自动控制原理学习笔记（六）—— 使用 MATLAB 求解二阶系统，PID 控制介绍

最新推荐文章于 2024-09-28 20:34:52 发布

DongFang_ZhiZhu

最新推荐文章于 2024-09-28 20:34:52 发布

阅读量784

点赞数 8

文章标签：学习笔记

本文链接：https://blog.csdn.net/DongFang_ZhiZhu/article/details/142451372

版权

前几节笔记如下：

自动控制原理学习笔记（一）—— 控制介绍，一阶离散系统-CSDN博客

自动控制原理学习笔记（二）—— 一阶离散系统的通解，稳定性和收敛性-CSDN博客

自动控制原理学习笔记（三）—— 一阶线性定常离散系统与稳态误差-CSDN博客

自动控制原理学习笔记（四）—— 一阶系统的实验表征和 MATLAB 仿真-CSDN博客

自动控制原理学习笔记（五）—— 二阶离散系统，比例控制和 PD 控制-CSDN博客

一、使用 MATLAB 求解二阶系统

在上一节笔记中，我们介绍了二阶控制系统和三阶控制系统，并发现系统的稳定性取决于固有频率的大小，而固有频率则是由控制器参数 Kp 和 Kd 决定的。我们还发现固有频率可能为复数，因此通过人工计算、分析系统将十分麻烦。

我们依然使用上一节笔记中小车巡线的例子，但我们尝试使用 MATLAB 来解决问题。之前，我们计算过小车巡线的系统方程为：

首先，我们想提取出 “分子” 和 “分母” 项（具体原因要等到以后学习 Z 变换，这里我们参考第四节笔记的操作），于是：

$num=[0,0,\Delta T^{2}\gamma VK_{p}+K_{d}\Delta TV\gamma,-K_{d}\Delta TV\gamma]$

$den=[1,-2,1+\Delta T^{2}V\gamma K_{p}+K_{d}V\gamma\Delta T,-K_{d}V\gamma\Delta T]$

情形 1 ：比例控制

我们首先设置系统的参数值，然后定义分子和分母。

% P 控制器
Kd = 0; Kp = 5; gamma = 1; V = 1; dt = 0.01;
num_kp = [0 0 (dT^2*gamma*V*Kp+Kd*dT*V*gamma) -Kd*dT*V*gamma];
den_kp = [1 -2 (1+dT^2*V*gamma*Kp+Kd*V*gamma*dT) -Kd*V*gamma*dT];

然后，我们实现整个控制系统，执行并得到阶跃响应：

% 计算时域解
close all; figure(1); hold on
subplot(1,2,1); hold on
sys_kp = tf(num_kp,den_kp,dT,'variable','z^-1');
step(sys_kp, 25)
title('比例（P）控制器')

MATLAB 绘制的时域解如下图所示：

上述仿真说明了使用 P 控制器，该系统不稳定。

情形 2 ：比例-微分（PD）控制

其他初始条件保持不变，我们将 Kd 变成 1 ，于是代码如下：

% PD 控制器
Kd = 1;
subplot(1,2,2); hold on
num_kpd = [0 0 (dT^2*gamma*V*Kp+Kd*dT*V*gamma) -Kd*dT*V*gamma];
den_kpd = [1 -2 (1+dT^2*V*gamma*Kp+Kd*V*gamma*dT) -Kd*V*gamma*dT];
sys_kpd = tf(num_kpd,den_kpd,dT,'variable','z^-1');
step(sys_kpd, 25)
title('比例-微分（PD）控制器')

仿真结果如下图所示：

基于仿真结果，我们发现 PD 控制器能让系统稳定，且没有稳态误差。这意味着小车最终能够完美地沿着直线前进。接下来，我们想继续使用 MATLAB 分析系统的稳定性，并为该控制器选择最优的参数 Kp 和 Kd 。

根轨迹图

为了更好地分析该系统的稳定性，我们创建许多 Kp 和 Kd 的组合，并观察每一个组合对应的固有频率（固有频率为 “分母” 等于零时的根，即特征方程 / 齐次方程的根。具体原因要等到以后学习 Z 变换）。

在情形 1 中，我们令 Kd = 0 并令 Kp 在 1 到 10000 的范围内变化。在在情形 2 中，我们令 Kd = 20 并令 Kp 在 1 到 10000 的范围内变化。代码如下：

figure(2)
subplot(1,2,1); hold on; axis equal; axis([-1.2 1.2 -1.2 1.2])
th = linspace(0, 2*pi, 100)';
plot(cos(th)+sqrt(-1)*sin(th), '*r'); % 绘制一个单位圆
hold on

N_roots = 1000;
Kp_vec = linspace(0,10000,N_roots);
roots_mat = zeros(N_roots,3);
Kd = 0.0;
for i = 1:length(Kp_vec)
    polvc = [1 -2 (1+dT^2*V*gamma*Kp_vec(i)+Kd*V*gamma*dT) -Kd*V*gamma*dT];
    roots_mat(i,:) = roots(polvc);
end
plot(roots_mat,'.');
title('P 控制')

subplot(1,2,2); hold on; axis equal; axis([-1.2 1.2 -1.2 1.2])
th = linspace(0, 2*pi, 100)';
plot(cos(th)+sqrt(-1)*sin(th), '*r'); % 绘制一个单位圆
hold on

Kp_vec = linspace(0,10000,N_roots);
roots_mat = zeros(N_roots,3);
Kd = 20;
for i = 1:length(Kp_vec)
    polvc = [1 -2 (1+dT^2*V*gamma*Kp_vec(i)+Kd*V*gamma*dT) -Kd*V*gamma*dT];
    roots_mat(i,:) = roots(polvc);
end
plot(roots_mat,'.');
title('PD 控制')

仿真结果如下图所示：

在图像中，红色的圆表示复平面内的单位圆。在 P 控制中，无论我们如何选择 Kp，所有的固有频率全在单位圆外，因此该控制不稳定。在 PD 控制中，存在某些 Kp 使得所有固有频率都能够在单位圆内，因此该控制稳定。

给定 Kp 的范围，我们该如何选择最优值呢？我们选择令三个固有频率中的最大值取最小的 Kp 即可，该 Kp 能使系统收敛最快。

代码如下：

% 计算三个固有频率的模
mag_vec_1 = abs(roots_mat(:,1));
mag_vec_2 = abs(roots_mat(:,2));
mag_vec_3 = abs(roots_mat(:,3));

% 找到其中的最大值
cum_mag_vec = max([mag_vec_1, mag_vec_2, mag_vec_3],[],2);

% 找到其中的最小值
[~,ind] = min(cum_mag_vec);
Kp_min = Kp_vec(ind);

仿真结果如下图所示：