fuzzy_control.m

一个用Visual C语言编写的PID控制程序

function f2=fuzzy_control(InputVector)
%函数实现模糊控制
%在线控制
%被控系统建模,系统的控制对象为K*esp(tds)/(T1s+1)(T2s+1)
num=20; 
den=conv([2 1],[3 1]); 
td=0.01;
[a1,b,c,d]=tf2ss(num,den); %把拉氏变换转换为状态方程 a1为系统状态阵，由系统参数决定；
                            %b为系统输入阵；c为输出阵；d为直接输出阵；
                            % x^=a1*x+b*u;  
                            % y=c*x+d*u;  y为输出向量
x=[0;0];

%系统参数
T=0.01; %采样时间间隔
h=T;
Nd=td/T; %系统的纯延时
N=1000; 
R=ones(1,N);%系统的参考输入   
    %采用模糊控制器的二阶系统仿真
    e=0;
    de=0;    
    %量化因子,对系统的静、动态性能有重要影响.增大Ke，相当于缩小误差的基本论域，增强误差的控制作用，导致上升速率加大，超调增大;
    %减小Ke，会使系统调节惰性变大;Kec(kd)增大，将增加系统稳定性，但Kec(kd)过大将导致系统的过渡过程时间变长，而Kec(kd)过小可能考之过大的超调和振荡;
    %Ku相当于系统总的放大倍数，Ku增大系统响应速度增大，但过大会产生超调，Ku过小，系统稳态精度变差。
    ke=30; %30 
    kd=3; %20，量化因子
    ku=1.2; %，量化因子
  for k=1:N
        %输入变量变换至论域
        e1=round(ke*e);     %x0
        de1=round(kd*de);   %y0
       if e1>=6
          e1=6;
       elseif e1<=-6
            e1=-6;
       end
       if de1>=6
          de1=6;
       elseif de1<=-6
            de1=-6;
       end
    e1 = e1 + 7;
    de1 = de1 + 7;
    out=InputVector(e1,de1);  %调用函数计算模糊控制输出 z0
    uu(1,k)=ku*out; %Ku相当于系统总的放大倍数
    
    %延迟环节
    if k<=Nd
       u=0;
    else
       u=uu(1,k-Nd);
    end

    %控制作用于被控系统，计算系统输出，采用龙格－库塔法 解一阶微分方程
    %初始条件为x=x[0]时,y＝y[0]
    %u为输入矩阵
    %a1为系统状态阵，由系统参数决定；
    %b为系统输入阵；c为输出阵；d为直接输出阵；
    % x^=a1*x+b*u; x^为状态向量
    % y=c*x+d*u;  y为输出向量
    
    k0=a1*x+b*u;
    k1=a1*(x+h*k0/2)+b*u;
    k2=a1*(x+h*k1/2)+b*u;
    k3=a1*(x+h*k2)+b*u;
    x=x+(k0+2*k1+2*k2+k3)*h/6;
    
    y=c*x+d*u;      

    %计算系统输出误差及误差倒数
    e1=e;
    e=R(1,k)-y;  
    de=(e-e1)/T;  
    yy(1,k)=y;
  end
 
  %------------------------------------------------------------------------
   
   %典型二阶环节的控制输出曲线
   kk=[1:N]*T;
   figure(2);
 %  plot(kk,R,'k',kk,yy,'r');
   plot(kk,R,'k',10,2,'r');
   xlabel('时间（0.01秒）');ylabel('输出');