温度控制-模糊PID问题

看不懂问题1，不知道你想干啥，不过对数学的理解，所谓的模糊只不过是一种近似算法，这种算法高端的是人家保密部分，低端的是人人都知道的部分，要想达到目的，就要说出定义域和值域，大部分模糊算法都是一种识别性质的算法，你只要说当遇到什么情况怎么应对就行了。这个就是是模糊算法。就像打吧，射击的目标是靶子，子弹上靶就是模糊运算的成功。然后问题2、3需要问题1支持，所以无法回答。问题四，我想知道你要的是个什么算法，就拿导航当例子，你要告诉我你想去哪里，或者说你想到达哪个范围，我才能帮你找到路，供你选择。

什么都看不见啊

大神你好，我主要目的是为了替换现有的PID参数自整定，自整定感觉太慢了，我想达到的目的是在控温过程中自动调整PID参数，以适应温度控制

比如，我的温度控制在30℃，AD采样每10个脉冲为0.1℃，我正常控温参数
Kp = 1，
Ts =2，
Ti = 600（范围在200~1000），
Td = 150（范围在50~250），27℃之前为全速加热，27℃以上开始PID计算和控制（断续加热）
以上参数能达到控制要求


那这样定义域和值域需要考虑什么

我看你的温度控制也不需要很精确呀，使用经典的PID控制就好了，不用研究什么模糊控制了吧；而且经典的PID最适合控制具有惰性的温度控制系统了。给你介绍一篇文章，可能你已经有了。是关于电机的控制的，不过原理是一样的。希望对你有帮助

谢谢分享~~~，
我以前用不完全微分法，人为将PID参数调整好，直接上去就稳住了，最多冲温大概就冲个0.2，0.3的样子，

然后为了通用想加个自整定，但是我们公司通用的自整定方法效果不是很好，而且耗时间有点长，要两个波，，所以才想着用模糊控制，直接在控温的时候将PID参数调整好

管住嘴，迈开腿，打开百度搜一搜，点开william hill官网 问一问，问题统统都解决

我总感觉前面那个参数表不对，e = 设定值 - 测量值， ec = e（k） - e（k-1）
那么对e来说PB ：温度过低  NB：温度过高
而对ec来说 PB：温度下降快 NB：温度上升快

那么在温度过低，下降又快的情况下，P明显要增大，这样温度才能加的上去，反应也才会快，但是表格对应的是NB，Kp反而减小了

我这边是做语音芯片的，有需要用到吗  QQ2134296701

我说说我的看法吧，你参考看看。你的第一步可能隶属度函数有问题，为什么这么说?因为既然是一个模糊的概念，那么你除了e*Ke的隶属值为NM，隶属度为0.8，ec*Kec的隶属值为PM。那么你与NS和PS的相似度呢？然后再看看你的第三步，解模糊化过程，先不说你解公式的对与错。你说“0.7为第一步求出的较低的那个隶属度“，为什么你要选择较低的隶属度，理由呢？解模糊化的过程不就是将模糊语言精确化吗，而描述模糊化语言的数字表示除了隶属度0.7，还有隶属度0.8;所以我认为你只选择隶属度为0.7的是不怎么科学的。那么解模糊化的方法你可以这样试试，不是你的KP/KI/KD已经建立了模糊语言，并且有了相应的隶属度函数，隶属度函数的x取值范围就是你的KP/KI/KD实际取值范围，KP/KI/KD取值范围是精确的，y输出值范围是[0,1]，表示相似度，是表示模糊的。那么上面我们已经得到模糊的相似度如0.7，0.8。那么把0.7,0.8作为KP/KI/KD隶属度函数的y值，是不是就可以解出x值,解出的x值不就是精确值吗，上面是我自己的看法，可能有问题，但还是希望能够帮助你。重心法我也不是很清楚，如果你知道的话，可以分享分享。

学习学习

本帖最后由 dereck1314 于 2017-5-11 17:02 编辑



嗯嗯，前几天我把程序改了下，因为以前发的那个思路有点混乱而且感觉不正确

新编程思路如下：

第一步，将e*Ke和ec*Kec代入隶属函数，分别得到E的隶属度E[NB] 、E[NM]、E[NS]、E[ZO]、E[PS]、E[PM]、E[PB]   同样得到EC的隶属度EC[NB] 、EC[NM]、EC[NS]、EC[ZO]、EC[PS]、EC[PM]、EC[PB],以上两组数据分别组成两个数组E[]，EC[]，假设E[] = {0 , 0.16 , 0.56 , 0.72 , 0.4 , 0 , 0}；EC[] =  {0 , 0.5 , 1 ,0.5 , 0 , 0 , 0}；随后将这个量数组组合（规则为E[NB]分别与EC[]各项相乘，组成第一行，依次类推），获得数组如下：
{
   0,     0,      0,      0,      0,   0,   0，
  0， 0.08 ，0.16 ，0.08， 0,  0， 0
  0， 0.28 ，0.56 ，0.28 ，0， 0， 0
  0， 0.36， 0.72， 0.36， 0,   0,   0
  0， 0.2 ，  0.4，  0.2 ，  0，  0， 0
}

这个数据中最大的数就是隶属度，记做LSD，并且记下这个LSD下的隶属值ELS和ECLS，
上面的数据得到LSD = 0.72； ELS = ZO ； ECLS  = NS；

第二步，将ELS和ECLS带入模糊规则表，也就是上面的图，得到_Kp = PS , _Ki = NS , _Kd = NS。然后将LSD反向带入Kp，Ki，Kd的隶属度函数，得出0.72隶属度下与PS ， NS ，NS线交点所对应的值，若0.72隶属度下与PS交对应的值为X，Y，那么detKp = (X+Y)/2,，同理得出detKi和detKd，

第三步，Kp = Kp+ KPU*detKp，Ki = Ki+ KIU*detKi，Kd = Kd+ KDU*detKd

第四步拿Kp，Ki，Kd去算输出量


以上方法感觉应该是靠谱的，但是实验下来之后，还是要超温将近2摄氏度...我的天，

我开始怀疑Kp，Ki，Kd的模糊规则表了，感觉不对，如楼上所说

/*******************************/
我总感觉前面那个参数表不对，e = 设定值 - 测量值， ec = e（k） - e（k-1）
那么对e来说PB ：温度过低  NB：温度过高
而对ec来说 PB：温度下降快 NB：温度上升快

那么在温度过低，下降又快的情况下，P明显要增大，这样温度才能加的上去，反应也才会快，但是表格对应的是NB，Kp反而减小了

大家指导我下~，来交流下想法


附上第二步解模糊的示意图

老哥，貌似没有模糊推理（只有模糊规则库和隶属度一些知识，模糊推理是把模糊规则库和隶属度一些知识及现有的一些知识作为输入，模糊控制量作为输出，然后在解模糊化）。你去看看T-S模糊推理，一定要去看。

本帖最后由 dereck1314 于 2017-5-16 08:07 编辑



按照你说的我搜了下T_S模糊推理，按照

*****http:空格//blog.csdn.net/u014070279/article/details/47960573*****

把上面空格去掉。。。这个资料上说的方法进行了修改，不知道效果怎么样

本帖最后由 dereck1314 于 2017-5-16 08:18 编辑



我看了网上的T_S模糊推理，把程序改成了如下，第一步我们得到E和EC的隶属度数组：
{
   0,     0,      0,      0,      0,   0,   0，
  0， 0.08 ，0.16 ，0.08， 0,  0， 0
  0， 0.28 ，0.56 ，0.28 ，0， 0， 0
  0， 0.36， 0.72， 0.36， 0,   0,   0
  0， 0.2 ，  0.4，  0.2 ，  0，  0， 0
}
然后结合Kp，Ki，Kd的模糊规则表
//Kp的模糊规则表
char code KP[7][7]=
{
    3,3,2,2,1,0,0,
        3,3,2,1,1,0,-1,
        2,2,2,1,0,-1,-1,
        2,2,1,0,-1,-2,-2,
        1,1,0,-1,-1,-2,-2,
        1,0,-1,-2,-2,-2,-3,
        0,0,-2,-2,-3,-3,-3,
};

//Ki的模糊规则表
char code KI[7][7]=
{
   -3,-3,-2,-2,-1,0,0,
   -3,-3,-2,-1,-1,0,0,
   -3,-2,-1,-1,0,1,1,
   -2,-2,-1,0,1,2,2,
   -2,-1,0,1,1,2,3,
   0,0,1,1,2,3,3,
   0,0,1,2,2,3,3,
};

//kd的模糊规则表
char code KD[7][7]=
{
        1,-1,-3,-3,-3,-2,1,
        1,-1,-3,-2,-2,-1,0,
        0,-1,-2,-2,-1,-1,0,
        0,-1,-1,-1,-1,-1,0,
        0,0,0,0,0,0,0,
        3,-1,1,1,1,1,3,
        3,2,2,2,1,1,3,
};

随后求detKp = 隶属度表和Kp模糊规则表一一对应的乘机之和（KP[j]*隶属度表[j]）/隶属度表所有隶属度的和
同理求出detKi，detKd

以上方法应该是重心法吧

学习学习，加油哦。

话说 模糊PID真的不怎么样   

我说说我的看法吧，你参考看看

你好，请问后来解决了么

你好，请问后来解决了么