【V-Tiger】自动调整控制器增益，以优化建立时间、过冲和稳定性裕度、使用被控对象输入、输出阶跃响应来设计 PID 控制器研究（Matlab代码实现）-CSDN博客

本文链接：https://blog.csdn.net/weixin_66436111/article/details/139561499

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现

💥1 概述

自从人工智能（AI）赢得了国际象棋、将棋和围棋等人类职业选手的青睐以来，人们对人工智能的期望一直在急剧增加。人工智能发展如此之快的原因之一是计算机处理速度的大幅提高，这使得在计算机中虚拟快速重复模拟比赛（如奥赛罗、将棋、围棋等）成为可能。最后，人工智能已经获得了超越人类专业人士的力量。同样在控制工程中，如果控制器的增益调谐实验可以在计算机中虚拟执行，那么有望通过类似AI的方法显着提高控制性能。“V-Tiger”是“Virtual Time-response based Iterative Gain Evaluation and Redesign”的缩写，它迭代：1）根据一次性实验数据计算插入某个控制器时闭环系统的虚拟时间响应，2）根据虚拟时间响应测量过冲和建立时间，以及3）评估和重新设计控制器增益，考虑稳定裕度。

关键词数据驱动控制、时间响应、增益调谐。

V-Tiger是一种自动调整控制器增益的方法，旨在优化建立时间、过冲和稳定性裕度，它使用被控对象输入/输出阶跃响应来设计PID控制器。本方法的优越性在于可以通过计算机模拟来进行控制器调整，从而提高控制性能。

控制领域的发展趋势是数据驱动控制，利用大量的实验数据拟合控制模型，实现更好的控制效果。 V-Tiger使用一次性实验数据计算插入某个控制器时闭环系统的虚拟时间响应。这种基于数据模型的方法不仅速度更快，还可以从实际过程中构建更准确的模型，从而实现更优质的控制效果。

通过V-Tiger方法，可以快速评估和重新设计控制器增益，考虑稳定裕度。其中，稳定裕度是保证闭环系统稳态误差、阻尼比和过冲都在合理范围内的关键因素。在控制系统设计中，经常需要在建立时间、过冲和稳态误差之间做出权衡。而采用V-Tiger方法可以更好地平衡这些因素，从而实现更好的控制效果。

V-Tiger是一种数据驱动的、基于虚拟实验的方法，能够通过迭代计算和控制器增益的重新设计，显著提高控制性能。它是控制领域发展趋势的重要组成部分，将为未来控制系统的设计和优化带来更为广阔的前景。

📚2 运行结果

主函数代码：

ts=0.01; % sampling time [s]
s=tf('s'); % complex variable of Laplace transform
z=tf('z',ts); % shift operator
p=(1-1/z)/ts; % differential operator based on backward Euler's rule
Gs = 5/(0.01*s^2+0.2*s+10)*exp(-0.1*s); % plant G(s) to be controlled
G = c2d(Gs,ts); % G(z) is derived by discretizing G(s) with zero order holder

% Design initial controller K0 using The Ziegler-Nichols rule
[Ku,Pm,Wu,Wcp] = margin(G); % get Gaim margin Ku at Wu[rad/s]
Tu = 1/(Wu/2/pi); % When K=Ku, self-excited vibration with period Tu[s] will occur.
kp0=0.6*Ku; ki0=kp0/(0.5*Tu); kd0=kp0*0.125*Tu; % ZN classical parameters
K0 = kp0 + ki0/p + kd0*p; % ZN PID controller K0(z)

% Measuring one-shot data y00(t) and u00(t)
u00=ones(300,1); % input u00(t) is a step function
u00(1)=0; % initial value must be different from the other values <-- IMPORTANT!
y00=lsim(G,u00); % y00 is simulated
r=u00; % reference input to feedback system

% Step 1) Make step responses to cyclic, and get frequency data.
freq.y0jw = fft4step(y00); % y0(j w) from y00(t)
freq.u0jw = fft4step(u00); % u0(j w) from u00(t)
freq.r0jw = fft4step(r); % r0(j w) from r(t)
freq.p = fft4tf(p,length(u00)*2); % p(j w) from differential operator p
freq.r = r; % r(t) is reference input to feedback system
freq.wST=0.02;% Error band of settling time for cost function
freq.OVr=2; % Overshoot [%] for constraints
freq.GMr=3; % Gain margin [dB] for constraints: Regulator 3-10dB, 20-inf deg
freq.PMr=20; % Phase margin [deg] for constraints:Servo 10-20dB, 40-60 deg

% Step 2) Optimize PID gains by evaluating overshoot, settling time,
% and stability margins using virtual time response.
[kp,ki,kd] = vtigerPID(freq,[kp0 ki0 kd0]); % Get optimum PID gains. [kp0 ki0 kd0] is initial value for optimization
K = kp + ki/p + kd*p; % PID controller by V-Tiger

disp('-----------------------------------------------------')
% Verify the controller of V-Tiger and ZN by simulations
[y,u] = freq2yu(freq,K); % Virtual time responses predicted by V-Tiger when K is used
Gcl = feedback(ss(G*K),1); % closed loop transfer function. feedback(a,b)=a/(1+a*b). ss(G) is ss(Gcl); % State space representation from G
yt=lsim(Gcl,r); % yt is true y(t) simulated using true plant model G(z)
yZN=lsim(feedback(ss(G*K0),1),r);% y(t) by K0 (ZN) is simulated using true plant model G(z)
figure(1),
p1=plot([yt yZN y-yt y00]);
hold on
vtigerPID(freq,[kp ki kd],1);
hold off; grid; xlabel('sample number k (0.01k [sec])')
legend(p1,'y (V-Tiger)','y (ZN)','error of true/virtual y','y_{00}','Location','southeast');
title('PID control result. V-Tiger is better than Ziegler-Nichols rule')
disp('V-Tiger has completed controller design using y00 instead of the plant model.')
disp(['Plant G(s) to be discretized with sampling time ts=' num2str(ts) '[s] is as follows:']),
[yZN,iZN]=max(yZN); text(iZN,yZN,'\leftarrow y (ZN)','Color','red','FontSize',14);
[yvt,ivt]=max(yt); text(ivt,yvt+0.06,['y (V-Tiger)';'\downarrow '],'Color','blue','FontSize',14);
text(length(y)*0.16,y00(end)*0.8,['\uparrow '; ...
'y_{00} (used by V-Tiger instead of model G(z))'],'Color','magenta','FontSize',14);
text(length(y)*0.25,max(y)*0.58,[ ...
'V-Tiger optimization is as follows: '; ...
' Cost function: Settling time (error band is \pm 3%) '; ...
' Constraints: Overshoot<3%, Stability margins> 3dB, 20deg'])
Gs, disp('');
disp('Fig.1 shows step resonses. V-Tiger is better than ZN method.'),
disp('press any key to type code of "vtiger_demo.m".'),
pause
disp('-----------------------------------------------------')
figure(2), margin(G*K); text(10,-1000,'Open-loop by V-Tiger')
dbtype vtiger_demo 1:37
disp('-----------------------------------------------------')