CN110308647B - 含误差积分输入项的无人机三段式模糊pid控制方法 - Google Patents
含误差积分输入项的无人机三段式模糊pid控制方法 Download PDFInfo
- Publication number
- CN110308647B CN110308647B CN201910516578.5A CN201910516578A CN110308647B CN 110308647 B CN110308647 B CN 110308647B CN 201910516578 A CN201910516578 A CN 201910516578A CN 110308647 B CN110308647 B CN 110308647B
- Authority
- CN
- China
- Prior art keywords
- error
- control
- fuzzy
- value
- controller
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000005484 gravity Effects 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000013459 approach Methods 0.000 abstract description 5
- 230000010355 oscillation Effects 0.000 abstract description 3
- 238000004088 simulation Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 229910001374 Invar Inorganic materials 0.000 description 1
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 1
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011423 initialization method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种含误差积分输入项的无人机三段式模糊PID控制方法。该方法为:首先建立包含误差积分输入项的模糊控制器、三段式修正器和PID控制器,模糊控制器根据控制误差、误差的微分和误差的积分三个输入参数建立有关Kp、Ki和Kd的模糊规则库;然后参照模糊规则库,利用重心法进行解模糊,得到三段式修正器的输入值α、β、γ,三段式修正器根据系统实时控制误差,并结合输入参数,对参数P、I、D进行调节;最后将调节完成后的参数P、I、D传给PID控制器,PID控制器将控制值输出至被控对象进行控制。本发明降低了无人机控制系统的振荡误差与稳态误差,减少了控制系统逼近控制目标值的时间,提高了无人机控制系统的控制性能。
Description
技术领域
本发明涉及无人机模糊自适应PID控制技术,特别是一种含误差积分输入项的无人机三段式模糊PID控制方法。
背景技术
无人机模糊自适应PID控制是在PID算法的基础上,以误差和误差的微分作为输入,利用模糊规则进行模糊推理,查询模糊矩阵表进行参数调整,来满足不同时刻的误差和误差的微分对PID参数自整定的要求。一般来说,在对三阶线性系统的控制中,利用稳定边界法进行参数整定的经典PID控制的超调量比模糊自适应PID控制的超调量要大,但模糊PID控制存在一定的稳态误差,因而解决模糊控制引起的稳态误差问题成为其首要问题。在三输入模糊控制PID算法中,以误差的二次微分作为输入变量,相比于二维模糊控制PID算法并不能很好地解决稳态误差问题。
在文献1(电液位置伺服系统的三维模糊PID控制,殷增振,尹志宏,徐兆红,范文冲,《机械》,2005(03))中,将误差、误差的微分与误差的二次微分作为输入参数,一定程度上优化了控制效果,但还存在较明显的稳态误差。文献2(基于智能积分因子的三维模糊控制器及其应用,王昌,李天石,黎晖,《机床与液压》,2004(04))中,引入误差的积分变量,优化了稳态误差问题,但其在稳定状态下存在一定的振荡问题。
发明内容
本发明的目的在于提供一种能够降低稳态误差、减少控制系统逼近控制目标值的时间、提高无人机控制性能的无人机三段式模糊PID控制算法。
实现本发明目的的技术解决方案为:一种含误差积分输入项的无人机三段式模糊PID控制方法,其特征在于,包括以下步骤:
步骤1、建立包含误差积分输入项的模糊控制器、三段式修正器和PID控制器;
步骤2、模糊控制器根据控制误差、误差的微分和误差的积分三个输入参数建立有关Kp、Ki和Kd的模糊规则库;
步骤3、参照模糊规则库,利用重心法进行解模糊,得到三段式修正器的输入值α、β和γ;
步骤4、三段式修正器根据系统实时控制误差,并结合输入参数,对参数P、I、D进行调节;
步骤5、将调节完成后的参数P、I、D传给PID控制器,PID控制器将控制值输出至被控对象进行控制;
其中,所述P为PID控制器的比例系数,I为PID控制器的积分系数,D为PID控制器的微分系数,Kp'、Ki'和Kd'分别为P、I、D参数的预设初始值,Kp、Ki、Kd分别为修正后的Kp'、Ki'、Kd'值;α为模糊控制器参数P解模糊后的值,β为模糊控制器参数I解模糊后的值,γ为模糊控制器参数D解模糊后的值。
进一步地,步骤2中所述的建立有关Kp、Ki和Kd的模糊规则库,具体如下:
模糊控制器对传统无人机模糊PID控制所用的以误差与误差的微分所构建二维模糊规则库进行升维,以误差、误差的微分与误差的积分构建模糊规则库,形成三维模糊规则库。
进一步地,步骤2中所述的模糊控制器,将输入变量的隶属度值减少至3个,形成3*3*3的控制规则库,但仍然保持输出变量Kp'、Ki'、Kd'的隶属度值为7个。
进一步地,步骤4所述的三段式修正器根据系统实时控制误差,并结合输入参数,对参数P、I、D进行调节,具体如下:
三段式修正器进行修正计算后,输出PID控制器所需输入参数P、I、D,公式如下:
Δ0=g0-s0
Δ=g-s
Δ1∈(-0.3Δ0,-0.01Δ0)
Δ2∈(0.01Δ0,0.3Δ0)
P=Kp+Kp*α
I=Ki+Ki*β
D=Kd+Kd*γ
式中:g为控制目标值,s为测量值,控制误差Δ为控制目标值g与测量值s的差值;g0为控制初始目标值,s0为初始测量值,Δ为实时控制误差,初始控制误差Δ0为控制初始目标值g0与初始测量值s0的差值;Δ1为误差阀值1,Δ2为误差阀值2,误差阀值1Δ1和误差阀值2Δ2为根据初始控制误差Δ0在确定范围内选定的值;P为PID控制器的比例系数,I为PID控制器的积分系数,D为PID控制器的微分系数,Kp'、Ki'和Kd'分别为P、I、D参数的预设初始值,Kp、Ki、Kd分别为修正后的Kp'、Ki'、Kd'值;α为模糊控制器参数P解模糊后的值,β为模糊控制器参数I解模糊后的值,γ为模糊控制器参数D解模糊后的值,f11(Δ)、f12(Δ)、f13(Δ)、f21(Δ)、f22(Δ)、f23(Δ)、f31(Δ)、f32(Δ)、f33(Δ)为Kp、Ki、Kd对Kp'、Ki'、Kd'关于实时控制误差Δ的函数;
当Δ1≤Δ2时,三段式修正器算法的分段计算公式为:
当Δ1>Δ2时,三段式修正器算法的分段计算公式为:
三段式修正器中的修正函数f11(Δ)、f12(Δ)、f13(Δ)、f21(Δ)、f22(Δ)、f23(Δ)、f31(Δ)、f32(Δ)、f33(Δ)有两种实现方法:一种是设置为与Δ无关的常量,另一种是设置为实时变量Δ的函数。
本发明与现有技术相比,其显著优点在于:(1)改善了控制系统的振荡误差和稳态误差,降低了控制系统中的稳态误差问题,稳态误差从1%降低至4‰以下;(2)使控制系统逼近控制目标值的时间减少了20%以上,提高了无人机控制系统或类似控制系统的控制性能;(3)充分发挥了模糊控制的优点,简化了控制流程的复杂度。
附图说明
图1是本发明含误差积分输入项的无人机三段式模糊PID控制方法流程图。
图2是本发明实施例中简化模糊规则示意图。
图3是本发明实施例中系统阶跃响应曲线图。
图4是本发明实施例中三变量模糊规则示意图。
图5是本发明实施例中无人机三输入量模糊自适应PID控制仿真模型的结构示意图。
具体实施方式
本发明含误差积分输入项的无人机三段式模糊PID控制方法,包括以下步骤:
步骤1、建立包含误差积分输入项的模糊控制器、三段式修正器和PID控制器;
步骤2、模糊控制器根据控制误差、误差的微分和误差的积分三个输入参数建立有关Kp、Ki和Kd的模糊规则库;
步骤3、参照模糊规则库,利用重心法进行解模糊,得到三段式修正器的输入值α、β和γ;
步骤4、三段式修正器根据系统实时控制误差,并结合输入参数,对参数P、I、D进行调节;
步骤5、将调节完成后的参数P、I、D传给PID控制器,PID控制器将控制值输出至被控对象进行控制;
其中,所述P为PID控制器的比例系数,I为PID控制器的积分系数,D为PID控制器的微分系数,Kp'、Ki'和Kd'分别为P、I、D参数的预设初始值,Kp、Ki、Kd分别为修正后的Kp'、Ki'、Kd'值;α为模糊控制器参数P解模糊后的值,β为模糊控制器参数I解模糊后的值,γ为模糊控制器参数D解模糊后的值。
进一步地,步骤2中所述的建立有关Kp、Ki和Kd的模糊规则库,具体如下:
模糊控制器对传统无人机模糊PID控制所用的以误差与误差的微分所构建二维模糊规则库进行升维,以误差、误差的微分与误差的积分构建模糊规则库,形成三维模糊规则库。
进一步地,步骤2中所述的模糊控制器,将输入变量的隶属度值减少至3个,形成3*3*3的控制规则库,相对于传统7*7*7的三维模糊控制器,大大减少了控制方法的运算量,但仍然保持输出变量Kp'、Ki'、Kd'的隶属度值为7个,这在一定程度上保证了系统的控制精度。
进一步地,其特征在于,步骤4所述的三段式修正器根据系统实时控制误差,并结合输入参数,对参数P、I、D进行调节,具体如下:
三段式修正器进行修正计算后,输出PID控制器所需输入参数P、I、D,公式如下:
Δ0=g0-s0
Δ=g-s
Δ1∈(-0.3Δ0,-0.01Δ0)
Δ2∈(0.01Δ0,0.3Δ0)
P=Kp+Kp*α
I=Ki+Ki*β
D=Kd+Kd*γ
式中:g为控制目标值,s为测量值,控制误差Δ为控制目标值g与测量值s的差值;g0为控制初始目标值,s0为初始测量值,Δ为实时控制误差,初始控制误差Δ0为控制初始目标值g0与初始测量值s0的差值;Δ1为误差阀值1,Δ2为误差阀值2,误差阀值1Δ1和误差阀值2Δ2为根据初始控制误差Δ0在确定范围内选定的值;P为PID控制器的比例系数,I为PID控制器的积分系数,D为PID控制器的微分系数,Kp'、Ki'和Kd'分别为P、I、D参数的预设初始值,Kp、Ki、Kd分别为修正后的Kp'、Ki'、Kd'值;α为模糊控制器参数P解模糊后的值,β为模糊控制器参数I解模糊后的值,γ为模糊控制器参数D解模糊后的值,f11(Δ)、f12(Δ)、f13(Δ)、f21(Δ)、f22(Δ)、f23(Δ)、f31(Δ)、f32(Δ)、f33(Δ)为Kp、Ki、Kd对Kp'、Ki'、Kd'关于实时控制误差Δ的函数;
当Δ1≤Δ2时,三段式修正器算法的分段计算公式为:
当Δ1>Δ2时,三段式修正器算法的分段计算公式为:
三段式修正器中的修正函数f11(Δ)、f12(Δ)、f13(Δ)、f21(Δ)、f22(Δ)、f23(Δ)、f31(Δ)、f32(Δ)、f33(Δ)有两种实现方法:一种是设置为与Δ无关的常量,另一种是设置为实时变量Δ的函数。
下面结合附图及具体实施例对本发明作进一步详细说明。
实施例
结合图1,本发明一种含误差积分输入项的无人机三段式模糊PID控制方法,包括以下步骤:
步骤1、建立包含误差积分输入项的模糊控制器、三段式修正器和PID控制器,结合图1,所述模糊控制器、三段式修正器、PID控制器与被控对象和测量变送器一起组成三段式模糊PID控制系统。
步骤2、模糊控制器根据控制误差、误差的微分和误差的积分三个输入参数建立有关Kp、Ki和Kd的模糊规则库;
被控对象的输出值通过测量变送器与控制目标值作运算,解算出控制误差、误差的微分与误差的积分值,并将这三个变量传输给模糊控制器;
模糊控制器输入参数为控制误差、误差的微分与误差的积分,解模糊后的模糊控制器输出结果α、β和γ是三段式修正器的输入量;
在建立模糊控制器之前,为达到最为理想的效果,需要对Kp'、Ki'和Kd'进行初始化,初始化方法与传统PID参数调节一致,具体为:在输出不振荡时,尽可能增大比例增益Kp',最后取Kp'值的百分之70;在输出不振荡时,尽可能减小积分时间常数Ki',最后取Ki'值的百分之130;在输出不振荡时,尽可能增大微分时间常数Kd',最后取Kd'值的百分之30。在本次仿真中分别取Kp'、Ki'和Kd'的值为1、0.01和0.01。
接着对参数Kp、Ki和Kd的隶属度进行简化。以下将Kp为例,图2是根据目前公认的误差与误差变化率的隶属表简化而得的Kp的隶属表,其中误差E与误差的微分Ed只有三个隶属度NB、ZO、PB,本发明中误差E的隶属度表示-1、0和1,误差微分的隶属度表示-1,0和1,表中数值为对应的Kp的隶属度值-NB、NM、MS、ZO、PS、PM、PB(分别对应的值为-1、-2/3、-1/3、0、1/3、2/3、1)。为建立包含误差积分项的三维模糊规则库,需要对上述模糊规则库进行升维,以P的隶属度表改进为例,如图3所示,以E=NB,ED=ZO为例,此时被控制量处于图5所示的A点处。当EI处于NB时,表示积分值偏小,需要尽快回调至标准值,因而将Kp的隶属值调为PB。同理当EI为ZO、PB时,将Kp的隶属度值调为PM、PS,本发明中误差积分的隶属度具体为-1.5,-1与-0.5。其余Kp的隶属度值如图4所示。Ki和Kd的隶属度表同样根据上述方法建立起包含误差积分项的隶属度表,使用Kp、Ki、Kd的隶属度表构建模糊控制器的模糊规则库。
步骤3、参照模糊规则库,利用重心法进行解模糊,得到三段式修正器的输入值α、β和γ;
参考模糊规则表,找出控制误差、误差的微分与误差的积分在模糊规则表中的位置,再利用重心法进行解模糊。以对Kp值解模糊为例,当控制误差E处于-1与0之间,误差的微分值处于-1与0之间,误差的积分值处于-1.5与-1之间时,参照图4,可知此时Kp的隶属度取值范围如虚线框内所示;然后对Kp解模糊得到α的值,当Kp的隶属度为如图中所示PB(即值为1)时,E、EI与Ed的隶属度均为NB,计算方法为:
Kp(PB)=(E+1)*(Ei+1)*(Ed+1.5)/0.5*(-1)
同样将Kp的其他七个隶属度对应的值求出来,最后相加得到解模糊后的值α。同理求出Ki和Kd解模糊后的值β和γ,并将这第三个参数传入三段式修正器中。
步骤4、三段式修正器根据系统实时控制误差,并结合输入参数,对参数P、I、D进行调节;
三段式修正器进行修正计算后,输出PID控制器所需输入参数P、I、D,公式为:
Δ0=g0-s0
Δ=g-s
Δ1∈(-0.3Δ0,-0.01Δ0)
Δ2∈(0.01Δ0,0.3Δ0)
P=Kp+Kp*α
I=Ki+Ki*β
D=Kd+Kd*γ
式中:g为控制目标值,s为测量值,控制误差Δ为控制目标值g与测量值s的差值;g0为控制初始目标值,s0为初始测量值,Δ为实时控制误差,初始控制误差Δ0为控制初始目标值g0与初始测量值s0的差值;Δ1为误差阀值1,Δ2为误差阀值2,误差阀值1Δ1和误差阀值2Δ2为根据初始控制误差Δ0在确定范围内选定的值;P为PID控制器的比例系数,I为PID控制器的积分系数,D为PID控制器的微分系数,Kp'、Ki'和Kd'分别为P、I、D参数的预设初始值,Kp、Ki、Kd分别为修正后的Kp'、Ki'、Kd'值;α为模糊控制器参数P解模糊后的值,β为模糊控制器参数I解模糊后的值,γ为模糊控制器参数D解模糊后的值,f11(Δ)、f12(Δ)、f13(Δ)、f21(Δ)、f22(Δ)、f23(Δ)、f31(Δ)、f32(Δ)、f33(Δ)为Kp、Ki、Kd对Kp'、Ki'、Kd'关于实时控制误差Δ的函数;
当Δ1≤Δ2时,三段式修正器算法的分段计算公式为:
当Δ1>Δ2时,三段式修正器算法的分段计算公式为:
其中,三段式修正器中的修正函数f11(Δ)、f12(Δ)、f13(Δ)、f21(Δ)、f22(Δ)、f23(Δ)、f31(Δ)、f32(Δ)、f33(Δ)有两种实现方法:一种是设置为与Δ无关的常量,另一种是设置为实时变量Δ的函数。
设置为与Δ无关的常量,当Δ1≤Δ2时,上式具体实现为:
依据实时的控制误差Δ来修正Kp的值,并将α、β和γ的值一同传入以下公式,完成P、I、D控制参数的计算:
P=Kp+Kp*α
I=Ki+Ki*β
D=Kd+Kd*γ
步骤5、将调节完成后的参数P、I、D传给PID控制器,PID控制器将控制值输出至被控对象进行控制;
PID控制器根据参数P、I、D解算出控制量,输出控制量u,实现对系统的控制,公式为:
根据仿真结果显示,系统的稳态误差控制在4‰左右,且系统逼近目标值的时间也缩短了20%左右。
结合图1~图5,本实施例一种含误差积分输入项的无人机三段式模糊PID控制方法,将三段式修正器中的修正函数,f11(Δ)、f12(Δ)、f13(Δ)、f21(Δ)、f22(Δ)、f23(Δ)、f31(Δ)、f32(Δ)、f33(Δ)设置为实时变量Δ的函数,将Kp和Kd设定为实时变量Δ的线性函数,Ki设定为实时变量Δ的非线性函数。
当Δ1≤Δ2时,三段式修正器算法的分段计算公式为:
依据实时的控制误差Δ来修正Kp的值,并将模糊控制器传入α、β和γ三个参数一同传入以下公式,完成P、I、D控制参数的计算:
P=Kp+Kp*α
I=Ki+Ki*β
D=Kd+Kd*γ
最后将调节完成后的参数P、I、D传给PID控制器,PID控制器将控制值输出至被控对象进行控制。
根据仿真结果显示,系统的稳态误差控制在3‰左右,且系统逼近目标值的时间也缩短了20%左右,本实施例的控制曲线更为平滑,过度更自然,稳态误差得到了进一步降低。
Claims (3)
1.一种含误差积分输入项的无人机三段式模糊PID控制方法,其特征在于,包括以下步骤:
步骤1、建立包含误差积分输入项的模糊控制器、三段式修正器和PID控制器;
步骤2、模糊控制器根据控制误差、误差的微分和误差的积分三个输入参数建立有关Kp、Ki和Kd的模糊规则库;
步骤3、参照模糊规则库,利用重心法进行解模糊,得到三段式修正器的输入值α、β和γ;
步骤4、三段式修正器根据系统实时控制误差,并结合输入参数,对参数P、I、D进行调节,具体如下:
三段式修正器进行修正计算后,输出PID控制器所需输入参数P、I、D,公式如下:
Δ0=g0-s0
Δ=g-s
Δ1∈(-0.3Δ0,-0.01Δ0)
Δ2∈(0.01Δ0,0.3Δ0)
P=Kp+Kp*α
I=Ki+Ki*β
D=Kd+Kd*γ
式中:g为控制目标值,s为测量值,控制误差Δ为控制目标值g与测量值s的差值;g0为控制初始目标值,s0为初始测量值,Δ为实时控制误差,初始控制误差Δ0为控制初始目标值g0与初始测量值s0的差值;Δ1为误差阀值1,Δ2为误差阀值2,误差阀值1Δ1和误差阀值2Δ2为根据初始控制误差Δ0在确定范围内选定的值;P为PID控制器的比例系数,I为PID控制器的积分系数,D为PID控制器的微分系数,Kp'、Ki'和Kd'分别为P、I、D参数的预设初始值,Kp、Ki、Kd分别为修正后的Kp'、Ki'、Kd'值;α为模糊控制器参数P解模糊后的值,β为模糊控制器参数I解模糊后的值,γ为模糊控制器参数D解模糊后的值,f11(Δ)、f12(Δ)、f13(Δ)、f21(Δ)、f22(Δ)、f23(Δ)、f31(Δ)、f32(Δ)、f33(Δ)为Kp、Ki、Kd对Kp'、Ki'、Kd'关于实时控制误差Δ的函数;
当Δ1≤Δ2时,三段式修正器算法的分段计算公式为:
当Δ1>Δ2时,三段式修正器算法的分段计算公式为:
三段式修正器中的修正函数f11(Δ)、f12(Δ)、f13(Δ)、f21(Δ)、f22(Δ)、f23(Δ)、f31(Δ)、f32(Δ)、f33(Δ)有两种实现方法:一种是设置为与Δ无关的常量,另一种是设置为实时变量Δ的函数;
步骤5、将调节完成后的参数P、I、D传给PID控制器,PID控制器将控制值输出至被控对象进行控制;
其中,所述P为PID控制器的比例系数,I为PID控制器的积分系数,D为PID控制器的微分系数,Kp'、Ki'和Kd'分别为P、I、D参数的预设初始值,Kp、Ki、Kd分别为修正后的Kp'、Ki'、Kd'值;α为模糊控制器参数P解模糊后的值,β为模糊控制器参数I解模糊后的值,γ为模糊控制器参数D解模糊后的值。
2.根据权利要求1所述的含误差积分输入项的无人机三段式模糊PID控制方法,其特征在于,步骤2中所述的建立有关Kp、Ki和Kd的模糊规则库,具体如下:
模糊控制器对传统无人机模糊PID控制所用的以误差与误差的微分所构建二维模糊规则库进行升维,以误差、误差的微分与误差的积分构建模糊规则库,形成三维模糊规则库。
3.根据权利要求1所述的含误差积分输入项的无人机三段式模糊PID控制方法,其特征在于,步骤2中所述的模糊控制器,将输入变量的隶属度值减少至3个,形成3*3*3的控制规则库,但仍然保持输出变量Kp'、Ki'、Kd'的隶属度值为7个。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910516578.5A CN110308647B (zh) | 2019-06-14 | 2019-06-14 | 含误差积分输入项的无人机三段式模糊pid控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910516578.5A CN110308647B (zh) | 2019-06-14 | 2019-06-14 | 含误差积分输入项的无人机三段式模糊pid控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110308647A CN110308647A (zh) | 2019-10-08 |
CN110308647B true CN110308647B (zh) | 2022-05-17 |
Family
ID=68077152
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910516578.5A Active CN110308647B (zh) | 2019-06-14 | 2019-06-14 | 含误差积分输入项的无人机三段式模糊pid控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110308647B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111443736A (zh) * | 2020-03-31 | 2020-07-24 | 东南大学 | 一种用于割台高度动态调节的逻辑自适应控制方法 |
CN113721620B (zh) * | 2021-08-30 | 2023-08-01 | 山东交通学院 | 基于粒子群-遗传混合算法的车辆横向pid控制方法 |
CN114371611B (zh) * | 2021-12-13 | 2023-09-29 | 常州天目智能科技有限公司 | 一种基于人工智能的压缩机寿命试验台pid优化控制的方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013003845A (ja) * | 2011-06-16 | 2013-01-07 | Institute Of National Colleges Of Technology Japan | 組み込み知能コントローラ、制御システム、制御プログラム、記録媒体、及び制御方法 |
CN105093923A (zh) * | 2015-06-23 | 2015-11-25 | 黄红林 | 一种基于模糊控制的足球机器人底层控制的方法 |
CN106527147A (zh) * | 2016-12-19 | 2017-03-22 | 华北电力大学(保定) | 一种用于脱硝控制系统的模糊自整定pid控制方法 |
CN106647781A (zh) * | 2016-10-26 | 2017-05-10 | 广西师范大学 | 基于重复控制补偿神经模糊pid四旋翼飞行器的控制方法 |
CN108549208A (zh) * | 2018-03-14 | 2018-09-18 | 重庆邮电大学 | 一种基于因子自适应模糊pid的四旋翼飞行器姿态控制方法 |
KR20180128618A (ko) * | 2017-05-24 | 2018-12-04 | 한서대학교 산학협력단 | 퍼지 pid 제어기를 이용한 유도 시스템 |
CN109445287A (zh) * | 2018-12-29 | 2019-03-08 | 西安西驰电气股份有限公司 | 一种基于plc板卡的内置pid模糊控制方法 |
-
2019
- 2019-06-14 CN CN201910516578.5A patent/CN110308647B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013003845A (ja) * | 2011-06-16 | 2013-01-07 | Institute Of National Colleges Of Technology Japan | 組み込み知能コントローラ、制御システム、制御プログラム、記録媒体、及び制御方法 |
CN105093923A (zh) * | 2015-06-23 | 2015-11-25 | 黄红林 | 一种基于模糊控制的足球机器人底层控制的方法 |
CN106647781A (zh) * | 2016-10-26 | 2017-05-10 | 广西师范大学 | 基于重复控制补偿神经模糊pid四旋翼飞行器的控制方法 |
CN106527147A (zh) * | 2016-12-19 | 2017-03-22 | 华北电力大学(保定) | 一种用于脱硝控制系统的模糊自整定pid控制方法 |
KR20180128618A (ko) * | 2017-05-24 | 2018-12-04 | 한서대학교 산학협력단 | 퍼지 pid 제어기를 이용한 유도 시스템 |
CN108549208A (zh) * | 2018-03-14 | 2018-09-18 | 重庆邮电大学 | 一种基于因子自适应模糊pid的四旋翼飞行器姿态控制方法 |
CN109445287A (zh) * | 2018-12-29 | 2019-03-08 | 西安西驰电气股份有限公司 | 一种基于plc板卡的内置pid模糊控制方法 |
Non-Patent Citations (1)
Title |
---|
Fuzzy Immune Self-tuning PID Control of HVAC System;Jiangjiang Wang,等;《Proceedings of 2008 IEEE International Conference on Mechatronics and Automation》;20081231;第678-683页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110308647A (zh) | 2019-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110308647B (zh) | 含误差积分输入项的无人机三段式模糊pid控制方法 | |
CN103034126A (zh) | 恒流源偏置外转子轴向磁轴承的控制系统及其控制方法 | |
CN105388764B (zh) | 基于动态矩阵前馈预测的电液伺服pid控制方法及系统 | |
CN109557810B (zh) | 一种基于新型二自由度内模pid的加热炉温度控制方法 | |
CN104570729A (zh) | 一种改进型的Smith预估控制器 | |
CN113612414B (zh) | 一种水下航行器多电机协调控制方法及控制系统 | |
CN105807615A (zh) | 模糊前馈反馈控制器 | |
CN104747294A (zh) | 燃气轮机燃料压力控制方法和系统 | |
CN106054616B (zh) | 模糊逻辑优化pid控制器参数的钛带卷连续酸洗活套高度控制方法 | |
CN110209122B (zh) | 一种多轴运动平台的控制方法、装置、介质及设备 | |
CN106292285B (zh) | 一种模糊自适应pi控制器参数确定方法 | |
Srivastava et al. | A scheme to control the speed of a DC motor with time delay using LQR-PID controller | |
Sarbaz et al. | Adaptive optimal control of chaotic system using backstepping neural network concept | |
CN108614432A (zh) | 一种基于粒子群算法的网络环境电机控制器设计算法 | |
CN116360263A (zh) | 一种直驱式比例伺服阀的自抗扰自适应控制方法 | |
CN115107035A (zh) | 一种机器人单关节人工免疫系统监控的混合控制方法 | |
CN107191154B (zh) | 井口回压调控方法与装置 | |
Ochi et al. | Pole placement in optimal regulator by continuous pole-shifting | |
CN114374346A (zh) | 一种永磁同步电动机高性能控制方法 | |
CN113885314A (zh) | 一种具有未知增益和干扰的非线性系统跟踪控制方法 | |
Oliveira et al. | HOSM differentiator with varying gains for global/semi-global output feedback | |
Yu et al. | Fuzzy PID-type iterative learning control for electro-hydraulic servo system | |
CN116400584B (zh) | 大载荷电液位置伺服系统快速精确控制系统应用方法 | |
CN117970922A (zh) | 一种基于mrac控制算法的移动机器人控制方法 | |
JPS61198302A (ja) | 調節装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |