In dem Artikel Controlling of Quadrotor UAV unter Verwendung eines Fuzzy-Systems zum Einstellen der PID-Verstärkungen im Schwebemodus von E. Abbasi erklärt MJ Mahjoob , wie PID-Verstärkungen mit Fuzzy-Logik eingestellt werden. Sie können viele Artikel über Singleton-Tuning finden, aber dieser Artikel zeigt eine völlig unscharfe Kontrolle
- Finden Sie PID-Gewinne mit Ziegler-Nichols (oder einer anderen Technik)
- Erstellen Sie einen Fuzzy-PID-Verstärkungswechsler mit Eingangsfehler (e) und Fehleränderung (de).
Definieren Sie Fuzzifizierungsdiagramme für Ein- und Ausgänge. Definieren Sie Grenzen (Sie können auch die Form ändern) wie
name [min,peak,max]
very small [-1,-1,-0.6], small [-1,-0.6,0], medium [-0.6,0,0.6], big [0,0.6,1], very big [0.6,1,1]
Regeln erstellen wie
if **e** and/or **de** *fuzzyname* (small,big etc.) than KI is fuzzyname (small,big etc.)
Defuzzyfy das Ergebnis.
Sie können Tools wie matlab fuzzy toolbox oder python skfuzzy verwenden
Das Trinkgeldproblem kann als Fuzzy-PID verwendet werden. Ändern Sie einfach die Qualität als e und den Service als de. Zuletzt können Sie die Trinkgeldausgabe als KP / KI / KD ändern (es gibt ein Beispiel für das Trinkgeldproblem: Python Scikit Fuzzy - Fuzzy Control Systems: Das Trinkgeld Problem )
Hinweis 1: Fehlerbereiche sollten gut definiert sein, daher müssen Sie den Fehler protokollieren und den Fehler ändern. Die Grenzwerte müssen in Max- und Min-Werten dieser Werte liegen
Hinweis 2: Der Ausgabewertbereich liegt zwischen -1 und 1.
Ein Beispielcode für Fuzzy-PID in Python ist hier:
# -*- coding: utf-8 -*-
"""
@author: acs
"""
import skfuzzy as fuzz
from skfuzzy import control as ctrl
import acspid
import numpy as np
from matplotlib import pyplot as plt
plt.ion()
fig=plt.figure()
ferr = ctrl.Antecedent(np.arange(-150, 150, 1), 'ferr')
fder = ctrl.Antecedent(np.arange(-150, 150, 1), 'fder')
fout = ctrl.Consequent(np.arange(-1, 1, 0.01), 'fout')
ferr.automf(5)
fder.automf(5)
fout.automf(5)
fout['poor'] = fuzz.trimf(fout.universe, [-1, -1, -0.5])
fout['mediocre'] = fuzz.trimf(fout.universe, [-1, -0.5, 0])
fout['average'] = fuzz.trimf(fout.universe, [-0.1, 0, 0.1])
fout['decent'] = fuzz.trimf(fout.universe, [0, 0.5, 2])
fout['good'] = fuzz.trimf(fout.universe, [0.5, 1, 1])
fout.view()
ferr.view()
fder.view()
plt.show()
plt.pause(0.0001)
#'poor'; 'mediocre'; 'average'; 'decent', or 'good'
rules=[]
rules.append(ctrl.Rule(ferr['average'] | fder['average'] , fout['average']))
rules.append(ctrl.Rule(ferr['decent'] | fder['decent'] , fout['decent']))
rules.append(ctrl.Rule(ferr['good'] | fder['good'] , fout['good']))
rules.append(ctrl.Rule(ferr['mediocre'] | fder['mediocre'] , fout['mediocre']))
rules.append(ctrl.Rule(ferr['poor'] | fder['poor'] , fout['poor']))
fctrl = ctrl.ControlSystem(rules)
fpid = ctrl.ControlSystemSimulation(fctrl)
pid=acspid.pidcont(1.2,0.02,0.01,5,-5)
pid2=acspid.pidcont(1.2,0.02,0.01,5,-5)
d=np.zeros(10)
for i in range(10):
d=np.append(d,np.ones(10)*np.random.uniform(-100,100,1))
print len(d)
m=[]
m.append(0.0)
m2=[]
m2.append(0.0)
e=[]
de=[]
e2=[]
de2=[]
kp=pid.kp
kd=pid.kd
ki=pid.ki
for i in range(len(d)):
pid.setDesired(d[i])
print "e:",pid.error ,"\t de:", pid.ed
fpid.input['ferr'] = pid.error
fpid.input['fder'] = pid.ed
fpid.compute()
newpid=np.abs(fpid.output['fout'])
print "PID:", newpid*pid.kp,"\t",newpid*pid.ki,"\t",newpid*pid.kd
pid.setGains(newpid*kp,newpid*ki,newpid*kd)
newm=pid.update(m[-1])
newm=m[-1]+newm
print i,m[-1],newm
m.append(newm)
e.append(pid.error)
de.append(pid.ed)
pid2.setDesired(d[i])
newm2=pid2.update(m2[-1])
newm2=m2[-1]+newm2
m2.append(newm2)
e2.append(pid2.error)
de2.append(pid2.ed)
ax1 =plt.subplot(2,1,1)
ax1.set_xlim([0, len(d)])
ax1.set_ylim([-200, 200])
plt.grid()
plt.plot(range(len(m)),m,linewidth=5.0)
plt.plot(range(len(m2)),m2,linewidth=2.0)
plt.plot(range(len(d)),d,'g--')
plt.title('Status')
ax2=plt.subplot(2,1,2)
ax2.set_xlim([0, 50])
ax2.set_ylim([-100, 100])
plt.plot(range(len(e)),e,'r-',range(len(de)),de,'g-')
plt.grid()
plt.title('e and ed')
#plt.draw()
plt.show()
plt.pause(0.0001)
Fuzzy-Eingangsmitgliedschaftsfunktionen:
Fuzzy-Ausgabe Mitgliedschaftsfunktion:
Status: Im Statusdiagramm ist die gestrichelte Linie der Zielwert, die rote Linie die PID und die grüne Linie die Fuzzy-PID
Hier die acspid Klasse
class pidcont():
def __init__(self,P,I,D,pmax,pmin):
self.kp=P
self.kd=D
self.ki=I
self.pidmax=pmax
self.pidmin=pmin
self.desired=0.0
self.error=0.0
self.elast=0.0
self.esum=0.0
self.eder=0.0
def update(self,current):
self.error=self.desired-current
self.eder=self.error-self.elast
self.elast=self.error
self.esum=self.esum+self.error
if self.esum>self.pidmax:
self.esum=self.pidmax
elif self.esum<self.pidmin:
self.esum=self.pidmin
self.P=self.kp*self.error
self.D=self.kd*self.eder
self.I=self.ki*self.esum
pid=self.P+self.I+self.D
return pid
def setDesired(self,d):
self.desired=d
def setGains(self,P,I,D):
self.kp=P
self.kd=D
self.ki=I
def setLimits(self,pmax,pmin):
self.pidmax=pmax
self.pidmin=pmin
