关于dsp28335移相全桥模糊自适应PID 控制算法

火辣西米秀

关于dsp28335移相全桥模糊自适应PID 控制算法 [复制链接]

      为了摆脱经典PID 算法中各种因素之间的相互影响，可以把比例、积分和微分作用分别用比例因子P、积分因子I和微分因子 D 表示，相互之间没有关联，互不影响。运算公式如下：
                  △u(n)=P*[e(n)―e(n-1)]+1/I*e(n)*Kii+D*[e(n)―2*e(n-1)+e(n-2)]
其 中 ：
P、I 和 D 分别是比例因子、积分因子和微分因子，K i i 是积分作用强度因子 其中：A 为偏差限值。即当偏差绝对值|e|从接近A到A/2方向，积分作用从0.2～100% 逐步增强。
当偏差 |e|>A 时，积分不完全起作用 。与经典 PID 算法相比，比例因子 P、积分因子I和微分因子D的作用与比例系数Kp、积分时间Ti 和微分时间Td 的作用相似，P 值越大，比例作用越强，P 值越小，比例作用越弱；I 越小，积分作用越强，I 值越大积分作用越弱；D 值越大，微分作用越强，D 值越小，微分作用越弱。但有明显不同：⑴ 比例因子P、积分因子I和微分因子

⑵ 积分因子I和微分因子D与积分时间Ti和微分时间Td的数值差别很大，不能根据经验进行设置；
⑶ 积分作用强度因子Kii与偏差有关，具有模糊自适应能力，能够根据偏差的大小自动调节积分作用的强弱。根据偏差的大小和性质建立模糊控制规则。当偏差大或较大时，增强控制作用，以尽快消除偏差；当偏差较小时，减少控制作用，以减少因测量误差引起的波动 。
                                                         设△T1= 量程*1.0%
                                                        设△T2= 量程*0.25%
当偏差|e|在△T1～A之间和|e|>A时，按照公式计算。当偏差|e|在△T1～△T2之间时，增加 P、I 作用，减弱 D 作用，PID 参数做
以下修正：
                                                   P’=P*(1+(|e|-△T2)/(△T1-△T2)*c1)
                                                   I’=I*(1-(|e|-△T2)/(△T1-△T2)*c2)
                                                  D’= D*(1-(|e|- △T2)/(△T1- △T2)*c3)
以新的 P ’、I ’和 D ’代替 P 、I和 D 参与公式计算。
系数c1、c2、c3与偏差∣e∣在△T1~△T2之间的次数有关，范围为0.05~0.50。当偏差|e|在0～△T2之间时，减弱各调节作用，P I D 参数做以下修正：
                            P’=P*(1+(|e|-△T2)/△T2*0.20)
                             I’=I*(1-(|e|-△T2)/△T2*0.10)
                            D’= D*(1+(|e|-△T2)/△T2*0.20)
当偏差|e| 在0～△T1 之间发生振荡时，根据振荡特性自动在±0.25范围内修改 P 、I 、D 参数。
其控制流程。首先根据经验缺点比例因子P、积分因子I和微分因子D 的初值，设置偏差限值△T1、△T2 和A，假设设定值为 r，测量值为 y ，初始化e(n-1)=0，e(n-2)=0，然后计算偏差e(n)=r n -y n ，根据偏差e(n)大小，利用公式自动计算Kii和调整P、I和D的值，计算PID 输出。如果采样周期到，进入下一个循环重新计算。

程序中具体实现如下：

  Fuzzy_pid.E0 = V_Set - V_Now ;

    if( Fuzzy_pid.E0<= Fuzzy_pid.A /2)
        Fuzzy_pid.Kii = 1;
    else
        Fuzzy_pid.Kii = 1-0.8*(2*fabss(Fuzzy_pid.E0)-Fuzzy_pid.A)/Fuzzy_pid.A;

    if(Fuzzy_pid.E0 >=Fuzzy_pid.T2&&Fuzzy_pid.E0 <=Fuzzy_pid.T1 )
       {
       Fuzzy_pid.P1 =  Fuzzy_pid.P*(1+(fabss(Fuzzy_pid.E0)-Fuzzy_pid.T2)/
                                               (Fuzzy_pid.T1-Fuzzy_pid.T2)*Fuzzy_pid.C1);

        Fuzzy_pid.I1 =  Fuzzy_pid.I*(1-(fabss(Fuzzy_pid.E0)-Fuzzy_pid.T2)/
                                               (Fuzzy_pid.T1-Fuzzy_pid.T2)*Fuzzy_pid.C2);
        Fuzzy_pid.D1 =  Fuzzy_pid.D*(1-(fabss(Fuzzy_pid.E0)-Fuzzy_pid.T2)/
                                               (Fuzzy_pid.T1-Fuzzy_pid.T2)*Fuzzy_pid.C3);

        Fuzzy_pid.P = Fuzzy_pid.P1;
        Fuzzy_pid.I = Fuzzy_pid.I1;
        Fuzzy_pid.D = Fuzzy_pid.D1;
       }

    Fuzzy_pid.SUM+=
                  Fuzzy_pid.P*(Fuzzy_pid.E0-Fuzzy_pid.E1)+
                             1/Fuzzy_pid.I*Fuzzy_pid.E0*Fuzzy_pid.Kii+
                               Fuzzy_pid.D*(Fuzzy_pid.E0-2*Fuzzy_pid.E1+Fuzzy_pid.E2);
 

threetigher

有实际对比测试么？