2.3 建立Fuzzy-PID系统结构仿真框图
根据常规的PID控制器增量算式结合(1)、(2)、(3)式,即可在MATLAB/Simulink环境下建立起PID的仿真子模块,如图4所示,并封装成子系统PIDSubsystem。模糊控制器及其封装仿真模块如图5所示。把模糊控制器和PID控制器封装在一起,组成Fuzzy—PID控制器,如图6所示。
图4 PID仿真子模块
图5模糊控制器及其封装
图6模糊自适应PID控制器及其封装
3 系统仿真
选择某数控机床的z向进给伺服系统为研究对象,工作台质量m=3500kg,丝杠导程L=0.0012m,丝杠总长l=0.963m,丝杠支承轴向刚度KB=1.12*108N/m,丝杠螺母的接触刚度KN=2.02*108N/m。采用西门子电机型号为IFKl602,电机转动惯量J=0.01323kg·m2。根据以上参数确定机电耦合系统的传递函数,建立系统的模糊自适应PID控制的Simulink仿真计算图,如图7所示。
取量化因子ke=0.2,kec=0.1,解模糊因子k1=0.5,k2=0.01,k3=0.01,令PID控制器3个初始值Kp'=16.4,Ki'=0.3,Kd'=0.5,仿真时间40s,加单位阶跃信号图6是常规PID控制曲线图和模糊自适应PID控制曲线图。仿真结果表明,此方法较常规的PID控制,由于模糊控制器能够根据系统误差e和e.误差变化率对三个参数△Kp、△Ki、△Kd进行在线修正,所以得到的系统动态响应曲线较好,超调量小,稳态精度高,更好的适应性和鲁棒性。
4 结论
本文介绍了基于模糊控制的伺服控制系统的基本结构,并详细分析了各组成部分的机理,在此基础上,将模糊PID控制应用于考虑机电耦合效应(包括机械进给环节)的数控伺服系统中,该控制器可以根据测量得到的偏差及偏差的变化率,在线自动整定PID控制器的3个参数,并在MATLAB环境下进行了仿真,仿真及实验结果表明,自适应模糊位置控制器具有良好的稳态精度和动态响应。