基于MATLAB的一阶倒立摆系统的PID数字仿真设计

最新推荐文章于 2025-03-19 15:15:02 发布

嘎学姐

最新推荐文章于 2025-03-19 15:15:02 发布

阅读量3.1k

点赞数 34

文章标签： matlab 学习笔记

本文链接：https://blog.csdn.net/m0_73645118/article/details/143955968

版权

摘要

本实验旨在设计并仿真控制一阶倒立摆系统，首先通过分析建立该系统的数学模型，并进行理论计算，并使用Matlab进行仿真研究；其次，通过理论方法设计PID控制器，确定控制器结构和参数；最后，通过Matlab仿真控制效果，验算性能指标并分析控制效果。实验过程中使用的数学模型来源于经典的倒立摆控制问题，采用PID控制方法优化系统性能。

一.一阶倒立摆系统的数学模型建立

1.1 一阶倒立摆系统的运动方程式建立

如上图所示，一个可以活动的小车上立着一根不稳定随时会倒下的杆。小车的轮子由电机控制，可以控制小车受到的力的大小和方向。我们可以获取小车的位置和速度，杆相对于垂直位置的倾角和杆的速度。目标就是保持杆不倒下来，同时小车静止在中间的位置。

对小车在水平方向上进行受力分析可得： $M\frac{\mathrm{d^{2}}x }{\mathrm{d} t^{2}}+b\frac{\mathrm{d} x}{\mathrm{d} t}+N_{1}=F$

对摆在水平方向上进行受力分析可得： $N_{2}=m\frac{\mathrm{d^{2}} }{\mathrm{d} t}(x+lsin\theta )$

即： $N_{2}=m\frac{\mathrm{d^{2}x} }{\mathrm{d} t^{2}}+ml\frac{\mathrm{d^{2}}\theta }{\mathrm{d} t^{2}}cos(\frac{\mathrm{d^{2}}\theta }{\mathrm{d} t^{2}})-ml(\frac{\mathrm{d}\theta }{\mathrm{d} t})^{2}sin\theta$

对摆在垂直方向上进行受力分析可得： $P_{2}=mg+m\frac{\mathrm{d^{2}} }{\mathrm{d} t^{2}}(lcos\theta )$

即： $P_{2}=mg-ml\frac{\mathrm{d^{2}}\theta }{\mathrm{d} t^{2}}sin(\frac{\mathrm{d^{2}}\theta }{\mathrm{d} t^{2}})-ml(\frac{\mathrm{d}\theta }{\mathrm{d} t})^{2}cos\theta$

关节力矩： $-Plsin\theta -Nlcos\theta =I\frac{\mathrm{d^{2}} \theta }{\mathrm{d} t^{2}}$

令 $eq?%5Cphi%20%3D%5Cpi%20+%5Ctheta$

由于 $eq?%5Ctheta%20%5Capprox%200$ ，则： $eq?sin%5Ctheta%20%3D0%2Ccos%5Ctheta%20%3D1%2C%28%5Cfrac%7B%5Cmathrm%7Bd%7D%5Ctheta%20%7D%7B%5Cmathrm%7Bd%7D%20t%7D%29%5E%7B2%7D%3D0$

化简以上式子可得： $eq?%28I+ml%5E%7B2%7D%29%5Cfrac%7B%5Cmathrm%7Bd%5E%7B2%7D%7D%20%5Cphi%20%7D%7B%5Cmathrm%7Bd%7D%20t%5E%7B2%7D%7D-mgl%5Cphi%20%3Dml%5Cfrac%7B%5Cmathrm%7Bd%5E%7B2%7D%7Dx%7D%7B%5Cmathrm%7Bd%7D%20t%5E%7B2%7D%7D$

$eq?%28M+m%29%5Cfrac%7B%5Cmathrm%7Bd%5E%7B2%7D%7Dx%20%7D%7B%5Cmathrm%7Bd%7D%20t%5E%7B2%7D%7D+b%5Cfrac%7B%5Cmathrm%7Bd%7D%20x%7D%7B%5Cmathrm%7Bd%7D%20t%7D-ml%5Cfrac%7B%5Cmathrm%7Bd%5E%7B2%7D%7D%5Cphi%20%7D%7B%5Cmathrm%7Bd%7D%20t%5E%7B2%7D%7D%3DF%3Du$

1.2 一阶倒立摆系统的传递函数

对上两式进行拉普拉斯变换得： $eq?%28I+ml%5E%7B2%7D%29%5CPhi%20%28s%29s%5E%7B2%7D-mgl%5CPhi%20%28s%29%3DmlX%28s%29s%5E%7B2%7D$

$eq?%28M+m%29X%28s%29s%5E%7B2%7D+bX%28s%29s-ml%5CPhi%20%28s%29s%5E%7B2%7D%3DU%28s%29$

令 $eq?q%3D%28M+m%29%28I+ml%5E%7B2%7D%29-%28ml%29%5E%7B2%7D$

可得摆的角度的传递函数： $eq?P_%7Bbai%7D%28s%29%3D%5Cfrac%7B%5CPhi%20%28s%29%7D%7BU%28s%29%7D%3D%5Cfrac%7Bmls%7D%7Bqs%5E%7B3%7D+b%28I+ml%5E%7B2%7D%29s%5E%7B2%7D-%28M+m%29mgls-bmgl%7D$

小车的位置的传递函数： $eq?P_%7Bcar%7D%28s%29%3D%5Cfrac%7BX%20%28s%29%7D%7BU%28s%29%7D%3D%5Cfrac%7B%28I+ml%5E%7B2%7D%29s%5E%7B2%7D-mgl%7D%7Bqs%5E%7B4%7D+b%28I+ml%5E%7B2%7D%29s%5E%7B3%7D-%28M+m%29mgls%5E%7B2%7D-bmgls%7D$

二.未加入PID控制器的系统的特性分析

2.1 稳定性判断

判断系统稳定性问题最简单的方法就是求出该系统的所有极点，并判别是否含有实部大于零的极点(不稳定极点)。如果有这样的极点，则系统称为不稳定系统，否则称为稳定系统。

为了方便我们进行研究，将以上数据代入摆的角度的传递函数可得: $P_{bai}(s)=\frac{\Phi (s)}{U(s)}=\frac{-5.4663s^{2}}{s^{4}-0.5477s^{3}+37.4991s^{2}+5.3570s}$

用MATLAB求解摆的角度的传递函数的所有极点的代码和结果如下：

>> den=[1 -0.5477 37.4991 5.3570];
>> roots(den)

ans =

   0.3451 + 6.1220i
   0.3451 - 6.1220i
  -0.1425 + 0.0000i

从求得的解可知，该系统不稳定。

2.2 Bode图、响应曲线研究

在Matlab中，我们可以使用以下命令对摆的角度的传递函数的进行仿真研究：

% 定义传递函数
num = [-5.4663 0 0 0];  % 分子系数
den = [1 -0.5477 37.4991 5.3570 0];  % 分母系数

% 创建传递函数模型
P_bai = tf(num, den);

% 绘制系统的 Bode 图
figure;
bode(P_bai);
title('Bode Diagram');
grid on;

% 单位阶跃响应
figure;
step(P_bai);
title('单位阶跃响应');
grid on;

% 单位脉冲响应
figure;
impulse(P_bai);
title('单位脉冲响应');
grid on;

获取未加入PID控制器的系统的Bode图、响应曲线如下：

由上图可知，此时传递函数的各方面性能指标不好，难以追踪单位阶跃响应函数与单位脉冲响应函数。

三.PID控制与仿真

3.1 PID控制器的基本原理

PID控制器（Proportional-Integral-Derivative Controller，比例-积分-微分控制器）是工业自动化中常用的一种反馈控制器，广泛应用于温度、压力、速度等系统的控制中。PID控制器通过对系统误差（即目标值与实际输出值之间的差异）的综合处理，来实现对控制对象的精确调节。PID控制器由三部分组成：比例（P）、积分（I）、微分（D），它们分别对误差的不同特征进行响应，具体作用如下：

1. 比例控制（P）

比例控制是最基本的控制方式，它根据当前误差的大小来决定控制量。比例控制的输出与误差成正比，即： $P_{out}=K_{p}*e(t)$

其中：

$P_{out}$ 是比例控制器的输出。
$K_{p}$ 是比例增益。
$e(t)$ 是当前时刻的误差，即目标值与实际输出值之差。

作用：

比例控制对系统误差的响应较快，但通常无法完全消除稳态误差。如果增益过大，系统可能会产生过冲（超调）和振荡；如果增益过小，则系统响应较慢。

2. 积分控制（I）

积分控制通过对过去误差的累积来消除稳态误差。积分部分的作用是对误差进行积分，长期的偏差会导致控制输出的增大，从而消除持久的误差。积分控制的输出可以表示为：

$I_{out}=K_{i}*\int_{}^{}e(t)dt$

其中：

$I_{out}$ 是积分控制器的输出。
$K_{i}$ 是积分增益。
$\int_{}^{}e(t)dt$ 是误差的累积积分。

作用：

积分控制可以消除长期的稳态误差，但过度的积分作用可能导致系统过冲或振荡。

3. 微分控制（D）

微分控制是基于误差变化的速率来预测未来误差，并对系统的响应进行调节。它通过计算误差的导数来预防系统超调。微分控制的输出可以表示为： $D_{out}=K_{d}*\frac{\mathrm{d} }{\mathrm{d} t}e(t)$

其中：

$D_{out}$ 是微分控制器的输出。
$K_{d}$ 是微分增益。
$\frac{\mathrm{d} }{\mathrm{d} t}e(t)$ 是误差对时间的导数。

作用：

微分控制有助于减小系统的过冲和振荡，能够提高系统的稳定性，尤其是在控制过程中误差变化较快时。

4. PID控制器的综合输出

PID控制器的总输出是这三部分的加权和：

$u(t)=K_{p}*e(t)+K_{i}*\int_{}^{}e(t)dt+K_{d}*\frac{\mathrm{d} }{\mathrm{d} t}e(t)$

其中：

$u(t)$ 是控制器的输出信号，通常用于调整控制对象的输入。
$e(t)$ 是当前时刻的误差。

5. PID控制器的调参

PID控制器的性能高度依赖于三个增益参数 $K_{p}$ 、 $K_{i}$ 和 $K_{d}$ 的选择。正确的参数调节可以使得控制系统具有良好的稳定性、快速的响应和较小的误差。常见的调节方法包括：

手动调节法：通过经验和实验逐步调整三个参数，观察系统的响应。
Ziegler-Nichols方法：通过实验获得临界增益和临界周期，来自动设定 PID 参数。
自动调节法：基于系统响应自动调整 PID 参数。

6. PID控制器的优缺点

优点：
- 简单直观，易于理解和实现。
- 适用范围广，能够控制许多类型的动态系统。
- 可以平衡系统的快速响应和稳定性。
缺点：
- 参数调节较为复杂，尤其是在非线性或大规模系统中。
- 对噪声敏感，特别是微分项可能会放大噪声，导致系统不稳定。
- 在处理大范围变化或突变时，可能需要进行额外的调整或改进。

3.2 MATLAB 自动调整合适参数的 PID 控制器

使用 MATLAB 自动调整合适参数的 PID 控制器并对经过PID控制器调整后的系统进行仿真研究，代码如下：

% 定义传递函数 P_bai(s) = Phi(s) / U(s)
s = tf('s');  % 创建拉普拉斯变量 s
Phi_s = -5.4663 * s^2;  % Phi(s) = -5.4663 * s^2
U_s = s^4 - 0.5477 * s^3 + 37.4991 * s^2 + 5.3570 * s;  % U(s) = s^4 - 0.5477 * s^3 + 37.4991 * s^2 + 5.3570 * s

P_bai = Phi_s / U_s;  % 定义传递函数 P_bai(s)

% 使用 pidtune 函数自动调整 PID 参数
[Kpid, ~, ~] = pidtune(P_bai, 'PID');  % 设计 PID 控制器

% 显示 PID 控制器的参数
disp('PID 控制器参数：');
disp(Kpid);

% 构建闭环控制系统
closed_loop_system = feedback(Kpid * P_bai, 1);

% 仿真闭环系统的bode图
figure;
bode(closed_loop_system);
title('闭环系统的bode图');
grid on;


% 仿真闭环系统的单位阶跃响应
figure;
step(closed_loop_system);
title('闭环系统的单位阶跃响应');
grid on;

% 仿真闭环系统的单位脉冲响应
figure;
impulse(closed_loop_system);
title('闭环系统的单位脉冲响应');
grid on;

代码运行结果如下：