文章目录

0.符号说明
1.如何根据连续系统建立差分方程
- 1.1.获取连续系统的传递函数
- 1.2.获取离散系统的传递函数
- 1.3.转换为差分方程
2.基本PID控制原理
3.比较PID输出，分析参数产生的影响
4.改进PID算法（遇限削弱积分法）
5.simulink仿真

0.符号说明

y(k)——系统响应输出的离散值
u(k)——数字PID控制输出的离散值
r(k)——期望输出的离散值（事先已知），在本例中为常数（即阶跃输入）
e(k)——e(k)=r(k)-y(k)，为期望值-实际值，是单位负反馈的误差比较信号

注：图片来源于百度百科

1.如何根据连续系统建立差分方程

1.1.获取连续系统的传递函数

线性定常系统的控制中，PID是个非常常见的控制方式，如果可以通过Matlab仿真出PID的控制效果图，那么对系统设计时的实时调试将会容易得多。在这里我们将会以一个利用系统辨识参数的PID设计为为例展示Matlab仿真PID的过程。
首先需要对一个未知的系统的参数进行辨识，以延迟环节可以忽略不计的电机调速系统为例。将时间戳导入xdata向量，对应的时刻转速导入ydata向量，进行系统辨识

链接：Matlab的系统辨识

我们就以上文链接中辨识的系统传递函数为例：
G(s)=0.9980.021s+1G(s)=\frac{0.998}{0.021s+1}G(s)=0.021s+10.998因此通过tf函数建立系统结构体如下：

sys=tf(0.998,[0.021,1]);   %建立被控对象传递函数，即式4.1

1.2.获取离散系统的传递函数

由于是数字PID仿真，我们需要选取一个采样时间，本案例选用的是0.005s（注意，采样周期应该小于系统纯滞后时间的0.1倍）。在对其进行数字PID控制前，我们需要将这个系统离散化：

ts=0.005;  %采样时间=0.005s
dsys=c2d(sys,ts,'z');      %离散化

dsys即我们根据采样周期离散化的Z变换系统。首先我们需要提取这个Z变化d那系统的参数方便后面的计算：

[num,den]=tfdata(dsys,'v');%'v'代表强制以向量的格式（默认为元胞数组）输出num和den

1.3.转换为差分方程

求解出的Z变换表达式为dsys=num(1)⋅z+num(2)den(1)⋅z+den(2)=0.2114z−0.7881dsys=\frac{num(1)\cdot z +num(2)}{den(1)\cdot z+den(2)}=\frac{0.2114}{z-0.7881}dsys=den(1)⋅z+den(2)num(1)⋅z+num(2)=z−0.78810.2114
在PID仿真的过程中我们需要求解出时域表达式，因此需要借助差分方程解决，对于以下的Z变换：

\begin{equation}
Y(z)=dsys\cdot U(z)=\frac{num(2)}{den(1)\cdot z+den(2)}\cdot U(z)
\label{eq:Sample1}
\end{equation}

\begin{equation}
zY(z)+den(2)Y(z)=num(1)zU(z)+num(2)U(z)
\label{eq:Sample2}
\end{equation}
对上式进行反Z变换，可以得到以下的差分方程：

\begin{equation}
y(k+1)+den(2)y(k)=num(1)u(k+1)+num(2)u(k)
\label{eq:Sample3}
\end{equation}

\begin{equation}
y(k+1)=-den(2)y(k)+num(1)u(k+1)+num(2)u(k)
\label{eq:Sample4}
\end{equation}
位置型PID仿真时实际上可以不需要保存前一个数据(u(k)和y(k))，增量型PID必须要保存前一个数据。这里我们使用了位置型PID，但仍然利用u1u_1u1和y1y_1y1保存了上一个数据，仅仅是为了演示这一过程。\begin{equation}
y(k+1)=-den(2)y(k)+num(1)u(k+1)+num(2)u(k)
\end{equation}
可以转换为下面的式子：
\begin{equation}
y(k)=-den(2)y_1+num(1)u(k)+num(2)u_1
\label{eq:Sample5}
\end{equation}
我们的差分方程就这样建立完毕。注意，此差分方程仅仅是描述系统模型的运算规律的，和我们的控制无关。因此是y(k)和u(k)的映射关系。我们下面的控制则是利用负反馈信号e(k)导出u(k)的输出，求解的是控制器u(k)的序列值。

2.基本PID控制原理

以位置型PID控制为例。将连续的PID控制转换为数字式时，微分环节被用差分代替，积分环节被累加和代替，比例环节则保持不变。差分的实现非常简单，只需要用e(k+1)−e(k)e(k+1)-e(k)e(k+1)−e(k)即e(k)−e1e(k)-e_1e(k)−e1等效即可。积分的实现在每一次运算的后面都累加原来的误差，即Ee=Ee+e_1;即可。PID的控制器输出u(k)=Kp⋅e(k)+Kd⋅(e(k)−e1)+Ki⋅Eeu(k)=Kp\cdot e(k)+Kd\cdot (e(k)-e_1)+Ki\cdot Eeu(k)=Kp⋅e(k)+Kd⋅(e(k)−e1)+Ki⋅Ee
PID控制器构造完毕，我们需要通过r(k)和y(k)得到e(k)，再通过e(k)得出u(k)，进而再求解出y(k)，再结合r(k)求解出e(k),…以此循环，求解出离散的响应点。
详细的代码如下：

ts=0.005;  %采样时间=0.005s
sys=tf(0.998,[0.021,1]);   %建立被控对象传递函数，即式4.1
dsys=c2d(sys,ts,'z');      %离散化
[num,den]=tfdata(dsys,'v');   %
e_1=0;      %前一时刻的偏差
Ee=0;       %累积偏差
u_1=0.0;    %前一时刻的控制量
y_1=0;       %前一时刻的输出
%PID参数
kp=0.22;
ki=0.13;
kd=0;
u=zeros(1,1000);%预先分配内存
time=zeros(1,1000);%时刻点（设定1000个）
for k=1:1:1000time(k)=k*ts;   %时间参数r(k)=1500;      %期望值y(k)=-1*den(2)*y_1+num(2)*u_1+num(1)*u(k);%系统响应输出序列e(k)=r(k)-y(k);   %误差信号u(k)=kp*e(k)+ki*Ee+kd*(e(k)-e_1); %系统PID控制器输出序列Ee=Ee+e(k);    %误差的累加和u_1=u(k);        %前一个的控制器输出值y_1=y(k);       %前一个的系统响应输出值e_1=e(k);      %前一个误差信号的值
end
%（仅绘制过渡过程的曲线，x坐标限制为[0,1]）
p1=plot(time,r,'-.');xlim([0,1]);hold on;%指令信号的曲线（即期望输入）
p2=plot(time,y,'--');xlim([0,1]);%不含积分分离的PID曲线
hold on;

输出的PID控制曲线如下：

3.比较PID输出，分析参数产生的影响

一个基本的PID就完成了。下面如果我们想要知道修改PID的三个参数kp,ki,kd会带来什么效果，只需要在程序中修改即可。为了方便起见，我们建立一个PID的数组，kp,ki,kd每次都取数组的一个值，然后设定一个大循环开始循环仿真。再利用subplot输出子图的方式将所有的PID效果都输出到一个图进行对比。该代码根据上述代码修改已经很容易，PID比较图的代码如下：

close all
PID=[0.22,0.13,0;0.4,0.13,0;0.4,0.25,0;0.8,0.23,0.4;0.8,0.2,1;0.7,0.2,0.9];%初始化PID参数
for pid=1:1:6
ts=0.005;  %采样时间=0.005s
sys=tf(0.998,[0.021,1]);   %建立被控对象传递函数，即式4.1
dsys=c2d(sys,ts,'z');      %离散化
[num,den]=tfdata(dsys,'v');   %
e_1=0;      %前一时刻的偏差
Ee=0;       %累积偏差
u_1=0.0;    %前一时刻的控制量
y_1=0;       %前一时刻的输出
%PID参数
kp=PID(pid,1);
ki=PID(pid,2);
kd=PID(pid,3);
u=zeros(1,1000);
time=zeros(1,1000);
for k=1:1:1000time(k)=k*ts;   %时间参数r(k)=1500;      %给定量y(k)=-1*den(2)*y_1+num(2)*u_1+num(1)*u(k);e(k)=r(k)-y(k);   %偏差u(k)=kp*e(k)+ki*Ee+kd*(e(k)-e_1);   Ee=Ee+e(k);    u_1=u(k);    y_1=y(k);    e_1=e(k);
end
subplot(2,3,pid);
p1=plot(time,r,'-.');xlim([0,1]);hold on;
p2=plot(time,y,'--');xlim([0,1]);
title(['Kp=',num2str(kp),' Ki=',num2str(ki),' Kd= ',num2str(kd)]);
hold on;
end

输出的子图矩阵如下：

可以发现，修改Kp会造成上升时间的缩短，但是有可能也会带来较大的超调。积分的增加是一个严重的滞后环节，会减小相位裕度，也会带来超调（超调量并不是绝对的，相对于较小的Kp可能会产生较大的超调，而Kp较大时超调会减小（例如第一行的1图和2图的对比））。然而积分的引入也是必要的，否则将会很长时间无法削弱误差e(k)（例如第二行第二个图）。微分的引入相当于一个超前校正，会减少超调，但是过渡的微分很可能会造成尾部振荡，系统逐渐变得不稳定。因此微分和积分之间需要一个平衡，当满足这个平衡的时候，系统几乎没有振荡，同时响应速度也较快。（第一行的图3是积分过多，产生超调，第二行的图1和图3就比较理想）
综合上述，PID的调节经验可以归结为以下几点：

Kp较小时，系统对微分和积分环节的引入较为敏感，积分会引起超调，微分可能会引起振荡，而振荡剧烈的时候超铁也会增加。
Kp增大时，积分环节由于滞后产生的超调逐渐减小，此时如果想要继续减少超调可以适当引入微分环节。继续增大Kp系统可能会不太稳定，因此在增加Kp的同时引入Kd减小超调，可以保证在Kp不是很大的情况下也能取得较好的稳态特性和动态性能。
Kp较小时，积分环节不宜过大，Kp较大时积分环节也不宜过小（否则调节时间会非常地长），在下面这个例子中我们还会介绍到，当使用分段PID，在恰当的条件下分离积分，可以取得更好的控制效果。原因在于在稳态误差即将满足要求时，消除了系统的滞后。因此系统超调会明显减少。本例中采样的抗积分饱和的方法是遇限削弱积分法。

4.改进PID算法（遇限削弱积分法）

遇限削弱积分法的原理是
当u(k)>umaxu(k)>u_{max}u(k)>umax时，若e(k)>0即输出值还未到达指定值，则认为积分会带来滞后，不再积分。
当u(k)<0u(k)<0u(k)<0时，若e(k)<0即输出值超过了指定值，则认为积分会带来滞后，不再积分。
在本案例中认为umax=r(k)u_{max}=r(k)umax=r(k)
改进PID算法如下（需要些两个循环，当然也可以用一个循环，将其中的PID设为一个子过程调用）：

close all
ts=0.005;  %采样时间=0.005s
sys=tf(0.998,[0.021,1]);   %建立被控对象传递函数，即式4.1
dsys=c2d(sys,ts,'z');      %离散化
[num,den]=tfdata(dsys,'v');   %
e_1=0;      %前一时刻的偏差
Ee=0;       %累积偏差
u_1=0.0;    %前一时刻的控制量
y_1=0;       %前一时刻的输出
%PID参数
kp=0.22;
ki=0.13;
kd=0;
u=zeros(1,1000);
time=zeros(1,1000);
for k=1:1:1000time(k)=k*ts;   %时间参数r(k)=1500;      %给定量y(k)=-1*den(2)*y_1+num(2)*u_1+num(1)*u(k);e(k)=r(k)-y(k);   %偏差u(k)=kp*e(k)+ki*Ee+kd*(e(k)-e_1);   Ee=Ee+e(k);    u_1=u(k);    y_1=y(k);    e_1=e(k);
end
p1=plot(time,r,'-.');xlim([0,1]);hold on;
p2=plot(time,y,'--');xlim([0,1]);
hold on;
a=1;%控制积分分离的二值数
e_1=0;Ee=0;u_1=0.0;y_1=0;%重新初始化
for k=1:1:1000time(k)=k*ts;   %时间参数r(k)=1500;      %给定量y(k)=-1*den(2)*y_1+num(2)*u_1;e(k)=r(k)-y(k);   %偏差u(k)=kp*e(k)+ki*Ee+kd*(e(k)-e_1);   if ((u(k)>r(k)) && (e(k)>0))||((u(k)<0) && (e(k)<0))a=0;else a=1;end     Ee=Ee+a*e(k);    u_1=u(k);    y_1=y(k);    e_1=e(k);
end
p3=plot(time,y,'-');xlim([0,1]);
title('含积分分离与不含积分分离的对比');
legend([p1,p2,p3],'指令信号','不含积分分离','含积分分离');

输出的曲线对比图如下：

可以发现，系统的超调量明显减少了，调节时间也减少了一点。原因在于我们采用了分段PID的手段，既消除了稳态误差还削弱了积分环节带来的滞后影响。

5.simulink仿真

需要的模块名称（不区分大小写）如下：

gain（参数分别为0.22和0.13/0.005）
sum（参数分别为"|±"和"|++"）
integrator
scope
注意：本文使用的是离散PID仿真，而simulink使用的是连续系统仿真，转换PID参数时P参数不变，I参数应该除以仿真间隔Ts=0.005，D参数应该乘Ts。

以表中第一组PI参数为例：

得到的示波器曲线如下：

希望本文对您有帮助，谢谢阅读。

Matlab仿真PID控制（带M文件、simulink截图和参数分析）相关推荐

matlab的pid控制系统设计,PID控制系统设计以及MATLAB仿真.doc
PID控制系统设计以及MATLAB仿真 PID控制系统设计以及MATLAB仿真摘要本文经过对温度这种常用被控参数使用PID系统构思设计,使用MATLAB完成参数的整定和仿真实验.在系统中加入干扰信 ...
1_simulink简单入门_simulink仿真PID控制
1_simulink简单入门_simulink仿真PID控制 2_simulink搭建RCL_电阻电感电容模块毕业前想去做物联网还是或者linux,结果玩了一年多的电机控制,早就深知matlab/s ...
模糊PID控制fuzzy- PID slx文件为模糊PID控制
模糊PID控制fuzzy- PID slx文件为模糊PID控制,模块齐全,方便使用,只需要修改成需要的信号输入即可,可替换PID,适合新手学习 ID:279670711108597
simulink仿真pid控制伺服系统
一.模型搭建用simulink仿真建模无非就是在明确系统传递函数(或状态空间函数)或系统框图的情况下,通过可视化的图形模块将模型搭建出来. 笔者仿真的对象是一个非线性的较为复杂的伺服系统.很难用传递 ...
如何使用matlab得出pid控制参数值,基于MATLAB的PID控制器参数整定及仿真
基于MATLAB的PID控制器参数整定及仿真摘要:PID控制器结构和算法简单,应用广泛,但参数整定比较复杂,在此我探讨利用MATLAB实现PID参数整定及其仿真的方法,并分析比较比例.比例积分.比例 ...
机器人运动学、动力学基础上利用MATLAB进行PID控制仿真
这是我的第一次写博客,不足之处还请谅解进入正题因为用SIMLINK做PID控制时,根据力矩反求加速度,再将得到的角度和角速度反馈回去继续重复计算,存在代数环问题仿真不出来,我一直没有找到解决办法, ...
matlab 仿真元件封装,利用M文件与封装模块简化Simulink仿真模型.pdf
第27卷第10期计算机工程 2001年10只 V(,{．27N010 ComputerEngineering October2001 立献标识码:" ·软件技术与数据库· 文童编号:10 ...
matlab下pid控制仿真,基于MATLAB下PID控制仿真.PDF
维普资讯 2004年第 4期中国航海 NO．4Dec．2004 塑垒垒 SerialNO．61 文章编号 :1000-4653(2004)04-0077-04 基于MATLAB下的PID控 ...
matlab仿真与控制应用,控制系统MATLAB仿真与应用
控制系统MATLAB仿真与应用下载 mobi epub pdf ☆☆☆☆☆ 刘剑袁帅张凤等编著著下载链接在页面底部发表于2021-03-16 类似图书点击查看全场最低价图书介绍出版 ...

Matlab仿真PID控制（带M文件、simulink截图和参数分析）