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 PDF

Info

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
Application number
CN201910516578.5A
Other languages
English (en)
Other versions
CN110308647A (zh
Inventor
王茂森
丁佳宇
戴劲松
杨清
沈少宝
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN201910516578.5A priority Critical patent/CN110308647B/zh
Publication of CN110308647A publication Critical patent/CN110308647A/zh
Application granted granted Critical
Publication of CN110308647B publication Critical patent/CN110308647B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B11/00Automatic controllers
    • G05B11/01Automatic controllers electric
    • G05B11/36Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
    • G05B11/42Automatic 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

含误差积分输入项的无人机三段式模糊PID控制方法
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:
Figure BDA0002095246590000031
Figure BDA0002095246590000032
Figure BDA0002095246590000033
当Δ1>Δ2时,三段式修正器算法的分段计算公式为:
Figure BDA0002095246590000034
Figure BDA0002095246590000035
Figure BDA0002095246590000036
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:
Figure BDA0002095246590000051
Figure BDA0002095246590000052
Figure BDA0002095246590000053
当Δ1>Δ2时,三段式修正器算法的分段计算公式为:
Figure BDA0002095246590000061
Figure BDA0002095246590000062
Figure BDA0002095246590000063
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:
Figure BDA0002095246590000081
Figure BDA0002095246590000082
Figure BDA0002095246590000083
当Δ1>Δ2时,三段式修正器算法的分段计算公式为:
Figure BDA0002095246590000091
Figure BDA0002095246590000092
Figure BDA0002095246590000093
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:
Figure BDA0002095246590000094
Figure BDA0002095246590000095
Figure BDA0002095246590000096
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:
Figure BDA0002095246590000101
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:
Figure BDA0002095246590000102
Figure BDA0002095246590000103
Figure BDA0002095246590000104
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:
Figure FDA0003544393620000021
Figure FDA0003544393620000022
Figure FDA0003544393620000023
当Δ1>Δ2时,三段式修正器算法的分段计算公式为:
Figure FDA0003544393620000024
Figure FDA0003544393620000025
Figure FDA0003544393620000026
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。
CN201910516578.5A 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 Active CN110308647B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (7)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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
CN104570729A (zh) 一种改进型的Smith预估控制器
CN109725532B (zh) 一种应用于多智能体间相对距离控制及自适应矫正方法
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
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
Sarbaz et al. Adaptive optimal control of chaotic system using backstepping neural network concept
Prakash et al. ROBUST MODEL REFERENCE ADAPTIVE PI CONTROL.
Srivastava et al. A scheme to control the speed of a DC motor with time delay using LQR-PID controller
CN104466681A (zh) 一种光纤放大器的串级控制系统
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
CN110161857B (zh) 一种适用于非最小相位系统的自抗扰控制器设计方法
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
CN111181467A (zh) 一种基于三维模糊控制的伺服电机转速调节方法及系统
CN116610026B (zh) 一种高稳态数字式交流补偿抗扰稳压方法及系统
CN117970922A (zh) 一种基于mrac控制算法的移动机器人控制方法
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

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