一、matlab的随机数组
s=1:1:500;
in = 0.1*randn(1,500)+1;
plot(s,in,‘*‘);
hist(in,20);
二、PID控制
网上源码:
clear all; close all; ts=0.001; sys=tf(5.235e005,[1,87.35,1.047e004,0]);%建立传递函数 dsys=c2d(sys,ts,‘z‘);%将连续的时间模型转换成离散的时间模型,采样时间是ts=0.001 [num,den]=tfdata(dsys,‘v‘);%获得离散后的分子分母 u_1=0.0;u_2=0.0;u_3=0.0; y_1=0.0;y_2=0.0;y_3=0.0; x=[0,0,0]‘; error_1=0; for k=1:1:500 time(k)=k*ts; rin(k) = 1 ; %输入为(0.8,1.2)上高斯分布的的随机数 kp=0.6;ki=0.001;kd=0.001; %设置的P,I,D参数 u(k)=kp*x(1)+kd*x(2)+ki*x(3); %PID Controller %Linear model 线性模型 yout(k)=-den(2)*y_1-den(3)*y_2-den(4)*y_3+num(2)*u_1+num(3)*u_2+num(4)*u_3; error(k)=rin(k)-yout(k); %Return of parameters u_3=u_2;u_2=u_1;u_1=u(k); y_3=y_2;y_2=y_1;y_1=yout(k); x(1)=error(k); %Calculating P x(2)=(error(k)-error_1)/ts; %Calculating x(3)=x(3)+error(k)*ts; %Calculating I xi(k)=x(3); error_1=error(k); end figure(1); plot(time,rin,‘b‘,time,yout,‘r‘); xlabel(‘time(s)‘);ylabel(‘rin,yout‘)
三、高斯分布的输入
%PID Controler clear all; close all; s=1:1:500; in = 0.1*randn(1,500)+1; %取500个(0.95,1.05)上高斯分布的的随机数 % plot(s,in,‘*‘);grid on ts=0.001; sys=tf(5.235e005,[1,87.35,1.047e004,0]);%建立传递函数 dsys=c2d(sys,ts,‘z‘);%将连续的时间模型转换成离散的时间模型,采样时间是ts=0.001 [num,den]=tfdata(dsys,‘v‘);%获得离散后的分子分母 u_1=0.0;u_2=0.0;u_3=0.0; y_1=0.0;y_2=0.0;y_3=0.0; x=[0,0,0]‘; error_1=0; for k=1:1:500 time(k)=k*ts; rin(k) = in(k) ; %输入为(0.95,1.05)上高斯分布的的随机数 kp=0.6;ki=0.001;kd=0.001; %设置的P,I,D参数 u(k)=kp*x(1)+kd*x(2)+ki*x(3); %PID Controller %Linear model 线性模型 yout(k)=-den(2)*y_1-den(3)*y_2-den(4)*y_3+num(2)*u_1+num(3)*u_2+num(4)*u_3; error(k)=rin(k)-yout(k); %Return of parameters u_3=u_2;u_2=u_1;u_1=u(k); y_3=y_2;y_2=y_1;y_1=yout(k); x(1)=error(k); %Calculating P x(2)=(error(k)-error_1)/ts; %Calculating x(3)=x(3)+error(k)*ts; %Calculating I xi(k)=x(3); error_1=error(k); end figure(1); plot(time,rin,‘b‘,time,yout,‘r‘); xlabel(‘time(s)‘);ylabel(‘rin,yout‘);
效果不错,还挺开心。下次做个基于退火的自整定控制系统
时间: 2024-10-09 22:01:08