自己的PID基于模糊控制的设想一.能够识别传递函数还有输入形式，利用if, else函数来整定随即参数。然后再模糊控 制与神经网络控制相结合，能够做出快速响应。if chap8_4nL()= 1 4崙函数的分母最高灰为四次方时假，且输入为吕in函数 sp=O.71*0.88*1.21*1/3;ki=56. 2*0. 9*1. 0022*1/30;sd=l150. 2*0. 01;elseif chap8_4m()= 1 3禎函數的分母最高次为三次方时假，且输入为吕in函数 ip=0. 02*1/3;si=l. 5*1/30；Kd=610.1505*1/30:elseif chap8_4m()=2 4%S函数的分母最高次为三次方时假，且输入为阶跃函数 sp=4. 1*0. 2*1/3;zi=C. 9*0. 5*1/30；Kd=754.1505*1/30;enda=newfis fuzzpidJ);黑创造一个新的模糊推断a=addvar a,J inputJ J-匚 1);矗忝加一个变重已a=addjnf la、 inputJ j 1J J zmf 3 -1, -1/3) ; %建立隶厲函数a=addnif .a.3 J inputJ, 1/ V / gaussmf?, pi/lSj 0); a=addnif a, inputJ、1J PT smf, 1/3 1);a=addvar (aJ inputJ j ? ecJ 3 T, 1);雳滋加一个变里已ua=addjnf (a,J inputJ j 2J J zmf j -1, -1/3) ; %建立隶厲函数a=addnif .a.3 J inputJ ,2/ V / gaussmf?, pi/lSj 0);a=addjnf a, inputJ)&，F，J smf, 1/3 1);a=addvar (a,J out putJ J kpJ t ip* -8. d, 8. 3) ;% 添加个变重 kpa=addmf (a,J out putJ1T打 zmfJ, ip* -8. 33 -2. 49) ; % 建立隶属函數a=addnif a,J out putJ 1/ / t rimfJ, Kp* -4. 15, 口, 4. 15);a=addjnf a, out putJ ： 1J PT smf, sp* 2. 49, 8.3); a=addvar (a,J out putJ J kiJ t zi* -6Q, 60) ;% 添加一个变里 hi a=addmf 血 J out putJ, & TF J zmfJsi# -60, -20);霁建立隶属函数 a=addnif a, out putJ 2* 寸 J t rimfJ, Ki* -40 口, 40);a=addjnf a, out putJ)F J smf, si* 20 60);a=addvar (a,J out putJ J kdJ 3 xd* -0. N2 0. 002);舟滋加一个变重 kia=addmf怎J out putJ昂T打zmfJsd* -0. 002 0);州建立隶厲函数 a=addnif .a.3 out putJ 壮 J J t rimfJ, Kd* -0. 001 0j 0. 001);a=addjnf (a；,J outputJ j 乳，P，：吕mf：sd* Q D. 0(J2) ;我把模糊控制和神经网络结合了一 下，利用模糊规则作为学习速率。如:k_pid=evalfis(e_l,ec_l,a);%计算模糊推理输出结果函数 kp(k)=kpO+ap*k_pid(l)*e_l*u_l;%ap为局部整定参数与k_pid(l)(模糊推理出来 的值)相乘作为学习速率(该方法解决了直接用模糊控制难以整定的问题)，利用导师学习 还有控制规律来修改kp参数ki(k)=ki0+ai*k_pid(2)*e_l*u_l; kd(k)=kd0+ad*k_pid(3)*e_l*u_l; addk=abs(kp(k)+ki(k)+kd(k); u(k)=u_l+K*(kp(k)*e_l/addk+ki(k)*ei/addk+kd(k)*ec_l/(ts*addk); 上面的代码中ap，ai，Ad的代码如下所示：M=2;g=2;if M=1 &g=0%输入为sin函数的，分母最高次为四次的s函数K=0.085 %全局调整elseif M=2&g=1%输入为sin函数的，分母最高次为三次的s函数K=0.2; ap=0.91;ai=0.001;ad=10.994 0% 局部整定 elseif M=2&g=2%输入为阶跃函数的，分母最高次为三次的s函数K=0.0299; ap=0.158;ai=0.0025;ad=5 %局部整定 end总图如下：