資源描述：
《pid控制算法的matlab仿真分析》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、PID的MATLAB仿真程序：%PIDControler不完全微分clearall;closeall;ts=20;sys=tf([1],[60,1],'inputdelay',80);dsys=c2d(sys,ts,'zoh');[num,den]=tfdata(dsys,'v');u_1=0;u_2=0;u_3=0;u_4=0;u_5=0;ud_1=0;y_1=0;y_2=0;y_3=0;error_1=0;ei=0;fork=1:1:100time(k)=k*ts;rin(k)=1.0;%Linearmodelyout(k)=-den(2)*y_1+num(2)*
2、u_5;D(k)=0.01*rands(1);yout(k)=yout(k)+D(k);error(k)=rin(k)-yout(k);%PIDControllerwithpartlydifferentialei=ei+error(k)*ts;kc=0.30;ki=0.0055;TD=140;kd=kc*TD/ts;Tf=180;Q=tf([1],[Tf,1]);%LowFreqSignalFilterM=2;%M=1不完全微分，%M=2普通Pid控制??！ifM==1%UsingPIDwithPartialdifferentialalfa=Tf/(ts+Tf);ud(
3、k)=kd*(1-alfa)*(error(k)-error_1)+alfa*ud_1;u(k)=kc*error(k)+ud(k)+ki*ei;ud_1=ud(k);elseifM==2%UsingSimplePIDu(k)=kc*error(k)+kd*(error(k)-error_1)+ki*ei;end%Restrictingtheoutputofcontrollerifu(k)>=10u(k)=10;endifu(k)<=-10u(k)=-10;endu_5=u_4;u_4=u_3;u_3=u_2;u_2=u_1;u_1=u(k);y_3=y_2;y_2=
4、y_1;y_1=yout(k);error_1=error(k);endfigure(1);plot(time,rin,'b',time,yout,'r');xlabel('time(s)');ylabel('rin,yout');由仿真結(jié)果可以看出，采用不完全微分型PID算法，引入不完全微分后能有效克服普通PID的不足，盡管不完全微分算法比普通PID控制算法要復雜的多，但由于其良好的控制特性，近年來越來越廣泛的應用。圖（2-6）不完全微分型（r輸入,b輸出，下同）圖（2-7）普通PID控制2)微分先行和輸入濾波PID控制算法微分先行PID控制算法的特點是只對輸出量進
5、行微分，而對給定值不進行微分。這樣，在改變給定值時，輸出不會改變，而且由于被控量一般不會突變，即使給定值已發(fā)生改變，被控量也是緩慢變化的，從而不致引起微分項的突變。微分先行PID控制算式為:（2-9）輸入濾波,輸入濾波就是在計算微分項時，不是直接應用當前時刻的誤差e(n)，而是采用濾波值e(n)，即用過去和當前四個采樣時刻的誤差的平均值，再通過加權(quán)求和形式近似構(gòu)成微分項(2-10)(2-11)仿真分析:設被控對象的傳遞函數(shù)為:仿真程序：%PIDControler微分先行clearall;closeall;ts=20;sys=tf([1],[60,1],'inputde
6、lay',80);dsys=c2d(sys,ts,'zoh');[num,den]=tfdata(dsys,'v');u_1=0;u_2=0;u_3=0;u_4=0;u_5=0;ud_1=0;y_1=0;y_2=0;y_3=0;error_1=0;error_2=0;ei=0;fork=1:1:400time(k)=k*ts;%Linearmodelyout(k)=-den(2)*y_1+num(2)*u_5;kp=0.36;kd=14;ki=0.0021;rin(k)=1.0*sign(sin(0.00025*2*pi*k*ts));rin(k)=rin(k)+0.
7、05*sin(0.03*pi*k*ts);error(k)=rin(k)-yout(k);ei=ei+error(k)*ts;gama=0.50;Td=kd/kp;Ti=0.5;c1=gama*Td/(gama*Td+ts);c2=(Td+ts)/(gama*Td+ts);c3=Td/(gama*Td+ts);M=1;%M=1微分先行算法方%波響應M=2普通算法ifM==1%PIDControlwithdifferentialinadvanceud(k)=c1*ud_1+c2*yout(k)-c3*y_1;u(k)=kp*error(k)+ud(k)
