【智能车】模糊PID控制原理详解与代码实现
模糊PID控制
本文主要由三部分构成:模糊PID控制器的原理,模糊PID控制器C++的实现与测试。
一. 模糊PID原理
模糊PID控制流程如下图所示,把目标值 Xtarget 与输出值 Xout 的误差 e 与 e 的变化率 de/dt 作为模糊控制器的输入,模糊控制器先对输入进行模糊化处理,接着进行模糊推理,最后把模糊推理的结果进行去模糊处理输出PID控制器的三个参数 kp, ki, kd,从而达到对PID控制器参数自适应整定的效果。
根据以上的描述可知,模糊控制器主要由去模糊化,模糊推理以及去模糊三部分组成。以下将对三部分进行详细讲解。
1.1 模糊化
要实现模糊化首先需要对模糊化进行初始化,初始化包括论域的确定以及隶属度函数的确定。
1.1.1 论域
论域可以说是一个人为确定的范围,由于输入 e, de/dt,输出 kp, ki, kd 的范围各不相同,把输入映射到论域上更好统一处理。确定论域的范围后,需要对论域进行模糊分类,模糊分类即对论域进行划分。假设论域的范围为 [-3,3],把论域平均分为 5 等份,即 [-3, -2], [-2, -1], [-1, 0], [0, 1], [1, 2], [2, 3]。接着把每个端点进行等级划分,依次为: -3—>NB(负大), -2—>NM(负中), -1---->NS(负小), 0—>ZO(零), 1---->PS(正小), 2---->PM(正中), 3---->PB(正大)。假设输入e的范围为 [-10, 10],此刻 e 的值为 8,通过映射后的值为 2.4,2.4 在 [2, 3] 区间,则该点在正中与正大之间。示意图如下:
1.1.2 隶属度函数的确定。
常见的隶属度函数有三角形隶属度函数,梯形隶属度函数,抛物线型隶属度函数。以最简单的三角性隶属度函数为例,形状如下图所示:
由上图可知,隶属度函数的值域为 [0, 1]。若输入e经过映射后的值为 2.4,那么对应下图红线与绿线的值分别为 0.6,0.4, 这两个就是隶属度,表示该输入属于 PM 的概率为0.6,而属于 PB 的概率为0.4。所以隶属度也为概率。
由上述论域和隶属度函数的讲解,可总结出模糊化的过程:区间映射,根据隶属度函数计算隶属度,流程图如下:
1.2 模糊推理
模糊推理,即根据 e 与 de/dt 的隶属度进行查表得到输出的大小程度,即 NB,NS 等。所以模糊推理的核心工作是建立推理表。其中模糊PID常用的推理表如下图所示:
以下以一个例子说明规则表的使用方法。
假设此刻的输入 e 为8,de/dt 为-12,而e的范围为[-10,10],de/dt 的范围为[-20,20]。则通过模糊化得到 e 的隶属度为0.6(PM)与0.4(PB),de/dt 的隶属度为0.8(NM)与0.2(NS),然后,对 e 与 de/dt 的隶属度进行两两组合,并进行查表,得到下表的关系:
接着,计算各输出 Kp, Ki, Kd 的隶属度。
以Kp为例:
同理 Ki, Kd 也计算隶属度。
最后进行个输出的隶属度进行整合,例如 Kp, 由上面计算可知,Kp 的隶属度为 0.8(ZO),0.12(NS),0.08(NM)。
1.3 去模糊
去模糊是根据模糊推理得到的各输出的隶属度算出输出在论域中的哪个值,然后根据区间映射关系,得到输出。
1.3.1 计算输出在论域中的值
以上面的例子进行阐述计算的过程。由上面可知,Kp 的隶属度为0.8(ZO),0.12(NS),0.08(NM), 而在论域讲解时,已经将 ZO 的值定为0,NS 的值定为-1,NM 的值定为-2。那么 Kp 的期望为:
把期望作为 Kp 在论域的值,在确定 Kp 的范围后,根据区间映射公式,可得出 Kp 的输出值。
以上为模糊控制器的流程。
值得注意的是,输出的 Kp, Ki, Kd 为增量。在初始化时要确定输入与输出的范围(区间),用于进行区间映射。
2.1 C++实现模糊PID控制器
该本版隶属度函数为固定三角形隶属度函数,论域固定为[-3, 3]。
FuzzyPID.h
#ifndef FuzzyPID_H
#define FuzzyPID_H
class FuzzyPID
{public:FuzzyPID();~FuzzyPID();void Get_grad_membership(float erro, float erro_c);float Quantization(float maximum, float minimum, float x);float Inverse_quantization(float maximum, float minimum, float qvalues);void GetSumGrad();void GetOUT();float FuzzyPIDcontroller(float e_max, float e_min, float ec_max, float ec_min, float kp_max, float kp_min, float erro, float erro_c, float ki_max, float ki_min,float kd_max, float kd_min,float erro_pre, float errp_ppre);const int num_area = 8; //划分区域个数//float e_max; //误差做大值//float e_min; //误差最小值//float ec_max; //误差变化最大值//float ec_min; //误差变化最小值//float kp_max, kp_min;float e_membership_values[7] = {-3,-2,-1,0,1,2,3}; //输入e的隶属值float ec_membership_values[7] = { -3,-2,-1,0,1,2,3 };//输入de/dt的隶属值float kp_menbership_values[7] = { -3,-2,-1,0,1,2,3 };//输出增量kp的隶属值float ki_menbership_values[7] = { -3,-2,-1,0,1,2,3 }; //输出增量ki的隶属值float kd_menbership_values[7] = { -3,-2,-1,0,1,2,3 }; //输出增量kd的隶属值float fuzzyoutput_menbership_values[7] = { -3,-2,-1,0,1,2,3 };//int menbership_values[7] = {-3,-};float kp; //PID参数kpfloat ki; //PID参数kifloat kd; //PID参数kdfloat qdetail_kp; //增量kp对应论域中的值float qdetail_ki; //增量ki对应论域中的值float qdetail_kd; //增量kd对应论域中的值float qfuzzy_output; float detail_kp; //输出增量kpfloat detail_ki; //输出增量kifloat detail_kd; //输出增量kdfloat fuzzy_output;float qerro; //输入e对应论域中的值float qerro_c; //输入de/dt对应论域中的值float errosum; float e_gradmembership[2]; //输入e的隶属度float ec_gradmembership[2]; //输入de/dt的隶属度int e_grad_index[2]; //输入e隶属度在规则表的索引int ec_grad_index[2]; //输入de/dt隶属度在规则表的索引float gradSums[7] = {0,0,0,0,0,0,0};float KpgradSums[7] = { 0,0,0,0,0,0,0 }; //输出增量kp总的隶属度float KigradSums[7] = { 0,0,0,0,0,0,0 }; //输出增量ki总的隶属度float KdgradSums[7] = { 0,0,0,0,0,0,0 }; //输出增量kd总的隶属度int NB = -3, NM = -2, NS = -1, ZO = 0, PS = 1, PM = 2, PB = 3; //论域隶属值int Kp_rule_list[7][7] = { {PB,PB,PM,PM,PS,ZO,ZO}, //kp规则表{PB,PB,PM,PS,PS,ZO,NS},{PM,PM,PM,PS,ZO,NS,NS},{PM,PM,PS,ZO,NS,NM,NM},{PS,PS,ZO,NS,NS,NM,NM},{PS,ZO,NS,NM,NM,NM,NB},{ZO,ZO,NM,NM,NM,NB,NB} };int Ki_rule_list[7][7] = { {NB,NB,NM,NM,NS,ZO,ZO}, //ki规则表{NB,NB,NM,NS,NS,ZO,ZO},{NB,NM,NS,NS,ZO,PS,PS},{NM,NM,NS,ZO,PS,PM,PM},{NM,NS,ZO,PS,PS,PM,PB},{ZO,ZO,PS,PS,PM,PB,PB},{ZO,ZO,PS,PM,PM,PB,PB} };int Kd_rule_list[7][7] = { {PS,NS,NB,NB,NB,NM,PS}, //kd规则表{PS,NS,NB,NM,NM,NS,ZO},{ZO,NS,NM,NM,NS,NS,ZO},{ZO,NS,NS,NS,NS,NS,ZO},{ZO,ZO,ZO,ZO,ZO,ZO,ZO},{PB,NS,PS,PS,PS,PS,PB},{PB,PM,PM,PM,PS,PS,PB} };int Fuzzy_rule_list[7][7] = { {PB,PB,PB,PB,PM,ZO,ZO}, {PB,PB,PB,PM,PM,ZO,ZO},{PB,PM,PM,PS,ZO,NS,NM},{PM,PM,PS,ZO,NS,NM,NM},{PS,PS,ZO,NM,NM,NM,NB},{ZO,ZO,ZO,NM,NB,NB,NB},{ZO,NS,NB,NB,NB,NB,NB}};//private:};
#endif
FuzzyPID.cpp
#include "FuzzyPID.h"
FuzzyPID::FuzzyPID() //构造函数
{kp = 0;ki = 0;kd = 0;fuzzy_output = 0;qdetail_kp = 0;qdetail_ki = 0;qdetail_kd = 0;qfuzzy_output = 0;errosum = 0;
}FuzzyPID::~FuzzyPID()//析构函数
{}//输入e与de/dt隶属度计算函数///
void FuzzyPID::Get_grad_membership(float erro,float erro_c)
{if (erro > e_membership_values[0] && erro < e_membership_values[6]){for (int i = 0; i < num_area - 2; i++){if (erro >= e_membership_values[i] && erro <= e_membership_values[i + 1]){e_gradmembership[0] = -(erro - e_membership_values[i + 1]) / (e_membership_values[i + 1] - e_membership_values[i]);e_gradmembership[1] = 1+(erro - e_membership_values[i + 1]) / (e_membership_values[i + 1] - e_membership_values[i]);e_grad_index[0] = i;e_grad_index[1] = i + 1;break;}}}else{if (erro <= e_membership_values[0]){e_gradmembership[0] = 1;e_gradmembership[1] = 0;e_grad_index[0] = 0;e_grad_index[1] = -1;}else if (erro >= e_membership_values[6]){e_gradmembership[0] = 1;e_gradmembership[1] = 0;e_grad_index[0] = 6;e_grad_index[1] = -1;}}if (erro_c > ec_membership_values[0] && erro_c < ec_membership_values[6]){for (int i = 0; i < num_area - 2; i++){if (erro_c >= ec_membership_values[i] && erro_c <= ec_membership_values[i + 1]){ec_gradmembership[0] = -(erro_c - ec_membership_values[i + 1]) / (ec_membership_values[i + 1] - ec_membership_values[i]);ec_gradmembership[1] = 1 + (erro_c - ec_membership_values[i + 1]) / (ec_membership_values[i + 1] - ec_membership_values[i]);ec_grad_index[0] = i;ec_grad_index[1] = i + 1;break;}}}else{if (erro_c <= ec_membership_values[0]){ec_gradmembership[0] = 1;ec_gradmembership[1] = 0;ec_grad_index[0] = 0;ec_grad_index[1] = -1;}else if (erro_c >= ec_membership_values[6]){ec_gradmembership[0] = 1;ec_gradmembership[1] = 0;ec_grad_index[0] = 6;ec_grad_index[1] = -1;}}}/获取输出增量kp,ki,kd的总隶属度/
void FuzzyPID::GetSumGrad()
{for (int i = 0; i <= num_area - 1; i++){KpgradSums[i] = 0;KigradSums[i] = 0;KdgradSums[i] = 0;}for (int i=0;i<2;i++){if (e_grad_index[i] == -1){continue;}for (int j = 0; j < 2; j++){if (ec_grad_index[j] != -1){int indexKp = Kp_rule_list[e_grad_index[i]][ec_grad_index[j]] + 3;int indexKi = Ki_rule_list[e_grad_index[i]][ec_grad_index[j]] + 3;int indexKd = Kd_rule_list[e_grad_index[i]][ec_grad_index[j]] + 3;//gradSums[index] = gradSums[index] + (e_gradmembership[i] * ec_gradmembership[j])* Kp_rule_list[e_grad_index[i]][ec_grad_index[j]];KpgradSums[indexKp]= KpgradSums[indexKp] + (e_gradmembership[i] * ec_gradmembership[j]);KigradSums[indexKi] = KigradSums[indexKi] + (e_gradmembership[i] * ec_gradmembership[j]);KdgradSums[indexKd] = KdgradSums[indexKd] + (e_gradmembership[i] * ec_gradmembership[j]);}else{continue;}}}}计算输出增量kp,kd,ki对应论域值//
void FuzzyPID::GetOUT()
{for (int i = 0; i < num_area - 1; i++){qdetail_kp += kp_menbership_values[i] * KpgradSums[i];qdetail_ki += ki_menbership_values[i] * KigradSums[i];qdetail_kd+= kd_menbership_values[i] * KdgradSums[i];}
}//模糊PID控制实现函数/
float FuzzyPID::FuzzyPIDcontroller(float e_max, float e_min, float ec_max, float ec_min, float kp_max, float kp_min, float erro, float erro_c,float ki_max,float ki_min,float kd_max,float kd_min,float erro_pre,float errp_ppre)
{errosum += erro;//Arear_dipart(e_max, e_min, ec_max, ec_min, kp_max, kp_min,ki_max,ki_min,kd_max,kd_min);qerro = Quantization(e_max, e_min, erro);qerro_c = Quantization(ec_max, ec_min, erro_c);Get_grad_membership(qerro, qerro_c);GetSumGrad();GetOUT();detail_kp = Inverse_quantization(kp_max, kp_min, qdetail_kp);detail_ki = Inverse_quantization(ki_max, ki_min, qdetail_ki);detail_kd = Inverse_quantization(kd_max, kd_min, qdetail_kd);qdetail_kd = 0;qdetail_ki = 0;qdetail_kp = 0;/*if (qdetail_kp >= kp_max)qdetail_kp = kp_max;else if (qdetail_kp <= kp_min)qdetail_kp = kp_min;if (qdetail_ki >= ki_max)qdetail_ki = ki_max;else if (qdetail_ki <= ki_min)qdetail_ki = ki_min;if (qdetail_kd >= kd_max)qdetail_kd = kd_max;else if (qdetail_kd <= kd_min)qdetail_kd = kd_min;*/kp = kp + detail_kp;ki = ki + detail_ki;kd = kd + detail_kd;if (kp < 0)kp = 0;if (ki < 0)ki = 0;if (kd < 0)kd = 0;detail_kp = 0;detail_ki=0;detail_kd=0;float output = kp*(erro - erro_pre) + ki * erro + kd * (erro - 2 * erro_pre + errp_ppre);return output;
}///区间映射函数///
float FuzzyPID::Quantization(float maximum,float minimum,float x)
{float qvalues= 6.0 *(x-minimum)/(maximum - minimum)-3;//float qvalues=6.0*()return qvalues;//qvalues[1] = 3.0 * ecerro / (maximum - minimum);
}//反区间映射函数
float FuzzyPID::Inverse_quantization(float maximum, float minimum, float qvalues)
{float x = (maximum - minimum) *(qvalues + 3)/6 + minimum;return x;
}
测试模糊PID控制器:
#include <iostream>
#include "FuzzyPID.h"int main()
{FuzzyPID myfuzzypid;float Target = 600;float actual = 0;float e_max =1000;float e_min = -1000;float ec_max = 800;float ec_min = -800;float kp_max =100;float kp_min = -100;float ki_max = 0.1;float ki_min = -0.1;float kd_max = 0.01;float kd_min = -0.01;float erro;float erro_c;float erro_pre = 0;float erro_ppre = 0;erro =Target - actual;erro_c = erro - erro_pre;for (int i = 0; i < 100; i++){float u;u = myfuzzypid.FuzzyPIDcontroller(e_max, e_min, ec_max, ec_min, kp_max, kp_min, erro, \erro_c,ki_max,ki_min,kd_max,kd_min,erro_pre,erro_ppre);actual +=u;erro_ppre = erro_pre;erro_pre = erro;erro = Target - actual;erro_c= erro - erro_pre;std::cout << "i:" << i << "\t" << "Target:" << Target << "\t" << "Actual:" << actual << std::endl;}
}
运行结果:
本文主要转载了模糊控制原理部分以及代码例程,为了方便管理与收藏发布到CSDN。
原文地址:https://www.codenong.com/cs105632129/
【智能车】模糊PID控制原理详解与代码实现相关推荐
- 数学建模——智能优化之模拟退火模型详解Python代码
数学建模--智能优化之模拟退火模型详解Python代码 #本功能实现最小值的求解#from matplotlib import pyplot as plt import numpy as np imp ...
- PID控制原理详解(一)
PID的理解 关于理解PID控制算法最典型的一个例子就是一个漏水的水缸的问题.网上有很多讲解PID的帖子会讲到这个例子.这里我也把我自己对于PID的理解用这个例子阐述一遍. 有个漏水的水缸,而且漏水的 ...
- PID算法详解(精华知识汇总)
注:本篇文章针对PID算法的类型做了较为全面的整理和归纳,有的类型理解较为困难,但是希望读者能有所了解和印象,不懂的地方可以通过查阅相关书籍和网站自行领悟. 文章末尾附有PID相关资料书籍和知识总结的 ...
- 数学建模——智能优化之遗传算法详解Python代码
数学建模--智能优化之遗传算法详解Python代码 import numpy as np import matplotlib.pyplot as plt from matplotlib import ...
- 数学建模——智能优化之粒子群模型详解Python代码
数学建模--智能优化之粒子群模型详解Python代码 import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplo ...
- nemesis什么车_狂野飙车9TrionNemesis介绍 S级车Trion复仇女神属性详解
狂野飙车9S级车Trion Nemesis介绍,狂野飙车9S级车Trion复仇女神属性详解,下面雨落就为大家带来狂野飙车9S级车Trion复仇女神的改装升级所需卡牌已经金币等攻略. [赛车属性]: S ...
- Linux智能家居m0代码,看过来!智能家居4大模块详解
原标题:看过来!智能家居4大模块详解 关注我们 做新生代程序员! (一)什么是智能家居: 智能家居可以理解为一个控制系统,通过物联网将家里的智能设备连接起来,通过手机控制,远程控制,自动控制,语音控制 ...
- 教你看懂车牌号——全国车牌详解细表
教你看懂车牌号--全国车牌详解细表 北京市(京) A B(出租车) C E F H G(远郊区县) 天津市(津) A B C E(出租车) 河北省(冀) A 石家庄市 B ...
- Gavin老师Transformer直播课感悟 - Rasa项目实战之电商零售智能业务对话机器人配置详解与Debugging演示(八十七)
本文继续围绕工业级业务对话平台和框架Rasa,对Rasa项目实战之电商零售智能业务对话机器人系统所使用的各项配置进行详细剖析,并通过debug模式来理解在下面展示的Rasa graph archite ...
- mysql模糊查询实例_Mysql实例sql模糊查询实例详解
<Mysql实例sql模糊查询实例详解>要点: 本文介绍了Mysql实例sql模糊查询实例详解,希望对您有用.如果有疑问,可以联系我们. 导读:常用的模糊查询语句:select 字段 fr ...
最新文章
- 推荐几个BAT大佬的公众号
- 毕设不会做,怎么办??
- lua学习笔记之闭包
- hdu4022 map+multiset
- DDD - 聚合与聚合根_如何理解 Respository与DAO
- 中国太阳能电池行业运营需求与十四五展望规划报告2022版
- 男士剧烈运动后应注意
- 主机动手系列 — 怎么管理Suse Linux
- gradle多项目 svn依赖
- boost::gil模块临界点threshold的测试程序
- LeetCode || Copy List with Random Pointer
- 信奥中的数学:孙子定理 中国剩余定理
- ROS(kinetic)安装中的一些问题(已解决)
- 如何使用CSS为文本或图像提供透明背景?
- JAVA加密解密→术语、密码分类、OSI与TCP/IP安全体系、Base64、消息摘要算法MD/SHA/MAC、对称加密算法DES/AES/PBE、非对称加密算法DH/RSA/EIGamaI
- mysql数据库导入视图表失败_一个mysqldump导出失败的案例分析
- python装b代码_教你装逼了:怎么样发布你的 Python 代码给别人 “pip install”
- 三级网络技术通关指南
- 关于CSS居中显示的总结
- Linux批量追加文件名后缀