【Matlab】根据伯德图计算pid参数方法原理

news2025/4/5 20:06:16

在学习鲁棒控制的过程中,有一些步骤需要根据一些性能参数来计算pid参数,因此记录一下根据伯德图的性能来计算pid参数的原理。

系统开环响应的几个关键参数

在使用开环响应初调控制器参数时,主要就是调整几个需要注意的关键参数,相同的,计算控制器参数也是根据关键参数来进行计算的,主要关心的是一下几个参数:

1)相位裕度

2)穿越频率

3)截止频率

相位裕度:相位裕度是系统的开环增益为 0 db 时(穿越频率),对应相频响应曲线与 -180 度的相位差,用于评估系统的稳定性,相位裕度越大,系统稳定性越好

穿越频率:是指系统幅频响应曲线与 0db 的交点频率,用于评估系统的稳定性

截止频率:是指系统幅频响应曲线与 -3db 相交的频率

其中,穿越频率通常用来衡量系统的相位裕度,截止频率通常用来衡量系统的带宽。当系统满足相位裕度要求时,截止频率越高,系统带宽越大,响应速度越快。

根据伯德图来调整pid参数的中心思路:指定想要的穿越频率,以及在此穿越频率下想要系统达到的相位裕度,之后根据实际系统的频率特性曲线,加入控制器补偿其相位裕度与穿越频率。

单校正环节效果与原理分析

进行整体指标的调整需要用到多个环节,接下来的内容是对单个环节的效果与作用进行分解分析,方便后续合并为整体的计算理解。

超前校正与穿越频率,相位裕度

穿越频率中对应的相频响应曲线,决定相位裕度,超前校正可以用于提升系统的相位裕度。

超前校正的思路是:将相位曲线在某一个频率段向上提升,同时尽量不改变幅值曲线,这样就可以增加系统的相位裕度。

例如以下的一个系统的伯德图,随便给了一个控制器,相位裕度是35.9度,想要抬升其相位裕度:

单个超前或滞后控制器的传递函数表达式为:

w_z < w_p 时,就是超前控制器

w_z > w_p 时,就是滞后控制器

但上述表示方式不容易计算各类参数,需要进行转换。转换有两种方法。

方法一(可能会计算出实际中不合理的值,需要查看计算结果)

超前校正调节器转换为以下的形式:

当 α > 1 时,就是超前校正,小于 1 时,就是滞后校正。

写成这种形式,各种参数比较好算:

1)其上下截止频率为 w1 = 1 / (α*Ta) ,w2 = 1 / Ta

2)最大相位处的频率为:

3)最大相位为

使用一个例子来验证一下,假设穿越频率是 1Hz,需要补偿 30度,让超前校正器的最大相位对应频率对应 1Hz,最大相位为 30度,按照上式计算参数:

%超前校正传递函数
f_lead = 1;  %假设穿越频率为1Hz
compensation_phase = 30;  %假定补偿相位为30度   (α-1)/(α+1) = sin(Φ)   α = (1+sin(Φ)) / (1-sin(Φ))
alpha = (1+sin(compensation_phase / 57.3)) / (1-sin(compensation_phase / 57.3));  %系数,必须大于1,否则会变成滞后校正
Ta = 1 / (f_lead*sqrt(alpha));
a_lead = [alpha*Ta 1];
b_lead = [Ta 1];
lead_K = tf(a_lead, b_lead);  %超前校正传递函数
margin(lead_K);

打印超前校正器的伯德图,与给定一致:

这种方法也是可以的,只是有可能会计算出比较大的 Ta,其实超前校正的分母就对应 PID 控制器中 D 项的滤波器,这种方法会调整滤波器,可能会计算出一个很大的值,在实际中不太合理,需要计算出不合理值后,再重新调整计算。

方法二(与滤波器的值对应,固定其中一个参数)

实际中,对于原始数据的滤波是固定的,因此,可以考虑采用如下的形式:

假设实际中使用的是一个 60Hz 的低通滤波,将T2使用 60Hz 固定住,即 T2 = 1 / fc = 0.0167。

这种方法需要放在整体完整的系统中去求解参数,因此先放在这里。

需要注意,理论上超前校正器最多只能补偿 90 度的相位,实际中,会比理论值更小,如果要增加比较大的相位裕度,可以考虑两个超前校正器串联。

类PI控制器调整截止频率

超前校正器用来补偿系统的相位裕度,截止频率可以由 PI 控制器来进行调节:

但上述的 PI 控制器,在实际的计算过程中,发现了许多的弊端,主要有两处:

1)引入了两个变量,k1,k2,导致没有唯一解,

2)两个变量很容易算出负数来,还需要再检查结果,徒增麻烦

因此,需要将上述控制器砍掉一个参数 k2,只留 k1,最终的计算结果就一直是正数,且计算容易:

这是一个类似 PI 的控制器

接下来,使用此控制器来调节系统,进而求解其开环截止频率的步骤可以简述为以下几步(假设控制对象是二阶系统):

1)将此控制器的传递函数与被控对象传递函数相乘,得到系统的总开环传递函数 KG(s)

2)将 KG(s) 中的 s 用 jw 替代,得到系统的频率响应公式

3)求解 KG(jw) 的幅值为 -3db 时对应的频率 w,即为系统的开环截止频率

系统传递函数为:

加入 PI 控制器的开环传递函数为:

将 s 用 jw 替换,之后写出其幅频响应表达式,之后求解:

此时的幅值对应的 wc 就是截止频率。

求解上述式子需要回顾一些复数计算的公式:

复数的模(幅值)就是其实部,相角是其虚部

再例如,对于以下系统响应:

其幅频响应为:

之后,将 KG 的幅频响应算出:

令其等于 1/sqrt(2) ,也就是列出了截止频率时的方程。

因为是期望截止频率达到想要的值(wc_ref),也就是说,指定 wc = wc_ref,作为一个已知量,写出 k1 的表达式,求得对应的 k1,就可以使此控制器控制截止频率达到想要的值了:

例如,令 w = 15 hz,求解出来的控制器与系统的开环伯德图与截止频率为:

证明计算是无误的,有一点点的误差关系不大,matlab画图与计算的精度有一些区别,不完全一样关系不大。

增加增益系数调节穿越频率

在控制器的前面,再增加一个系数 k,用于调整幅频响应的增益,就可以调整穿越频率到指定的值上,系数 k 的计算原理也比较简单,求出不加 k 时,整个控制器加系统在期望穿越频率下的幅值,记作 g,然后求倒数赋给 k 即可。

完整控制器与系统联立求解参数

以上是单个环节分析验证,最终是要使用完整的控制器与系统进行计算,系数k,加上控制器,再加上超前校正环节,构成最终的控制器,再加上系统的传递函数:

求解参数时,可以根据自己看重系统的哪些性能来联立方程,例如,给定系统的滤波系数T2,期望的系统截止频率 wn_ref,期望的系统穿越频率 wc_ref,期望的系统相位裕度 PM 。

求解时,先刨除参数 k ,因为系数 k 是用于最后的穿越频率增益补偿的,不过k增加了之后,还是会对整体的截止频率预设计有影响。

可以根据截止频率来确定系统的 k1,滤波系数确定系统的 T2,之后的参数 T1 根据以下的期望相位裕度与穿越频率的方程来计算:

注意:arctan 计算出来是弧度,PM 也要转化为弧度制

在计算完成之后,再根据出去 k 的系统的幅频响应,确定系数 k。

例如,先设置截止频率为 7hz,60Hz 的滤波频率,1.5hz的穿越频率,60度的相位裕度,得出的结果的伯德图为:

控制器转化为PID参数

完整控制器的传递函数为:

PID控制器的传递函数为:

联立两个方程,可以求解出 PID 的参数的表达式:

Kp = k*k1+k*T1 - k*T2

Ki = k

Kd = k*k1*T1 - Kp*T2

Td = T2

求解出的 PID 控制器的伯德图与上面是一致的:

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/693760.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

nbcio-vue中formdesigner的组件显示不正常的处理

今天看演示系统的formdesigner组件显示不正常&#xff0c;也不知道是什么时候开始的事情&#xff0c; 如下&#xff1a; 对组件的操作倒是正常&#xff0c;但看本地是正常的&#xff0c;如下&#xff1a; 开始也不知道是什么原因&#xff0c;看代码也是一样的&#xff0c;应该…

11 MFC 制作记事本

文章目录 界面制作制作菜单设置编译框随着窗口的变化而变化OnSize打开文件文件另存为设置字体颜色修改字体文件的查找与替换查找与替换对话框显示&#xff08;非模态对话框&#xff09;对话框消息与对话框处理函数 全部代码 界面制作 制作菜单 选择Menu 点击新建 将内容写入&qu…

Nightingle夜莺Docker版SNMP监控

起因 对夜莺很感兴趣&#xff0c;想使用一下。我看官方提供了v6版本的docker-compose。而且我之前有使用过promtheus和grafana&#xff0c;虽然很好但是总觉得还是得二开。总有一天有人去搞一个不错的玩意儿出来。官方文档地址 安装与配置 直接运行docker版本的demo&#xf…

mysql内部结构和InnoDB底层原理

一、mysql内部结构 mysql总体上分为客户端、Server层、引擎层&#xff0c;具体如下图&#xff1a; 1、连接器 一般客户端通过jdbc、navicat等工具发送请求连接到mysql服务端&#xff0c;完成TCP三次握手后&#xff0c;连接器就开始认证身份&#xff0c;如果身份认证成功&…

数据结构-串、数组和广义表

数据结构之串、数组和广义表 串的定义一、串的顺序存储结构1.1、串的链式存储结构1.2、串的模式匹配算法1.2.1、Brute-Force简称为BF算法1.2.2、KMP算法 数组的定义2.1、数组的顺序存储结构2.2、数组的特点&#xff1a;结构固定-----维数和维界不变2.3、特殊矩阵的压缩存储 广义…

密码学—Kasiski测试法Python程序

Kasiski Kasiski是辅助破解Vigenere的前提工作&#xff0c;Kasiski是猜测加密者使用Vigenere密码体系的密钥的长度&#xff0c;Kasiski只是猜测长度而已&#xff0c;所以说是辅助破解Vigenere 若密文中出现两个相同的密文段(密文段的长度m>2)&#xff0c;则它们对应的明文&…

leetcode第66题:加一

题目 这是一道简单的小题&#xff0c;自己却也没写出来。。。逆序遍历数组digits&#xff0c;用carry标记当前元素是否需要进位&#xff08;0不要&#xff0c;1要&#xff09;。 若carry1&#xff0c;则当前元素要么置0&#xff0c;要么自加1。自加1之后&#xff0c;再也不需要…

【深入了解Spring Cloud Alibaba Nacos:服务注册和配置中心】—— 每天一点小知识

&#x1f4a7; 深入了解 S p r i n g C l o u d A l i b a b a N a c o s &#xff1a;服务注册和配置中心 \color{#FF1493}{深入了解Spring Cloud Alibaba Nacos&#xff1a;服务注册和配置中心} 深入了解SpringCloudAlibabaNacos&#xff1a;服务注册和配置中心&#x1f4a7;…

深入浅出解析LoRA完整核心基础知识 | 【算法兵器谱】

Rocky Ding 公众号&#xff1a;WeThinkIn 写在前面 【算法兵器谱】栏目专注分享AI行业中的前沿/经典/必备的模型&论文&#xff0c;并对具备划时代意义的模型&论文进行全方位系统的解析&#xff0c;比如Rocky之前出品的爆款文章Make YOLO Great Again系列。也欢迎大家提…

让Ai帮我们画个粽子,它会画成什么样呢?

让Ai帮我们画个粽子&#xff0c;它会画成什么样呢&#xff1f; 本文目录&#xff1a; 一、Ai绘图技术的现状 二、看看Ai理解的粽子是怎样的 2.1、基础粽子 2.2、生成不同风格的粽子 2.2.1、真实风格的粽子 2.2.2、插图风格的粽子 2.2.3、3D风格的粽子 2.2.4、卡通风格…

Mysql锁机制介绍

Mysql锁机制 锁是计算机协调多个进程或线程并发访问某一资源的机制。 在数据库中&#xff0c;除传统的计算资源(如CPU、RAM、I/O等)的争用以外&#xff0c;数据也是一种供许多用户共享的资源。如何保证数据并发访问的一致性、有效性是所有数据库必须解决的一个问题&#xff0…

vue-cli笔记

vue的生命周期&#xff1a; 借鉴react 钩子函数&#xff1a; change() 挂载完毕&#xff0c;vue完成模板解析&#xff0c;并把初始的真实的dom元素放入到页面后执行 beforeCreate() {// 数据代理和数据监测创建之前console.log(beforeCreate) }, created() {console.l…

深度:全面解析数据智能的金融“炼金术”!

‍数据智能产业创新服务媒体 ——聚焦数智 改变商业 金融以其财富效应&#xff0c;成为最新科技的试金石。一项新技术出来后&#xff0c;人们首先闪过的念头就是“能不能用它赚钱”。例如&#xff0c;ChatGPT带火了大模型&#xff0c;人们也开始将目标聚焦到大模型在金融领域的…

【实战】 JWT、用户认证与异步请求(下) —— React17+React Hook+TS4 最佳实践,仿 Jira 企业级项目(五)

文章目录 一、项目起航&#xff1a;项目初始化与配置二、React 与 Hook 应用&#xff1a;实现项目列表三、TS 应用&#xff1a;JS神助攻 - 强类型四、JWT、用户认证与异步请求1~56.用useAuth切换登录与非登录状态7.用fetch抽象通用HTTP请求方法&#xff0c;增强通用性8.用useHt…

AR宇航员互动体验软件:虚拟与现实叠加增强体验感

随着科技的不断发展&#xff0c;人们对太空探索的兴趣和热情也越来越高涨。为了满足人们对太空探索的渴望&#xff0c;广州华锐互动研发了宇航员AR模拟体验软件&#xff0c;这种软件可以让用户身临其境地体验太空探索的过程&#xff0c;提供一种全新的、令人兴奋的太空探索新体…

css基础知识十一:CSS3新增了哪些新特性?

一、是什么 css&#xff0c;即层叠样式表&#xff08;Cascading Style Sheets&#xff09;的简称&#xff0c;是一种标记语言&#xff0c;由浏览器解释执行用来使页面变得更为美观 css3是css的最新标准&#xff0c;是向后兼容的&#xff0c;CSS1/2的特性在CSS3 里都是可以使用…

图解CNN中的卷积(卷积运算、池化、Padding、多通道的卷积)

文章目录 卷积操作池化Padding对多通道&#xff08;channels&#xff09;图片的卷积套上激活函数是什么样的参考&#xff1a; 卷积层是深度学习神经网络中经常使用的一种层。它通过卷积运算来提取输入的特征&#xff0c;常用于图像、语音等信号处理任务中。 卷积层有以下几个参…

rocketmq-spring-boot-starter支持SpringBoot 1.x(spring-context 4.x)版本

1 问题说明 由于历史原因&#xff0c;项目使用的是SpringBoot1.x版本&#xff0c;而且由于种种原因&#xff0c;不能升级。在项目开发迭代过程中&#xff0c;决定使用RocketMQ作为消息中间件&#xff0c;因为是SpringBoot项目&#xff0c;理所应当的引入了rocketmq-spring-boo…

简单聊聊数字孪生与GIS融合的必要性

随着科技的不断发展和应用的不断深入&#xff0c;数字孪生和GIS在各自领域中展现出巨大的潜力。然而&#xff0c;更引人注目的是&#xff0c;数字孪生和GIS的融合将为许多行业带来全新的机遇和变革。在本文中&#xff0c;我们将探讨数字孪生和GIS融合的必要性&#xff0c;以及它…

2023ty计网期末综合题满分冲刺版

1. 假设有段1km长的CSMA/CD网络链路的数据传输率为1Gb/s。设信号在此链路媒介上的传播速度为2x105 km/s&#xff0c;求使用此协议的最短数据帧长度。 &#xff08;1&#xff09;传播时延&#xff1a;1/2000005微秒&#xff0c; &#xff08;2&#xff09;往返时延&#xff1a…