自适应模糊PID控制器的设计与仿真 - 图文(8)

[1][2]

[11]

。把模糊控制器和PID控制器封装在一起，组成Fuzzy-PID

控制器，如图5-3所示。类似的在MATLAB的Simulink环境下根据常规PID控制器结构设计常规PID控制

。

图5-1 模糊控制器及其封装

图5-2 PID控制器及其封装

18

图5-3 模糊自适应PID控制器及其封装

图5-4 模糊PID控制系统仿真框图

图5-5 常规PID控制系统仿真框图

5.2 仿真结果分析

在现代的工业过程中，许多工业过程的对象特性可用二阶惯性环节加纯滞后环节来表示，在本文当中，

e??s仿真对象的数学模型的传递函数取为G(s)?，其中T1?2,T2?1，??0.3，模糊PID控

(T1?1)(T2?1)制系统中PID初始值kp0?7.8,ki0?1.06,kd0?4.97。

而在常规PID控制系统中，PID参数的设置情况直接影响系统的调节结果，最简单实用的方法就是使用“邻界比例法”来确定PID的参数。具体方法是：将系统接成闭环，关掉I、D（即将参数积分时间I和微分时间D均设置为0），多次调节比例带P值的大小，使系统刚刚产生振荡，记录此时的比例带参数（X1）及振荡周期时间（T），则正确的PID参数可以从表5-1中计算出来：

19

表5-1 邻5界比例法参数整定表

最终控制方式 纯比例控制 P、I控制 P、I、D控制 比例带 积分时间 微分时间 2*X1 2.2*X1 1.67*X1 0.8*T 0.5*T [1][3][5]

0.12*T 根据比例带X1和振荡周期T，查表5-1后计算出合适的比例带、积分时间、微分时间三个参数的具体数值， 然后键入PID参数并稍作微调即得kp?5,ki?0.85,kd?2.93。

（1）在设计好仿真框图后直接运行，可得模糊PID控制曲线图和常规PID控制曲线图，如图5-6所示和图5-7所示。对比模糊PID控制曲线图和常规PID控制曲线图，易得模糊PID控制较常规的PID控制，具有较高的控制精度，超调量小，调节时间短，控制效果好等。

图5-6 模糊PID控制曲线图

图5-7 常规PID控制曲线图

（2）在仿真的过程中的某个采样时间控制器输出端加入干扰，选用Sources模块库中的Pulse generator(脉冲发生器)作为干扰，在连续系统中要产生脉冲，对话框内Pulse type要选择Time-based类型。本文所选用的脉冲高度设为0.2，脉冲周期大小为20s，脉冲宽度为1s，脉冲产生前的延迟时间为5s，加扰动的模糊PID控制系统仿真框图和常规PID控制系统仿真框图分别如图5-8和5-9所示。

20

tClockTo WorkspacePulseGeneratorAdddu/dtDerivativeStepeuecuyG(s)ScopeFuzzy_PID controller图5-8 加扰动模糊PID控制系统仿真框图

tClockTo WorkspacePulseGeneratorPIDAddPID ControlleruyG(s)ScopeStep图5-9 加扰动PID控制系统仿真框图

对它们分别进行仿真，则模糊PID控制曲线图和常规PID控制曲线图如图5-10和图5-11所示。对比模糊PID控制曲线图和常规PID控制曲线图，易得在加入干扰后，模糊PID控制系统较常规的PID控制系统，调节时间短，具有较快的恢复稳定的能力。

综上所述，由仿真结果可知，模糊PID控制与常规的PID控制相比较，具有较高的控制精度，超调量小，调节时间短，抗扰性好，控制效果好等优点。由此可知，模糊PID控制克服了常规PID控制器的缺点，将模糊控制与PID控制器结合起来，扬长避短，不仅保持了常规PID控制系统原理简单、使用方便、鲁棒性较强等优点，而且具有更大的灵活性、整定性、控制精度更好。

21

图5-10 加入干扰后的模糊PID控制曲线图

图5-11 加入干扰后的常规PID控制曲线图

仿真结果表明，本文所设计的自适应模糊PID控制器在控制过程中，系统的响应速度加快，调节精度提高，稳态性能变好，这是单纯的PID控制器难以实现的。它的一个显著特点就是在同样精度要求下，系统的过度时间短，这在实际的过程控制中将有重大的意义。并且实践表明，模糊逻辑工具箱（Fuzzy Logic Toolbox）可以方便的通过编辑FIS文件来设计模糊控制器，可以灵活的设定和修改控制器参量，而SIMULINK可以非常直观的构造控制系统并观察其结果。

6结论

传统的PID控制器结构简单，具有一定的鲁棒性，容易实现，稳态无静差，控制精度高，能满足大工 业过程的要求。因此，长期以来广泛应用于工业过程控制，并取得了良好的控制效果。但是，实际上，大多数工业过程不同程度的存在非线性、大滞后、参数时变性和模型不确定性，因而普通的PID控制器难以获得满意的控制效果。模糊控制不要求被控对象的精确模型且适应性强。而本文提出的模糊自适应PID控制器，是在控制回路上仍保留PID调节器，同时采用Fuzzy推理方法作为常规PID控制器的自调整结构。 实际上是对PID控制器进行了非线性处理，实现了系统特性变化与控制量之间的非线性映射关系。从这种 意义上来说，模糊自适应PID控制器是一种非线性的PID控制器。并且从仿真结果可以看出，PID算法与 模糊推理控制相结合的方法能较明显地提高最终的控制效果。这种混合系统把PID控制的简便性、灵活性

22