模糊PID基本原理及matlab仿真实现（新手！新手！新手！）.pdf

模糊PID基本原理及matlab仿真实现 （新⼿ ！新⼿ ！新⼿ ！） 有关模糊pid的相关知识就把 ⾃⼰从刚 触到仿真出结果看到的⼤部分资料总结⼀下，以及⼀些 ⾃⼰的ps 以下未说明的都为转载内容 在讲解模糊PID前，我们先要了解PID控制器的原理 （本⽂主要介绍模糊PID的运⽤,对PID控制器的原理不做详细介绍）。PID控制器 （⽐例- 积分-微分控制器）是⼀个在⼯业控制应⽤中常见的反馈回路部件，由⽐例单元P、积分单元I和微分单元D组成。PID控制的基础是⽐例控 制 ；积分控制可消除稳态误差，但可能增加超调 ；微分控制可加快⼤惯性系统响应速度以及减弱超调趋势。 1.1传统PID控制 传统PID控制器 ⾃出现以来，凭借其结构简单、稳定性好、⼯作可靠、调整⽅便等优点成为⼯业控制主要技术。当被控对象的结构和参数具 有⼀定的不确定性，⽆法对其建⽴精确的模型时，采⽤PID控制技术尤为⽅便。PID控制原理简单、易于实现，但是其参数整定异常⿇烦。 对于⼩车的速度控制系统⽽⾔，由于其为时变⾮线性系统不同时刻需要选⽤不同的PID参数，采⽤传统的PID控制器，很难使整个运⾏过程 具有较好的运⾏效果。 1.2模糊PID控制 模糊PID控制，即利⽤模糊逻辑并根据⼀定的模糊规则对PID的参数进⾏实时的优化，以克服传统PID参数⽆法实时调整PID参数的缺点。模 糊PID控制包括模糊化，确定模糊规则，解模糊等组成部分。⼩车通过传感器采集赛道信息，确定当前距赛道中线的偏差E以及当前偏差和 上次偏差的变化ec，根据给定的模糊规则进⾏模糊推理，最后对模糊参数进⾏解模糊，输出PID控制参数。 2.1模糊化 模糊控制器主要由三个模块组成 ：模糊化，模糊推理，清晰化。具体如下图所⽰。⽽我们将⼀步步讲解如何将模糊PID算法运⽤到智能车 上。 （最好⽤笔⼀步步⾃⼰写⼀遍 ！！！） ⾸先我们的智能车会采集到赛道的相关数据，例如摄像头车，其采集到的数据经过算法处理之后会得到与中线的偏差E，以及当前偏差和上 次偏差的变化 （差值）EC两个值 （即此算法为2维输⼊，同理也可以是 1维和3维，但2维更适合智能车）。例如此时车偏离中线的距离为 150，⽽上⼀时刻偏离中线的距离为 120，则E为 150，EC为 150 - 120 = 30。 其次我们要对这两个值进⾏模糊化。这⾥我们对E进⾏举例。摄像头车采集回来的E是有范围的，即与中线的偏差是在⼀个区间内可⾏的。 在这⾥我们假设该区间为-240到240，即⼩车偏离中线的最⼤距离为240，正负即为左右。再假设中线偏差变化率的可⾏区间为-40到 +40。 着我们要对这两个值进⾏模糊化。我现在将E的区间 （-240 到 240）分成8个部分，那么他们分别为-240 ~ - 180，- 180 ~ - 120 ，- 120 ~ -60，-60 ~ 0，0 ~ 60，60 ~ 120，120 ~ 180，180 ~ 240。然后我们把- 180，- 120，-60，0，60，120，180分别 ⽤NB，NM，NS，ZO，PS，PM，PB表⽰ （个⼈理解N为negative，P为positive，B为big，M为middle，S为small，ZO为zero）。例 如，当E = 170时，此时的E属于PM和PB之间，⽽此时的E也会对应2 （或1）个⾪属度。E⾪属于PM （120）的百分⽐为 （180 - 170） / （180 - 120） = 1 / 6 ，⽽同理⾪属于PB （180）的百分⽐为 （170 - 120） / （180 - 120） = 5 / 6 。意思就是 120到180进 ⾏线性分割了，E离PM和PB哪个更近，则⾪属于哪个就更⼤ （当输出值E⼤于180 （PB）时，则⾪属度为 1，⾪属度值为PB，即E完全⾪ 属于PB，同理当E⼩于 - 180 （NB）时也⼀样）。同理也可以对EC进⾏模糊化。 2.2 模糊推理 对于采集回来的E和EC，我们可以推出它们各所 占的⾪属度，此时我们可以根据模糊规则表去找出输出值所对应的⾪属度。 我们假设为E的两个⾪属度值为PM、PB,E属于PM的⾪属度为a （a < 1），则属于PB的⾪属度为 （1 - a）。再假设EC的