tag 标签: pid

相关帖子
相关博文
  • 2013-11-28 21:57
    1407 次阅读|
    0 个评论
           记得在做测温仪校准台的时候,在做到用 PID 算法控制温度的时候,对于 PID 算法的理解的过程很难受也很纠结,尽管有凤舞天和 tomsu 两位大师在旁边指导还是费了不少时间和精力去理解、领悟和调试。后来另外一个同事需要做高频加热设备的温度控制,也需要用到 PID 算法对温度的控制,因为这位同事是今年刚毕业的大学生,在学校主要是学软件,基本上没有什么硬件基础,所以她对整个温度控制很难理解和领悟,对 PWM 的理解刚开始总是很难精确,所以在她做温控的过程更加的纠结和痛苦,同事耗费的时间、精力和人力(需要在旁边指导的同事)也更大。并且她的经历跟我的经历是重复的,在我经历过一遍之后她又按照我走过的经历再经历一遍,这种重复的工作对公司来说是一种很严重的人力资源的浪费。对于一个公司来说,人力资源是最宝贵的一种资源。        而在工控行业, PID 算法是软件控制所常用的一种算法,所以对于我们嵌入式组来说,基本上是需要每个人都会用的。那么我们就必须要找到一种方法既能降低学习成本,又能统一软件,降低维护成本,而且还简单、易学、易用。所以,凤舞天建议我先在 msOS 的基础上添加一个 PID 算法库的试用实例,面向对象的,把算法都封装在底层,用户只需要调节相对应的门限值和系数就行。        那么我们来介绍一下 PID 算法库的分层。        msOS 是采用分层的,整个系统分为 App 和 System 两个目录: 而 System 是系统库。我们把 PID 库添加在 System 目录下,以实现真正的库封装。 在 PID 目录下,包含 Pid.c 和 Pid.h 两个文件。 首先我们从 PID 库的应用开始入手。我们把用户根据实际情况需要调整的参数做成界面菜单放在 event.c 文件中。用户可以根据特定需求来更改目标值 TargetPointer 和获取当前值 CurrentPointer ;也可以根据控制过程所需要的控制曲线来定 P 、 I 、 D 引入的门限值;还可以设置运算过程中 P 、 I 、 D 的系数和积分处理的模式,用户只需要对此进行注册即可。同时需要对在底层运算后传上来的结果进行怎样的处理在 static void Mycallback( int data) 中进行控制。 那么该怎样去调节这些参数就得需要我们了解 PID 的原理和物理意义了。 其实关于 PID 算法的文章网上很多,可基本上都是基于数学模型讲解的,很难理解也很难运用,后来凤舞天也写了一篇《 PID 算法》,深入浅出,比较通俗易懂。而作者结合具体项目的实践,和对 PID 算法理论的理解,简单总结了一下: P 是根据测量值和目标值的误差来决定的负反馈的大小。 P 的取得公式: P= 系数 * (目标值 - 当前值)。但是如果一开始就引入负反馈,很有可能达不到目标值,所以需要设定引入负反馈的门限值。而在引入负反馈门限值之前,如果(目标值 - 当前值)大于负反馈引入门限值应当全速加热;如果(目标值 - 当前值)小于负反馈引入门限值应当全速减。 I 就是积分,也就是极限误差。当目标值和当前值很接近的时候,如果继续只根据负反馈来调节,那么有可能与目标值产生误差值,而达不到目标值,所以这时候需要引入一个趋势与负反馈相同的期望值来消除这个误差。把这些误差累加起来正向反馈给结果来抑制负反馈,在正负反馈的共同作用下当前值逐渐逼近目标值。 D 是为了防止在当前值在 P 和 I 的正负反馈作用下出现过冲或者还没达到目标值的情况下更快速的稳定下来而引入的。所以 D 的门限值不宜太高,应该取比较接近目标值的门限,这样可以减小当前值的振荡,使其更快速的稳定。 接下来我们来分析分析 PID 算法库的底层。 首先是定义一个 PID 的结构体: 然后通过注册方式来获取应用层给不同参数的赋值。 在获取了参数之后,就开始 PID 运算。 PID 的运算原理就是前面我们所提到的。在这里我们使用 systemtick 每个 10ms 调用一次,来确保实时、稳定的控温。   在这个 PID 运算中,我们为了让计算结果更能符合控制逻辑的曲线分布,提供了三种积分模式: LineMode (线性模式)、 TwoRootMode (开二次方根号模式)、 ThreeRootMode (开三次方根号模式)。 关于这三种积分模式,作者以测温仪校准台为基础(校准台的发热体是氮化硅)做了三组测试并获取了数据绘制成曲线图来做分析。 在这三组测试中,我们设目标温度都为 800 度,负反馈门限、负反馈系数、积分门限、微分门限都相同,取积分模式和积分系数不相同。在积分线性模式下积分系数为 0.02 ,二次根号和三次根号积分模式下,积分系数为 1 。 在线性积分系数远小于开根号的积分系数的情况下,其稳定的波形还是没有开根号的平滑,稳定。 此图为线性积分模式在引入积分和微分后的温度趋于稳定过程的 PWM 输出。可以看到,在 PWM 输出稳定之前还会有一个小的波峰。这个波峰的幅度大小就取决于积分系数的大小。                                   而这两个图是积分模式取开二次方和三次方根号在引入积分和微分后的温度趋于稳定过程 PWM 的输出。可以看出即使积分系数为 1 ,开根号的次方数越多,在 PWM 输出稳定之前,它的曲线越平滑。
  • 热度 23
    2013-11-22 21:35
    5134 次阅读|
    23 个评论
           PID算法网上不少,往往都是基于数学模型,在实际中导致使用难的问题,而数学模型属于理想的,没有深入本质讲解,本文从控制学的基础讲解。          我们看一个生活例子,冬天洗热水澡,需要先放掉一段时间的冷水,因为水管里有一段冷水,热水器也需要一个加热过程,等过了这段时间之后水温有些接近目标值后,开始调节水龙头来调节冷、热水之间的比例及出水量,之后再慢慢的微调,在洗浴过程中感觉温度不合适,再一点点的调节。这个过程,其实就是PID算法过程。我们之所以微调,是因为水温的变化速度与我调节的速度不相匹配,存在一个 滞后效应 ,我们需要调节一点点,等一下再感觉一下温度,不够再条件一点点,再感觉,这个过程就叫PID算法,也可以说,滞后效应是引入PID的原因。          失去的能否找回来?能、只是我找回了纽扣,却发现衣服已经不再了。这个就是滞后效应。          负反馈系统,都有滞后效应,但为什么运放、电源这类的却从来不提PID算法呢?这是因为这类系统的滞后延时时间非常短,若考虑这个延时,负反馈引入180度相位,延时恰好引入180度相位,则完全可能引起振荡。问题在于这个延时时间足够短,它的谐振频率点比较高,以运放为例,加入延时加上负反馈引起的谐振点为10MHz,但这颗运放的频率响应是1MHz,则在10MHz下完全不可能导致振荡,因为这个芯片的频响特性只有1MHz。我们常用的线性电源IC,比如SOT23封装的LDO,假如输出不加电容,就会输出一个振荡的波形,相对来说电源IC的滞后效应比运放要大,但是,因为电源一般后面都要接大电容的,它的频响特性很低,接近直流0Hz,所以当有电容时候,就无法振荡了。          而工业控制领域,比如温度等,都是滞后效应很严重的,往往都是mS,甚至是10mS级别的,若直接用负反馈,因为激励与反馈的不同步,必然导致强烈的振荡,所以为了解决这个问题,我们需要引入PID算法,来实现这类滞后效应严重系统的负反馈控制,我们以高频感应加热设备加热工件,从常温25度加热到700度为例做说明:   1、    25~600度,100%的全功率加热工件,这是因为温差太大,前期要全功率,先加热到靠近目标温度。之所以考虑在600度,是因为滞后效应,若设定太高,当发现接近700度再停下来,但实际上,温度会冲过700度。当然,600度是一个经验值,以下几个温度点都是经验值,根据实际情况而来。   2、    600以上,开启P算法,P就是根据测量值与目标值的误差来决定负反馈的大小。P算法公式:反馈 = P * (当前温度-目标温度)。但因为负反馈是基于存在误差为前提的,所以P算法导致一个问题,永远到不了想要的值:700度。因为到了700度,反馈值就没有了。P算法的开启,进一步逼近了目标温度,假设稳态下可以达到650度,这样就算因为滞后效应导致的延时,也不会超过700度太多。   3、    当达到P算法的稳态极限650度附近的时候,比如640度,就应该开启另外一个算法解决P算法引起的极限误差,那就是I算法。I算法就是为了消除这个P算法导致的误差值,毕竟我们想要的是700度,而不是650度。I算法,本质上讲就是获取一个700度下对应的一个驱动值,之后用这个驱动值来取代P算法,那么我们怎么得到这个驱动值呢,唯一的手段就是把之前的误差都累加起来,最后得到一个期望值,这个期望值就是我们想要的驱动值。因为只要与目标值存在误差,那么把这些误差值积累起来再去反馈控制,就能一步步的逼近目标值,这如同水温不够高,再加一点点热水,不够高再加,这样总能达到想要的水温。值得注意的是,I算法不能接入太高,必须要在P算法的后期介入,不然很容易积累过大。这个时候可以引入一个误差门限,比如误差为60,当作6来处理,误差为50,当作5来处理,消除大的误差值,具体根据项目情况决定。   4、    当I算法把工件温度加热到很接近目标温度后,那么可以调节的范围就很小了,最后一点点的微动,让调节的每一次的变化,不要太大,这就是D算法。D算法本质上讲就是反对剧烈的变化,所以适用于达到目标温度的时候。          PID算法其实不复杂,但从目前看,很多人都是因为对这三者的使用条件不了解导致的问题,都是从加热一开始,三个要素都上,结果可想而知。P算法是温度接近目标值的时候用,I算法是在P算法到稳态极限的时候用,D算法是达到目标值附近的时候用。实际项目中,D算法一般不用,效果不大。假如非要找一个现实中对应的实物,那么以开关电源为例,TL431基准电源比较器可以认为是P,输出滤波电容C是I,输出滤波电感是D,两者完全等价。它们各自的应用工作点可以认为:假设目标温度700度,600~800度:P算法;640~760度:I算法;690~710度:D算法。具体值,以实验为准,数据仅供参考。   最后给出一个PID最通俗的解读:我们设计一样东西,一般都是先打个样,这个样跟我们想要的接近,但细节没到位,这就是P,样有差异,所以就要修改,拟合逼近,这就是I,到了定稿,就不允许随便修改了,就算要修改,也是有限制的修改,这就是D。 
  • 热度 12
    2012-7-23 09:59
    3428 次阅读|
    12 个评论
    王重阳为什么能“武学天下第一”的原因分析 本人熟读金庸先生的武侠小说,被他深厚的“佛道儒”思想所吸引,总有一种“天地人和”的感觉,可这种感觉只可意会,而不能具体的表述,深为苦恼! 昨天跟一个朋友在网上聊QQ,提到金庸小说,我发了一段我自认为金庸先生写得最好的一段武学评论给他,如下: 周伯通又道:“你师父洪七公的功夫是外家中的顶儿尖儿,我虽懂得一些全真派的内家功夫诀窍,想来还不是他的敌手。只是外家功夫练到像他那样,只怕已到了尽处,而全真派的武功却是没有止境,像做哥哥的那样,只可说是初窥门径而已。当年我师哥赢得‘武功天下第一’的尊号,决不是碰运气碰上的,若他今日尚在,加上这十多年的进境,再与东邪西毒他们比武,决不须再比七日七夜,我瞧半日之间,就能将他们折服了。” 出之“射雕英雄传”第十七回“左右互搏”     上面这段话本人一直有一个很深的 疑问 ,为什么王重阳的武功就能够没有止境呢?而其他的四绝就不能够达到他的高度。正在思考之时,来了一位同事,他也看到这段话,于是我们就 讨论 起来。如下: 常规学武之人无非重视两点: 1: 力度,也指内外功,抗打力。 2: 身法,也指灵敏度,轻功。 对于第一点,假设一般人的拳头力度是100公斤,那么学武之人的武功为150公斤,天才级别的为180公斤吧。问题是拳头永远不可能无限制的硬,所以力度永远是有限的,再提升一点都是比较困难的。所以周伯通说“洪七公的功夫是外家中的顶儿尖儿,我虽懂得一些全真派的内家功夫诀窍,想来还不是他的敌手。只是外家功夫练到像他那样,只怕已到了尽处”,这一点可以理解。 对于第二点身法,它受制于身体的重量和人体的爆发力,也就是说它的加速度也是有限的,因为牛顿定理 A = F / M,假设一般人的加速度能够达到5m/s2,那么那些轻巧之人的加速度达到7m/s2也就是非常了不起了,就算是顶尖 高手 ,估计也高不了太多了。所以说身法也是有限制的,再说人体加速度太快,内脏还会受损。 那么武学上有什么是没有限制的呢? 本人这段时间在做一个温控设备,用到了一个PID算法,他是控制领域的一个基本算法,一般这个算法都需要修改以满足一些低速设备的控制,我举一个大家熟悉的例子,就是冬天淋浴的时候温度控制,我们往往一开热水,结果太烫了,稍微调低一点,但不知道调多少,慢慢的调,直到调到一个可以接受的温度,问题是这个过程大概需要好几秒钟时间,太长了,在自动化控制上肯定受不了,所以需要一个算法,比如刚才说的PID算法,问题是普通的PID算法有一个缺点,就是响应时间还是比较慢,于是大家改进的一个方法,加入了预测,根据之前的经验或者规律做出一个预测,这样就能提高响应速度,因为预测可以让一个问题类似于解方程或者说逻辑推理,那这个现在的处理器是非常擅长的。一个典型的例子就是我们电脑的CPU,他有一个CACHE,分为指令CACHE和 数据 CACHE,因为CACHE太小了,为了提高取指准确性,加入了预测分支 系统 。还有ADPCM之类的音频压缩格式,就因为加入了预测,降低了编码量。 基于预测可以大大提高系统响应的特点,本人试着把预测引入武学中研究 ,先在金庸先生的小说里找到一些预测的根据,如下: 那黄裳逃到了一处穷荒绝地,躲了起来。那数十名敌手的武功招数,他一招一式都记在心里,于是苦苦思索如何才能**,他要想通**的方法,然后去杀了他们报仇。也不知过了多少时候,终于对每一个敌人所使过的招数,他都想通了**的法子。     出之“射雕英雄传”第十六回“九阴真经” :“单以武学而论,这些魔教长老们也不能说真正已窥上乘武学之门。他们不懂得,招数是死的,发招之人却是活的。死招数破得再妙,遇上了活招数,免不了缚手缚脚,只有任人屠戮。这个‘活’字,你要牢牢记住了。学招时要活学,使招时要活使。倘若拘泥不化,便练熟了几千万手绝招,遇上了真正高手,终究还是给人家破得干干净净。” 风清扬道:“活学活使,只是第一步。要做到出手无招,那才真是踏入了高手的境界。你说‘各招浑成,敌人便无法可破’,这句话还只说对了一小半。不是‘浑成’,而是根本无招。你的剑招使得再浑成,只要有迹可寻,敌人便有隙可乘。但如你根本并无招式,敌人如何来破你的招式?”令狐冲一颗心怦怦乱跳,手心发热,喃喃的道:“根本无招,如何可破?根本无招,如何可破?” 风清扬微微一笑,道:“这就是了。学武之人使兵刃,动拳脚,总是有招式的,你只须知道破法,一出手便能破招制敌。”令狐冲道:“要是敌人也没招式呢?”风清扬道:“那么他也是一等一的高手了,二人打到如何便如何,说不定是你高些,也说不定是他高些。”叹了口气,说道:“当今之世,这等高手是难找得很了,只要能侥幸遇上一两位,那是你毕生的运气,我一生之中,也只遇上过三位。” 田伯光那厮的快刀是快得很了,你却要比他更快。以你这等少年,和他比快,原也可以,只是或输或赢,并无必胜把握。至于我这等糟老头子,却也要比他快,唯一的法子便是比他先出招。你料到他要出甚么招,却抢在他头里。敌人手还没提起,你长剑已指向他的要害,他再快也没你快。”                     出之“笑傲江湖”第十章“传剑” 第十拳轻飘飘的打了出去。他微微点了点头,不待我拳力着身,便跨上两步,竟在这霎息之间,占了先机。”   无忌自然不懂跨这两步有甚么难处。张翠山却深知高手对敌,能在对手出招之前先行料到,实是极大的难事,通常只须料到一招,即足制胜,点头道:“了不起,了不起!”                     出之“依天屠龙记” 第八章 穷发十载泛归航 通过小说里这么多的对话,我们可以知道金庸先生一直在强调高手之间的竞争就是“先机”的竞争,料敌之先机,也就是我们通常说的预测,通过分析对方当前的武功招式,预测下一步的动作,这样可以取得一个招式的时间,那么身法再快也不足以弥补一个招式的时间,这个我想就是王重阳,黄裳之辈天天在悟的东西吧。 今天早上我华禹同事又来找我,谈到昨天的分析,提出事物的规律问题,预测必须要了解对方事物的规律,问题是这个规律怎么找,这个不是本人要谈的,但我觉得规律的寻找第一要有良好的基础,第二要有一个正确辨正的思维体系。 其实预测在我们日常生活中一直就用着,只是我们自己不知道罢了,比如下棋,我们总是想着假设我方落子之后对方将会怎么下。会做菜的,能够想象自己下什么料能做出什么样的味道,也就是“大长今”里长今具有画出菜的味道的能力。等等之类的太多。 接下来谈谈 应用 “预测”的好处, 举个例子:本人发现大多数人看书是顺着书本上的内容走的,看起来不累,容易融入,问题是往往看完就忘了,必须通过做题等手段才能巩固。这种类型的叫读书型。有一部分人看书不是这样看的,他是先看这本书的前言等,了解这本书或者这章节讲什么内容,然后自己先想一通,该怎么做怎么做,之后去跟书本印证,对比,若相同会很快理解,若不同可能苦苦分析原因,找出自己或者对方的缺点,若不如书上的高明,则大大感叹,心存佩服,问己之为何不如,寻找原因,时时如此 学习 思考,此人能不成大牛。这种类型的叫研究型。 国人往往喜欢玩虚的东西,不会把事物量化,比如“天地人和”,这种意境太高,高的让人琢磨不透,但又陶醉于这个所谓的境界之中。所谓的境界其实就是我们所理解不了的东西叫境界,本人一直想把一些境界具体化,也就是量化,在现实中找一个对应的,不要让他们太高深。西方这么多年的科技发展给我们一个答案就是一切都是可以量化的,不能量化是因为我们理解的不够深入导致的。 技术 不能就是技术,不能老拘泥于技术,其实生活就是技术,从书本中,生活中学习技术,应用于生活,目的还是生活啊。        
  • 热度 1
    2012-5-3 19:52
    834 次阅读|
    0 个评论
    I studied control engineering in the university. Back then (way back in the mists of time), the most sophisticated control techniques we had were bang-bang control , sequence control , and proportional-integral-differential control (PID). PID control Just to refresh our memories and set the scene... unlike a bang-bang controller, which is either on or off, a proportional or P controller calculates an "error" value as the difference between a measured process output variable and a desired set-point. The controller then attempts to minimize this error by adjusting the process control inputs. The amount of change is proportional to the error – hence the name "proportional controller." When the difference between the desired value on the output and the actual value on the output is large, the controller attempts to rectify the situation by making large changes. As the difference between the desired and actual output values shrinks, the controller adjusts itself accordingly. We can visualize this as being the blue/cyan trace in the image below.     In many cases we want our proportional controller to modify the output as quickly as possible, but if we aren't careful the system will overshoot and then oscillate back and forth until it finally reaches the desired value. We can visualize this as being the red trace in the image below. In some cases the solution is to augment the proportional element with an integral (I) element to create a proportional-integral (PI) controller. In other cases we might use a derivative (D) element to create a proportional-derivative (PD) controller. Alternatively, we might decide to employ all three elements to create a proportional-integral-derivative (PID) controller. We can visualize the result (fast response with – ideally – no overshoot) as being the green trace. Heuristically, these terms can be interpreted in terms of time: P depends on the present error ; I depends on the accumulation of past errors ; and D is a prediction of future errors , all based on the current rate of change. The weighted sum of these three actions is used to adjust the process. Originally this type of continuously variable control used to be performed only the analog domain. These days, however, digital techniques are commonly used in many industrial control applications. Fuzzy Logic control Another form of control is based on something called Fuzzy Logic . I personally love this term, but I think the "Fuzzy" appellation has caused many people to take this approach less-seriously than it perhaps deserves. Fuzzy logic is a form of many-valued or probabilistic logic . The reasoning in fuzzy logic is similar to human reasoning in that it allows for approximate values and inferences as well as incomplete or ambiguous data (fuzzy data), as opposed to only relying on crisp data (binary yes/no choices). In the case of a thermostat, for example, instead of defining fixed temperature values for turning the heating or air-conditioning systems full on or off (as would be the case with a bang-bang controller), a fuzzy controller might "see" things in terms of cold, warm, or hot. (The diagram below shows simple trapezoid-like membership functions, but other shapes – particularly triangles – are often used).     Fuzzy logic is able to process incomplete data and provide approximate solutions to problems other methods find difficult to solve. For example, I think it's safe to say that all of us have played around balancing an object like a stick on the end of our fingers at one time or another. Can you imagine how much more difficult this would be if we had two sticks joined at the middle with a universal joint that allows the upper stick to flop around in any direction? I can't even imagine creating a PID controller-based solution to this. In fact, if the truth be told, I can't imagine creating any controller that could do this ... but I have seen an example of a Fuzzy Logic controller handling just such a system with aplomb. The best book on Fuzzy Logic? I don't recall why, but I was just sitting here thinking about Fuzzy Logic when I realized that I really know very little about this little rascal when it comes to the nitty-gritty (actually-making-something work) details. Furthermore, looking at my bookshelves, I realize that I don't have anything useful on this technology. So I bounced over to Amazon. The first book I found was Fuzzy Logic Get Fuzzy 2 by Darby Conley, which seemed to be very reasonably priced at $8.99, and which had 4.5 stars from 60 reviewers. On closer inspection, however, I discovered that this is a cartoon book about a cat and a dog. Amusing as this might be, I doubt it will provide the answers I am looking for. The best of the bunch seemed to be An Introduction to Fuzzy Logic for Practical Applications by Kazuo Tanaka. But at $130 this would have to be a REALLY good book. Also, it was published in 1996, which has plusses and minuses associated with it – on the plus side it's still in print, which says it has to be good (not the least that it has mostly 5-star reviews); on the minus side I can't help thinking that things must have moved on since that time... What I'm looking for is an affordable book from which I can get a good grip on Fuzzy Logic without getting embroiled in complex math that makes my eyes water and my brain ache. Something sufficient to allow me to capture and implement a simple algorithm in C for use on a microcontroller or in Verilog for realization in an FPGA. (I don't want the book to teach C or Verilog – you understand – all I want is to get a firm grasp of Fuzzy Logic fundamentals.) The bottom line is that I'm looking for a recommendation for a good book. Do you have any suggestions? And if the tome you recommend is An Introduction to Fuzzy Logic for Practical Applications as discussed above, then (a) do you have a copy and (b) would you perhaps be interested in trading it for one of the books on my shelves?
  • 热度 3
    2011-11-12 19:42
    1830 次阅读|
    3 个评论
    PID控制是目前工程上应用最广的一种控制方法,它的优点在于结构简单,且不依赖被控对象模型,控制所需的信息量也很少,因而非常易于工程实现,同时通过参数的调整也可获得较好的控制效果。 PID的三个参数——P(Proportional,比例)、I(Integration,积分)、D(Differentiation,微分)对时域响应的影响: P——将误差信号放大或缩小,产生控制作用,以减小误差; I——将误差不断累积,最终实现消除误差; D——获取误差的微分信息,反映偏差的变化趋势(变化率),能在系统产生大的误差变化前产生控制作用,从而加快系统的响应,减小调节时间。 PID结构框图:   PID控制的是误差信号e(t) = r(t)-c(t) PID控制律写成如下形式: 或     在计算机控制系统中采用的是数字PID,因为计算机控制实际上是采样控制,用一系列采样点 kT 表示连续时间 t ,用和式代表积分,用增量代替微分。数字PID有两种控制方式:位置式PID控制和增量式PID控制。   1. 位置式PID控制:   2. 增量式PID控制:    1)位置式PID控制的输出与整个过去的状态有关,用的是误差的累加值;增量式PID的输出只与当前拍和前两拍的误差有关,因此,位置式PID控制的累积误差相对更大。 2)增量式PID的输出的是控制量增量,并无积分作用,因此,这种方法适用于执行机构带积分部件的对象。如步进电机;而位置式PID适用于执行机构不带积分环节的对象,如电液伺服阀。 3)增量式PID输出的是控制量增量,若计算机出现故障,误动作影响较小,而执行机构本身有记忆功能,可仍保持原位,不会严重影响系统的工作,而位置式的输出直接对应对象的输出,因此对系统影响较大。   位置式PID控制算法可通过增量式控制推出:   增量式PID算法流程:   位置式PID算法流程:     参考文献:   1. http://blog.ednchina.com/tengjingshu/228278/message.aspx 2. 新型PID控制及其应用,陶永华,北京:机械工业出版社,1998
相关资源
  • 所需E币: 5
    时间: 2020-1-13 17:24
    大小: 446.02KB
    上传者: 火引冰薪
    方法简单吗,实现方便,性能可靠,非常适合学习的资料。
  • 所需E币: 3
    时间: 2019-12-19 15:13
    大小: 1.51MB
    上传者: 2iot
    由浅入深—吃透PID……
  • 所需E币: 4
    时间: 2019-12-19 14:36
    大小: 9.4MB
    上传者: givh79_163.com
    PID教程……
  • 所需E币: 3
    时间: 2019-12-19 14:18
    大小: 4.02MB
    上传者: quw431979_163.com
    好好学PID……
  • 所需E币: 3
    时间: 2019-12-29 00:01
    大小: 150.5KB
    上传者: wsu_w_hotmail.com
    AcompleteandverycompactthermalcontrolsolutionforDWDM(DenseWavelengthDivisionMultiplexing)lasermodulescanbemadeusingaMAX8520/21andasingleopamp.BecauseDWDMusesmultiplelasersonasinglefiber,carefulcontrolofthelaseroutputfrequenciesisrequired.Thisdesigncaneasilyprovidethelevelofperformanceneededfor25GHzchannelspacingmakingitanidealfoundationfordesignersworkingonDWDMfiberopticsystems.……
  • 所需E币: 0
    时间: 2019-12-24 14:29
    大小: 308.2KB
    上传者: Killoser
    5分钟教你学会PID。在深入做机器控制开发的时候PID应该是大家都会涉及的到的话题了,这里分享给大家一份入门资料,对入门的朋友应该会有帮助的。在工业应用中PID及其衍生算法是应用最广泛的算法之一,是当之无愧的万能算法,如果能够熟练掌握PID算法的设计与实现过程,对于一般的研发人员来讲,应该是足够应对一般研发问题了,而难能可贵的是,在很多控制算法当中,PID控制算法又是最简单,最能体现反馈思想的控制算法,可谓经典中的经典。
  • 所需E币: 3
    时间: 2019-10-14 15:33
    大小: 30.77MB
    上传者: wandlf
    PID之书到处都有,但能讲的非常透彻,又有很强的实践指导意义的书不多,白志刚的这本书是一本难得靠谱的好书,看完此书,并能深刻理解的话,PID整定基本可以算专家了。
  • 所需E币: 0
    时间: 2019-7-24 16:03
    大小: 6.72KB
    上传者: kbcell9
    在智能车竞赛中,要想让智能车根据赛道的不断变化灵活的行进,PID算法的采用很有意义。首先必须明确PID算法是基于反馈的。一般情况下,这个反馈就是速度传感器返回给单片机当前电机的转速。简单的说,就是用这个反馈跟预设值进行比较,如果转速偏大,就减小电机两端的电压;相反,则增加电机两端的电压。
  • 所需E币: 0
    时间: 2019-7-24 15:04
    大小: 584.87KB
    上传者: kbcell9
    参数整定找最佳,从小到大顺序查。先是比例后积分,最后再把微分加。曲线振荡很频繁,比例度盘要放大。曲线漂浮绕大弯,比例度盘往小扳。曲线偏离回复慢,积分时间往下降。曲线波动周期长,积分时间再加长。曲线振荡频率快,先把微分降下来。动差大来波动慢,微分时间应加长。理想曲线两个波,前高后低四比一。一看二调多分析,调节质量不会低。
  • 所需E币: 3
    时间: 2019-6-10 21:46
    大小: 759.91KB
    上传者: royalark_912907664
    温度稳定性是仪器仪表制造的一个关键的技术指标,因此设计采用线性较好的温度传感器LM35,通过对传感器、信号放大及AD采样电路的优化,提高温度采样精度,采用高度集成的STM32F103,内置数字PID控制算法,结合PWM控制模式,不仅大大提高温度控制精度,也提高了控制效率,有效地提高仪器仪表测量分析性能。
  • 所需E币: 3
    时间: 2019-6-7 19:43
    大小: 1.41MB
    上传者: royalark_912907664
    为了实现对同步电机的有效控制,论文基于经典PID控制理论,结合模糊控制理论,实现了模糊控制与PID控制的有效结合,构建了完整的永磁电机矢量控制结构和系统模型。根据模糊控制理论、开关选择表和控制规则表,设计出符合控制系统的控制规则,实现对永磁电机的矢量控制。应用MATLAB对设计的模糊PID模型进行软件仿真,通过分析MATLAB/Simulink的仿真中转矩波形、负载波形等结果表明所设计的系统是一种较为理想的电机矢量控制系统。
  • 所需E币: 3
    时间: 2019-6-8 21:33
    大小: 829.33KB
    上传者: royalark_912907664
    为了提高车载视频导航控制子系统的准确度,本文介绍一种基于STM32的视觉导航系统。该系统使用USB摄像头采集周围环境信息,视频通过编码后由无线路由传送到上位机,在上位机的MATLAB中利用现有的灰度和二值化的方法对图像进行处理,以及在Keil软件平台上进行编程,小车采用PID控制算法控制电机的速度,以此用来改变小车移动的方向。通过实验验证,该系统确实能够在一定的区域内实现导航,具有一定的可扩展性。
  • 所需E币: 3
    时间: 2019-5-26 09:34
    大小: 3.26MB
    上传者: royalark_912907664
    早产儿智能恒温鸟巢式水床,相比传统的恒温箱,能够更好的模拟母体子宫环境,给早产儿一个安全舒适的成长空间。基于S3C2440和DS18B20的恒温水床控制系统,以S3C2440作为数据采集单元,数字温度传感器DS18B20作为温度检测元件,通过QT开发,设计了智能友好的人机交互界面。引入了模糊自适应控制算法,建立PID控制数学模型,实现控制精度提高。整个系统设有温度报警装置,保证了早产儿水床系统的安全性和可靠性。
广告