pid控制范文1
关键字：PID；变频控制；频率调节
0 引言
在现在的在工业自动化控制系统中，最为常见的是由PID控制变频器，来控制电动机频率的改变从而实现速度控制。但企业在生产中，往往需要有精密稳定的压力、温度、流量、液位或转速，以此作为保证产品质量、提高生产效率、满足工艺要求的前提，这就要用到变频器的 PID 控制功能，从而实现对被控量的时时控制，以此来实现更为准确自动控制。以下简单介绍PID控制应用方法。
1 变频器简介
变频器是将固定频率的交流电转换成频率和大小连续可调的交流电的装置。如图1-1所示；
图1-1 变频器的组成
如上图；变频器主要由主电路和控制电路组成。主电路包括整流电路（工频电源的交流电变换成直流电且对直流电进行平滑滤波）和逆变电路（直流电变换成各种频率的交流电）两部分，逆变器是通过改变晶体管的导通顺序来改变电机的旋转方向的。控制电路是完成对主电路的控制和保护的电路。
已知交流电动机的转速n公式为：
n=60f/p（1-s）；
式中：f—频率；
p—极对数；
s—转差率（0～3%或0～6%）。
由转速公式可见，通过变频器改变三相异步电动机电源频率，可以改变旋转磁通势的同步转速，达到调速的目的。额定频率称为基频，变频调速时，可以从基频向上调（恒功率调速），也可以从基频向下调（恒转距调速）。因此变频调速方式，比改变极对数p和转差率s两个参数简单得多。同时还具有很好的性价比、操作方便、机械特性较硬、静差率小、转速稳定性好、调速范围广等优点，因此变频调速方式拥有广阔的发展前景。
2 变频器的PID控制
2.1 PID控制闭环控制简介
PID 闭环控制是指将被控量的检测信号反馈到变频器，并与被控量的目标信号相比较以判断是否已经达到预定的控制目标。如尚未达到，则根据两者的差值进行调整，直到达到预定的的控制目标为止。变频器的输出频率只根据实际数值与目标值的比较结果进行调整，使被控物理量能够迅速而准确地无限接近于控制目标，变频器输出的频率与被控量之间无对应关系。
变频器的PID控制有两种情况：一种是变频器的内置PID功能，给定信号通过变频器的端子输入，反馈信号也反馈给变频器的控制端，在变频器内部进行PID调节以改变输出频率；另外一种的PID调节器将给定量与反馈量比较好后输出给变频器，加到控制端子作为控制信号。PID 控制功能是变频器应用技术的重要领域之一，也是变频器发挥其卓越效能的重要技术手段。
2.2 系统方案
案例：假如现有一个冶炼的锅炉，由于对冶炼金属质量要求非常高，要求时刻保持恒温，那么我们采取什么方法对炉温进行准确的控制呢？
传统的控制方法是在炉身的四周打开几个通风口，当温度过高就把通风口打开，温度低时就闭，以此来达到控制的目的。这种控制方法虽然简单，但是对于其精密控制要求，不论是在时间上还是在准确性上都还不够理想，冶炼出来的产品在质量上往往达不到最佳。
现代的控制方法是利用变频器的PID闭环的自动控制，PID 控制是利用PI控制的优点组合而成的控制。PI控制由比例（P）和积分（I）组成根据偏差及时间变化，产生一个执行量。PD控制由比例控制（P）和微分控制（D）组成，根据改变动态特性的偏差速率，产生一个执行量。积分控制可以消除静差或减小静差，提高精度；微分控制可以抑制过大的超调量，加快过渡过程。对上述的控制要求可以得到很好的控制效果。
炉的温度主要由与电机相连的风机调节，在锅炉内安装一个温度传感器，温度传感器检测到锅炉的实际温度，然后将其转换成电压信号或电流信号，反馈到变频器的接收端子，使温度反馈值与目标值进行比较，然后得出偏差，根据偏差利用变频器的PID控制功能，使变频器输出适当的频率控制风机的转速，使温度达到预定的目标。这样就可以方便有效及时地对炉温进行控制，简单方便，准确性高。
目标值通常是被测量的实际大小与传感器量程之比的百分数。例如：锅炉的要求温度为60摄氏度，所用温度表量程是0-100摄氏度，则目标值是60%。PID目标值预置可以通过面板输入式由键盘直接给定，也可由外接电位器进行预置，调整方便。
2.3 系统硬件接线图
（1）变频器的PID控制基本原理接线图如图所示
PID控制接线图
（2）控制系统的接线
1）反馈信号的接入 将温度传感器的红线与黑线分别接到+24V电源与负极上，绿线接到变频器4端上，电源负极接到5端子上。
2）目标信号的接入 这里采用电位器输入目标信号的方式，目标信号要接在给定频率的输入端，当 变频器为PID工作方式时，2端就是目标信号。
（3）定义变频器端子功能
定义端子功能参数
参数号 作 用 功 能
Pr.183=14 将RT端子设定为X14的功能 PID控制有效
Pr.184=4 接通电流输入端子AU 电流输入选择
Pr.192=16 从IPF端子输出正反转信号 PID正反转方向显示
Pr.193=14 从OL端子输出下限信号 PID下限
Pr.194=15 从FU端子输出上限信号 PID上限
Pr.128=20 对于温度的控制，PID为负作用。
Pr.129=30 P增益是决定P动作对偏差响应程度的参数，P取大时响应快，取小时响应滞后，但过大产生振荡。
Pr.130=10 I积分时间常数，设定范围为0.1-3600S。积分时间长相应迟缓，对外部扰动控制能力差；积分时间短，响应速度快，会发生振荡。
Pr.131=100% Pr.132=0% PID检测值上限与下限。当设定上、下限时，如果检测值超过此设定范围，就会输出报警信号。检测值为4mA时为0%，20mA为100%的变化量。
Pr.134=3S D微分时间常数，参数值在0.01-10S之间。微分时间常数仅向微分作用提供一个与比例作用相同的检测值，随着时间的增加，偏差改变会有较大的响应。
如上表表1-4，预置PID的调节功能是十分重要的，其内容是变频器的PID调节功能是否有效。预置有效后，其升降过程将完全取决于由P、I、D数据所决定的动态响应过程，而原来的“升速时间”和“降速时间”将不在起作用。
3 结束语
上述的PID控制方法在实际使用过程中节能、环保、控制方便，对于要求较高的控制可以收到很好的效果，为现代企业提高生产效率和产品质量，获得更好的经济效益有十分重要的意义。所以作为一个技术人员，掌握好更新、更先进的设备和应用方法是十分必要的。
参考文献
[1]唐修波，《变频技术及应用》，中国劳动社会保障出版社。
pid控制范文2
关键词：PID控制；模糊控制；Matlab仿真
1 PID控制器的设计
PID控制器传递函数的一般表达式为：Gc（s）=Kp+Ki/s+Kd*s，Kp为比例增益；Ki为积分增益；Kd为微分增益。
PID参数模糊自整定是找出PID中3个参数与e和ec之间的模糊关系，在运行中通过不断检测e和ec，根据模糊控制原理来对3个参数进行在线修改，以满足不同e和ec时对控制参数的不同要求，而使被控对象有良好的动稳态性能。从系统的稳定性、响应速度、超调量和稳态精度等方面来考虑Kp，Ki，Kd的作用如下：
（1）比例系数Kp的作用是：加快系统的响应速度，提高系统的调节精度。Kp越大，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。
（2）积分作用系数Ki的作用是：消除系统的稳态误差。Ki越大，系统的稳态误差消除越快，但Ki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；若Ki过小，将使系统稳态误差难以消除，影响系统的调节精度。
（3）微分作用系数Kd的作用是：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得太大之前，在系统中引入一个有效的早期修正信号，从而加快系统的动作速度，减少调节时间。
2 常规模糊控制器的设计
Matlab中的Simulink仿真图如下：在Matlab的命令窗口输入命fuzzy，进入图形用户界面（GUI）窗口。根据隶属度函数和控制规则，利用模糊推理系统（FIS）编辑器可以建立一个FIS文件。这里模糊推理及其非模糊化方法采MIN-MAX重心法，这里模糊控制器的结构变量取FLC，误差的量化因子Ke取0.6，误差变化的量化因子Kc取0.05控制输出的比例因子Ku取8。利用仿真参数对话框，可以设置相关的仿真参数。采样周期设置为0.5秒。
模糊PID控制根据系统运行的不同状态，考虑e，ec，u三者的关联，根据工程经验设计模糊整定这三个参数，选择输入语言变量为误差e和偏差变化率ec，语言变量值取{NB，NM，NS，0，PS，PM，PB}七个模糊值；选择输出语言变量为u，语言变量值也取{NB，NM，NS，0，PS，PM，PB}七个模糊值，建立三者的模糊规则表如下表1。
控制器的关键是确定三个增益值，在Simulink中搭建PID系统控制模型如图1示。
在MATLAB命令空间输入fuzzy，弹出对话框，然后进行设置，如图2、3、4，设置为两输入一输出结构。
根据经验设置输入输出的隶属度函数，设置完隶属度函数后，按照上述模糊规则表格设置添加模糊规则。（图2）
对比结论：通过上面的仿真，可以看出：在该题中，经典PID控制的超调量比模糊PID控制的超调量要大，但模糊控制存在一定的稳态误差，干扰被大大减弱，传统PID效果更理想。模糊控制器的参数非常难设定，对于给定了数学模型的控制来说，显然常规PID其具有很大的优势，操作简单，参数易于设定。
目前关于PID控制器参数整定的基本方法有离散模型的控制器参数整定、基于Nyquist曲线的控制器参数整定和基于传递函数模型的控制器参数整定。把常规PID控制和模糊控制理论相结合，可以发挥一者的特点和优势，以期实现更好的控制效果。在Simulink下设计不同结构的模糊控制器，在利用FIS编辑模糊控制器的过程中，可以设置不同的论域和语言值，不同形式的隶属度函数及选取根据实际经验和分析而得出的不同情况下的模糊规则表。如何选择变量的合适的隶属度函数、论域和语言值、模糊规则表及控制器的结构，来实现对系统在超量、上升时间、过渡时间及稳定性等方面的最优控制，还可以进一步研究，进行优化。
参考文献
[1]孙亮.MATLAB语言与控制系统仿真[M].北京：工业大学出版社.
[2]王淑青，杨桦，何涛.模糊PID复合控制在变频空调中应用研究[J].微计算机信息，2006，6-1.
[3]全杰，秦世引，段建民.基于Matlab命令方式的模糊控制系统仿真及可视化实现[J].计算机仿真，2002，19（3）：113-114.
[4]刘金坤.先进PID控制及MATLAB仿真（第二版）[M].北京.电子工业出社，2004.
pid控制范文3
【关键词】模糊控制器；pid控制器；模糊pid控制器
一、模糊控制基本原理
1.模糊控制器
模糊控制（Fuzzy Control-FC）又称为模糊逻辑语言变量控制，简称为模糊控制或称为模糊逻辑控制（FLC），是以模糊集合论，模糊语言变量及模糊逻辑推理为基础的计算机智能控制。模糊控制的核心部分为模糊控制器，模糊控制器的控制规则由计算机程序实现。图1为模糊控制原理图。
模糊控制器可分为三个部分组成：
（1）模糊化接口（Fuzzy interface）
模糊控制器的输入必须通过模糊化才能用于控制输出的要求，因此它实际上是模糊控制器的输入接口。它的作用是将真实的确定量输入转换为一个模糊矢量，如下所示：
e=负大，负中，负小，零，正小，正中，正大。
三角形隶属度函数表示如图2所示，NB（负大）、NM（负中）、NS（负小）、Z0（零）、PS（正小）、PM（正中）、PB（正大）。
（2）知识库（Knowledge Base）
知识库包含数据库和规则库
A.数据库（Data Base）
数据库所存放的是所有输入，输出变量的全部模糊子集的隶属度矢量值，在规则推理的模糊关系方程求解过程中，向推理机提供数据。
B.规则库（Rule Base）
模糊控制器的规则是基于专家知识或手动操作员长期经验的积累，是按人的直觉推理的一种语言形式。模糊规则通常由一系列的关系词连接而成，如if-then，else，also，end，or等。
（3）推理与解模糊接口（Interence and Defuzzy-interface）
推理是模糊控制器中，根据输入模糊量，由模糊控制规则完成模糊推理来求解模糊关系方程，并获得模糊控制量的功能部分。推理结果的获得，表示模糊控制的规则推理功能已经完成。但是，获得的结果仍是一个模糊矢量，不能直接用来作为控制量，要作进一步转换，求解清晰的控制量输出，即为解模糊，通常把输出端具有转换功能作用的部分称为解模糊接口。
解模糊的方法常用的有：重心法，最大隶属度法，系数加权平均法，中位数法等。
A.重心法，也称力矩法。它取推理结论模糊集合隶属函数曲线与横坐标轴所围成面积的重心作为代表点。重心法的实质为加权平均法，权值为推理结论模糊集合中各元素的隶属度。
B.最大隶属度法，最大隶属度法时指在推理结论的模糊集合中选取隶属度最大的元素作为精确控制量的方法。
C.系数加权平均法，系数加权平均法是指输出量模糊集合中各元素进行加权平均后输出值作为输出执行量，权系数的选择要根据实际情况确定，不同的权系数决定由不同的响应特性。
D.隶属度限幅元素平均法，隶属度限幅元素平均法是用所确定的隶属度度值对推理结论模糊集合隶属函数曲线进行切割，再对切割后等于该隶属度的所有元素进行平均，用这个平均值作为输出执行量的方法。
E.中位数法，中位数法是全面考虑推理结论模糊集合各部分信息作用的一种方法，即把隶属度函数曲线与横坐标所围成的面积分成两部分，在两部分相等的条件下，将两部分分界点对应的论域元素作为判定结果，这种方法可以充分地利用输出模糊集合所包含的信息。
2.模糊控制器的结构
在确定性控制系统中，根据输入变量和输出变量的个数，可以分为单变量控制系统和多变量控制系统，在模糊控制系统中，也可以类似的划分。
（1）单变量模糊控制器（Single Variable Fuzzy Controller）
在单变量控制系统中，输入变量的个数定义为模糊控制器的维数，一般包括一维模糊控制器，二维模糊控制器，三维模糊控制器等，维数越多，控制系统控制精度也越高。但是维数选择太高，模糊控制规律就过于复杂，基于模糊合成推理的控制算法的计算机实现就越困难，这也是大家设计模糊控制器时，多采用二维控制器的原因。
（2）多变量模糊控制器（Multiple Var-iable Fuzzy Controller）
多变量模糊控制器，具有多变量结构。直接设计一个多变量模糊控制器是相当困难的，可利用模糊控制器本身的解耦特点，通过模糊关系方程分解，在控制器结构上实现解耦，即将一个多输入多输出的模糊控制器，分解成若干个多输入单输出模糊控制器，采用单变量模糊控制器方法设计。
二、模糊pid控制
在一般的模糊控制系统中，考虑到模糊控制器实现的简易性和快速性，采用单变量二维模糊控制的结构形式，方便计算。用浮选液位值和输入值的差值E，和它的差值变化EC为输入语句变量，因此它具有类似于常规pd控制的作用，采用该类模糊控制器的系统可能获得良好的动态响应特性，而静态性能不能令人满意。由线性控制理论可知，积分控制作用能消除稳态误差，但动态响应慢，比例控制作用动态响应快，而比例积分控制作用既能获得较高的稳态精度，又能具有较高的动态响应。因此，把PI控制策略引入Fuzzy控制器，构成Fuzzy-PI，或说是Fuzzy-PID复合控制，是改善模糊控制器稳态性能的一种途径。
目前采用这种复合控制器有多种控制形式，其中包括，具有积分项的模糊控制器，混合型模糊PID控制器，误差e模糊积分的PID模糊控制器，Fuzzy-PID开关切换控制，Smith-Fuzzy控制器，设定值迁移模糊PID控制器。
采用混合型模糊PID算法，将常规液位控制PID和二维液位模糊器相并联而成。常规PI控制器输出为u1和二维模糊控制器u2相叠加，作为混合型模糊PID控制器的总输出。
即：U=ul+u2
控制图如图3所示。
三、总结
PID控制器和模糊控制器的有机结合扬长避短，既保证了系统的稳态性能，又使得系统具有满意的动态性能，尤其适合特定复杂系统的各项指标要求，对生产需要稳定的工艺参数有着重大的意义。
本系统应用在选矿工业控制过程中获得了良好的控制效果。
参考文献
[1]陶永华.新型PID控制及其应用[M].机械工业出版社，2005.
pid控制范文4
【关键词】主汽温度控制 模糊控制 PID控制 火电厂
随着我国电力行业的飞速发展，大容量火电机组已成为电网的骨干，为保证机组正常安全运行。 对机组提出了更高的自动化要求。 由于单元滞后大、惯性大、非性等特性，传统的控制方式不能满足电网的要求，采用先进的智能控制策略来代替传统的控制策略，已成为电厂过程控制的发展趋势。
智能控制理论和计算机通信技术相关学科的发展，使智能控制在火电厂主蒸汽温度过程控制中发挥着越来越重要的作用。本文的目的是研究一种新的智能控制系统及其在温度控制中的应用。 具有一定的理论意义和工程实用价值。
1 火电厂主汽温控制系统概述
现代锅炉过热器工作条件是高温高压。锅炉出口过热蒸汽温度是汽水运行过程中整个系统最高温度，影响着火电厂的安全经济运行。当主蒸汽温度的测量值等于设定值，液压阀不动作，系统处于动态平衡。此时，如果炉膛燃烧室条件变化使温度上升，导致测量值与给定值出现偏差，通过控制器判断偏差的方向，产生控制信号，使喷水阀以适当的方式打开。测量值返回到设定值，系统恢复平衡。
2 模糊PID控制器的设计
火力发电厂主蒸汽温度控制系统控制对象具有大滞后、大惯性的特点。典型的PID只能由一组固定控制参数控制，对动态性能与静态性能、设定值和扰动之间的矛盾无法解决。 模糊控制方法可以有效克服复杂系统的非线性和不确定性。 然而，模糊控制系统的控制效果非常粗糙，使得稳态控制精度较低。 模糊控制结合常规PID控制技术，可以根据初始PID参数校正提高主蒸汽温度控制系统的动态性能。 模糊自适应PID控制基于偏差e和偏差率ec作为输入，可以满足不同时间PID参数自整定的要求。 模糊PID控制系统的结构如图1所示。
3 模糊PID控制器仿真研究
根据专家经验和实际情况，当|e|较大时，为了使系统具有良好的快速跟踪性能，应把kp取大一些，kd取小一些，同时，针对积分进行限制，避免超调量大，通常为零；当|e|中等大小，为了避免大的超调，kp应取得小一些，各变量取值适度；当|e|很小时，kp和ki要大，为了避免设定点附近振荡，kd值非常重要，通常取中等值。 如图2所示，是模糊自适应PID和常规PID仿真比较图。 通过模糊自适应PID的输入偏差和偏差率自动调节PID参数，从而达到良好的控制效果。 模糊自适应PID可以提高系统的动态性能和稳态精度。 PID控制稳态输出值为0.99979，模糊自适应PID控制输出值为0.99996。从仿真图。 使用模糊自适应PID控制器控制高精度控制系统是一个很好的选择。
4 结论
模糊控制结合常规PID控制，完成模糊自适应PID控制器的设计。 仿真表明，模糊自适应PID控制在火电厂主蒸汽温度控制系统中效果良好。 控制效果优于常规PID控制策略，可适应参数变化，显示出良好的控制品质，具有很强的鲁棒性和适应性。 有效提高系统的稳定性。 模糊PID控制器的研究，有很多工作要做，如多变量模糊PID控制等。
参考文献
[1]付旭，丁建设，潘军民，周宇阳，白强. 基于模型预测控制的火电厂主蒸汽温度优化[J].电气技术，2014（01）.
[2]王勇.锅炉侧主蒸汽温度值比汽机侧主蒸汽温度值偏低的原因分析及解决方法[J].机电信息，2014（27）.
pid控制范文5
【关键词】微型四旋翼;姿态控制;串级PID控制
引言
微型四旋翼无人机是一种能够适应多种复杂环境的无人飞行器，相比传统的固定翼飞行器，微型四旋翼无人机结构简单，动作灵活[1-3]。可在复杂地形环境中或者比较狭小的空间中使用，该飞行器在搜救、航拍和侦察等方面具有广阔的应用前景[4-8]。
本文针对微型四旋翼飞行器研究设计了基于的串级PID控制算法的姿态控制系统，并在软件上编程实现，利用飞行测试验证控制算法和控制系统的有效性和可靠性。
1.微型四旋翼飞行器系统组成
本文研究对象为“X”四旋翼飞行器，其系统组成主要包括旋翼电机及驱动模块、姿态检测模块、无线遥控模块等几部分组成。
图1 四旋翼飞行机器人系统结构图
主控器选用STM32F405RG芯片，通过NRF24L01接收控制命令，并采集姿态传感器数据进行飞行器姿态解算，输出4路PWM信号控制4个微型电机转速以实现对飞行器姿态的调整。
2.基于串级PID算法的飞控设计
由于四旋翼飞行无人机控制系统为数字控制系统，所以采用串级PID控制时，选用数字PID。数字式PID控制器有位置式PID控制算法和增量式PID控制算法两种形式，此处采用增量式PID控制算法，其表达式为：
（1）
其中，kp、kI、kD分别为控制器比例系数、积分系数和微分系数，u（k）是第k次采样时刻计算的PID输出值，e（k）是第k次采样时刻控制器输入的偏差。
，。
四旋翼飞行器每一时刻的姿态可分解为横滚角、俯仰角和偏航角，针对每一个自由度，都是一个二阶系统。如式2所示，对这三个角度分别采用PID控制，这样就可以将复杂的非线性多变量输入多变量输出控制问题简化为两变量输入单变量输出问题。
（2）
其中P1、P2、P3、P4分别代表控制电机M1、M2、M3、M4的驱动器所需的PWM值，P4表维持四旋翼飞行器飞行高度所需升力的PWM值，可由遥控输入或者自动高度修正，、、分别代表修正航向角偏差、俯仰角偏差和横滚角偏差及其变化率所需的PWM值，最后还需要将得到的PWM值限制在电机驱动器能接受的范围内。
、、采用串级PID控制算法计算，内回路为角速度控制回路，外回路为角度控制回路。三个角度的控制规律一致，以俯仰角控制为例，如下图所示，其中表示为控制飞行器的目俯仰角，和分别是飞行器当前的俯仰角和俯仰角速度。是外环PID控制器的输出值，是内环PID控制器的输出值，即。
图2 串级PID控制器框图
即首先求得四旋翼飞行侦察机器人姿态误差信号（即当前获得的姿态数据和给定姿态数据的差值）和误差率，然后通过串级PID算法求得对每个电机的调整量，将调整信号传递给四个旋转电机，改变电机转速调整整个系统的受力情况，实现对飞行器的姿态控制，使其姿态误差始终趋近于最小化，形成双级闭环回路控制。
飞控系统接通电源后，开始进行初始化，包括通信初始化、PWM初始化、角度初始化和角速度初始化。然后等待接收遥控命令，在确认接收到控制命令后，开始对姿态信息进行采集和处理，通过串级PID算法调整PWM输出从而调整姿态，使姿态误差短时间内到达最小值并保持稳定。控制算法程序流程图如图3所示。
图3 控制主程序流程图
3.系统测试
为检验本文设计的控制系统的有效性，特设计如下实验对系统控制性能参数进行测试。
修改程序使姿态估计任务解算出的姿态以100ms的周期通过无线发送给上位机，总共测量50s。图4是悬浮时的横滚角变化，从图中可以看出飞行器悬浮时横滚角变化小于2.5度。图5是悬浮时俯仰角变化，从图中可以看出其变化小于2.5度。图6是悬浮时偏航角变化，从图中可以看出其变化小于3度。
图4 横滚角悬停测试图
图5 俯仰角悬停测试图
图6 偏航角悬停测试图
四旋翼飞行器的在空中的飞行姿态比较复杂，因此为便于测量姿态，先进行自由度受限的系留试验，将一碳纤维细杆固定在飞行器载体坐标系的Y轴上，则可以限制飞行器的位移、偏航、横滚，只测试俯仰角变化。同理可只测横滚角变化。以俯仰角测试为例，修改测试程序每隔20ms发送一次目标俯仰角和姿态估计出的俯仰角，测试结果如图7所示，图中黑线是目标俯仰角，红线是姿态估计出的俯仰角。从图中可以看出本设计的串级PID控制算法可以快速跟踪目标姿态，跟踪误差小于2度，调节时间小于1s。
图7 系统动态控制性能测试图
对系统进行室内飞行测试，经过多次测试，该系统均能可靠飞行，并能够完成垂直起降、悬停、前进、后退、横滚、转弯等动作。
图8 系统进行实际飞行测试
4.结论
本文针对微型四旋翼无人机这一典型的多变量、非线性、强耦合、欠驱动运动系统，采用串级PID算法对无人机姿态进行控制，飞行实验和测试验证了控制系统的稳定性、可靠性和有效性，满足飞行姿态的控制要求，既克服了传统PID 精度不高的不足，又避免了因使用其它智能算法带来的编程复杂性，为无人机姿态控制提供了一条新思路。
参考文献
[1]Zhang R，Quan Q， Cai K Y.Attitude control of a quadrotor aircraft subject to a class of time-varying disturbances[J].IET Control Theory Applications，2011，5（9）：1140?1146.
[2]Zuo Z.Trajectory tracking control design with command-filtered compensation for a quadrotor[J].IET Control Theory Applications，2010，4（11）：2343?2355.
[3]黄溪流.一种四旋翼无人直升机飞行控制器的设计[D].南京：南京理工大学，2011.
[4]彭贞慧.四旋翼无人直升机控制系统设计[D].南京：南京理工大学，2010.
[5]李尧.四旋翼飞行器控制系统设计[D].大连：大连理工大学，2013：2-10.
[6]Ivan Gonzalez，Sergio Salazar，Rogelio Lozano and Juan Escareno.2013-Real-Time Altitude Robust controller for a Quad-rotor aircraft[J].ICUAS， 2013， 650-660.
[7]张浩，任芊.基于人工视觉的四旋翼飞行器室内定位与控制[J].兵工自动化，2013，32（1）：28?31.
[8]段国强.四旋翼无人直升机仿真及控制方法比较研究[D].哈尔滨：哈尔滨工业大学，2013：3?4.
pid控制范文6
【关键词】BP神经网络；PID控制；直流电机调速系统
1.引言
PID控制以其算法简单，鲁棒性好和可靠性高等优点，广泛地应用于工业生产当中，成为衡量各行各业现代化水平的一个重要标志。随着科学技术的发展，生产工艺的日益复杂化，生产系统具有非线性，时变不确定性，在实际生产中，常规PID控制器参数往往整定不良、性能欠佳，对运行工况的适应性很差[1]。
BP神经网络具有良好的自学习、自适应能力和鲁棒性，可以用来处理高维、非线性、强耦合和不确定性的复杂控制系统。本文结合BP神经网络的优点和传统PID控制的优势，对PID控制器进行优化，使其具有很强的自适应性和鲁棒性。通过对直流电机调速系统仿真，结果表明，这种方法是有效的。
2.PID控制原理
PID是工业生产中最常用的一种控制方式，PID调节器是一种线性调节器，它将给定值r（t）与实际输出值c（t）的偏差的比例（P）、积分（I）、微（D）通过线性组合构成控制量，对控制对象进行控制。传统的PID控制系统原理框图如图2.1所示，系统主要由PID控制器和被控对象组成。它根据给定值rin（t）与实际输出值yout（t）构成控制偏差额e（t）：
图2.1为PID控制系统原理框图。
3.基于BP神经网络的PID整定原理
PID控制要取得好的控制效果，就必须通过调整好比例、积分和微分三种控制作用在形成控制量中相互配合又相互制约的关系，这种关系不一定是简单的“线性组合”，而是从变化无穷的非线性组合中找出最佳的关系[2]。BP神经网络具有良好的自学习、自适应能力和鲁棒性，将PID和BP神经网络结合起来，建立参数自学习的PID控制器。其结构如图3.1所示。
经典增量式数字PID的控制算式为：
式中，是与、、、u（k-1）、y（k）等有关的非线性函数，可以用BP神经网络通过训练和学习找到这样一个最佳控制规律。
假设BP神经网络NN是一个三层BP网络，其结构如图3.4所示，有M个输入节点、Q个隐层节点、三个输出节点。输出节点分别对应控制器的三个可调参数，，。其激发函数为非负的Sigmoid函数。而隐含层的激发函数可取正负对称的Sigmoid函数。
神经网络的前向算法如下：设PID神经网络有M个输入，3个输出（，，），上标（1）（2）（3）分别代表输入层、隐含层和输出层，该PID神经网络在任意采样时刻k的前向计算公式（3-3）如下所述：
基于BP神经网络PID控制算法可以归纳为：①选定BPNN的结构，即选定输入层节点数M和隐含层节点数Q，并给出各层加权系数的初值，选定学习速率和惯性系数；②采样得到和，计算；③对进行归一化处理，作为BPNN的输入；④计算BPNN的各层神经元的输入和输出，输出层的输出即为PID控制器的3个参数，，；⑤计算PID控制器的输出，参与控制和计算；⑥计算修正输出层的加权系数；⑦计算修正隐含层的加权系数：⑧置，返回②[3]。
4.仿真实例
仿真试验中所用的直流电机参数Pnom =10kw，nom=1000r/min，Unom=220V，I=55A，电枢电阻Ra=0.5Ω，V-M系统主电路总电阻R=1Ω，额定磁通下的电机电动势转速比=0.1925V.min/r，电枢回路电磁时间常数Ta=0.017s，系统运动部分飞轮距相应的机电时间常数Tm=0.075，整流触发装置的放大系数=44，三相桥平均失控时间Ts=0.00167s，拖动系统测速反馈系数=0.001178V.min/r，比例积分调节器的两个系数T1=0.049s，T2=0.088s。BP神经网络的结构采用4-5-3，学习速率和惯性系数，加权系数初始值取区间[-0.5，0.5]上的随机数。利用simulink模块建立模型如图4.1所示。
从上面的仿真结果中，进行比较分析后，可以得出常规PID控制系统BP神经网络PID控制系统两者对于在零时刻加幅度为1的阶跃信号，它们有着不同响应曲线。为了便于比较，可以将两者的响应结果列表，见表4.1。
5.结论
由仿真结果可知，BP神经网络控制系统的最大超调量和调整时间均比常规PID控制系统的最大超调量要小。这说明利用BP神经网络对PID控制器进行优化具有有良好的自学习、自适应能力和鲁棒性，在工业生产中，具有更高的价值。
参考文献
[1]王敬志，任开春，胡斌.基于BP神经网络整定的PID控制[J].工业控制计算机，2011（3）：72-75.
