模糊自适应PID控制的matlab实现

xiong57785

这两天看了模糊控制，初步了解了模糊控制的思想，下面附上一个Matlab上的模糊自适应PID程序

1. clc;
   
2. clear;
   
3. a = newfis('fuzzypid'); % 新建模糊推理系统  名称是fuzzypid
   
4. % 设置输入e的范围、隶属度函数；
   
5. a = addvar(a,'input','e',[-3 3]);   % 变量的范围 类型
   
6. a = addmf(a,'input',1,'NB','zmf',[-3 -1]);      % NB
   
7. a = addmf(a,'input',1,'NM','trimf',[-3 -2 0]);  % NM
   
8. a = addmf(a,'input',1,'NS','trimf',[-3 -1 1]);  % NS
   
9. a = addmf(a,'input',1,'Z','trimf',[-2 0 2]);    % Z
   
10. a = addmf(a,'input',1,'PS','trimf',[-1 1 3]);   % PS
    
11. a = addmf(a,'input',1,'PM','trimf',[0 2 3]);    % PM
    
12. a = addmf(a,'input',1,'PB','smf',[1 3]);        % PB
    
13. %figure(1);
    
14. % subplot(5,1,1);
    
15. % plotmf(a,'input',1);    % 绘制给定变量的所有隶属的曲线
    
16. 
    
17. % 设置输入ec的范围、隶属度函数；
    
18. a = addvar(a,'input','ec',[-3 3]);   % 变量的范围 类型
    
19. a = addmf(a,'input',2,'NB','zmf',[-3 -1]);      % NB
    
20. a = addmf(a,'input',2,'NM','trimf',[-3 -2 0]);  % NM
    
21. a = addmf(a,'input',2,'NS','trimf',[-3 -1 1]);  % NS
    
22. a = addmf(a,'input',2,'Z','trimf',[-2 0 2]);    % Z
    
23. a = addmf(a,'input',2,'PS','trimf',[-1 1 3]);   % PS
    
24. a = addmf(a,'input',2,'PM','trimf',[0 2 3]);    % PM
    
25. a = addmf(a,'input',2,'PB','smf',[1 3]);        % PB
    
26. %figure(2);
    
27. % subplot(5,1,2);
    
28. % plotmf(a,'input',2);    % 绘制给定变量的所有隶属的曲线
    
29. 
    
30. % 设置输出Kp的范围、隶属度函数；
    
31. a = addvar(a,'output','Kp',[-0.3 0.3]);   % 变量的范围 类型
    
32. a = addmf(a,'output',1,'NB','zmf',[-0.3 -0.1]);      % NB
    
33. a = addmf(a,'output',1,'NM','trimf',[-0.3 -0.2 0]);  % NM
    
34. a = addmf(a,'output',1,'NS','trimf',[-0.3 -0.1 0.1]);  % NS
    
35. a = addmf(a,'output',1,'Z','trimf',[-0.2 0 0.2]);    % Z
    
36. a = addmf(a,'output',1,'PS','trimf',[-0.1 0.1 0.3]);   % PS
    
37. a = addmf(a,'output',1,'PM','trimf',[0 0.2 0.3]);    % PM
    
38. a = addmf(a,'output',1,'PB','smf',[0.1 0.3]);        % PB
    
39. %figure(3);
    
40. % subplot(5,1,3);
    
41. % plotmf(a,'output',1);    % 绘制给定变量的所有隶属的曲线
    
42. 
    
43. % 设置输出Ki的范围、隶属度函数；
    
44. a = addvar(a,'output','Ki',[-0.06 0.06]);   % 变量的范围 类型
    
45. a = addmf(a,'output',2,'NB','zmf',[-0.06 -0.02]);      % NB
    
46. a = addmf(a,'output',2,'NM','trimf',[-0.06 -0.04 0]);  % NM
    
47. a = addmf(a,'output',2,'NS','trimf',[-0.06 -0.02 0.02]);  % NS
    
48. a = addmf(a,'output',2,'Z','trimf',[-0.04 0 0.04]);    % Z
    
49. a = addmf(a,'output',2,'PS','trimf',[-0.02 0.02 0.06]);   % PS
    
50. a = addmf(a,'output',2,'PM','trimf',[0 0.04 0.06]);    % PM
    
51. a = addmf(a,'output',2,'PB','smf',[0.02 0.06]);        % PB
    
52. %figure(4);
    
53. % subplot(5,1,4);
    
54. % plotmf(a,'output',2);    % 绘制给定变量的所有隶属的曲线
    
55. 
    
56. % 设置输出Kd的范围、隶属度函数；
    
57. a = addvar(a,'output','Kd',[-3 3]);   % 变量的范围 类型
    
58. a = addmf(a,'output',3,'NB','zmf',[-3 -1]);      % NB
    
59. a = addmf(a,'output',3,'NM','trimf',[-3 -2 0]);  % NM
    
60. a = addmf(a,'output',3,'NS','trimf',[-3 -1 1]);  % NS
    
61. a = addmf(a,'output',3,'Z','trimf',[-2 0 2]);    % Z
    
62. a = addmf(a,'output',3,'PS','trimf',[-1 1 3]);   % PS
    
63. a = addmf(a,'output',3,'PM','trimf',[0 2 3]);    % PM
    
64. a = addmf(a,'output',3,'PB','smf',[1 3]);        % PB
    
65. %figure(5);
    
66. % subplot(5,1,5);
    
67. % plotmf(a,'output',3);    % 绘制给定变量的所有隶属的曲线
    
68. 
    
69. % 设置模糊规则
    
70. rulelist = [ % e  ec  Kp  Ki  Kd   important   and/or
    
71.     1 1 7 1 5 1 1;
    
72.     1 2 7 1 3 1 1;
    
73.     1 3 6 2 1 1 1;
    
74.     1 4 6 2 1 1 1;
    
75.     1 5 5 3 1 1 1 ;
    
76.     1 6 4 4 2 1 1;
    
77.     1 7 4 4 5 1 1;
    
78.     2 1 7 1 5 1 1;
    
79.     2 2 7 1 5 1 1;
    
80.     2 3 6 2 1 1 1;
    
81.     2 4 5 3 2 1 1;
    
82.     2 5 5 3 2 1 1;
    
83.     2 6 4 4 3 1 1;
    
84.     2 7 3 4 4 1 1;
    
85.     3 1 6 1 4 1 1;
    
86.     3 2 6 2 3 1 1;
    
87.     3 3 6 3 2 1 1;
    
88.     3 4 5 3 2 1 1;
    
89.     3 5 4 4 3 1 1;
    
90.     3 6 3 5 3 1 1;
    
91.     3 7 3 5 4 1 1;
    
92.     4 1 6 2 4 1 1;
    
93.     4 2 6 2 3 1 1;
    
94.     4 3 5 3 3 1 1;
    
95.     4 4 4 4 3 1 1;
    
96.     4 5 3 5 3 1 1;
    
97.     4 6 2 6 3 1 1;
    
98.     4 7 2 6 4 1 1;
    
99.     5 1 5 2 4 1 1;
    
100.     5 2 5 3 4 1 1;
     
101.     5 3 4 4 4 1 1;
     
102.     5 4 3 5 4 1 1;
     
103.     5 5 3 5 4 1 1;
     
104.     5 6 2 6 4 1 1;
     
105.     5 7 2 7 4 1 1;
     
106.     6 1 5 4 7 1 1;
     
107.     6 2 4 4 5 1 1;
     
108.     6 3 3 5 5 1 1;
     
109.     6 4 2 5 5 1 1;
     
110.     6 5 2 6 5 1 1;
     
111.     6 6 2 7 5 1 1;
     
112.     6 7 1 7 7 1 1;
     
113.     7 1 4 4 7 1 1;
     
114.     7 2 4 4 6 1 1;
     
115.     7 3 2 5 6 1 1;
     
116.     7 4 2 6 6 1 1;
     
117.     7 5 2 6 5 1 1;
     
118.     7 6 1 7 5 1 1;
     
119.     7 7 1 7 7 1 1;   
     
120. ];
     
121. a = addrule(a, rulelist);
     
122. a = setfis(a, 'DefuzzMethod','mom'); % mom 平均最大隶属度法
     
123. writefis(a,'fuzzpid');
     
124. a = readfis('fuzzpid');
     
125. 
     
126. % PID控制器设定
     
127. ts = 0.001;
     
128. %sys = tf(5e5,[1,80,1.5e4,0]);
     
129. sys = tf(7e4,[1,30,1e5,0]);
     
130. dsys = c2d(sys,ts,'tustin'); % 变连续系统为离散系统 zoh：零阶保持器 foh：一阶保持器 tustin：双先行变换
     
131. [num,den]=tfdata(dsys,'v');
     
132. u_1=0.0; u_2=0.0; u_3=0.0;
     
133. y_1=0.0; y_2=0.0; y_3=0.0;
     
134. x=[0,0,0]';
     
135. error_1 = 0;
     
136. e_1=0.0; ec_1=0.0;
     
137. kp0=0.4; kd0=1.0; ki0=0.0;
     
138. for k=1:1:500
     
139.     time(k)=k*ts;
     
140.     rin(k)=1;
     
141.     k_pid = evalfis([e_1,ec_1],a); % 模糊得到pid
     
142.     kp(k) = kp0 + k_pid(1);
     
143.     ki(k) = ki0 + k_pid(2);
     
144.     kd(k) = kd0 + k_pid(3);
     
145.     u(k) = kp(k)*x(1) + kd(k)*x(2) + ki(k)*x(3);
     
146.     % 在t=0.35s处增加干扰（在无干扰时此处可省略）
     
147.     if k==350
     
148.         u(k)=u(k)+1.5;
     
149.     end
     
150.     if u(k)>=10
     
151.         u(k)=10;
     
152.     end
     
153.     if u(k)<=-10
     
154.         u(k)=10;
     
155.     end
     
156.     yout(k)=-den(2)*y_1-den(3)*y_2-den(4)*y_3+num(1)*u(k)+num(2)*u_1+num(3)*u_2+num(4)*u_3;
     
157.     error(k)=rin(k)-yout(k);
     
158.     % 返回PID参数
     
159.     u_3 = u_2;
     
160.     u_2 = u_1;
     
161.     u_1 = u(k);
     
162.     y_3 = y_2;
     
163.     y_2 = y_1;
     
164.     y_1 = yout(k);
     
165.     x(1) = error(k);
     
166.     x(2) = error(k)-error_1;
     
167.     x(3) = x(3)+error(k);
     
168.     e_1=x(1);
     
169.     ec_1=x(2);
     
170.     error_2=error_1;
     
171.     error_1=error(k);
     
172. end
     
173. figure(1);
     
174. plot(time,rin,'b',time,yout,'r');
     
175. xlabel('time(s)'); ylabel('rin, yout');
     
176. figure(2);
     
177. plot(time,error);
     
178. xlabel('time(s)'); ylabel('error');
     
179. figure(3);
     
180. plot(time,kp);
     
181. xlabel('time(s)'); ylabel('kp');
     
182. figure(4);
     
183. plot(time,ki);
     
184. xlabel('time(s)'); ylabel('ki');
     
185. figure(5);
     
186. plot(time,kd);
     
187. xlabel('time(s)'); ylabel('kd');
     

复制代码

cqfeiyu

翻译成C看看

eleboss

666666666666666666666

wkman

简单看来，模糊控制，就是“经验数据差表”

lans0625

可惜不是C语言的。。。

疯少爷

感觉模糊控制的规则设置起来也是件困难事。。。

gwiily

最近也在做这个，我拿去研究下~

zxjfun

好厉害，谢谢楼主