shidu.rar_PID延迟_二阶系统_控制系统_控制系统._模糊控制系统_二阶系统设计自适应模糊控制器资源-CSDN文库

共1个文件

txt：1个

版权申诉

140 浏览量 2022-09-23 10:17:54 上传评论收藏 2KB RAR 举报

在控制系统领域，PID（比例-积分-微分）控制器是一种广泛应用的反馈控制算法，它能够有效地调节系统的稳定性、响应速度和精度。然而，在实际工程问题中，常常会遇到系统中存在的延迟问题，这会显著影响控制效果。"shidu.rar_PID延迟_二阶系统_控制系统_控制系统._模糊控制系统"这个压缩包文件，很显然，是针对具有PID延迟的二阶系统进行研究，并对比了模糊控制与传统PID控制在谷物干燥控制系统中的应用效果。让我们深入理解二阶系统。二阶系统是最简单的动态系统模型之一，由两个自由度组成，其数学模型通常表现为二阶微分方程。二阶系统的特性包括自然频率ωn和阻尼比ζ，这两个参数决定了系统的响应特性，如上升时间、超调量和稳定时间等。在实际工程中，系统往往存在延迟，这可能是由于信号传输、处理或物理过程的时间滞后导致的。PID控制器对这种延迟非常敏感，因为延迟会导致控制信号与实际状态之间的不匹配，从而降低控制性能。为了解决这个问题，可能需要采用特定的延迟补偿策略，或者如本案例所述，考虑使用其他类型的控制器，比如模糊控制。模糊控制是一种基于模糊逻辑的控制方法，它允许非精确或不完全信息的处理，特别适合处理不确定性因素和非线性问题。在具有延迟的二阶系统中，模糊控制可以利用模糊推理来减少延迟影响，通过调整规则库中的规则，实现对延迟的自适应补偿，从而改善控制性能。在"shidu.txt"文件中，可能包含了实验数据、仿真结果或者分析报告，详细记录了模糊控制与PID控制在谷物干燥控制系统中的具体表现。例如，可能比较了两者的控制误差、响应速度、稳定性以及对系统参数变化的鲁棒性。通过这些对比，我们可以看出模糊控制在应对延迟问题时的优势，以及在某些特定情况下的性能优化。这个压缩包的研究内容涉及了控制理论中的关键概念，如二阶系统、PID控制和模糊控制，以及它们在有延迟条件下的应用。通过分析和对比，有助于我们更好地理解如何选择和设计合适的控制器来克服系统延迟，提高控制系统的整体性能。

资源详情

资源评论

资源推荐

收起资源包目录

shidu.rar （1个子文件）

shidu.txt 6KB

%用一个带有纯延迟的二阶系统模拟谷物干燥控制系统，比较模糊控制和传统PID控制的性能 %H(s)=20exp(-0.02s)/(1.5s+1)(s+1) clear; num=20; den=[1.5,2.5,1]; [a,b,c,d]=tf2ss(num,den); x=[0;0]; T=0.01; h=T; umin=0.07; umax=0.7; td=0.02; Nd=td/T; %纯延迟环节 %Nd=0;%Nd=0表示系统不存在纯延迟 N=500; R=2*ones(1,N); %传统PID控制 e=0; de=0; ie=0; kp=0.6; ki=0.1; kd=0.01; for k=1:N uu1(1,k)=-(kp*e+kd*de+ki*ie); %纯延迟环节 if k<=Nd u=0; else u=uu1(1,k-Nd); end %死区和饱和环节 if abs(u)<=umin u=0; elseif abs(u)>umax u=sign(u)*umax; end %将控制作用于被控对象，计算系统的输出 k0=a*x+b*u; k1=a*(x+h*k0/2)+b*u; k2=a*(x+h*k1/2)+b*u; k3=a*(x+h*k2)+b*u; x=x+(k0+2*k1+2*k2+k3)*h/6; y=c*x+d*u; %计算误差、微分、积分 e1=e; e=y(1,1)-R(1,k); de=(e-e1)/T; ie=e*T+ie; yy1(1,k)=y; end %模糊PID控制器 % 创建FIS结构 f=newfis('Model'); %添加变量 f=addvar(f,'input','e',[-6,+6]); f=addvar(f,'input','de',[-6,+6]); f=addvar(f,'output','u',[-3,+3]); %给每个变量添加新的隶属度函数 f=addmf(f,'input',1,'NL','trimf',[-6,-6,-3]); f=addmf(f,'input',1,'NS','trimf',[-6,-3,0]); f=addmf(f,'input',1,'ZR','trimf',[-3,0,3]); f=addmf(f,'input',1,'PS','trimf',[0,3,6]); f=addmf(f,'input',1,'PL','trimf',[3,6,6]); f=addmf(f,'input',2,'NL','trimf',[-6,-6,-3]); f=addmf(f,'input',2,'NS','trimf',[-6,-3,0]); f=addmf(f,'input',2,'ZR','trimf',[-3,0,3]); f=addmf(f,'input',2,'PS','trimf',[0,3,6]); f=addmf(f,'input',2,'PL','trimf',[3,6,6]); f=addmf(f,'output',1,'NL','trapmf',[-3,-3,-2,-1]); f=addmf(f,'output',1,'NS','trimf',[-2,-1,0]); f=addmf(f,'output',1,'ZR','trimf',[-1,0,1]); f=addmf(f,'output',1,'PS','trimf',[0,1,2]); f=addmf(f,'output',1,'NL','trapmf',[1,2,3,3]); %模糊规则库的建立 % alpha=0.5; %for i=1:5 % for j=1:5 %rule(i,j)=round(alpha*i+(1-alpha)*j); % end %end %rule=6-rule; rule=[5 5 4 4 3 5 4 4 3 3 4 4 3 3 2 4 3 3 2 2 3 3 2 2 1]; r1=zeros(prod(size(rule)),3); k=1; for i=1:size(rule,1) for j=1:size(rule,2) r1(k,:)=[i,j,rule(i,j)]; k=k+1; end end [r,s]=size(r1); r2=ones(r,2); rulelist=[r1 r2]; f=addrule(f,rulelist); %采用模糊控制器的二阶温控系统仿真 e=0; de=0; ie=0; x=[0;0]; ke=60;kec=2.5; % ki=0; kd=0; %ki=0、kd=0表示没有微分积分环节，为模糊控制器 ki=0.1; kd=0.05; ; ku=1; for k=1:N %输入变量变换至论域 e1=ke*e; de1=kec*de; if e1>6 e1=6; elseif e1<-6 e1=-6; end if de1>6 de1=6; elseif de1<-6 de1=-6; end %模糊推理，计算出被控对象的控制输入 in=[e1,de1]; uu(1,k)=ku*evalfis(in,f)+ki*ie+kd*de; %纯延迟环节 if k<=Nd u=0; else u=uu(1,k-Nd); end %死区和饱和环节 if abs(u)<=umin u=0; elseif abs(u)>umax u=sign(u)*umax; end %将控制作用于被控对象，计算系统的输出 k0=a*x+b*u; k1=a*(x+h*k0/2)+b*u; k2=a*(x+h*k1/2)+b*u; k3=a*(x+h*k2)+b*u; x=x+(k0+2*k1+2*k2+k3)*h/6; y=c*x+d*u; %计算误差、微分、积分 e1=e; e=y(1,1)-R(1,k); de=(e-e1)/T; ie=e*T+ie; yy(1,k)=y; end %温控系统的模糊控制输出曲线 kk=[1:N]; figure(1); plot(kk,R*7,'k--',kk,yy1*7,'r-',kk,yy*7,'b'); xlabel('时间t(s)'); ylabel('湿度(%)'); title('传统PID控制与模糊控制性能比较'); % title('传统PID控制与常规模糊控制性能比较'); gtext('传统PID控制'); % gtext('常规模糊控制'); gtext('模糊控制');