PID自动调参----simulink仿真-----如何高效调参
设计PID控制器
系统识别APP识别传递函数
Simulink搭建仿真控制系统
使用Maltab自动调参工具PID Tuner调节PID参数
设计PID控制器
我们先看这张经典的PID控制器的图片，可以看e（t）与u（t）与c（t），会发现控制器是控制e（t），也就是反馈值的偏差来输出控制量(u(t))给执行机构的。也就是通过控制执行机构间接控制被控对象。所以，设计PID控制器的关键是找出反馈量，也就是你想要控制的对象。
在这里插入图片描述

这个控制对象与执行机构有一定的联系，比如说，你想设计PID控制器控制小车的速度，那么这个反馈量c（t），就要是速度，控制速度的执行机构自然就是电机了。检测速度自然就要用到编码器。

系统识别APP识别传递函数
我们已经设计出了PID控制器（速度PID控制器），那比较关键部分，也就是执行机构与控制对象的关系我们还不知道。又由于，个人专业知识不能够识别出这两者的关系。但我们有工具可以识别出来。
请出我们的第一个小助手：

maltab的system identification
在这里插入图片描述

通过它，我们只需要知道系统的输入与输出就可以知道系统的特征，也就是用用黑箱方法得到的对一个系统规律的认识。

首先，我们需要又系统的输入输出数据，由于我手头上没有，便作罢（不过可以随便用一些数据玩一下）。下面假装我有电机的输入与输出的数据。采集数据的时候，一般使用开环控制的方式采集输入与输出数据。

输入数据
选择时间域信号

在Maltab工作区中导入数据即可，可以将变量拖动到区域中或者在区域中输入变量名

在这里插入图片描述

接着输入你的采样时间（以s为单位）和数据名称，按下import就可以把数据输入到app中，接下来可以进行系统识别了。

在这里插入图片描述

然后快速生成，就会自动生成一些数据，一部分是用来识别系统特征的，一部分是用来训练的，还有一些我也不清楚。
圈起来的①是生成模型的数据，②是训练的数据。在time plot可以查看曲线。

在这里插入图片描述

主要是看拟合率，拟合率超过80%较佳，也要防止过拟合，个人一般采取增大数据量的方法。图中拟合率100%，应该是过拟合了。

在这里插入图片描述

把输出的模型拖动到工作区中(To workspace)，以便在simulink中调用。

Simulink搭建仿真控制系统
搭建仿真模型，模拟单片机控制电机速度，信号输入的频率我设置为1ms，离散PID控制模块的控制频率也是10ms，反馈的延迟是5ms,由于两者的频率不一致，采用RateTransition ZOH是采样率转换，加一个零阶保持器。
在这里插入图片描述

把系统辨别app辨识出的模型，从工作区中写入到simulink中。

在这里插入图片描述

运行仿真

在这里插入图片描述

使用Maltab自动调参工具PID Tuner调节PID参数

打开PID controller,可以选择PID控制，输出限制幅度，PI，P，PD控制等等,设置好了。

打开PID Tuner即可开始调节

在这里插入图片描述

界面如下，拖动两个按钮可以修改曲线参数，按下按钮两边得大于/小于号，可以拓宽，收缩调节范围。

点击show Parameter 显示曲线信息，有曲线的超调量，增益，达到设定值的时间，曲线是否稳定等。可以边拖动曲线，边看表格。

可以看到有两条曲线，一条是上次PID值下得曲线，一条是目前PID值下得曲线。
在这里插入图片描述

当反应时间调节过短，曲线变得逐渐不光滑

在这里插入图片描述

调节过量，曲线变得不稳定

在这里插入图片描述

找到比较合适的曲线，更新到simulink

在这里插入图片描述

可以看到，曲线比较合适，PID的值合适。

在这里插入图片描述

通过simulink可以给我们制作智能车或者其他调节PID时候一个大的方向，找到一个比较合适的区间，在这个区间进行实际中的调节。特别是对于新手，不怎么会调节PID的，一个比较好的方向。

值得注意的是，这些都是一些方法，合不合适，主要看模拟出来的系统是否好，也就是创建一个好的系统模型这个是比较重要的。

参考文章：
嵌入式小车
串级PID
系统辨识