Simulink建模:PID控制模型

本文研究PID控制的Simulink模型实现及其代码生成。

1 PID控制

PID控制是一个非常经典的控制方法,离散化的位置式PID控制的公式如下:
x ( t ) = K p ⋅ e ( t ) + K i ⋅ ∫ 0 t e ( t ) d t + K d ⋅ d e ( t ) d t x(t) = K_{p}\cdot e(t) + K_{i}\cdot \int_{0}^{t} e(t)dt + K_{d}\cdot \frac{de(t)}{dt} x(t)=Kpe(t)+Ki0te(t)dt+Kddtde(t)
其中,e(k)为k时刻的偏差值,Kp,Ki,Kd分别为比例、积分、微分系数。PID控制的示意图如下:
在这里插入图片描述

2 应用场景

通过一个汽车加速的场景可以很好地理解PID控制的原理。

首先,设想自己是一名驾驶员,刚刚经过收费站上了高速公路。现在,高速公路上是一个一望无际的长直道,并且周围都没有车。这时驾驶员的想法是,尽快将车加速到100km/h的时速,并保持这个速度在路上行驶。

此时,驾驶员就是控制系统中的传感器、控制器和执行器。其中眼睛就是传感器,可以获取仪表盘上的车速;大脑是一个控制器,可以计算出油门踏板或刹车踏板的行程;右脚是执行器,可以根据大脑发来的行程指令,踩下踏板。那么PID控制的示意图就会变成下图:

在这里插入图片描述
驾驶员看到当前的车速,会和自己内心期望的100km/h的车速做比较,得出error的偏差值。PID在其中的含义就是:

  • P项的含义就是,偏差越大,就需要踩踏板踩得越深,才能尽快减小偏差值。
  • I项的含义就是考虑整个过程中的偏差的累计值,可以理解为,经历的越长的时间还没到达期望车速,就会在P项的基础上再踩得深一些。
  • D项的含义是考虑当前时刻偏差的变化率,可以理解为如果偏差在减小,那么de/dt就是个负值,其绝对值表示减小的速率,这个速率越大,D项越大,抵消的P项越多,类似于一个阻力的效果,防止变化过快。

3 Simulink建模

本文重点研究通过Simulink实现PID控制模型。

3.1 对公式的理解

PID的工程应用比理论公式稍微复杂一些,因为要考虑实际工况中是离散的控制,并且Err无论怎样都不可能等于0。为了较好的进行建模,博主会结合自己做汽车电控开发的经验对公式进行理解,这些理解会指导后面的建模。

  • 输入值、输出值和参数值都应该是浮点数,建模时统一定为single类型;
  • 比例项的计算直接用Kp乘以偏差值;
  • 积分项的计算需要先累加每个周期的偏差值与周期、Ki的乘积,同时需要对输出限幅和并且在某种条件下清零,以防止积分项过大;
  • 微分项的计算需要本周期和上周期的偏差相减,再除以周期值,同时也需要输出限幅;
  • 最后将比例、积分、微分项相加得到控制量输出,并且每一项也需要单独输出以便于观测。

3.2 建模过程

根据上文的理解,建立一个子系统,在其中实现PID控制算法。模型建模如下:
在这里插入图片描述
1)对于I项的计算中,为了实现能够清零的策略,引入了I_Reset接口,当I_Reset置为1时积分项输出0;
在这里插入图片描述

2)I项和D项分别引入上下限,通过一个Saturation Dynamic模块限值输出,这样可以选择根据外部工况动态调整上下限,或者外部给定一个标定量,比Saturation模块更加灵活;
在这里插入图片描述

3.3 模型配置及更新

模块和信号线都搭建好了以后,需要对他们进行一些必要的配置。

1)将Inport,Outport和每个运算模块的Output DataType都配置成single,这样保证了整个数据流都是浮点型的;将Reset的接口配置为boolean型,因为它是一个0或1的布尔量标志位;
在这里插入图片描述

2)在子系统外部添加port端口或const常数定义,使之成为一个完整的模型,可用于Update或Build;

在这里插入图片描述

3)在Matlab工作空间中创建模型中所用参数的属性,因为配置的太多,所以这里博主直接用一个Matlab脚本创建;

%% 生成PID模块所需要的参数
%% 清空工作空间
clear;
clc;
%% Err信号
Err = Simulink.Signal;
Err.DataType = 'single';
Err.Description = '输入的偏差量';
Err.CoderInfo.StorageClass = 'ExportedGlobal';
%% Ctrl信号
Ctrl = Simulink.Signal;
Ctrl.DataType = 'single';
Ctrl.Description = '输出的控制量';
Ctrl.CoderInfo.StorageClass = 'ExportedGlobal';
%% P_Term信号
P_Term = Simulink.Signal;
P_Term.DataType = 'single';
P_Term.Description = 'P项观测量';
P_Term.CoderInfo.StorageClass = 'ExportedGlobal';
%% I_Term信号
I_Term = Simulink.Signal;
I_Term.DataType = 'single';
I_Term.Description = 'I项观测量';
I_Term.CoderInfo.StorageClass = 'ExportedGlobal';
%% D_Term信号
D_Term = Simulink.Signal;
D_Term.DataType = 'single';
D_Term.Description = 'D项观测量';
D_Term.CoderInfo.StorageClass = 'ExportedGlobal';
%% Kp参数
Kp = Simulink.Parameter;
Kp.Value = 0.2;
Kp.DataType = 'single';
Kp.Description = 'PID控制模块的Kp参数;';
Kp.CoderInfo.StorageClass = 'ExportedGlobal';
%% Ki参数
Ki = Simulink.Parameter;
Ki.Value = 0.02;
Ki.DataType = 'single';
Ki.Description = 'PID控制模块的Ki参数;';
Ki.CoderInfo.StorageClass = 'ExportedGlobal';
%% Kd参数
Kd = Simulink.Parameter;
Kd.Value = 0.02;
Kd.DataType = 'single';
Kd.Description = 'PID控制模块的Kd参数;';
Kd.CoderInfo.StorageClass = 'ExportedGlobal';
%% I_Max上限参数
I_Max = Simulink.Parameter;
I_Max.Value = 1000;
I_Max.DataType = 'single';
I_Max.Description = 'PID控制模块的I项输出上限参数;';
I_Max.CoderInfo.StorageClass = 'ExportedGlobal';
%% I_Min下限参数
I_Min = Simulink.Parameter;
I_Min.Value = 200;
I_Min.DataType = 'single';
I_Min.Description = 'PID控制模块的I项输出下限参数;';
I_Min.CoderInfo.StorageClass = 'ExportedGlobal';
%% D_Max上限参数
D_Max = Simulink.Parameter;
D_Max.Value = 1000;
D_Max.DataType = 'single';
D_Max.Description = 'PID控制模块的D项输出上限参数;';
D_Max.CoderInfo.StorageClass = 'ExportedGlobal';
%% I_Min下限参数
D_Min = Simulink.Parameter;
D_Min.Value = 200;
D_Min.DataType = 'single';
D_Min.Description = 'PID控制模块的D项输出下限参数;';
D_Min.CoderInfo.StorageClass = 'ExportedGlobal';
%% Sample_Time采样时间
Sample_Time = Simulink.Parameter;
Sample_Time.Value = 0.01;
Sample_Time.DataType = 'single';
Sample_Time.Description = 'PID控制模块的D项输出下限参数;';
Sample_Time.CoderInfo.StorageClass = 'ExportedGlobal';
%% End

运行脚本后,会在工作空间里生成对应的Parameter参数。其中除了数值和描述信息以外,数据类型和Storage Class都配置成了相同的。
在这里插入图片描述
注:这里的数值都是博主随便定的,只是为了演示这个过程。参数的定义需要根据实际开发中的需求和场景来定义,并且需要在试车测试的时候不断标定和调试后确认参数。

3)将积分项和微分项中用到的UnitDelay模块分别配置一个名字,并定义代码生成的StorageClass;将积分项的名字定义为I_Term_Last,代表I项的累加,将微分项的名字定义为Err_Last,代表上一次的Error值;

在这里插入图片描述
在这里插入图片描述

注:这里的定义仅仅是为了代码生成的可读性更强,不会影响到Unit Delay的模型功能和代码功能,所以也可以不做这一步名称的定义。另外,无论是否定义名称,这里的Unit Delay模块都会消耗一个全局变量的RAM资源。

4)配置完成后Ctrl + D更新模型,不报错即可;

4 模型代码生成

1)在Simulink中配置一下代码生成,具体方法可参照博主以前的博客《Simulink代码生成: Embedded Coder配置》

2)以上配置好后,可以Ctrl + B生成代码,其中P项直接相乘得到;

在这里插入图片描述

3)I项的计算首先判断Reset清零,如果不清零就进行一个累加计算,最后做限值计算;

在这里插入图片描述

4)D项的算法先计算差分值,再乘以D项系数,最后限值得出;

在这里插入图片描述

5)最后是各个项相加输出;

5 总结

本文研究了PID控制的建模和代码生成。在实际工作中,PID控制可以配合其他策略一起使用,包括对输入输出的滤波,或者结合前馈控制提高响应等等。

>>返回个人博客总目录

  • 108
    点赞
  • 752
    收藏
    觉得还不错? 一键收藏
  • 10
    评论
### 回答1: 在使用MATLABSimulink进行建模过程时,我们可以使用ABS单轮模型来模拟车辆的行驶过程。ABS(防抱死系统)是一种汽车安全系统,可以防止车辆在紧急制动时产生轮胎抱死的现象。下面是ABS单轮模型建模过程。 首先,我们需要在Simulink中创建一个新的模型。然后,我们可以使用既定的物理模型或基于简化的公式来定义车辆的运动学和动力学特性。 接下来,我们需要在Simulink中使用基本的模块来表示车辆的各个组成部分,包括车轮、轮胎、制动器和控制器等。 对于车轮和轮胎模块,我们可以使用传动比、扭矩输入和轮胎侧向力等参数来描述其运动特性。通常,车轮和轮胎模块可以使用Simscape Multibody或基于欧拉估计的方程来建模。 对于制动器模块,我们可以使用制动器特性曲线、制动压力和接触力等参数来表示其行为。制动器模块可以使用Simscape Fluids或简单的动态方程进行建模。 最后,我们需要添加一个控制器模块来监测车轮的转速,并根据需求调整制动器的压力,以实现防抱死功能。控制器可以使用MATLAB函数或逻辑控制器模块进行建模。 完成模型的建立后,我们可以通过对模型进行参数调整和仿真来验证ABS系统的性能。可以通过在Simulink中定义输入信号(例如制动踏板的位置和路面摩擦系数)来模拟实际驾驶条件,并观察车辆的制动效果和轮胎的抱死情况。 总而言之,在Simulink中建立ABS单轮模型涉及到定义车辆的运动特性、使用适当的模块来描述车轮、轮胎、制动器和控制器等组成部分,并通过参数调整和仿真来验证系统的性能。这种建模过程可以帮助我们更好地理解和改进ABS系统的设计和控制策略。 ### 回答2: ABS单轮模型Simulink建模过程主要包括以下几个步骤。 首先,确定模型的输入和输出。ABS单轮模型的输入包括刹车压力信号、车轮转速等,输出包括车辆加速度、车轮滑移率等。 其次,根据模型的物理原理和数学公式,建立模型的框架。例如,可以使用基于物理原理的模型,其中包括方程、参数和运动学模型等,并将其转化为Simulink模型中的符号表达式。 接下来,将符号表达式转化为Simulink模型中的模块和连接。在Simulink模型界面中,可以添加各种模块,如数学运算模块、积分器模块和传感器模块等,并使用信号线将它们连接起来,形成一个闭环控制系统。 然后,设置模型的参数和初始条件。根据实际情况,可以调整和设置各个模块的参数,以使模型的输出符合实际要求。对于一些需要初始条件的情况,可以在Simulink模型配置界面中设置初始状态。 最后,进行仿真和调试。在模型搭建完成后,可以进行仿真测试,观察模型的输入输出情况,并对模型进行调试和优化。Simulink提供了丰富的仿真工具,可以方便地对模型进行分析和优化。 综上所述,ABS单轮模型Simulink建模过程涉及到确定输入输出、建立模型框架、转化为Simulink模型、设置参数和初始条件以及进行仿真和调试等步骤。通过Simulink建模工具和仿真工具,可以方便快捷地建立和验证ABS单轮模型,提高其工程应用能力。 ### 回答3: ABS单轮模型是指在车辆的一个轮轴处使用的制动系统模型建模过程中需要使用Simulink软件来完成。下面是ABS单轮模型Simulink建模过程的详细说明: 1. 基本参数设置:首先需要根据实际的车辆和制动系统参数来设置模型的基本参数,如车辆质量、轮胎半径、制动系统的参数等。 2. 输入信号设置:根据实际情况设置输入信号,主要包括车轮转速信号和制动踏板信号。车轮转速信号可以通过传感器获取,制动踏板信号一般是人为输入。 3. 制动系统模型建立:根据ABS单轮的工作原理,建立制动系统的数学模型。这个模型可以采用PID控制器、状态空间模型等不同的方法进行建模。 4. 输入输出连接:将输入信号和制动系统模型进行连接,使得输入信号能够传递给制动系统模型进行处理。 5. 模型仿真:通过Simulink的仿真功能,对ABS单轮模型进行仿真,获取制动过程的变化曲线。 6. 结果分析:根据仿真结果分析制动过程的性能指标,如制动时间、制动距离、制动力分布等。 7. 参数优化:根据仿真结果,调整模型中的参数,通过不断优化,使得ABS单轮模型的性能指标达到设计要求。 8. 验证与验证:最后,对优化后的模型进行验证,与实际的车辆制动系统进行对比,验证模型的准确性和可靠性。 通过以上步骤,我们可以建立一个准确且可靠的ABS单轮模型,用于车辆制动系统的设计和性能优化。
评论 10
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值