simulink实现模糊PID控制

simulink实现模糊PID控制的资源链接如右：simulink实现模糊PID控制资源
LabVIEW实现模糊PID控制可参考博客：LabVIEW实现模糊PID控制博客

GitHub地址为：simulink实现模糊PID控制

求点赞关注

如果觉得这篇文章对你有帮助请点赞收藏加关注啊，真的很谢谢大家！大家可以进入我的CSDN主页查看其它文章，都是我在进行课后题目与课程设计时遇到的一些问题，如果你正在学习人工智能，一定会有所收获，并且可以在我的GitHub仓库主页下载相关代码，如无法进入GitHub仓库主页也可以进入Gitee进行查看，后续我也会根据需求不断完善。

lazyn的CSDN_blog_code(GitHub)
lazyn的CSDN_blog_code(Gitee)

同时如果想要系统化的学习人工智能，可以进入下面的网站进行学习

通俗易懂，风趣幽默的人工智能学习网站-床长人工智能教程

作为人工智能专业的学生，我认为该网站的课程设置足够专业与完整，由浅入深，基本涵盖了当前人工智能的热门领域并且在不断完善，目录简洁明了，大家可以对照目录进行查漏补缺，作为读者，我发现课程内容通俗易懂，风趣幽默，可以激发大家的学习兴趣。

模糊系统建立

在matlab命令行输入fuzzy打开模糊系统设计器，设定输入个数为2，范围均为[-3,3]，输出个数为3，范围均为[-1,1]，模糊系统如下图。根据相关文献定义规则，将建立好的模糊文件命名为Fuzzy_PID并保存到本地文件中，用于下一步的导入。

simulink实现

主程序设计

通过阶跃函数模拟输入信号，将输入信号分别传入自带PID模块与编写的模糊PID模块，将两个模块的控制结果及阶跃信号值通过scope函数进行展示，整体程序框图如下。

PID模块参数设置为P：0.05，I：0.01，D：0.005。

模糊PID模块

将阶跃信号传入系统，系统通过反馈计算误差及误差变化率，将误差及误差变化率乘以各自的量化因子，模糊系统的误差及误差变化率的值域均为[-3,3]，假设实际的误差范围为[-8,8]，误差变化率范围为[-16,16]，则量化因子分别为0.375和0.1875。量化后的值通过saturation函数处理后传入模糊系统，模糊系统设定如下图，其中Fuzzy_PID应在命令行通过如下语句导入到系统中。

Fuzzy_PID = readfis(‘Fuzzy_PID’)

模糊系统设定输出的范围均为[-1,1]，因此也应根据相关经验乘以量化因子，并与初始PID参数，即P：0.05，I：0.01，D：0.005求和，处理后的参数传入PID系统中，结合了模糊规则及PID控制的系统即为模糊PID控制系统，系统的程序框图如下。

结果展示

运行程序，点击scope可查看运行结果如下图，可以看出模糊PID比单独PID更早到达设定值，具有更好的响应速度。