m通过matlab对比PID控制器,自适应PID控制器以及H无穷控制器的控制性能

简介: m通过matlab对比PID控制器,自适应PID控制器以及H无穷控制器的控制性能

1.算法仿真效果
matlab2022a仿真结果如下:

747be89f821452edeee735465f840598_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png
dc5f1e48d64f0cac5df7ad4cdb2932ff_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png
92281346440fbee0c65cf307dbf8377e_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png
826da1ffc4b2cf24e3524d35e495917d_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png
875869b7471a857ac76525b852f96346_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png

2.算法涉及理论知识概要
PID控制器

   PID控制器(比例-积分-微分控制器),由比例单元 P、积分单元 I 和微分单元 D 组成。通过Kp, Ki和Kd三个参数的设定。PID控制器主要适用于基本线性和动态特性不随时间变化的系统。

16209384e608315f227145d04790d560_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png

    PID 控制器的方块图PID 控制器是一个在工业控制应用中常见的反馈回路部件。这个控制器把收集到的数据和一个参考值进行比较,然后把这个差别用于计算新的输入值,这个新的输入值的目的是可以让系统的数据达到或者保持在参考值。和其他简单的控制运算不同,PID控制器可以根据历史数据和差别的出现率来调整输入值,这样可以使系统更加准确,更加稳定。可以通过数学的方法证明,在其他控制方法导致系统有稳定误差或过程反复的情况下,一个PID反馈回路却可以保持系统的稳定。 

   具有比例-积分-微分控制规律的控制器,称PID控制器。这种组合具有三种基本规律各自的特点,其运动方程为:

62c0aa9ddafd8946babb8928d30f0800_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png

    由此可见,当利用PID控制器进行串联校正时,除可使系统的型别提高一级外,还将提供两个负实零点。与PI控制器相比,PID控制器除了同样具有提高系统的稳态性能的优点外,还多提供一个负实零点,从而在提高系统动态性能方面,具有更大的优越性。因此,在工业过程控制系统中,广泛使用PID控制器。PID控制器各部分参数的选择,在系统现场调试中最后确定。通常,应使积分部分发生在系统频率特性的低频段,以提高系统的稳态性能;而使微分部分发生在系统频率特性的中频段,以改善系统的动态性能。 

H无穷控制器

     H∞控制是一种具有很好鲁棒性的设计方法,具有设计思想明确、控制效果好等优点,尤其适用于模型摄动的多输入多输出(MIMO)系统。H∞控制在控制理论、设计方法及应用等方面,经过多年不断发展和完善,已成为一种具有较完整体系的鲁棒控制理论。为适应控制系统稳定性、自适应性、智能化及工程化的更高要求,基于线性矩阵不等式(LMI)的H∞控制、非线性H∞控制以及H∞控制与神经网络和模糊控制结合,成为近年来H∞控制研究的热点。随着H∞控制研究的深入,其存在的诸如理论复杂、计算量大和参数摄动范围有限等问题将会逐步得到解决,适用范围也会更广、应用前景会更好。

    关于H无穷控制器的设计,主要需要根据具体的控制对象进行设计,这里,提供一个网站,是结合matlab进行介绍说明的,感觉还不错:

   http://wenku.baidu.com/view/9b5a2218c281e53a5802ff14.html




3.MATLAB核心程序

% hObject    handle to edit3 (see GCBO)
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)
 
% Hints: get(hObject,'String') returns contents of edit3 as text
%        str2double(get(hObject,'String')) returns contents of edit3 as a double
 
 
% --- Executes during object creation, after setting all properties.
function edit3_CreateFcn(hObject, eventdata, handles)
% hObject    handle to edit3 (see GCBO)
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    empty - handles not created until after all CreateFcns called
 
% Hint: edit controls usually have a white background on Windows.
%       See ISPC and COMPUTER.
if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))
    set(hObject,'BackgroundColor','white');
end
 
 
% --- Executes on button press in pushbutton1.
function pushbutton1_Callback(hObject, eventdata, handles)
% hObject    handle to pushbutton1 (see GCBO)
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)
 
SEL  = get(handles.checkbox1,'Value');
kps  = str2num(get(handles.edit1,'String'));
kis  = str2num(get(handles.edit2,'String'));
kds  = str2num(get(handles.edit3,'String'));
Time = str2num(get(handles.edit5,'String'));
 
ts        = 0.001;
J         = 0.05;
q         = 0.1;
sys       = tf(1,[J,q,0]);
dsys      = c2d(sys,ts,'z');
[num,den] = tfdata(dsys,'v');
    
u_1       = 0;
u_2       = 0;
y_1       = 0;
y_2       = 0;
error_1   = 0;
ei        = 0;
kp        = zeros(Time/ts,1);
ki        = zeros(Time/ts,1);
kd        = zeros(Time/ts,1);
 
for k=1:1:Time/ts
    time(k)   =  k*ts;
    yd(k)     =  1;
    y(k)      = -den(2)*y_1-den(3)*y_2+num(2)*u_1+num(3)*u_2;
    error(k)  =  yd(k)-y(k);  
    derror(k) = (error(k)-error_1)/ts;
 
    %kp
    P_c1     = kps;
    tmpsp(k) = P_c1 + sech(error(k));   
    if SEL == 0
       kp(k)= kps;
    end
    if SEL == 1
       kp(k)= tmpsp(k);
    end 
    
    
    %kd
    P_d1     = kis;
    tmpsd(k) = P_d1 + sech(error(k));   
    if SEL == 0
       kd(k)= kis; 
    end
    if SEL == 1
       kd(k)= tmpsd(k); 
    end
    
    
    %ki
    P_i1   = kds;
    tmpsi(k) = P_i1 + sech(error(k));    
    if SEL == 0
       ki(k)= kds; 
    end
    if SEL == 1
       ki(k)= tmpsi(k); 
    end
    
    ei        = ei+error(k)*ts;
    u(k)      = kp(k)*error(k)+kd(k)*derror(k)+ki(k)*ei;
 
    %延迟,参数更新
    u_2       = u_1;
    u_1       = u(k);
    y_2       = y_1;
    y_1       = y(k);
    error_1   = error(k);
end
 
 
if SEL == 0
   save pidr1.mat time yd y  
end
if SEL == 1
   save pidr2.mat time yd y   
end
 
axes(handles.axes1);
plot(time,kp,'r');
xlabel('time(s)');
ylabel('kp');
axes(handles.axes3);
plot(time,kd,'r');
xlabel('time(s)');
ylabel('kd');
axes(handles.axes4);
plot(time,ki,'r');
xlabel('time(s)');
ylabel('ki');
 
axes(handles.axes2);
cla reset
plot(time,yd,'r',time,y,'k:','linewidth',2);
xlabel('time(s)');
ylabel('Position signal');
legend('Ideal position signal','Position tracking');
 
t1 = (max(y)-mean(yd))/mean(yd);
msgbox(['Over adjust: ',num2str(100*t1),'%','  Kp,Ki,Kd is:  ',num2str(kp(end)),'; ',num2str(ki(end)),'; ',num2str(kd(end))]);
 
 
% --- Executes on button press in pushbutton2.
function pushbutton2_Callback(hObject, eventdata, handles)
% hObject    handle to pushbutton2 (see GCBO)
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)
axes(handles.axes2);
cla reset
load pidr1.mat 
plot(time,y,'r:');
xlabel('time(s)');
ylabel('Position signal');
hold on
load pidr2.mat 
plot(time,y,'b:');
xlabel('time(s)');
ylabel('Position signal');
legend('initial kpkikd','adpative kpkikd');
 
 
function edit5_Callback(hObject, eventdata, handles)
% hObject    handle to edit5 (see GCBO)
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)
 
% Hints: get(hObject,'String') returns contents of edit5 as text
%        str2double(get(hObject,'String')) returns contents of edit5 as a double
 
 
% --- Executes during object creation, after setting all properties.
function edit5_CreateFcn(hObject, eventdata, handles)
% hObject    handle to edit5 (see GCBO)
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    empty - handles not created until after all CreateFcns called
 
% Hint: edit controls usually have a white background on Windows.
%       See ISPC and COMPUTER.
if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))
    set(hObject,'BackgroundColor','white');
end
相关文章
|
3月前
|
数据采集 边缘计算 算法
遗传算法+多目标规划算法+自适应神经模糊系统(Matlab代码实现)
遗传算法+多目标规划算法+自适应神经模糊系统(Matlab代码实现)
127 4
|
3月前
|
算法 机器人
基于SOA海鸥优化算法的PID控制器最优控制参数计算matlab仿真
本课题研究基于海鸥优化算法(SOA)优化PID控制器参数的方法,通过MATLAB仿真对比传统PID控制效果。利用SOA算法优化PID的kp、ki、kd参数,以积分绝对误差(IAE)为适应度函数,提升系统响应速度与稳定性。仿真结果表明,SOA优化的PID控制器在阶跃响应和误差控制方面均优于传统方法,具有更快的收敛速度和更强的全局寻优能力,适用于复杂系统的参数整定。
|
3月前
|
机器学习/深度学习 传感器 算法
【高创新】基于优化的自适应差分导纳算法的改进最大功率点跟踪研究(Matlab代码实现)
【高创新】基于优化的自适应差分导纳算法的改进最大功率点跟踪研究(Matlab代码实现)
267 14
|
3月前
|
存储 并行计算 算法
【动态多目标优化算法】基于自适应启动策略的混合交叉动态约束多目标优化算法(MC-DCMOEA)求解CEC2023研究(Matlab代码实现)
【动态多目标优化算法】基于自适应启动策略的混合交叉动态约束多目标优化算法(MC-DCMOEA)求解CEC2023研究(Matlab代码实现)
202 4
|
3月前
|
算法 新能源 测试技术
基于PID控制器和电流控制器的电池充电比较研究(Matlab代码实现)
基于PID控制器和电流控制器的电池充电比较研究(Matlab代码实现)
171 3
|
3月前
|
机器学习/深度学习 算法 5G
【提高晶格缩减(LR)辅助预编码中VP的性能】向量扰动(VP)预编码在下行链路中多用户通信系统中的应用(Matlab代码实现)
【提高晶格缩减(LR)辅助预编码中VP的性能】向量扰动(VP)预编码在下行链路中多用户通信系统中的应用(Matlab代码实现)
|
3月前
|
算法 数据挖掘 异构计算
【多目标优化算法比较】MOFPA、MOFA、MOCS、MOBA、MOHHO五种多目标优化算法性能对比研究(Matlab代码实现)
【多目标优化算法比较】MOFPA、MOFA、MOCS、MOBA、MOHHO五种多目标优化算法性能对比研究(Matlab代码实现)
241 0
【多目标优化算法比较】MOFPA、MOFA、MOCS、MOBA、MOHHO五种多目标优化算法性能对比研究(Matlab代码实现)
|
3月前
|
算法 5G 知识图谱
【UAV四旋翼的PD控制】使用AscTec Pelican四旋翼无人机的PD控制器研究(Matlab代码实现)
【UAV四旋翼的PD控制】使用AscTec Pelican四旋翼无人机的PD控制器研究(Matlab代码实现)
100 8
|
3月前
|
机器学习/深度学习 算法 数据挖掘
【无人机通信】无人机辅助双上行协调非正交多址自适应解码机制研究(Matlab代码实现)
【无人机通信】无人机辅助双上行协调非正交多址自适应解码机制研究(Matlab代码实现)
114 4
|
3月前
|
机器学习/深度学习 存储 算法
【水下机器人建模】基于QLearning自适应强化学习PID控制器在AUV中的应用研究(Matlab代码实现)
【水下机器人建模】基于QLearning自适应强化学习PID控制器在AUV中的应用研究(Matlab代码实现)
328 0

热门文章

最新文章