5.9.8 最优化控制初探——PID参数优化

总目录:http://t.csdnimg.cn/YDe8m

5.9.8 最优化控制初探------PID参数优化

之前在"A_2_PID控制转速例程"例程中,PID参数是手动调节的。然而在已经获得系统完整数学模型的情况下,我们可以使用效率更高的方法,即最优化控制。先来看一下两者的对比:

(a)

(b)

图5.9.16

图5.9.16(a)为手动调参的角速度控制效果,图5.9.16(b)是使用最优化控制算法调参后的角速度控制效果。可以发现,虽然稍有震荡,但图(b)角速度到达期望

最优化控制的实现详看"2、飞控例程\Matlab\(2)飞行控制------四旋转子\A3_PID参数优化"中的"A3_PID参数优化"例程。该例程中的文件如图5.9.17所示:

图5.9.17

该例程基于例程"A2_PID控制转速"进行编写主要添加了"A2_Pid_better_main.mlx"、"A3_Pid_better_run.m"、"A3_Pid_plot.m"这三个与PID参数优化的文件。例程的主要功能是:使用Matlab自带优化函数对PID参数进行优化。

双击进入"A2_Pid_better_main.mlx"文件,点击上方"运行"按钮即可运行例程。例程会自动求解PID控制器的最优控制参数 K P 、 K I 、 K D K_P、K_I、K_D KP、KI、KD,并使用这些参数进行四旋转子角速度系统的控制仿真,仿真结果如图5.9.16(a)所示。而求解出的最优控制参数可以在Matlab右侧的"工作区"中进行查看,参数保存在"K_pid"数组中,双击该数组可在表格中显示,如图5.9.18:

图5.9.18 PID最优控制参数

例程的具体原理如下:

(1)A2_Pid_better_main.mlx

PID优化主运行文件。

matlab{.line-numbers} 复制代码
clear all;
close all;
clc;


%% PID参数优化


K_pid0=[0 0 0];
LB=[0 0 0];
UB=[1000 500 500];

K_pid=lsqnonlin('A3_Pid_better_run',K_pid0,LB,UB);

%% 使用优化后的PID参数 仿真并绘图
A3_Pid_plot(K_pid);         %优化PID参数 仿真并绘图
  • 行9~13
    • 运行Matlab自带的优化求解函数"lsqnonlin"对"A3_Pid_better_run.m"文件中的模型的参数进行优化求解。
      • lsqnonlin函数
        功能:求解非线性最小二乘(非线性数据拟合)问题
        语法:
            x = lsqnonlin(fun,x0,lb,ub),可以看到这个函数有三个输入,一个输出。其中"fun"可以是一个函数文件的文件名,要求这个函数的格式如代码5.9.1所示。x可以是一个数组或数值变量,但要求该函数的输出"Out"必须是一个超过两个元素的数组或矩阵。
            运行过程中,"lsqnonlin"函数会深度将x赋不同的值,然后运行"fun"函数,得到输出"Out"。最终"lsqnonlin"函数会返回"Out"中各元素值最小时,所输入的"x"。这里的多元素"最小"是按照"最小二乘法"的规则定义的。
            该函数其它输入参数:"x0"是第一次输入fun 函数的值,其与fun 函数的输入参数x要格式相同;lb、ub则分别是输入fun 函数x的下限与上限,也与x的格式相同。

代码5.9.1

matlab{.line-numbers} 复制代码
function [Out] = fun(x)

....

Out = ......;

end
  • 行15~16
    使用已经求得的最优化控制参数进行仿真与绘图。

(2)A3_Pid_better_run.m

控制系统函数文件。该函数文件的格式符合"lsqnonlin"函数语法中对fun函数的要求。

总体来看A3_Pid_better_run的输入:为PID控制器的三个参数;输出:为各个离散时间期望与实际状态的误差,为一个数组。

matlab{.line-numbers} 复制代码
function [Run_e] = A3_Pid_better_run(K_pid)
% PID控制系统运行函数

% 输入:
%   K_pid   使用的PID的参数
%
% 输出
%   Run_e   各时刻 期望与系统输出的误差

%% 初始化系统参数
init = 0;
A2_init;
s_pid.K_pid = K_pid; 

%% 仿真
init = 1;   %已初始化完毕
for i = 1:(Num)
    % 串级PID控制
    C_Cascade_PID;
    
    % 动态系统响应
    M_Motor;    %电机
    s_A.u = s_mot.M_xyz(1);   %赋值角度系统输入
    M_Four_turn_rotor;      %四旋转子
    
    
    %保存电机模型输入输出数据
    s_History.u_all(i, :) = s_mot.u_all';
    s_History.F_xyz(i, :) = s_mot.F_xyz';
    s_History.M_xyz(i, :) = s_mot.M_xyz';
    
    %保存角度系统输出数据
    s_History.ya(i, 1) = s_A.y(1, 1)*180/pi;  %角度,单位(deg) 
    s_History.ya(i, 2) = s_A.y(2, 1)*180/pi;  %角速度,单位(deg/s)
    
end

%% 函数输出
Run_e = abs(s_pid.d - s_History.ya(:, 2));    %获得各时刻, 期望与系统输出的误差

end
  • 行11~36
    与"A1_main.mlx"文件中的内容几乎一样,只有两处有所不同
    • 其一:
      在最后没有调用"P_plot_all"文件进行绘图。
    • 其二,行13:
      在调用"A2_init"后,又对"s_pid.K_pid"这个PID控制器的控制器参数进行了覆写,将默认值改为了"A3_Pid_better_run"函数的输入"K_pid"。
  • 行39
    函数的输出是各离散时刻,期望与实际状态(角速度)的误差,该误差是一个大于0的值,使用"abs"函数求绝对值。
相关推荐
向上的车轮10 小时前
MATLAB学习笔记(七):MATLAB建模城市的雨季防洪排污的问题
笔记·学习·matlab
CodeJourney.11 小时前
基于MATLAB的生物量数据拟合模型研究
人工智能·爬虫·算法·matlab·信息可视化
北漂老男孩15 小时前
在 Linux 上安装 MATLAB:完整指南与疑难解决方案
linux·运维·matlab
风暴智能17 小时前
获取相机图像(ROS2)
linux·机器人·无人机
tyatyatya18 小时前
神经网络在MATLAB中是如何实现的?
人工智能·神经网络·matlab
思茂信息18 小时前
CST软件对OPERA&CST软件联合仿真汽车无线充电站对人体的影响
c语言·开发语言·人工智能·matlab·汽车·软件构建
软件算法开发20 小时前
基于自适应交叉概率和变异概率遗传算法的地铁车辆使用寿命和璇修次数优化matlab仿真
matlab·遗传算法·自适应交叉概率·自适应变异概率·璇修次数·使用寿命
tyatyatya20 小时前
MATLAB 神经网络的系统案例介绍
开发语言·神经网络·matlab
tyatyatya21 小时前
MATLAB 自然语言处理入门教程
开发语言·matlab·自然语言处理
tyatyatya1 天前
MATLAB的神经网络工具箱
开发语言·神经网络·matlab