用python实现PID控制器 (PyCharm)

用python实现PID控制器 (PyCharm)

PID框图

PID 的控制框图如下图所示：

python实现

控制器

PID的三个参数一般是我们自己设计的，而且一般是固定的，所以最好在初始化的时候设置一下。

在具体实现的时候，当前误差需要知道系统的输出和目标值，因此误差作为参数传入。dt是系统的步长，即调节周期，也将其作为参数传入

为了适应某些变参数算法（al，bp），设计一个函数仅用来改变三个参数

控制器代码如下：

class PID_Controller:
    # 给pid的三个参数赋初值
    def __init__(self, kp, ki, kd):
        self.kp = kp
        self.ki = ki
        self.kd = kd
        self.last_error = 0.0
        self.integral = 0.0

    def change_para(self, kp, ki, kd):
        self.kp = kp
        self.ki = ki
        self.kd = kd

    def control_action(self, error, dt):
        """
        Args:
            error: 当前误差
            dt: 步长

        Returns: pid的输出
        """
        p = self.kp * error

        self.integral += error
        i = self.ki * self.integral

        derivative = (error - self.last_error) / dt
        d = self.kd * derivative
        self.last_error = error

        return p + i + d

被控对象

被控对象一般是用传递函数表示的，这边可以用欧拉公式实现

对传递函数为：

$$G(S)=\frac{3.1877}{S^2+4900}$$

进行变换

import numpy as np


class levitationSys:
    def __init__(self, ncount, x10, x20, y10, y20):
        self.x10 = x10
        self.x20 = x20
        self.X1 = np.zeros(ncount)

        self.y10 = y10
        self.y20 = y20
        self.Y1 = np.zeros(ncount)
        self.Y2 = np.zeros(ncount)

    def system_io(self, i, input, h, f):
 
        y1 = self.y10 + h * self.y20
        y2 = self.y20 + h * (-4900 * self.y10 + 3.1877 * input);
        self.Y1[i] = self.y10
        self.Y2[i] = self.y20

        self.y10 = y1
        self.y20 = y2

        return y1

主函数

控制器和传递函数设计好之后，我们只需要建立一个主函数去调用它即可

from pid import PID_Controller
from system import levitationSys

import matplotlib.pyplot as plt
import numpy as np


if __name__ == '__main__':

    wc = 50
    kp = wc * wc / 3.2
    ki = 15
    kd = wc / 1.6
    ncount = 200000    # 循环次数
    h = 0.0002  #步长
    ts = np.zeros(ncount)
  
    # 被控对象
    sys = levitationSys(ncount, 0, 0, 0, 0)
    # 控制器
    PID = PID_Controller(kp, ki, kd)
  
    gap = 0.0
    gap_last = 0.0

    for i in range(ncount):
        gap = sys.system_io(i, PID.control_action(0.004 - gap_last, h), h, 0)
        ts[i] = i * h
        print(gap)
        gap_last = gap
    # 图像输出
    plt.plot(ts, sys.Y1)
    plt.xlabel('x-axis')
    plt.ylabel('y-axis')
    plt.title('Simple Line Plot')
    plt.show()

运行结果:

调参顺序建议

1. 先调节比例系数 kp，使系统的响应能够快速达到稳定状态，并具有合理的超调量。因为它是最基本的参数，可以快速反应出控制效果。
2. 然后调节积分时间常数 ki，使系统的静态误差消失或达到最小值。增加 ki 可以减小稳态误差，但过大的 ki 会引起系统的震荡和不稳定。
3. 调节微分时间常数 kd，使系统的稳定性和动态响应之间取得平衡。增加 kd 可以使系统更加稳定,减小系统的超调和振荡,但过大的 kd 会引起系统的噪声和抖动。
4. 最后综合进行微调

需要注意的是，这只是一种基本的调参顺序，实际情况可能因为不同系统的特点而有所不同

程序下载

https://mp.csdn.net/mp_download/manage/download/UpDetailed