matlab-PID

PID基本概念

比例，积分，微分控制
参照：链接
当系统输出靠近期望值（设为100）时，系统积分项一直在累积正向误差，导致积分项非常大，系统输出一开始很容易就达到150。
这种现象称为PI过冲。（只有比例积分调节）
解决方法有：抗积分饱和算法

抗积分饱和算法

思想：在计算积分的值U(K)时，判断上一时刻U(K-1)是否超过限定范围：

1. 若U(k-1)>Umax，则只累加负偏差；
2. 若U(k-1)<Umin，则只累加正偏差。
   避免了PID调节难以退出饱和区

不完全微分PID

由于微分项很容易引入高频的干扰，所以通常会给微分项引入低通滤波器，低通滤波器的添加位置有2种，
1是微分调节器的输出端
2是PID相加之后的输出端
如下图：

一阶rc的数字低通滤波器，或者其他高阶的低通滤波器
引入了低通滤波器后，高频的干扰会被过滤掉，减少了微分项导致高频振荡的风险。

微分先行PID

由于输入的期望值一直在跳变的话，这会导致微分调节项引入高频干扰，所以通常在输出端进行微分，而不在输入端进行微分。如下图：

可以避免指令的改变，导致超调过大。
一个经典的PID结构体定义：

typedef struct{
	float kp;
	float ki;
	float kd;
	float summary;//积分项累计值
	float expect;//期望值
	float last_error;//上一次累计误差
}PID_Structure_t;

PID 计算函数：

float pid_result(PID_Structure_t *pid_handler ,float collect){
	float current_result;
	float error = pid_handler->expect - collect;
	//将误差累加到积分项中
	pid_handler->summary += error;
	current_result = pid_handler->kp * error +
					 pid_handler->ki * pid_handler->summary +
					 pid_handler->kd * (pid_handler->last_error);
	//更新上刻的误差
	pid_handler->last_error = error;
	return current_result;

}

matlab中的实现

matlab实现1

参照大佬博客：点点点
上面链接中还可多图比较
可拷贝到命令窗口中直接运行：

clear all
ts=0.005;  %采样时间=0.005s
sys=tf(0.998,[0.021,1]);   %建立被控对象传递函数，即式4.1
dsys=c2d(sys,ts,'z');      %离散化
[num,den]=tfdata(dsys,'v');   %
e_1=0;      %前一时刻的偏差      
Ee=0;       %累积偏差
u_1=0.0;    %前一时刻的控制量
y_1=0;       %前一时刻的输出
%PID参数
kp=0.22;    
ki=0.13;
kd=0;
u=zeros(1,1000);%预先分配内存
time=zeros(1,1000);%时刻点（设定1000个）
for k=1:1:1000
    time(k)=k*ts;   %时间参数
    r(k)=1500;      %期望值
    y(k)=-1*den(2)*y_1+num(2)*u_1+num(1)*u(k);%系统响应输出序列
    e(k)=r(k)-y(k);   %误差信号
    u(k)=kp*e(k)+ki*Ee+kd*(e(k)-e_1); %系统PID控制器输出序列
    Ee=Ee+e(k);    %误差的累加和
    u_1=u(k);    	%前一个的控制器输出值
    y_1=y(k);    	%前一个的系统响应输出值
    e_1=e(k);		%前一个误差信号的值
end
%（仅绘制过渡过程的曲线，x坐标限制为[0,1]）
p1=plot(time,r,'-.');xlim([0,1]);hold on;%指令信号的曲线（即期望输入）
p2=plot(time,y,'--');xlim([0,1]);%不含积分分离的PID曲线
%plot( x, y); print(gcf, '-djpeg', 'abc.jpg') %绘制图像并保存为jpg格式
hold on
grid on
disp('done')

期望输出是1500,还是感觉很厉害的
输出结果：

matlab实现2（调用内部函数）

参照：链接
code:

clear all
clc 

num = [1]                   
denom = [1 3 1]             

Gp = tf( num, denom )    
H = [1]

M = feedback( Gp, H ) 
step(M)                
hold on
grid on

%%
Kp = 1
Ki = 0
Kd = 0

Gc = pid( Kp, Ki, Kd)

Mc = feedback( Gc*Gp, H)
step( Mc )
hold on
grid on

PID调参经验

手动整定

也称手动整定。
参照视频：链接
一般先将Pd设为0，进行PI调节。
仅PI调节一般会出现较大的振荡。
口诀：

翻译翻译：

1. 先是比例后微分，再积分。
   即Kp=3,Ki=0,Kd=0;
   Kp=调参结果，Ki=调参，Kd=0；
   Kp=调参结果，Ki=调参结果，Kd=调参；

现象	处理方法
振荡频繁	Kp加大
波峰与紧邻谷相距较远	Kp调小
曲线偏离回复慢	Ki调大
曲线波动周期长	Ki调小
导管	$1

业内常用衰减曲线法。
衰减比为4:1的经验公式如下：

就拿经验系数去乘上现在的参数。
衰减比为10:1的公式：

PID自动整定法

常见：
模式识别法（专家系统）。参照专家的一些方法，查询数据手册实现
自校正PID
模糊自适应整定PID
神经网络PID
其他参数优化算法

模式识别法

在暂态过程中，取一些特征的向量。
根据这个方法，去修正PID的值.

自校正PID

实际上是一种极点配置法，就是通过调整PID控制器的结构和参数，让闭环系统的特征多项式接近于预定的式子。

模糊自适应整定PID

针对非线性时不变（LTI）系统就有用，需要一个基础的PID值，通过一些模糊规则实现，

神经网络PID

主要调节参数：学习率，平滑因子等

其他参数优化算法

PID倒立摆实验

参照视频

simulink仿真

系统学习视频
matlab命令流窗口中启动simulink，打不开就结合手动点击一起

simulink

要看下，有没有下面这个库，方便转化为c语言代码，这里是matlab2012a版本

然后把图画一画：

PID的参数对比组数：

PID=[0.22,0.13,0;
    0.4,0.13,0;
    0.4,0.25,0;
    0.8,0.23,0.4;
    0.8,0.2,1;
    0.7,0.2,0.9];%初始化PID参数

这里用的参数就是第一组的0.22和0.13，
期望输出就是1500
运行后，双击scope得到波形，nice啊：