，就是懒。
新浪博客
，就是懒。
第一组PI的参数是用PID tuning tool自动算出来的，P=0.674768247627474，I=0.362566224374884；
第二组PI参数是我自己瞎写的，P=2，I=1；
仿真结果：
能看出来，还是PID tuning tool自己生成的PI参数比较好；
然后我搭建了一个基于模糊控制器的模型模型：
Subsustem里是这样的：
在MATLAB命令窗口敲入fuzzy
本博客设计的模糊PID输入量就一个，误差，输出量为Kp和Ki；
设计Kp的输出范围是0到3，Ki的输出范围是0到3，误差的输入范围是-2到2；
所有的曲线都设计成高斯正态分布曲线；
然后我简单的设计了一下模糊规则。
然后保存，把文件名命名为Fuzz；
添加到模型中去；
得到仿真结果；
将经典PI控制器的P和I都设计为3，仿真结果：
可见，使用模糊PI要比瞎蒙强一点，如果咱知道大致PI的范围，比如知道P和I的范围都在0到1之间，之间改变模糊控制器里的P和I输出范围，把P和I的输出范围都设计为0到1，控制规则不变。然后经典的Pi设计为0.5和0.5；
得到的结果是：
可以看出，使用模糊PI设计的超调量要小一点。
当然，如果咱们更为精确一点的范围，比如I的值在0到0.5之间，得到的模糊PI的结果是：
其实模糊PI说的就是，就是瞎蒙，咱得知道往哪蒙。知道了I值较小，那么改变一下控制规则：
然后我把阶跃函数的值改为20再看仿真结果：
效果还行，如果用原来的规则呢？
感觉差不多，实在有区别就得用放大镜了。
其实模糊PI的好处就在于你给一个大致的范围，再知道一定的参数变化，你想要的控制器输出是什么，知道范围就行，如果精心去调试PI也可以得到很好的效果，但是浪费时间，效果还不一定有模糊PI好。
今天就介绍到这。照常，我的QQ：1245693624