模糊PID控制器的实现

前言

本文讨论有关模糊PID相关的问题。模糊PID是一种将PID控制和模糊算法结合起来的控制算法，其实质上是将模糊算法用在了PID的参数整定上，以此来满足需要动态调整PID参数的系统的要求。

一、模糊PID控制优势

(1)传统的控制方法有时无法满足控制精度的要求，而且抗干扰的能力较弱，模糊控制可以有效克服上述问题；
(2)对于常规的PID控制而言，虽然较为简单易操作，但相关的参数是提前设定的不可改变，因此无法适应参数变化、干扰较多的控制系统，模糊PID结合了PID控制和模糊控制的优势，有较好的控制效果；
(3)PID控制器都要求精确的数学模型，若数学模型不精确，控制性能将会降低，而模糊PID能有效解决该问题；

二、PID控制原理

PID控制由三部分组成控制率，即比例项（P），积分项（I）和微分项（D），调节的参数也只有三个，即各个部分的系数：比例系数$K_P$,积分系数$K_I$和微分系数$K_D$，对PID控制进行参数整定是设计PID控制系统的核心问题，下面给出一个PID的控制实例：

从上图可以看出，PID控制系统主要由两个部分组成：PID控制器和被控对象 ，被控对象在仿真图中用传递函数体现。系统通过对期望值$r(t)$和实际输出$y(t)$的误差值$e(t)$分别进行比例、积分和微分的操作，最后求和便得到了控制率，传入传递函数进而对被控对象进行控制。
用公式表示误差为：
$$e(t)=r(t)-y(t)$$控制输入的表达式为：
$$u(t)=K_{P}e(t)+K_I\int e(t)dt+K_D\frac{de(t)}{dt}$$

2.1三个参数的功能

比例$K_P$

严重影响响应速度。与调节力度成一个比例关系，若${Ｋ}_P$太小，调节效果就会较为缓慢，所用的时间也会更长；若${Ｋ}_P$太大，响应就会很快，但是相应产生的超调也会较大；

积分$K_I$

有效克服静态误差，可以消除因为散热、阻力等各种造成的静态误差。

微分$K_D$

用于克服振动，在只有$K_P$和$K_I$的作用下，被控对象的控制量会一直在期望值附近振动，微分项根据误差值的变化率进行控制，类似于阻尼作用，可以使被控物理量趋近于零。

三、模糊控制原理

很多时候被控对象精确的数学模型很难建立或无法建立。
模糊控制的基本原理：将人们的手动控制经验用语言加以描述，构成一系列条件语句，即控制规则，再利用模糊理论、模糊语言变量和模糊逻辑推理，将模糊的控制规则上升为数值运算，让计算机运用程序来实现规则，如此便可以利用计算机模拟人机型自动控制被控对象。
模糊控制包含三个步骤：模糊化、模糊逻辑推理和解模糊。其分别由模糊器、模糊推理机和解模糊器来完成。

四、模糊PID控制器实现

模糊PID是以偏差$e(t)$和偏差的导数$de(t)$作为输入，利用模糊规则对PID的参数进行在线调整，一般结构可以由下图表示：
（1）打开matlab，输入fuzzy命令，进入fuzzy设计工具箱
在edit里添加额外的一个输入和两个输出，同时对输入输出进行重命名，如图所示。

（2）设置输入输出范围，修改隶属度函数并定义函数名
各范围为：E:[-3 3];EC:[-3 3];KP:[-0.3 0.3];KI:[-0.05,0.05];KD:[-2,2]
均采用七个函数，两个输入采用trifm函数，三个输出采用gaussmf函数

（3）修改函数参数
形如：

(4)确定模糊规则表，添加模糊规则
模糊规则表为：


设置完成后保存为fis格式。
（5）搭建仿真程序导入fuzzy，运行

仿真程序1:
搭建如下：

仿真结果为：

仿真程序2
搭建如下：