0=0;kd0=0;for k=1:1:1000Time(k)=k*ts;r(k)=1;%Using fuzzy inference to tunning PIDk-pid=evalfis(e-1,ec_1,a);kp(k)=kp_0+k_pid(1);ki(k)=ki_0+k_pid(2);kd(k)=kd_0+k_pid(3);u(k)=kp(k)*e_1+ki(k)*ei+kd(k)*ed;y(k)=-den(2)*y_1-den(3)*y_2+num(2)*u_1+num(3)*u_2;e(k)=r(k)-y(k);%Return of parameters%u_2=u_1;u_1u(k)=0;y_2=y_1;y_12=y(2);ei=ei+e(k)*ts;ec(k)=e(k)-e_1;e_1=e(k);ec_1=ec(k);endfiure(1);plot(time,r,r,time,y,b:,linewidth,2);xlabel(time(s);ylabel(r,y);legend(Ideal osition,Practical position);fiure(2);subplot(211);plot(time,kp,r,linewidth,2);xlabel(time(s);y