模糊PID控制器的MATLAB仿真程序

给你一个全MATLAB仿真的程序，没用到SIMULINK

close all

clear all

a=newfis('fuzzf')

f1=1

a=addvar(a,'input','e',[-3*f1,3*f1])

a=addmf(a,'input',1,'NB','zmf',[-3*f1,-1*f1])

a=addmf(a,'input',1,'NM','trimf',[-3*f1,-2*f1,0])

a=addmf(a,'input',1,'NS','trimf',[-3*f1,-1*f1,1*f1])

a=addmf(a,'input',1,'Z','trimf',[-2*f1,0,2*f1])

a=addmf(a,'input',1,'PS','trimf',[-1*f1,1*f1,3*f1])

a=addmf(a,'input',1,'PM','trimf',[0,2*f1,3*f1])

a=addmf(a,'input',1,'PB','smf',[1*f1,3*f1])

f2=1

a=addvar(a,'input','ec',[-3*f2,3*f2])

a=addmf(a,'input',2,'NB','zmf',[-3*f2,-1*f2])

a=addmf(a,'input',2,'NM','trimf',[-3*f2,-2*f2,0])

a=addmf(a,'input',2,'NS','trimf',[-3*f2,-1*f2,1*f2])

a=addmf(a,'input',2,'Z','trimf',[-2*f2,0,2*f2])

a=addmf(a,'input',2,'PS','trimf',[-1*f2,1*f2,3*f2])

a=addmf(a,'input',2,'PM','trimf',[0,2*f2,3*f2])

a=addmf(a,'input',2,'PB','smf',[1*f2,3*f2])

f3=1.5

a=addvar(a,'output','u',[-3*f3,3*f3])

a=addmf(a,'output',1,'NB','zmf',[-3*f3,-1*f3])

a=addmf(a,'output',1,'NM','trimf',[-3*f3,-2*f3,0])

a=addmf(a,'output',1,'NS','trimf',[-3*f3,-1*f3,1*f3])

a=addmf(a,'output',1,'Z','trimf',[-2*f3,0,2*f3])

a=addmf(a,'output',1,'PS','trimf',[-1*f3,1*f3,3*f3])

a=addmf(a,'output',1,'PM','trimf',[0,2*f3,3*f3])

a=addmf(a,'output',1,'PB','smf',[1*f3,3*f3])

rulelist=[1 1 1 1 1

1 2 1 1 1

1 3 2 1 1

1 4 2 1 1

1 5 3 1 1

1 6 3 1 1

1 7 4 1 1

2 1 1 1 1

2 2 2 1 1

2 3 2 1 1

2 4 3 1 1

2 5 3 1 1

2 6 4 1 1

2 7 5 1 1

3 1 2 1 1

3 2 2 1 1

3 3 3 1 1

3 4 3 1 1

3 5 4 1 1

3 6 5 1 1

3 7 5 1 1

4 1 2 1 1

4 2 3 1 1

4 3 3 1 1

4 4 4 1 1

4 5 5 1 1

4 6 5 1 1

4 7 6 1 1

5 1 3 1 1

5 2 3 1 1

5 3 4 1 1

5 4 5 1 1

5 5 5 1 1

5 6 6 1 1

5 7 6 1 1

6 1 3 1 1

6 2 4 1 1

6 3 5 1 1

6 4 5 1 1

6 5 6 1 1

6 6 6 1 1

6 7 7 1 1

7 1 4 1 1

7 2 5 1 1

7 3 5 1 1

7 4 6 1 1

7 5 6 1 1

7 6 7 1 1

7 7 7 1 1]

a=addrule(a,rulelist)

a1=setfis(a,'DefuzzMethod','mom')%Defuzzy

writefis(a1,'fuzzf')

a2=readfis('fuzzf')

Ulist=zeros(7,7)

for i=1:7

for j=1:7

e(i)=-4+i

ec(j)=-4+j

Ulist(i,j)=evalfis([e(i),ec(j)],a2)

end

end

figure(1)

plotfis(a2)

figure(2)

plotmf(a,'input',1)

figure(3)

plotmf(a,'input',2)

figure(4)

plotmf(a,'output',1)

这里简单说明一下：首先是编写2个输入，1个输出的隶属度函数；接下来的是模糊规则，一共49条；然后用解模糊函数得出控制量U，这里输出的U就直接是精确量了，解模糊用到得规则是取隶属度最大的那个数即MOM算法。

显示的三个图形窗口分别是：模糊控制器内部原理图，以及2个输入，1个输出的隶属度函数图。

1. PID调试步骤

没有一种控制算法比PID调节规律更有效、更方便的了。现在一些时髦点的调节器基本源自PID。甚至可以这样说：PID调节器是其它控制调节算法的妈。

为什么PID应用如此广泛、又长久不衰？

因为PID解决了自动控制理论所要解决的最基本问题，既系统的稳定性、快速性和准确性。调节PID的参数，可实现在系统稳定的前提下，兼顾系统的带载能力和抗扰能力，同时，在PID调节器中引入积分项，系统增加了一个零积点，使之成为一阶或一阶以上的系统，这样系统阶跃响应的稳态误差就为零。

由于自动控制系统被控对象的千差万别，PID的参数也必须随之变化，以满足系统的性能要求。这就给使用者带来相当的麻烦，特别是对初学者。下面简单介绍一下调试PID参数的一般步骤：

1．负反馈

自动控制理论也被称为负反馈控制理论。首先检查系统接线，确定系统的反馈为负反馈。例如电机调速系统，输入信号为正，要求电机正转时，反馈信号也为正（PID算法时，误差=输入-反馈），同时电机转速越高，反馈信号越大。其余系统同此方法。

2．PID调试一般原则

a.在输出不振荡时，增大比例增益P。

b.在输出不振荡时，减小积分时间常数Ti。

c.在输出不振荡时，增大微分时间常数Td。

3．一般步骤

a.确定比例增益P

确定比例增益P 时，首先去掉PID的积分项和微分项，一般是令Ti=0、Td=0（具体见PID的参数设定说明），使PID为纯比例调节。输入设定为系统允许的最大值的60%~70%，由0逐渐加大比例增益P，直至系统出现振荡；再反过来，从此时的比例增益P逐渐减小，直至系统振荡消失，记录此时的比例增益P，设定PID的比例增益P为当前值的60%~70%。比例增益P调试完成。

b.确定积分时间常数Ti

比例增益P确定后，设定一个较大的积分时间常数Ti的初值，然后逐渐减小Ti，直至系统出现振荡，之后在反过来，逐渐加大Ti，直至系统振荡消失。记录此时的Ti，设定PID的积分时间常数Ti为当前值的150%~180%。积分时间常数Ti调试完成。

c.确定积分时间常数Td

积分时间常数Td一般不用设定，为0即可。若要设定，与确定 P和Ti的方法相同，取不振荡时的30%。

d.系统空载、带载联调，再对PID参数进行微调，直至满足要求。

---