技术领域
[0001] 本
专利申请属于智能控制技术领域，更具体地说，是涉及一种自整定模糊PID控制方法。
背景技术
[0002] 金属
冶炼、石油化工、纺织机械等工业控制领域对其控制实时性、快速性、准确性提出的要求越来越高。PID以其完全独立于对象的数学模型控制机理的优点被广泛应用于工业过程控制，尤其适用于可设计精确数学模型的确定性控制系统。但是当控制系统复杂时，难以取得理想的控制效果，甚至会导致系统不稳定。智能控制具有学习能
力、对变化环境的适应能力以及自组织协调能力，能够应用到复杂系统的控制中。因此，将智能控制方法和常规PID控制方法结合起来，可以充分发挥两种方法的优点，提高控制系统的整体性能。
[0003] 在实际生产现场中，kp、ki、kd整定方法较为繁琐，常规PID
控制器kp、ki、kd整定不良、性能欠佳、适应性差。而模糊控制的控制
精度却不理想。
[0004] 目前关于改进PID控制
算法有很多，这些方法通篇阅读下来并没有详细给出改进要点所在，比如说控制器设计介绍较为笼统，原理介绍过于冗长，验证介绍稍有疑惑，未能让读者对其有一个清晰的了解。本
发明创新之处除了算法上优势之外，在参考上解决了此类改进PID 控制算法的不足。
发明内容
[0005] 本发明需要解决的技术问题是提供一种自整定模糊PID控制方法，在系统结构和算法上解决了常规PID控制技术和模糊控制的
缺陷。
[0006] 为了解决上述问题，本发明所采用的技术方案是：
[0007] 一种自整定模糊PID控制方法，包括将模糊控制和PID控制结合起来，构建自整定模糊PID控制器，该自整定模糊PID控制器以误差e(k)和误差变化率Δe(k)作为输入，在PID控制算法的
基础上，通过计算当前误差e(k)和误差变化率Δe(k)，利用模糊控制规则在线进行模糊推理，通过查询模糊矩阵表对比例kp、积分ki、微分kd进行实时调整，满足不同时刻的e(k)和Δe(k)对控制参数kp、ki、kd模糊自整定的要求。
[0008] 将模糊控制和PID控制结合起来，构建自整定模糊PID控制器，利用模糊控制规则对比例kp、积分ki、微分kd进行在线自调整，也就是kp、ki、kd模糊自整定是找出比例kp、积分ki、微分kd与误差e(k)和误差变化率Δe(k)之间的模糊关系，在运行中通过不断检测e(k)和Δe(k)，根据模糊控制规则对kp、ki、kd进行在线
修改，满足不同e(k) 和Δe(k)对kp、ki、kd的不同要求，从而使被控对象动态性能、静态性能满足需要。
[0009] 本发明技术方案的进一步改进在于：具体步骤为：
[0010] 步骤a：设计模糊控制器；
[0011] 步骤b：设计PID控制器；
[0012] 步骤c：系统建模；
[0013] 步骤d：仿真验证，构建出自整定模糊PID控制器。
[0014] 本发明技术方案的进一步改进在于：步骤a中，模糊控制器的设计过程为：
[0015] 步骤a1：输入输出变量的确立
[0016] 将e(k)和Δe(k)作为模糊控制器的输入，PID控制器的三个参数kp、 ki、kd作为输出；
[0017] 步骤a2：输入、输出变量的模糊语言描述
[0018] 设定输入变量e(k)和Δe(k)的模糊集为 {NB，NM，NS，ZO，PS，PM，PB}，将e(k)和Δe(k)量化到[-3 3]区域；同样，设定输出量kp、ki、kd的模糊集为{ZO，PS，PM，PB}，并将其量化到[0 3]区域；
[0019] 步骤a3：模糊控制规则的语言描述
[0020] 根据参数kp、ki、kd对系统输出特性影响情况，可以归纳出不同 e(k)和Δe(k)，被控参数kp、ki、kd自整定要求，模糊控制规则如表2 所示：
[0021]
[0022]
[0023] 表2模糊控制规则
[0024] 本发明技术方案的进一步改进在于：步骤a3中，模糊控制规则在Matlab中进行设计，设计过程为：
[0025] 步骤a31、首先在Matlab命令窗口运行Fuzzy函数进入模糊编辑器，设计一个新的FIS文件，选择控制器类型Mamdani；
[0026] 步骤a32、然后分别输入e(k)、Δe(k)、kp、ki、kd的隶属函数和量化区间范围，以If and Then的形式输入模糊控制规则，取And为 Min、Or为Max，推理Implication的方法为Min，合成Aggregatin 的方法为Max，非模糊化Defuzzification的方法为
重心平均 Centroid。保存为AutoFuzzyPID；
[0027] 步骤a33、最后在Matlab文件编辑器里设计一个名为 AutoFuzzyPID.m的文件，其内容为：Matrix＝readfis (AutoFuzzyPID.fis)。
[0028] 本发明技术方案的进一步改进在于：步骤b中，PID控制器的设计过程为：
[0029] PID控制器有5个输入量：e(k)、Δe(k)、kp、ki、kd，一个输出量u(k)，则PID控制算法可表示为： 上式算法可简写成其中，u(k)、e(k)分别为第k个
采样时刻控制器输出
控制量和输入量偏差
信号；kp为比例增益；ti、td分别为积分时间常数、微分时间常数；t为采样周期；ki＝t/tikp、kd＝td/tkp。
[0030] 本发明技术方案的进一步改进在于：步骤c中，系统建模采用 Matlab
软件，建模过程为：
[0031] 步骤c1、在Matlab的命令窗口里输入fuzzy，自动弹出模糊编辑器；
[0032] 步骤c2、设计一个fis，左击file出现下拉菜单，依次点击newfis、 mamdani；
[0033] 步骤c3、点击edit、addvariable有input和output，此处设计两个输入三个输出，分别是e、Δe、kp、ki、kd；；
[0034] 步骤c4、双击e出现编辑窗口，首先点击edit、removeallMFs。然后点击addMFs，设计7个MFs，分别为 {NB，NM，NS，ZO，PS，PM，PB}；
[0035] 步骤c5、双击规则框mamdani，采用ifandthen语句设计模糊控制规则；
[0036] 步骤c6、关闭模糊规则器，存储为AutoFuzzyPID.fis；
[0037] 步骤c7、Simulink里的fuzzylogictoolbox里选择fuzzylogiccontroller，将其名字改为AutoFuzzyPID；
[0038] 步骤c8、导入AutoFuzzyPID.fis，具体的步骤为：在Matlab窗口中输入fuzzyAutoFuzzyPID.fis，出现fis后点击file、export、toworkspace，则导入成功，便于开始下一步骤的仿真验证。
[0039] 本发明技术方案的进一步改进在于：步骤d中，模糊自整定PID 控制器仿真验证过程为：
[0040] 步骤d1、首先在Simulink的菜单中，选择FuzzyLogicToolbox中的FuzzyLogicController模
块，并键入名字Matrix；
[0041] 步骤d2、然后加上量化因子ke、kΔe、up、ui、ud，从而设计出符合要求的模糊控制器；量化因子ke、kΔe将e、Δe量化为[-3 3]上的模糊量，经模糊控制规则动态处理，成为[0 3]上的模糊控制量，经量化因子up、ui、ud将其精确化，便可得到PID控制器的控制参量kp、 ki、kd；
[0042] 步骤d3、将模糊控制器和常规PID控制器分别进行封装并对应连接，再次封装便可得到最终的自整定模糊PID控制器，其中涉及到的控制对象所使用的数学模型为：G(s)＝20/(2s2+4.5s+1)
[0043] 由于采用了上述技术方案，本发明取得的有益效果是：本发明将模糊控制和PID控制结合起来，构建自整定模糊PID控制器，提出了一种利用
模糊逻辑对PID控制器进行在线自调整的方法。该方法针对常规PID控制器kp、ki、kd整定不良、适应性差、控制精度不理想现状，提出了动态过程中kp、ki、kd自动整定模糊PID控制系统，该方法中的自整定模糊PID控制可加快响应速度、提高调节精度，改善稳态性能、减小超调和振荡、增强鲁棒性，同样精度要求下可缩短过渡时间。利用Matlab的Simulink工具箱对系统进行仿真，结果表明自整定模糊PID控制器鲁棒性好、控制精度有效提高，具有较高的推广应用价值。
[0044] 该方法是站在读者
角度进行撰写，让读者对控制器设计部分有一个更为清晰的了解，该发明设计模块齐全，整定参数明确，实施步骤详细，在实际过程控制应用中具有较高的参考价值。
附图说明
[0045] 图1是本发明的自整定模糊PID控制器的系统结构图；
[0046] 图2是本发明设计的模糊逻辑控制器结构图；
[0047] 图3是本发明的PID控制器结构图；
[0048] 图4是本发明的自整定模糊PID控制器原理图；
[0049] 图5是本发明的控制系统的响应曲线对比图。
具体实施方式
[0050] 下面结合
实施例对本发明做进一步详细说明。
[0051] 本发明公开了一种自整定模糊PID控制方法，包括将模糊控制和 PID控制结合起来，构建自整定模糊PID控制器，该自整定模糊PID 控制器以误差e(k)和误差变化率Δe(k)作为输入，在PID控制算法的基础上，通过计算当前误差e(k)和误差变化率Δe(k)，利用模糊控制规则在线进行模糊推理，通过查询模糊矩阵表对比例kp、积分ki、微分kd进行实时调整，满足不同时刻的e(k)和Δe(k)对kp、ki、kd模糊自整定的要求。
[0052] 将模糊控制和PID控制结合起来，构建自整定模糊PID控制器，利用模糊控制规则对比例kp、积分ki、微分kd进行在线自调整，也就是kp、ki、kd模糊自整定是找出比例kp、积分ki、微分kd与误差e(k)和误差变化率Δe(k)之间的模糊关系，在运行中通过不断检测e(k)和Δe(k)，根据模糊控制规则对kp、ki、kd进行在线修改，满足不同e(k) 和Δe(k)对kp、ki、kd的不同要求，从而使被控对象动态性能、静态性能满足需要。
[0053] 具体步骤为：
[0054] 步骤a：设计模糊控制器；
[0055] 步骤b：设计PID控制器；
[0056] 步骤c：系统建模；
[0057] 步骤d：仿真验证，构建出自整定模糊PID控制器。
[0058] 步骤a中，模糊控制器的设计过程为：
[0059] 步骤a1：输入输出变量的确立
[0060] 将e(k)和Δe(k)作为模糊控制器的输入，PID控制器的三个参数kp、 ki、kd作为输出；
[0061] 步骤a2：输入、输出变量的模糊语言描述
[0062] 设定输入变量e(k)和Δe(k)的模糊集为 {NB，NM，NS，ZO，PS，PM，PB}，将e(k)和Δe(k)量化到[-3 3]区域；同样，设定输出量kp、ki、kd的模糊集为{ZO，PS，PM，PB}，并将其量化到[0 3]区域；
[0063] 步骤a3：模糊控制规则的语言描述
[0064] 根据参数kp、ki、kd对系统输出特性影响情况，可以归纳出不同 e(k)和Δe(k)，被控参数kp、ki、kd自整定要求，模糊控制规则如表2 所示：
[0065]
[0066]
[0067] 表2模糊控制规则
[0068] 步骤a3中，模糊控制规则在Matlab中进行设计，设计过程为：
[0069] 步骤a31、首先在Matlab命令窗口运行Fuzzy函数进入模糊编辑器，设计一个新的FIS文件，选择控制器类型Mamdani；
[0070] 步骤a32、然后分别输入e(k)、Δe(k)、kp、ki、kd的隶属函数和量化区间范围，以If and Then的形式输入模糊控制规则，取And为 Min、Or为Max，推理Implication的方法为Min，合成Aggregatin 的方法为Max，非模糊化Defuzzification的方法为重心平均 Centroid。保存为AutoFuzzyPID；
[0071] 步骤a33、最后在Matlab文件编辑器里设计一个名为AutoFuzzyPID.m的文件，其内容为：Matrix＝readfis (AutoFuzzyPID.fis)。
[0072] 步骤b中，PID控制器的设计过程为：
[0073] PID控制器有5个输入量：e(k)、Δe(k)、kp、ki、kd，一个输出 u(k)量，则PID控制算法可表示为： 上式算法可简写成其中，u(k)、e(k)分别为第k个采样时刻控制器输出
控制量和输入量偏差信号；kp为比例增益；ti、td分别为积分时间常数、微分时间常数；t为采样周期；ki＝t/tikp、kd＝td/tkp。
[0074] 步骤c中，系统建模采用Matlab软件，建模过程为：
[0075] 步骤c1、在Matlab的命令窗口里输入fuzzy，自动弹出模糊编辑器；
[0076] 步骤c2、设计一个fis，左击file出现下拉菜单，依次点击newfis、 mamdani；
[0077] 步骤c3、点击edit、addvariable有input和output，此处设计两个输入三个输出，分别是e、Δe、kp、ki、kd；
[0078] 步骤c4、双击e出现编辑窗口，首先点击edit、removeallMFs。然后点击addMFs，设计7个MFs，分别为 {NB，NM，NS，ZO，PS，PM，PB}；
[0079] 步骤c5、双击规则框mamdani，采用ifandthen语句设计模糊控制规则；
[0080] 步骤c6、关闭模糊规则器，存储为AutoFuzzyPID.fis；
[0081] 步骤c7、Simulink里的fuzzylogictoolbox里选择fuzzylogiccontroller，将其名字改为AutoFuzzyPID；
[0082] 步骤c8、导入AutoFuzzyPID.fis，具体的步骤为：在Matlab窗口中输入fuzzyAutoFuzzyPID.fis。点击file、export、toworkspace，则导入成功，便于开始下一步骤的仿真验证。
[0083] 步骤d中，模糊自整定PID控制器仿真验证过程为：
[0084] 步骤d1、首先在Simulink的菜单中，选择FuzzyLogicToolbox中的FuzzyLogicController模块，并键入名字Matrix；
[0085] 步骤d2、然后加上量化因子ke、kΔe、up、ui、ud，从而设计出符合要求的模糊控制器；量化因子ke、kΔe将e、Δe量化为[-3 3]上的模糊量，经模糊控制规则动态处理，成为[0 3]上的模糊控制量，经量化因子up、ui、ud将其精确化后便可得到PID控制器的控制参量kp、 ki、kd；
[0086] 步骤d3、将模糊控制器和常规PID控制器分别进行封装并对应连接，再次封装便可得到最终的自整定模糊PID控制器，其中涉及到的控制对象所使用的数学模型为：G(s)＝20/(2s2+4.5s+1)
[0087] 模糊自整定PID控制器结构：自整定模糊PID控制器以误差e(k) 和误差变化率Δe(k)作为输入，可以满足不同时刻的e(k)和Δe(k)对kp、 ki、kd自整定的要求。利用模糊控制规则在线对kp、ki、kd进行修改，便构成了模糊自整定PID控制器，其结构如图1所示。
[0088] kp、ki、kd模糊自整定是找出比例kp、积分ki、微分kd与误差e(k) 和误差变化率Δe(k)之间的模糊关系，在运行中通过不断检测e(k)和Δe(k)，根据模糊控制原理对kp、ki、kd进行在线修改，满足不同e(k) 和Δe(k)对kp、ki、kd的不同要求，从而使被控对象有良好的动、静态性能。
[0089] 从系统的
稳定性、响应速度、超调量和稳态精度等方面考虑，kp、 ki、kd的作用如下：
[0090] 1)比例作用系数kp：放大误差，即给误差乘以一个系数问题，误差放大后，控制器会有输出。其作用是加快系统的响应速度，提高系统的调节精度。kp越大则系统的响应速度越快、系统的调节精度越高，但易产生超调，甚至导致系统不稳定。kp取值过小则会降低调节精度，使响应速度缓慢，从而延长调节时间，使系统静态、动态特性变坏。
[0091] 2)积分作用系数ki：累加误差，消除系统的静态误差。静态误差非常小，不能通过调节kp，否则会引起震荡，此时需要对误差进行积分累加求和，即无限划分小并求和问题。误差放大后，控制器会有输出。其作用是消除系统的静态误差。ki越大系统的稳态误差消除越快，如果ki取值过大，在响应过程的初期会产生积分饱和现象，从而引起响应过程的较大超调。如果ki取值过小，将使系统稳态误差难以消除，影响系统的调节精度。
[0092] 3)微分作用系数kd：预测误差变换趋势，即求误差两点斜率问题。用于滞后环节来改善系统的动态特性。其作用主要是能反应偏差信号的变化趋势。并能在偏差信号值变大之前，在系统引入早期修正信号，从而加快系统动作速度，减少调节时间。kp、ki、kd的整定必须考虑到其在不同时刻的作用以及之间的互联关系。模糊自整定PID 是在PID控制算法的基础上，通过计算当前系统误差e(k)和误差变化率Δe(k)，用模糊规则进行模糊推理，查询模糊矩阵表进行kp、ki、kd调整。
[0093] 模糊自整定PID控制器设计：在本系统中，模糊控制器的好坏将直接影响到kp、ki、kd的选取，从而影响到系统的控制精度。
[0094] (1)输入输出变量的确立
[0095] 基于对系统的上述分析，将e(k)和Δe(k)作为模糊控制器的输入， PID控制器的三个参数kp、ki、kd作为输出。
[0096] (2)输入、输出变量的模糊语言描述
[0097] 设定输入变量e(k)和Δe(k)的模糊集为 {NB，NM，NS，ZO，PS，PM，PB}，将e(k)和Δe(k)量化到[-3 3]区域。同样，设定输出量kp、ki、kd的模糊集为{ZO，PS，PM，PB}，并将其量化到[0 3]区域。
[0098] (3)模糊控制规则的语言描述
[0099] 根据参数kp、ki、kd对系统输出特性影响情况，可以归纳出不同e(k)和Δe(k)，被控参数kp、ki、kd自整定要求，模糊控制规则如表2 所示。
[0100] 首先在Matlab命令窗口运行Fuzzy函数进入模糊编辑器，建立一个新的FIS文件，选择控制器类型Mamdani，然后根据上面的分析分别输入e(k)、Δe(k)、kp、ki、kd的隶属函数和量化区间，以if and then的形式输入模糊控制规则。取And为Min、Or为Max，推理Implication的方法为Min，合成Aggregatin的方法为Max，非模糊化 Defuzzification的方法为重心平均Centroid。保存为AutoFuzzyPID。最后在Matlab文件编辑器里建立一个名为AutoFuzzyPID.m的文件，其内容为：Matrix＝readfis(AutoFuzzyPID.fis)。
[0101] 本系统中的PID控制器有5个输入量：e(k)、Δe(k)、kp、ki、kd，一个输出量，则控制算法可表示为： 上式简写成u(k)、e(k)分别为第k个采样时刻控制器输出控制量和输入量偏差信号。kp为比例增益。ti、td分别为积分、微分时间常数。t为采样周期。ki＝t/tikp、kd＝td/tkp。
具体实施方式
[0102]
[0103] 1、Matlab的命令窗口里输入fuzzy，自动弹出模糊编辑器。
[0104] 2、建立一个fis，左击file出现下拉菜单，依次点击newfis、mamdani。
[0105] 3、建立多个输入输出时，点击edit、addvariable有input和output。
[0106] 此处建立两个输入三个输出，输入分别是e、Δe、kp、ki、kd。
[0107] 4、双击e出现编辑窗口，首先点击edit、removeallMFs。然后点击addMFs，建立7个MFs。分别为{NB，NM，NS，ZO，PS，PM，PB}。
[0108] 5、双击规则框(mamdani)，采用ifandthen语句建立模糊规则。
[0109] 6、关闭模糊规则器，存储为AutoFuzzyPID.fis。
[0110] 7、Simulink里的fuzzylogictoolbox里选择fuzzylogiccontroller，将其名字改为AutoFuzzyPID。
[0111] 仿真前导入AutoFuzzyPID.fis，具体的步骤为：打开 AutoFuzzyPID.fis，即在Matlab窗口中输入fuzzyAutoFuzzyPID.fis。出现fis后点击file、export、toworkspace，则导入成功。即可开始仿真。
[0112] 模糊自整定PID控制器验证：首先在Simulink的菜单中，选择 FuzzyLogicToolbox中的FuzzyLogicController模块，并键入名字 Matrix。然后在这基础之上，加上量化因子ke、kΔe、up、ui、ud。这样，符合要求的模糊控制器便建立起来了。模糊控制器和PID控制器的结构如图2、图3所示。
[0113] 量化因子ke、kΔe将e、Δe量化为[-3 3]上的模糊量，经模糊控制规则动态处理，成为[0 3]上的模糊控制量，经量化因子up、ui、ud将其精确化，便可得到PID控制器的控制参量kp、ki、kd。将模糊控制器和常规PID控制器分别进行封装并对应连接，再次封装便可得图4 所示的自整定模糊PID控制器。
[0114] 控制对象数学模型：G(s)＝20/(2s2+4.5s+1)。
[0115] 如图5所示，自整定模糊PID控制器采用粗虚线，传统PID控制器采用细虚线，可以看到，细虚线代表的传统PID控制器的中间明显有个
波动，而自整定模糊PID控制器则一直平缓。
[0116] 在这里需要说明一下，智能控制的特点是不需要控制对象数学模型，在这里之所以给出控制对象数学模型其作用并不是用来设计控制器参数，而是做模拟仿真时来充当一个实际被控对象去发挥作用，观察
输出信号变化情况。所以控制对象数学模型的目的并不是来设计控制器，而是让控制对象数学模型充当或者代替一个实际被控对象。
[0117] 表1为原系统、PID控制系统、自整定模糊PID控制系统的超调量δ％、调节时间ts的对比。表2给出了各个变量的基本论域、模糊论域和量化因子。
[0118] 原系统、传统PID控制器、自整定模糊PID控制器的超调量δ％、调节时间ts的对比结果见表1
[0119] 类型 超调量δ％ 调节时间ts自整定模糊PID控制器 0.17 0.20
传统PID控制器 4.44 0.46
原系统 21.46 4.11
[0120] 表1对比结果
[0121]
[0122] 表2各个变量的基本论域、模糊论域和量化因子。
