專(zhuān)家PID控制系統(tǒng)Matlab仿真

1、專(zhuān)家PID控制系統(tǒng)Matlab仿真摘要：分析了一個(gè)速度控制器的控制仿真。其傳遞函數(shù)為：523500G (s)=s 3 + 87.35s 2 +1047 s使用專(zhuān)家PID控制系統(tǒng)，輸入信號(hào)為階躍信號(hào)，取采樣時(shí)間為1ms，畫(huà)出階 躍響應(yīng)曲線和誤差變化曲線。0引言專(zhuān)家控制(Expert Control)的實(shí)質(zhì)是基于受控對(duì)象和控制規(guī)律的各種知識(shí)，并 以智能的方式利用這些知識(shí)來(lái)設(shè)計(jì)控制器。利用專(zhuān)家經(jīng)驗(yàn)來(lái)設(shè)計(jì)PID參數(shù)便構(gòu) 成專(zhuān)家PID控制。典型的二階系統(tǒng)單位階躍響應(yīng)誤差曲線如圖1、2所示。對(duì)于典型的二階系統(tǒng) 階躍響應(yīng)過(guò)程作如下分析，根據(jù)誤差及其變化，可設(shè)計(jì)專(zhuān)家PID控制器，該控 制器可分為五種情況進(jìn)行設(shè)

2、計(jì)。1設(shè)計(jì)根據(jù)誤差及其變化，可設(shè)計(jì)專(zhuān)家PID控制器，該控制器可分為以下五種情況 進(jìn)行設(shè)計(jì)：當(dāng)|e(k)lM1時(shí)，說(shuō)明誤差的絕對(duì)值已經(jīng)很大，不論誤差變化趨勢(shì)如何， 都應(yīng)考慮控制器的輸出應(yīng)按最大或最小)輸出，以達(dá)到迅速調(diào)整誤差，使誤差 絕對(duì)值以最大速度減小。此時(shí)，它相當(dāng)于實(shí)施開(kāi)環(huán)控制。當(dāng)e(k) Ae(k)0時(shí)，說(shuō)明誤差在朝誤差絕對(duì)值增大方向變化，或誤差為某一常值，未發(fā)生變化。此時(shí)，如果|e(k)|M2，說(shuō)明誤差也較大，可考慮由控 制器實(shí)施較強(qiáng)的控制作用，以達(dá)到扭轉(zhuǎn)誤差絕對(duì)值朝減小方向變化，并迅速減小 誤差的絕對(duì)值。此時(shí)，如果|e(k)k m2，說(shuō)明盡管誤差朝絕對(duì)值增大方向變化， 但誤差絕對(duì)值本身

3、并不很大，可考慮控制器實(shí)施一般的控制作用，只要扭轉(zhuǎn)誤差 的變化趨勢(shì)，使其初誤差絕對(duì)值減小方向變化。當(dāng)e(k) A e (k) 0，e(k) A e (k-1)0或e(k) = 0時(shí)，說(shuō)明誤差的絕對(duì)值朝減 小的方向變化，或者已經(jīng)達(dá)到平衡狀態(tài)。此時(shí)，可考慮采取保持控制器輸出不變。(4)當(dāng)e(k) Ae(k) 0，e(k) Ae(k-1) 0時(shí)，說(shuō)明誤差處于極值狀態(tài)。如果此時(shí) 誤差的絕對(duì)值較大，可考慮實(shí)施較強(qiáng)的控制作用。(5)當(dāng)I e(k) 10.8%Rule1:Unclosed control firstlyu(k)=0.45;elseif abs(x(1)0.40u(k)=0.40;elseif

4、 abs(x(1)0.20u(k)=0.12;elseif abs(x(1)0.01u(k)=0.10;endif x(1)*x(2)0|(x(2)=0)%Rule2if abs(x(1)=0.05u(k)=u_1+2*kp*x(1);elseu(k)=u_1+0.4*kp*x(1);endendif (x(1)*x(2)0)|(x(1)=0) %Rule3u(k)=u(k);endif x(1)*x(2)0&x(2)*x2_1=0.05u(k)=u_1+2*kp*error_1;elseu(k)=u_1+0.6*kp*error_1;endendif abs(x(1)=10u(k)=10;e

5、ndif u(k)=10u(k)=10;endif u(k)=-10u(k)=-10;endyout(k)=-den(2)*y_1-den(3)*y_2-den(4)*y_3+num(1)*u(k)+num(2)*u_1+num(3 )*u_2+num(4)*u_3;error(k)=rin(k)-yout(k);%Return ofPIDparameters% %u_3=u_2;u_2=u_1;u_1=u(k);y_3=y_2;y_2=y_1;y_1=yout(k);Calculating Ie_1=x(1);ec_1=x(2);error_2=error_1;error_1=error(k

6、);endshowrule(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);plot(time,kp,r);xlabel(time(s);ylabel(kp);figure(5);plot(time,ki,r);xlabel(time(s);ylabel(ki);f

7、igure(6);plot(time,kd,r);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 fuzzpidx(1)=error(k);%Calculating P x(2)=error(k)-error_1;%Calculating D x(3)=x(3)+erro

8、r(k);%神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)Matlab仿真摘要：分析了一個(gè)速度控制器的控制仿真。被控制對(duì)象的近似數(shù)學(xué)模型為:youta) =。(k)網(wǎng)以(S1)+ u (k -1)1 + yout2(k 一 1)式中，系數(shù) a(k)是慢時(shí)變的，a(k) = 1.2(1-0.8e-0.ik)。0引言神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)選擇4-5-3，學(xué)習(xí)速率門(mén)=0.28和慣性系數(shù)a= 0.04，加權(quán)系數(shù)初始值取區(qū)間-0.5,0.5上的隨機(jī)數(shù)。輸入指令信號(hào)分為兩種：rin(k)=sin(2;t)。取S=2時(shí)為正弦跟蹤，初始權(quán)值取隨機(jī)值，運(yùn)行穩(wěn)定后用穩(wěn)定權(quán) 值代替隨機(jī)值。其跟蹤結(jié)果和相應(yīng)的曲線如圖所示。圖1正弦跟蹤響應(yīng)曲線（s=12）

9、1分析PID控制要取得較好的控制效果，就必須通過(guò)調(diào)整好比例、積分和微分三種 控制作用，形成控制量中既相互配合又相互制約的關(guān)系，這種關(guān)系不一定是簡(jiǎn)單 的“線性組合”，從變化無(wú)窮的非線性組合中可以找出最佳的。神經(jīng)網(wǎng)絡(luò)所具有 的任意非線性表達(dá)能力，可以通過(guò)對(duì)系統(tǒng)性能的學(xué)習(xí)來(lái)實(shí)現(xiàn)具有最佳組合的PID 控制。采用BP網(wǎng)絡(luò)，可以建立參數(shù)ki，kp，kd自學(xué)習(xí)的PID控制器。圖2誤差曲線圖3輸出響應(yīng)曲線0.4timefstimefsj圖4參數(shù)自適應(yīng)整定曲線程序：%wi=0.50*rands(H,IN);wi_1=wi;wi_2=wi;wi_3=wi;%BP based PID Control clear a

10、ll;close all;xite=0.20;alfa=0.05;S=1; %Signal typeIN=4;H=5;Out=3; %NN Structure if S=1 %Step Signalwo=0.7576 0.2616 0.5820 -0.1416 -0.1325;-0.1146 0.2949 0.8352 0.22050.4508;0.7201 0.4566 0.7672 0.49620.3632;%wo=0.50*rands(Out,H);wo_1=wo;wo_2=wo;wo_3=wo;endif S=2 %Sine Signalwi=-0.6394-0.7023;-0.269

11、6-0.3756wi=-0.2846-1.0668;0.2193-0.5097-0.8603-0.2596;-0.2013-0.5024-0.74840.0988;-0.1210-0.4708-1.0749-0.5437;0.5543-1.6820-0.71760.2049;0.8297-1.6000-0.3625-0.2859;-0.0724-0.6463-0.08580.0347;0.1925-0.63460.1425 -0.7660;0.0279-0.54060.4358 -0.1324;0.2369-0.4564%Output from NN%Input to NN%wi=0.50*r

12、ands(H,IN); wi_1=wi;wi_2=wi;wi_3=wi; wo=1.04380.54780.86820.14460.1537;0.17160.58111.12140.50670.7370;1.00630.74281.05340.78240.6494;%wo=0.50*rands(Out,H); wo_1=wo;wo_2=wo;wo_3=wo; end x=0,0,0; du_1=0; u_1=0;u_2=0;u_3=0;u_4=0;u_5=0; y_1=0;y_2=0;y_3=0;Oh=zeros(H,1); middle layer I=Oh; middle layer er

13、ror_2=0; error_1=0; ts=0.001; for k=1:1:6000 time(k)=k*ts;if S=1 rin(k)=1.0;elseif S=2 rin(k)=sin(1*2*pi*k*ts);end%Unlinear model a(k)=1.2*(1-0.8*exp(-0.1*k); yout(k)=a(k)*y_1/(1+y_1A2)+u_1;error(k)=rin(k)-yout(k);xi=rin(k),yout(k),error(k),1;x(1)=error(k)-error_1; x(2)=error(k);x(3)=error(k)-2*erro

14、r_1+error_2;epid=x(1);x(2);x (3);I=xi*wi;for j=1:1:HOh(j)=(exp(I(j)-exp(-I(j) )/(exp(I(j)+exp(-I (j); %Middle LayerendK=wo*Oh;%OutputLayerfor l=1:1:OutK(l)=exp(K(l)/(exp(K (l) )+exp(-K(l);%Getting kp,ki,kdendkp(k)=K(1);ki(k)=K(2);kd(k)=K(3);Kpid=kp(k),ki(k),kd(k);du(k)=Kpid*epid;u(k)=u_1+du(k);dyu(k

15、)=sign(yout(k)-y_1)/(du(k)-du_1+0.0001);%Output layerfor j=1:1:OutdK(j)=2/(exp(K(j)+exp(-K(j)A2;endfor l=1:1:Outdelta3 (l)=error(k)*dyu(k)*epid (l) *dK(l);endfor l=1:1:Outfor i=1:1:Hd_wo=xite*delta3(l)*Oh(i)+alfa*(wo_1-wo_2);endendwo=wo_1+d_wo+alfa*(wo_1-wo_2);%Hidden layersubplot(313);plot(time,kd,

16、b);xlabel(time(s);ylabel(kd);for i=1:1:HdO(i)=4/(exp(I(i)+exp(-I(i)人2;endsegma=delta3*wo;for i=1:1:Hdelta2(i)=dO(i)*segma(i);end d_wi=xite*delta2*xi;wi=wi_1+d_wi+alfa*(wi_1-wi_2);%Parameters Update du_1=du(k);u_5=u_4;u_4=u_3;u_3=u_2;u_2=u_1;u1=u(k);y_2=y_1;y_1=yout(k);wo_3=wo_2;wo_2=wo_1;wo_1=wo;wi_3=wi_2;wi_2=wi_1;wi_1=wi;error_2=error_1;error_1=error(k);endfigure(1);plot(time,rin,r,time,yout,b);xl