【无标题】

今天基于simscape建立的机械臂模型搭建PID控制器，并使用matlab looptuning实现PID参数的自动调节。

本节所采用的模型基于simscape搭建的ABB 120六轴机械臂模型，其模型细节如下，模型输入为关节力矩，输出为关节位置。

01

—

PID控制器

本文中的控制结构如下：

Plant即为上述提到的六轴机器人模型，本章介绍PID控制器及其具体实现。

PID控制器是工业控制系统中最常用的一种控制器。PID控制器通过比例（P）、积分（I）和微分（D）三个控制参数来调节控制对象的输出，以达到预期的控制目标。

PID控制器由比例控制（Proportional）、积分控制（Integral）和微分控制（Derivative）三个部分组成。其控制输出可以表示为：

u(t)=Kpe(t)+Ki∫e(t)dt+Kdde(t)dt

其中：

• u(t)是控制器的输出

• e(t)是控制误差，即参考值与实际值之间的差异

• Kp是比例增益

• Ki是积分增益

• Kd是微分增益

在matlab simulink中，有集成的PID模块，此处我们直接使用simulink的二自由度PID。该模块基于参考信号与测得的系统输出之间的差异来生成输出信号。此模块根据您指定的设定点权重（b 和 c）来计算比例和导数动作的加权差异信号。模块输出等于对各差异信号进行的比例、积分和导数动作的总和，其中的每个动作根据增益参数 P、I 和 D 进行加权。导数动作通过一阶极点进行滤波。双击模块进行设置，此处对于六轴机器人来说，我们使用PD控制器：

此外，还需为PID控制器添加输出限制。在仿真时，如果不限制输出，那么控制器可能会产生非常大的输出来使控制器有很好的性能，但是在实际的机械系统中，关节所使用的驱动器如电机的输出是有力矩限制的，没有办法产生非常大的力矩来驱动机构运动。因此为了尽可能模拟真实物理系统，限制控制器输出是非常有必要的。

给各个关节均添加PID控制器，并给各个关节添加输入（本例中，J1/J2为阶跃信号，其余为0），模型如下：

至此，我们的simulink模型已经搭建完成，此时若直接运行系统，会发现机器人的实际位置与期望值相差甚远，原因在于控制器的参数并不匹配当前系统，因此需要调节控制器参数来使控制器性能表现较好。

参数整定可以基于经验手动调整，也可以用如Ziegler-Nichols方法调整，此处我们使用matlab中的looptuning方法来实现PID参数的自动调节

02

—

PID自动调节-loop tune

looptune 是 MATLAB 控制系统工具箱中的一个函数，专门用于自动调节控制器参数。它能够处理单输入单输出 (SISO) 系统和多输入多输出 (MIMO) 系统。通过指定一些性能目标和约束，looptune 可以自动优化控制器参数，以实现期望的系统行为。

looptune 基于频域优化技术，利用传递函数模型和频率响应数据来优化控制器参数。其基本步骤如下：

1. 模型建立：首先，需要建立系统的数学模型，包括传递函数或状态空间表示。

2. 定义控制器结构：确定控制器的类型（如 PID 控制器）及其参数。

3. 指定性能目标：设定系统的性能目标，例如阶跃响应时间、超调量和稳态误差等。

4. 执行优化：调用 looptune 函数，根据设定的目标和约束，自动调节控制器参数。

5. 验证和调整：对优化结果进行验证，必要时可以进一步调整参数。

我们已经建立了仿真模型，接下来我们来定义控制器结构。首先确定控制器的类型（如PID控制器）及其参数，并定义了六个PID控制器块作为要调谐的控制器结构。

% Create sluner interface
TunedBlocks = {'PD1','PD2','PD3','PD4','PD5','PD6'};
ST0 = slTuner('sm_abbIrb120_PID',TunedBlocks);

% Mark outputs of PID blocks as plant inputs
addPoint(ST0,TunedBlocks);

随后设定系统的性能目标，例如阶跃响应时间、超调量和稳态误差等。我们需要定义参考信号和测量信号，并设定调谐目标。

% Mark joint angles as plant outputs
addPoint(ST0,'Robot/qm');

% Mark reference signals
RefSignals = {...
    'sm_abbIrb120_PID/q1r','sm_abbIrb120_PID/q2r','sm_abbIrb120_PID/q3r',...
    'sm_abbIrb120_PID/q4r','sm_abbIrb120_PID/q5r','sm_abbIrb120_PID/q6r'};
addPoint(ST0,RefSignals);

%% defining Input and Outputs and Tuning the systems
Controls = TunedBlocks; % actuator commands
Measurements = 'sm_abbIrb120_PID/Robot/1';
options = looptuneOptions('RandomStart',80,'UseParallel',false);
TR = TuningGoal.StepTracking(RefSignals,Measurements,0.05,0);

最后执行优化，并将参数更新到模型中：

% execute optimization
ST1 = looptune(ST0,Controls,Measurements,TR,options);

%% Update PID Block
writeBlockValue(ST1);

运行上述代码，则会进行自动优化过程，最终有最低峰值增益的迭代组对应的参数即为优化后参数，优化后的参数会更新到simulink模块中。

执行simulink模块，观测J1/J2位置，可以看到反馈位置最后稳定在期望值处。

最后来看一下仿真运动效果吧！

---

欢迎关注获取代码。