PID控制器具体工作原理

这些都是自动控制系统所涉及的概念。

1、首先说明，PID调节单元接收与输出的都是电信号；

2、自动控制技术，综合了给定单元、调节单元、输出与执行单元、测量单元、反馈单元等，基本原理是：给定单元提供设定控制目标，调节单元比较给定与反馈信号的差别并进行PID运算（比例、积分、微分）最后输出控制信号，输出与执行单元指用前面的控制信号转换为实际设备的物理量输出，测量单元检测物理量实际值，反馈单元将检测到的信号进行处理转换再反馈到调节单元，如此构成闭环自动调节控制系统；

3、物理量-电量的转换是在测量单元完成的，电量-物理量的转换是在输出与执行单元完成的；

4、结合实例就说来话长了，恐怕要给你一篇论文啦，呵呵，即便是要讲清楚PID调节器，也要上千字才行啊。

补充：

各个单元都可以求出传递函数，须用到拉普拉斯变换的知识。

传递函数的作用就是从物理事物建立起相应的数学模型，然后通过数学手段去分析、研究它。

这个函数还是比较简单的，用matlab仿真一下就行了，基本的语句像tf，step ，feedback，c2d, d2c, ss2tf, tf2ss,help啥的都不用说了吧，现在的自控或者控制工程教材里都有matlab章节。

求PID这个部分，有很多方法你到知网上找一下，我记得有一篇叫做“一种PID参数置定方法”几个关键词搜一下就好。

建议程序还是自己写好点儿，学东西还是得自己从一个实例做透了再举一反三为好。

当然啦sim就是个数学界的labview嘛~~看你解这函数的目的了~~~

遗传算法和神经网络是两个改进方向。前者是一个全局寻优算法，后者是拟合算法（类似于自适应）。全局寻优就是找到一组控制参数，使得阶跃响应与理想输出之间误差的某一范数最小，控制参数可以是你的模糊控制器参数，神经网络参数，pid前面的系数等等等等。拟合算法就是找到某个函数关系，使得输入输出之间的误差最小，很类似数值方法里面的插值。

要达到相同或者更好的控制效果是必然的。比如你用遗传算法找到一组最好的模糊pid控制器参数，然后和你自己试凑的模糊pid相比，那肯定是更好，但是原理上没有什么改观，控制器还是原来的控制器，只是找到了最优参数，另外实时性要求不高的话建议不用遗传算法，用更精确的全局寻优算法，比如粒子群，蚁群算法等。神经网络PID控制器古典的是用神经网络拟合pid参数，现代的都是把PID环节做成隐含层神经元，因为你这个被控对象很简单，所以我个人观点，加上一些常用的神经网络控制算法就够用了，比如某些环节加一个加权和。

这个东西说实在的你要做作业是个不错的练习，但是写论文显得略微落伍了。单纯的全局寻优算法和神经网络控制前些年做的有点烂了，写论文的话实在是很难找出来创新点。

传递函数 transfer function 零初始条件下线性系统响应（即输出）量的拉普拉斯变换（或z变换）与激励（即输入）量的拉普拉斯变换之比。记作G（s）=Y（s）/U（s），其中Y（s）、U（s)分别为输出量和输入量的拉普拉斯变换。传递函数是描述线性系统动态特性的基本数学工具之一，经典控制理论的主要研究方法——频率响应法和根轨迹法——都是建立在传递函数的基础之上。