模糊PID
關注創建者：匿名 創建時間：2021-10-28
模糊PID的視頻教程
基于Adams和Simulink的機械臂聯合仿真
基于Adams和Simulink的聯合仿真設置 基于Adams和Simulink的聯合仿真實例 基于Adams和Simulink的剛柔耦合聯合仿真設置與實例 熟悉PID和模糊自適應PID模型搭建 購買后私信我，發模型且可加私信答疑。
￥350 48分鐘 81播放
查看
模糊PID的實例教程
目前直流電機多采用傳統的PID控制，PID控制是最早發展起來的控制策略之一。由于其具有算法簡單、魯棒性好和可靠性高等優點，被廣泛應用于工業過程控制中。但PID控制適合于可建立精確數學模型的確定性控制系統。但實際的工業過程控制系統中存在很多非線性或時變的不確定因素，使得PID控制器的參數整定過程繁瑣。控制效果也因此而受影響。近些年來。隨著現代控制理論、智能控制和計算機技術的飛速發展。出現了很多新型的控制系統。模糊控制就是其中之一。本期帶來基于模糊PID的直流電機Simulink模型的搭建。
1、模糊控制
模糊控制作為目前最具實際意義的智能控制方法之一，以模糊集合論、模糊語言變量及模糊邏輯推理為基礎。實現一步模糊控制算法的過程：獲取被控制量的精確值。將此量與給定值比較得到誤差信號，一般選誤差信號作為模糊控制器的一個輸入量。把誤差信號的精確量進行模糊化變成模糊量。誤差的模糊量可用相應的模糊語言表示，得到誤差的模糊語言集合的一個子集（一個模糊矢量），再由誤差和模糊控制規則（模糊算子）根據推理的合成規則進行模糊決策，得到模糊控制量。
2、基于模糊控制的轉速調節器設計
直流電機控制系統中，外環轉速調節器采用模糊PID控制器．內環電流調節器依然采用傳統PID控制器。從理論上講．模糊控制器的維數越高。控制越精密。但是維數越高。模糊控制規則變得過于復雜，控制算法的實現相當困難。這是目前廣泛應用二維模糊控制器的原因所在。
模糊控制輸出量確定的過程：
①確定輸入與輸出變量的模糊子集和論域及其隸屬度：
②設計模糊推理關系，確定模糊控制規則，以明確模糊關系矩陣：
③模糊決策，確定輸出量在其論域上的模糊矢量：
④模糊判決，即將控制量去模糊化，得到確定的輸出變量。進而得到相應的控制表。
展開 各位誰有基于預測的模糊PID的matlab仿真程序或者simulink程序啊,很急,求助啊!!
基于matlab的模糊自適應PID控制，具有10頁報告。傳統PID在對象變化時，控制器的參數難以自動調整。將模糊控制與PID控制結合，利用模糊推理方法實現對PID參數的在線自整定。使控制器具有較好的自適應性。使用MATLAB對系統進行仿真，結果表明系統的動態性能得到了提高。程序已調通，可直接運行。
import json
import time as t
url = 'http://192.168.150.1:8081/get'
from pid import *
dt = 0.01
time = 0
tinm_l = []
output_l = []
baoshijie = car() # 生產一輛車
pid_controller = PIDController(0.45, 0.02, 0.001) # 一個pid控制器
speed_limit = 150 # 設定車速限制
# --------------------測試--------------------------------------------------------
# while time < 1:
# try:
# data = requests.get(url)
# _ = float(json.loads(data.text)['Hello'])
# t.sleep(0.01)
# if _ !
展開 沈陽航空工業學院,遼寧沈陽 110334)
摘 要: 利用ADAMS 軟件建立了四分之一汽車主動懸架的機械模型,在機械模型的基礎上
生成車輛主動懸架系統的動力學方程,該方法解決了主動懸架數學模型建立的難題·使機械設計
和控制設計共享同一虛擬車輛主動懸架模型,機械系統設計和控制系統設計協調一致·采用自適
應模糊PID 控制策略對懸架控制,實現了PID 控制過程中參數的在線自整定,從而使系統的控制
性能更加完善·利用ADAMS 的Controls 模塊實現了ADAMS 與MA TLAB 的聯合仿真,仿真結果
表明,采用自適應模糊PID 控制策略是合理的、可行的,與被動懸架控制相比有效地降低了車身加
速度、懸架動撓度和輪胎的相對動載荷,提高了汽車的乘坐舒適性和操縱穩定性·
關 鍵 詞: 機械模型;主動懸架;ADAMS ; 控制策略;模糊控制
基于ADAMS機械模型的車輛主動懸架控制策略與仿真.pdf
展開 
模糊PID的最新內容
二、嵌入式智能控制算法
智能高壓比例閥系統不再依賴外部PLC進行全部邏輯運算，而是集成嵌入式控制器，內置自適應PID、模糊控制或模型預測控制（MPC）等先進算法，這些算法可根據實時工況動態調整控制參數，有效應對負載突變、介質黏度變化等干擾因素，確保系統在復雜環境下仍保持穩定輸出，例如在新能源汽車電池注液過程中，智能算法能自動補償因溫度波動引起的流體特性變化，保障注液一致性。
調節系統的神器：P、I、D分工協作指南10個月前
為此，衍生出模糊PID、自適應PID等智能變體，結合現代控制理論突破傳統邊界。但無論如何演進，“利用偏差、糾正偏差”的反饋思想始終是自動控制的核心密碼，而PID正是這一思想最精煉的工程表達。</p><p><a href="https://www.bilibili.com/video/BV1734y1R7H8/?
基于matlab的模糊自適應PID控制，具有10頁報告。傳統PID在對象變化時，控制器的參數難以自動調整。將模糊控制與PID控制結合，利用模糊推理方法實現對PID參數的在線自整定。使控制器具有較好的自適應性。使用MATLAB對系統進行仿真，結果表明系統的動態性能得到了提高。程序已調通，可直接運行。
比如說有一個泵，我想控制他的轉速，在一個界面上輸入一個大小比如1000轉每分鐘，然后對應的后臺就自動控制泵到達了這個轉速。一直很好奇這是怎么實現的，當然我想了一個方法具體的步驟如下
1、用request把我要輸入的值傳遞到后臺，這里用Python實現一下
import requests
import json
url = 'http://192.168.150.1:8081/put'
pre
這些特點決定了地鐵、城際鐵路中常用的PID、模糊邏輯控制、神經網絡控制、迭代學習控制等傳統方法［8］均不適用于高速列車自動駕駛。研究應用GOA3級或者GOA4級的自動駕駛系統，實現列車智能自主運行控制，是國際技術發展的趨勢。考慮到我國鐵路運用場景復雜、交路復雜、環境復雜、車型復雜等，GOA4級ATO在較長時期內不應是我國干線鐵路的研究方向。
由于EHB系統具有較強的非線性特性，采用模糊PID控制算法實現了EHB系統的輪缸液壓力控制，與傳統PID控制算法相比，模糊PID控制算法能夠準確地實現輪缸液壓力控制，但是建立壓力的快速性不如傳統PID控制算法。因此采用分段模糊PI控制算法對輪缸液壓力進行控制。僅當實際壓力與目標壓力偏差較小時，采用模糊PI控制算法來實現制動壓力的精確調節；偏差較大時仍采用傳統PI控制算法。
2015 年，竇靜怡 [74] 對模糊 PID 和廣義預測控制這 2 種算法的減搖效果進行了對比，計算結果表明，改進的預測控制算法對高速雙體船縱向運動具有理想的減搖效果。高海況下，垂蕩和縱搖減搖百分比可達 40%~60%，艏加速度減少約 60%，比模糊 PID 控制的減搖能力提升 7%~17%。
PLC進行模擬量控制，還有A/D、D/A組合在一起的單元，并可用PID或模糊控制算法實現控制，可得到很高的控制質量。用PLC進行模擬量控制的好處是，在進行模擬量控制的同時，開關量也可控制。這個優點是別的控制器所不具備的，或控制的實現不如PLC方便。
PLC進行模擬量控制，還有A/D、D/A組合在一起的單元，并可用PID或模糊控制算法實現控制，可得到很高的控制質量。用PLC進行模擬量控制的好處是，在進行模擬量控制的同時，開關量也可控制。這個優點是別的控制器所不具備的，或控制的實現不如PLC方便。
針對目前全電動注塑機中采用的人工智能優化PID算法、神經網絡自適應PID算法［18］ 等存在的先導數據不足、缺乏經驗等問題，馬立軍等［19］ 提出了一種變論域模糊PID閉環控制算法，并引入粒子群種群算法優化變論域參數，為改善全電動注塑機的控制系統做出了貢獻，這對于汽配電子行業的精密配件的注塑成型具有重要的價值。
螺桿轉速的控制與注塑制品的精度密切相關［20］ 。
