用Python编程实现龙门吊车重物防摆的鲁棒PID控制方案

用Python编程实现龙门吊车重物防摆的鲁棒PID控制方案。

鲁棒 PID 控制是在传统 PID 控制的基础上，增加了一些机制来提高系统对不确定性和干扰的鲁棒性，下面将使用传统的 PID 控制器来进行控制，并通过调整参数来提高系统的鲁棒性。

import numpy as np
import matplotlib.pyplot as plt


class RobustPIDController:
    def __init__(self, kp, ki, kd):
        self.kp = kp
        self.ki = ki
        self.kd = kd
        self.prev_error = 0
        self.integral = 0

    def update(self, setpoint, current_value, dt):
        error = setpoint - current_value
        self.integral += error * dt
        derivative = (error - self.prev_error) / dt
        output = self.kp * error + self.ki * self.integral + self.kd * derivative
        self.prev_error = error
        return output


# 模拟龙门吊车系统
def simulate_crane(pid, setpoint, initial_position, initial_angle, time_steps, dt):
    position = initial_position
    angle = initial_angle
    positions = [position]
    angles = [angle]

    for _ in range(time_steps):
        # 简单的系统模型，这里只是一个示例，实际情况会更复杂
        control_output = pid.update(setpoint, position, dt)
        # 模拟位置和角度的更新
        position += control_output * dt
        # 模拟重物摆动的影响
        angle += 0.1 * control_output * dt

        positions.append(position)
        angles.append(angle)

    return positions, angles


# 参数设置
kp = 1.0
ki = 0.1
kd = 0.01
setpoint = 10.0
initial_position = 0.0
initial_angle = 0.0
time_steps = 100
dt = 0.1

# 创建PID控制器
pid = RobustPIDController(kp, ki, kd)

# 模拟系统
positions, angles = simulate_crane(pid, setpoint, initial_position, initial_angle, time_steps, dt)

# 确保 time 数组长度和 positions 一致
time = np.linspace(0, time_steps * dt, len(positions))

# 绘制结果
plt.figure(figsize=(12, 6))

plt.subplot(2, 1, 1)
plt.plot(time, positions, label='Position')
plt.axhline(y=setpoint, color='r', linestyle='--', label='Setpoint')
plt.xlabel('Time (s)')
plt.ylabel('Position')
plt.legend()

plt.subplot(2, 1, 2)
plt.plot(time, angles, label='Angle')
plt.xlabel('Time (s)')
plt.ylabel('Angle')
plt.legend()

plt.tight_layout()
plt.show()

代码解释：

将最后提供的代码解释一下

以下是对最后提供代码的详细解释，该代码实现了龙门吊车重物防摆的鲁棒 PID 控制方案，并对系统运行过程进行模拟和结果可视化：

1. 导入必要的库

python

import numpy as np
import matplotlib.pyplot as plt

 

• numpy：用于进行数值计算，例如数组操作、生成等差数列等。
• matplotlib.pyplot：用于绘制图表，展示模拟结果。

2. 定义鲁棒 PID 控制器类

python

class RobustPIDController:
    def __init__(self, kp, ki, kd):
        self.kp = kp
        self.ki = ki
        self.kd = kd
        self.prev_error = 0
        self.integral = 0

    def update(self, setpoint, current_value, dt):
        error = setpoint - current_value
        self.integral += error * dt
        derivative = (error - self.prev_error) / dt
        output = self.kp * error + self.ki * self.integral + self.kd * derivative
        self.prev_error = error
        return output

 

• __init__ 方法：初始化 PID 控制器的参数，包括比例系数 kp、积分系数 ki、微分系数 kd，同时初始化上一次的误差 prev_error 和积分项 integral 为 0。
• update 方法：根据当前的设定值 setpoint 和当前值 current_value 计算控制输出。具体步骤如下：
  • 计算当前误差 error。
  • 更新积分项 integral，即累加当前误差乘以时间步长 dt。
  • 计算误差的微分 derivative，即当前误差与上一次误差的差值除以时间步长 dt。
  • 根据 PID 公式计算控制输出 output。
  • 更新上一次的误差 prev_error 为当前误差。

3. 定义模拟龙门吊车系统的函数

python

def simulate_crane(pid, setpoint, initial_position, initial_angle, time_steps, dt):
    position = initial_position
    angle = initial_angle
    positions = [position]
    angles = [angle]

    for _ in range(time_steps):
        # 简单的系统模型，这里只是一个示例，实际情况会更复杂
        control_output = pid.update(setpoint, position, dt)
        # 模拟位置和角度的更新
        position += control_output * dt
        # 模拟重物摆动的影响
        angle += 0.1 * control_output * dt

        positions.append(position)
        angles.append(angle)

    return positions, angles

 

• 该函数接受 PID 控制器对象 pid、设定值 setpoint、初始位置 initial_position、初始角度 initial_angle、时间步数 time_steps 和时间步长 dt 作为输入。
• 初始化位置和角度，并创建用于存储位置和角度历史值的列表 positions 和 angles。
• 在每个时间步中：
  • 调用 PID 控制器的 update 方法计算控制输出 control_output。
  • 根据控制输出更新位置和角度，这里使用了简单的线性模型。
  • 将更新后的位置和角度添加到相应的列表中。
• 最后返回位置和角度的历史值列表。

4. 设置参数

python

# 参数设置
kp = 1.0
ki = 0.1
kd = 0.01
setpoint = 10.0
initial_position = 0.0
initial_angle = 0.0
time_steps = 100
dt = 0.1

 

• kp、ki、kd：分别为 PID 控制器的比例、积分、微分系数。
• setpoint：设定的目标位置。
• initial_position 和 initial_angle：初始位置和初始角度。
• time_steps：模拟的时间步数。
• dt：时间步长。

5. 创建 PID 控制器并模拟系统

python

# 创建PID控制器
pid = RobustPIDController(kp, ki, kd)

# 模拟系统
positions, angles = simulate_crane(pid, setpoint, initial_position, initial_angle, time_steps, dt)

 

• 创建一个 RobustPIDController 类的实例 pid。
• 调用 simulate_crane 函数进行系统模拟，得到位置和角度的历史值列表 positions 和 angles。

6. 生成时间数组

python

# 确保 time 数组长度和 positions 一致
time = np.linspace(0, time_steps * dt, len(positions))

 

• 使用 np.linspace 函数生成一个等差数列 time，其长度与 positions 列表的长度相同，用于表示时间轴。

7. 绘制结果

python

# 绘制结果
plt.figure(figsize=(12, 6))

plt.subplot(2, 1, 1)
plt.plot(time, positions, label='Position')
plt.axhline(y=setpoint, color='r', linestyle='--', label='Setpoint')
plt.xlabel('Time (s)')
plt.ylabel('Position')
plt.legend()

plt.subplot(2, 1, 2)
plt.plot(time, angles, label='Angle')
plt.xlabel('Time (s)')
plt.ylabel('Angle')
plt.legend()

plt.tight_layout()
plt.show()

 

• 创建一个大小为 (12, 6) 的图形窗口。
• 使用 plt.subplot 函数将图形窗口划分为 2 行 1 列的子图。
• 在第一个子图中，绘制位置随时间的变化曲线，并添加目标位置的水平线作为参考。
• 在第二个子图中，绘制角度随时间的变化曲线。
• 为每个子图添加坐标轴标签和图例。
• 使用 plt.tight_layout 函数调整子图布局，避免重叠。
• 最后使用 plt.show 函数显示图形。

 

通过以上步骤，代码实现了龙门吊车重物防摆的鲁棒 PID 控制模拟，并将结果可视化展示。