經典pid控制原理簡單，使用方便，適應性強的特點，但是缺點是精度低、抗干擾能力差等，因此為了改善pid效果，我們希望pid的引數不是固定不變的，而是根據當前的系統狀態實時調整pid引數，於是就產生了很多自適應調參的方法，其中之一就是模糊pid控制方法。
模糊pid控制方法：以誤差e 和誤差變化率ec 作為輸入，利用模糊規則進行模糊推理，查詢模糊矩陣表進行引數調整，來滿足不同時刻的 e和這裡將以乙個簡單的例子，按照步驟來講解ec對pid引數自整定的要求。即實時根據e和ec來調整pid引數。
模糊pid控制器有兩個輸入值，乙個是偏差e，以及當前偏差和上次偏差的變化（差值）ec兩個值（連續系統就是偏差的微分）。
我們要對這兩個值進行模糊化。首先我們需要先確定e和ec的值域，在這裡我們假設該e的區間為-240到240，再假設ec的區間為-40到+40。
接著我們要對這兩個區間進行分段，便於模糊化。我現在將e的區間（-240 到 240）分成8段，因此需要7個分段點（不包含兩端端點），那麼這8段分別為
-
240~
-180，
-180~-
120 ，
-120~-
60， -60~
0， 0
~60，
60~120，
120~180
180~
240。
-180，-120，-60，0，60，120，180分別命名為nb，nm，ns，zo，ps，pm，pb表示（個人理解n為negative，p為positive，b為big，m為middle，s為small，zo為zero）。例如，當e = 170時，此時的e屬於pm和pb之間，因此此時e既屬於pm也屬於pb，自然就會涉及到e屬於pm的程度和屬於pb的程度。e屬於pm（120）的百分比為（180 - 170） / （180 - 120） = 1 / 6 ，而同理屬於pb（180）的百分比為（170 - 120） / （180 - 120） = 5 / 6 。意思就是120到180進行線性分割了，e離pm和pb哪個更近，則隸屬於哪個就更大（當輸出值e大於180（pb）時，則隸屬度為1，隸屬度值為pb，即e完全隸屬於pb，同理當e小於 - 180 （nb）時也一樣）。
同理對ec進行模糊化，ec也會有他對應的nb，nm，ns，zo，ps，pm，pb。
前面我們已經確定e和ec的隸屬和隸屬度，下面我們進行查表，這個表的名稱為：模糊規則表
首先找到e的兩個隸屬，比如假設為pm、pb，且假設e屬於pm的隸屬度為a（a < 1），屬於pb的隸屬度為（1 - a），再假設ec的兩個隸屬度為nb、nm，且ec屬於nm的隸屬度為b，則屬於nb的隸屬度為（1 - b）。然後我們順著表差，就可以查到四個值：
比如上面這張圖我們查到四個值：zo,zo,zo,ns,他們的概率分別為：a（1-b），ab，（1-a）*（1-b），（1-a）*b，因此通過該模糊規則的輸出為：zo * a（1-b）+ zo *ab+ zo （1-a）（1-b）+ns * （1-a）*b。
注意：這裡的輸出對應的就是pid的三個引數，每個引數都有其對應的規則表，且規則表裡面的nb，nm，ns，zo，ps，pm，pb是pid的三個引數各自的分段點！！！！！所以我們在開始前還需要對pid的三個引數進行分段！！！！
模糊PID控制
在現實控制中，被控系統並非是線性時不變的，往往需要動態調整pid的引數，而模糊控制正好能夠滿足這一需求，所以在接下來的這一節我們將討論模糊pid控制器的相關問題。模糊pid控制器是將模糊演算法與pid控制引數的自整定相結合的一種控制演算法。可以說是模糊演算法在pid引數整定上的應用。模糊演算法是一種...
模糊PID控制演算法
在pid控制演算法的c 語言實現中，文章已經對模糊pid的實質做了乙個簡要說明。基本概念和思路進行一下說明，相信有c 語言基礎的朋友可以通過這些介紹性的文字自行實現。這篇文章主要說明一下模糊演算法的含義和原理。實際上模糊演算法屬於智慧型演算法，智慧型演算法也可以叫非模型演算法，也就是說，當我們對於系...
控制理論 PID抗積分飽和控制
當系統輸入達到極限值而控制器的積分器仍未停止積分時，積分器會繼續增加，但是輸出無法反映到系統輸入上，而過高的積分器狀態又會使系統的瞬態響應效能下降，從而整個系統的超調增大，調整時間延長。積分飽和問題來自包含積分的控制器，如pid控制器 pi控制器，而且系統中包含 輸出限幅 saturation 簡單...