急求位置式PID控制算法 MATLAB 代码

刚好前不久搞过PID，部分程序如下，仅供参考

/*==============================================================================

在使用单片机作为控制cpu时，请稍作简化，具体的PID参数必须由具体对象通过实验确定。

由于单片机的处理速度和ram资源的限制，一般不采用浮点数运算，而将所有参数全部用整数，

运算到最后再除以一个2的N次方数据（相当于移位），作类似定点数运算，可大大提高运算速度，

根据控制精度的不同要求，当精度要求很高时，注意保留移位引起的“余数”，做好余数补偿。

这个程序只是一般常用pid算法的基本架构，没有包含输入输出处理部分。

==============================================================================*/

#include <string.h>

#include <stdio.h>

/*===============================================================================

PID Function

The PID function is used in mainly

control applications. PID Calc performs one iteration of the PID

algorithm.

While the PID function works, main is just a dummy program showing

a typical usage.

PID功能

在PID功能主要用于控制应用。 PID 计算器执行一个PID的迭代算法。虽然PID功能的工程，

主要只是一个虚拟程序显示一个典型的使用。

================================================================================*/

typedef struct PID {

double SetPoint // 设定目标 Desired Value

double Proportion// 比例常数 Proportional Const

double Integral // 积分常数 Integral Const

double Derivative// 微分常数 Derivative Const

double LastError // Error[-1]

double PrevError // Error[-2]

double SumError // Sums of Errors

} PID

/*================================ PID计算部分===============================*/

double PIDCalc( PID *pp, double NextPoint )

{

double dError,Error

Error = pp->SetPoint - NextPoint // 偏差

pp->SumError += Error // 积分

dError = pp->LastError - pp->PrevError// 当前微分

pp->PrevError = pp->LastError

pp->LastError = Error

return (pp->Proportion * Error // 比例项

+ pp->Integral * pp->SumError // 积分项

+ pp->Derivative * dError // 微分项

)

}

/*======================= 初始化的PID结构 Initialize PID Structure===========================*/

void PIDInit (PID *pp)

{

memset ( pp,0,sizeof(PID))

}

/*======================= 主程序 Main Program=======================================*/

double sensor (void)// 虚拟传感器功能 Dummy Sensor Function{return 100.0}

void actuator(double rDelta)// 虚拟驱动器功能 Dummy Actuator Function{}

void main(void)

{

PID sPID // PID控制结构 PID Control Structure

double rOut // PID响应（输出） PID Response (Output)

double rIn // PID反馈（输入） PID Feedback (Input)

PIDInit ( &sPID ) // 初始化结构 Initialize Structure

sPID.Proportion = 0.5 // 设置PID系数 Set PID Coefficients

sPID.Integral = 0.5

sPID.Derivative = 0.0

sPID.SetPoint = 100.0 // 设置PID设定 Set PID Setpoint

for ()

{ // 模拟最多的PID处理 Mock Up of PID Processing

rIn = sensor () // 读取输入 Read Input

rOut = PIDCalc ( &sPID,rIn ) // 执行的PID迭代 Perform PID Interation

actuator ( rOut ) // 所需的更改的影响 Effect Needed Changes

}

clc% 清屏

clear all%删除workspace变量

close all%关掉显示图形窗口

ts=0.001%仿真时间

M=3000%Gen

%Continuous Plant

a=25b=133

sys=tf(b,[1,a,0])%传递函数

dsys=c2d(sys,ts,'z')%离散化

[num,den]=tfdata(dsys,'v')

A1=[0 10 -a]

B1=[0b]

C1=[1 0]

D1=[0]

[A,B,C,D]=c2dm(A1,B1,C1,D1,ts,'z')

Q=1%Covariances of w

R=1%Covariances of v

P=B*Q*B'%Initial error covariance

x=zeros(2,1)%Initial condition on the state

ye=zeros(M,1)

ycov=zeros(M,1)

u_1=0u_2=0

y_1=0y_2=0

for k=1:1:M

time(k)=k*ts

w(k)=0.10*rands(1)%Process noise on u

v(k)=0.10*rands(1)%Measurement noise on y

u(k)=1.0*sin(2*pi*1.5*k*ts)%正弦信号

u(k)=u(k)+w(k)

y(k)=-den(2)*y_1-den(3)*y_2+num(2)*u_1+num(3)*u_2

yv(k)=y(k)+v(k)

%Measurement update

Mn=P*C'/(C*P*C'+R)

P=A*P*A'+B*Q*B'

P=(eye(2)-Mn*C)*P

x=A*x+Mn*(yv(k)-C*A*x)

ye(k)=C*x+D%Filtered value

errcov(k)=C*P*C'%Covariance of estimation error

%Time update

x=A*x+B*u(k)

u_2=u_1u_1=u(k)

y_2=y_1y_1=ye(k)

end

figure(1)

plot(time,yv,'k:',time,y,'r','linewidth',2)

xlabel('时间(s)')ylabel('y,yv')

grid on

legend('噪声信号','理想信号')

figure(2)

plot(time,y,'r',time,ye,'k:','linewidth',2)

xlabel('时间(s)')ylabel('y,ye')

grid on

legend('理想信号','滤波信号')

figure(3)

plot(time,errcov,'k','linewidth',2)

grid on

xlabel('时间(s)')ylabel('误差协方差')

给你一个全MATLAB仿真的程序，没用到SIMULINK

close all

clear all

a=newfis('fuzzf')

f1=1

a=addvar(a,'input','e',[-3*f1,3*f1])

a=addmf(a,'input',1,'NB','zmf',[-3*f1,-1*f1])

a=addmf(a,'input',1,'NM','trimf',[-3*f1,-2*f1,0])

a=addmf(a,'input',1,'NS','trimf',[-3*f1,-1*f1,1*f1])

a=addmf(a,'input',1,'Z','trimf',[-2*f1,0,2*f1])

a=addmf(a,'input',1,'PS','trimf',[-1*f1,1*f1,3*f1])

a=addmf(a,'input',1,'PM','trimf',[0,2*f1,3*f1])

a=addmf(a,'input',1,'PB','smf',[1*f1,3*f1])

f2=1

a=addvar(a,'input','ec',[-3*f2,3*f2])

a=addmf(a,'input',2,'NB','zmf',[-3*f2,-1*f2])

a=addmf(a,'input',2,'NM','trimf',[-3*f2,-2*f2,0])

a=addmf(a,'input',2,'NS','trimf',[-3*f2,-1*f2,1*f2])

a=addmf(a,'input',2,'Z','trimf',[-2*f2,0,2*f2])

a=addmf(a,'input',2,'PS','trimf',[-1*f2,1*f2,3*f2])

a=addmf(a,'input',2,'PM','trimf',[0,2*f2,3*f2])

a=addmf(a,'input',2,'PB','smf',[1*f2,3*f2])

f3=1.5

a=addvar(a,'output','u',[-3*f3,3*f3])

a=addmf(a,'output',1,'NB','zmf',[-3*f3,-1*f3])

a=addmf(a,'output',1,'NM','trimf',[-3*f3,-2*f3,0])

a=addmf(a,'output',1,'NS','trimf',[-3*f3,-1*f3,1*f3])

a=addmf(a,'output',1,'Z','trimf',[-2*f3,0,2*f3])

a=addmf(a,'output',1,'PS','trimf',[-1*f3,1*f3,3*f3])

a=addmf(a,'output',1,'PM','trimf',[0,2*f3,3*f3])

a=addmf(a,'output',1,'PB','smf',[1*f3,3*f3])

rulelist=[1 1 1 1 1

1 2 1 1 1

1 3 2 1 1

1 4 2 1 1

1 5 3 1 1

1 6 3 1 1

1 7 4 1 1

2 1 1 1 1

2 2 2 1 1

2 3 2 1 1

2 4 3 1 1

2 5 3 1 1

2 6 4 1 1

2 7 5 1 1

3 1 2 1 1

3 2 2 1 1

3 3 3 1 1

3 4 3 1 1

3 5 4 1 1

3 6 5 1 1

3 7 5 1 1

4 1 2 1 1

4 2 3 1 1

4 3 3 1 1

4 4 4 1 1

4 5 5 1 1

4 6 5 1 1

4 7 6 1 1

5 1 3 1 1

5 2 3 1 1

5 3 4 1 1

5 4 5 1 1

5 5 5 1 1

5 6 6 1 1

5 7 6 1 1

6 1 3 1 1

6 2 4 1 1

6 3 5 1 1

6 4 5 1 1

6 5 6 1 1

6 6 6 1 1

6 7 7 1 1

7 1 4 1 1

7 2 5 1 1

7 3 5 1 1

7 4 6 1 1

7 5 6 1 1

7 6 7 1 1

7 7 7 1 1]

a=addrule(a,rulelist)

a1=setfis(a,'DefuzzMethod','mom')%Defuzzy

writefis(a1,'fuzzf')

a2=readfis('fuzzf')

Ulist=zeros(7,7)

for i=1:7

for j=1:7

e(i)=-4+i

ec(j)=-4+j

Ulist(i,j)=evalfis([e(i),ec(j)],a2)

end

end

figure(1)

plotfis(a2)

figure(2)

plotmf(a,'input',1)

figure(3)

plotmf(a,'input',2)

figure(4)

plotmf(a,'output',1)

这里简单说明一下：首先是编写2个输入，1个输出的隶属度函数；接下来的是模糊规则，一共49条；然后用解模糊函数得出控制量U，这里输出的U就直接是精确量了，解模糊用到得规则是取隶属度最大的那个数即MOM算法。

显示的三个图形窗口分别是：模糊控制器内部原理图，以及2个输入，1个输出的隶属度函数图。

---