基于FPGA的模糊PID控制.docx

《基于FPGA的模糊PID控制.docx》由会员分享，可在线阅读，更多相关《基于FPGA的模糊PID控制.docx（45页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、海 南 大 学 毕 业 论 文（设计）题 目： 基于FPGA的模糊PID控制 学 号： 20151681310477 姓 名： 余宝杰 年 级： 电子信息工程二班 学 院： 信息与通信学院 系 别： 信息与通信工程系 专 业： 电子信息工程 指导教师： 张育 完成日期： 年 月 日 摘要PID控制具有很好的稳定性和鲁棒性，可以在一定结构或大小的参数摄动下，维持性能稳定的特性。相比于传统的PID控制系统，基于模糊数学的模糊PID控制由于非线性控制可以不依赖于被控对象的精确数值完成符合要求的多种控制，其主要是通过模糊规则表将是实际控制人员的经验和控制目标转化为语言变量，描述控制规则，用于被控对象的

2、实时控制。本设计利用MATLAB进行模糊规则表的设计和模糊控制系统的测试及模糊规则表调整，然后将模糊PID控制运用到无人船设计，根据无人船的特点对模糊控制表进行相应的调整。最后利用VHDL语言进行模糊PID控制器的FPGA设计及仿真，使用的软件平台为QUARTUS II 和MATLAB。关键词: 模糊PID控制；FPGA；无人船AbstractPID control is a kind of modern automatic control system, with good stability and robustness, can be in a certain structure or

3、size parameter perturbation, maintain stable performance characteristics. Compared to the traditional PID control system, fuzzy PID control based on fuzzy mathematics because of the nonlinear control can not rely on the controlled object accurate numerical complete conform to the requirements of a v

4、ariety of control, it mainly through the fuzzy rules table will be the actual control experience and control objectives into language variables, describe the control rules, used for real-time control of the controlled system. Precisely because of the non-linear characteristics, fuzzy PID control has

5、 a good effect in many systems with more internal disturbances and larger changes in system parameters.In this paper, MATLAB was used to design and test fuzzy rule table .The platform also used to test fuzzy control system . VHDL language is used for the FPGA design and simulation of the fuzzy PID c

6、ontroller. The QUARTUS II 15.0 and MATLAB 2017 software platforms are used.Key words: PID control; Fuzzy control; FPGA; Hardware description language (VHDL)目录摘要21 概述与基本原理51.1 FPGA及设计语言51.1.1 FPGA51.1.2设计语言61.2 PID控制器61.2.1位置式控制算法71.2.2增量式控制算法81.3 模糊控制理论92 模糊PID控制112.1论域、量化因子和比例因子122.2模糊规则表132.3 MATL

7、AB中simulink仿真183模糊PID用于无人船控制214 VHDL编写模糊PID控制程序274.1 取差值284.2 模糊量化284.3 ROM制作304.4 总程序335 结果分析与总结35致谢37参考文献38附录391 概述与基本原理本章主要介绍和分析了FPGA、VHDL、Verilog HDL、PID控制器以及模糊控制的基本原理和有关的背景知识，重点分析了PID控制器的控制算法，部分公式、原理和设计思想是下面章节讨论和分析的基础。1.1 FPGA及设计语言FPGA是现代常用的集成电路之一， FPGA开发一般需要首先从顶层设计开始，接着构建基本的设计框然后进行相应的模块分层，用复杂的

8、逻辑实现各个模块，最后编写程序、导入硬件进行相应的调试。1.1.1 FPGA二十世纪九十年代，在PAL、GAL、CPLD等可编程器件的基础上一种计算速度快且可以在制作后多次编程的集成电路被发明出来，由于这种可以制造后编程的特性，这种集成电路被称作FPGA（Field-Programmable Gate Array）即现场可编程门阵列。正如其名，在FPGA器件中大量的CLB模块一般排列为阵列状，小型查找表链接D触发器是CLB模块用于实现功能的基础。小型查找表和时序逻辑结构构成函数发生器、数据选择器、触发器和信号变换电路。可编程输入输出单元（IOB）是芯片与外界的接口，与一般集成电路的接口部分类似

9、，IOB部分主要是改变驱动电流、上下电阻和输入输出的频率的大小来实现不同电气特性下对输入或输出信号的驱动与匹配。FPGA中布局布线器可自动地根据输入逻辑网表的结构和约束条件选择布线资源来连通各个模块，所以这样就大大降低了设计难度。布FPGA中大部分布线通道都是用于连接CLB与CLB，或者CLB与IOB。相比于定制电路的制作后只能用于固定的用途，FPGA生产后可以用于多种场合并可多次使用。 对于FPGA器件，为了实现不同功能，可以更改储存单元中的值就实现更改逻辑单元的逻辑功能最终改变FPGA的功能。因为存储单元允许无数次修改，所以FPGA允许无限次的编程。同时FPGA可以根据运用场景添加很多逻辑

10、功能模块，比如存储器模块RAM或ROM、DSP模块、硬件乘法器模块等。 1.1.2设计语言对于FPGA，一般使用的设计语言有VHDL和Verilog HDL。VHDL在上世纪八十年代就开发出来的电路设计语言，可以用于描述数字系统的结构、行为、功能和接口。作为美国电气电子工程师协会（IEEE）的标准硬件描述语言，VHDL可以兼容绝大数EDA工具。VHDL的语言结构形式非常严谨，很容易明白所要表达的意思，对于初学者，VHDL语法简单易懂且易于上手。正是因为VHDL的多种优点，本次的设计使用VHDL语言。Verilog HDL是由GDA公司开发出来的并在大约1984年开始快速发展的用于制作数字电路的

11、硬件描述语言。因为Verilog HDL的主要结构和很多描述语句与C语言比较类似，所以一般有软件编程基础的人员就可以快速学会。因为Verilog HDL在功能设计和逻辑验证阶段中可以不必过多考虑门级及工艺实现的具体细节，所以设计者往往只需施加不同的约束条件，就能设计出正确可用的电路。 1.2 PID控制器PID控制器又称PID调节器， PID控制器主要是通过控制比例、积分、微分三个环节来实现控制系统的目的， PID控制易于理解，结构简单，稳定性强，正因为如此，相比于其它的控制器，PID控制器在实际系统中运用更加广泛。图1 传统PID控制模块的结构模拟PID控制器的输入是误差： e(t)=rt-

12、y(t) (1-1)控制规律： ut=Kpe(t)+1Ti0te(t)dx+Tdde(t)dt (1-2)传递函数： Gs=U(S)E(s)=Kp1+1TiS+Tds (1-3)其中Kp为比例系数，Ti为积分时间常数，Td为微分时间常数，upt=Kpe(t)为比例项， uit=Kp0te(t)dt/Ti为积分项，uDt=KpTDde（t）dt为微分项。因为Ti、Td都为常数，所以令Ki=KpTi，Kd=KpTd，则Kp、Ki、Kd分别PID控制器的比例参数、积分参数和微分参数。式（1-3）可以转化为下式：Us=Es*Kp1+1TiS+Tds=Es*Kp+Es*Kis+E(s)*Kd*s（1-4

13、）根据式（1-4）可知在系统受干扰产生偏差时，比例环节Es*Kp会快速产生反应，比例环节的效果主要取决于比例系数Kp。 Es*Kis是控制系统中的积分环节，可以进行滞后校正。同样，积分环节的作用效果取决于Ki的大小。E(s)*Kd*s是控制中微分环节，因为微分环节主要的输入是偏差信号的变化率，所以微分环节可以根据偏差的变化趋势，提前做出调节动作，从而减小系统的响应时间，改善系统的动态性能。随着计算机技术的发展，传统的控制方式逐渐被数字控制方式所取代，数字PID控制算法主要分为位置是PID控制算法和增量式PID控制算法。本文主要介绍和使用的是增量式PID控制算法。1.2.1位置式控制算法对于数字

14、PID控制系统，需要对比例项、积分项、微分项分别进行离散化：upn=Kpen (1-5)uin=KpTTii=0nei (1-6)udn=KpTdTen-e(n-1) (1-7)其中为设定的值减去当前采样值，T为PID控制采样周期，所以位置式PID控制在当前采样时刻输出的控制量计算式为：un=Kpen+TTii=0ne(i)+TdTen-e(n-1)+u0 (1-8)式中的u(n)为当前控制量的采样值，u0为PID调节开始之前瞬间执行器的输入的控制信号也就是控制信号的初值1.2.2增量式控制算法增量式控制算法顾名思义是根据输出的结果，不断改变输出量的变化的增量，实现对系统的有效控制。由上文可以

15、得到离散的PID表达式为： Uk=Kpek+TTii=0kei+Tdek-e(k-1)T (1-9)由此第k-1个采样时刻的输出值为： Uk-1=Kpek-1+TTii=0k-1e(i)+Tdek-1-ek-2T (1-10)将（1-8）与（1-9）相减并整理，就可以得到增量式PID控制算法公式为：Uk=Uk-Uk-1=Kpek-ek-1+TTiek+Tdek-2ek-1+ek-2T=Kp1+TTi+TdTek-Kp1+2TdTek-1+KpTdTek-2 (1-11)位置式PID控制算法也可以通过增量式控制算法推出递推计算公式： Uk=Uk-1+U (1-12)对比参考可以很明显看出，相比于

16、位置式控制算法，增量式控制算法的计算量更小，更容易理解，同时如果控制出现问题，增量式因为控制的只是变化的量，出现问题造成的影响更小。同时在实际操作中，如果确定控制出现问题，可以直接减去增加的量U,恢复到上一个量，问题就得到解决。所以本次设计使用的是增量式PID控制。但是在实际工业生产控制过程中因为受控对象一般其特性参数或结构会不断发生改变。需要控制系统可能是非线性的、时变的，PID 控制器的参数往往难以有效的及时的设置，而不能达到满意的控制效果。1.3 模糊控制理论上世纪六七十年代,Zadeh教授创立了模糊数学，为模糊控制理论的建立奠定了基础，在这之后的很多年中，关于模糊数学的争论一直不断。

17、1974年，英国马丹尼博士将模糊逻辑与自动控制相结合，将模糊数学运用到实际操作中，设计了世界上第一个模糊控制器，之后模糊控制在多个领域有着很广泛的运用。根据模糊控制器输入变量的个数，可以把模糊控制器分为单变量模糊控制系统和多变量模糊控制系统。在设计过程中可以很清楚感受到如果模糊控制的输入变量大于三个的话，那么模糊控制的规则很难符合操作经验，所以大多数情况下不会设计超过三个输入的模糊控制器，下图为常见的一输入模糊控制器、二输入模糊控制器和三输入模糊控制器：图2 一输入模糊控制器 图3 二输入模糊控制器图4 三输入模糊控制器图5 二维模糊控制器常见结构以二维模糊控制器为例分析模糊控制器的各模块，模

18、糊控制器一般由模糊化模块、知识库、模糊推理模块和解模糊模块组成。模糊模块将输入的精确量转化为用隶属函数表示的模糊变量。比如说，输入的量是15，模糊化后输出该输入量有0.5的概率属于较大，后面就根据属于较大的概率为0.5进行接下来推理操作，模糊化的关键在于隶属函数和量化因子，改变隶属函数和量化因子会改变模糊模块对输入量的反应程度，直接影响控制效果。知识库包括数据库和规则库。数据库中一般包含有定义，语言控制规则以及论域的离散化、量化规则。假如前面模糊模块输出的结果是误差有0.5的概率属于较大，那么根据规则表可以读出输出的控制量应该是反向较大。其中根据规则表得出控制量应该是反向较大的过程体现了操作的

19、经验和知识，可以看出，规则表可以将无法线性表示的，主观上的操作经验有效地运用到实际系统控制中，仿佛给操作系统加上思考部分，虽然看起来规则表的思想很好理解，但是规则表的设计和优化是模糊控制设计中最能体现设计思想和控制经验的环节。从上面的推理模块得到的是模糊集，可以认为是对操作量的定性，比如说通过推理模块得到操作数有0.3的概率属于中等，0.2的概率属于较小，这样不能直接用于系统控制，必须要将模糊集转化成精确量，所以就得用到解模糊模块，解模糊模块就是模糊操作的反向过程，同理，解模糊模块的关键是隶属函数和比例因子，解模糊方法则就是如何根据模糊集合得到确定的量有重心法、面积积分法、左取大法、右取大法、

20、最大平均法等，在实际操作中，设计软件中自带有这些解模糊方法的详细计算方法，本次设计的重点不在于解模糊方法所以就不展开讨论了，本次设计中选用采用最大平均法。2 模糊PID控制根据PID的结构和表达式可以知道，PID控制的关键在于参数Kp、Ki、Kd的设置，因此在模糊控制中，最后一定是通过改变Kp、Ki、Kd实现控制、优化PID控制系统。相比于一维模糊控制系统二维的控制效果更好，同时比三维的设计难度小，因此选择二维模糊控制，由此可以得到模糊PID的大致结构如图：图6 模糊PID结构根据上面对模糊控制各模块的分析中可知在解模糊中得到的值是不连续的，为了得到连续变化的控制量，设定Kp，Ki，Kd计算表

21、达式如下：Kp=Kp0+KpKi=Ki0+KiKd=Kd0+Kd （2-1）在式（2-1）中， Kp0，Ki0，Kd0是Kp，Ki，Kd的初始参数，Kp、Ki、Kd通过解模糊得到。在实际操作和系统设计中一般Kp0，Ki0，Kd0需要操作人员根据输出结果结合Kp、Ki、Kd的控制效果不断调整，一般无法得出最优的数值。观察式（2-1）可以知道为了保证控制效果，解模糊得到的Kp、Ki、Kd如果太小就会使Kp、Ki、Kd和初值几乎没有差别，控制效果和一般PID没有大的差别，如果太大，因为Kp、Ki、Kd为不连续的，这样控制系统会不稳定。由此我们引出了量化因子和比例因子。2.1论域、量化因子和比例因子将

22、模糊控制器的输入变量即误差、误差变化的实际范围定义为这些变量的基本论域。假设误差e及误差变化率的实际变化范围-xe，xe。设误差变量所取的模糊子集的论域为-n,-n+1,.,0,.,n-1,n,也就当误差在-xe，xe时模糊化后转化到-n,-n+1,.,0,.,n-1,n中。输入变量从基本论域转化到相应的模糊集论域中，须乘以相应的因子即量化因子，由定义得计算公式为： Ke=nxe (2-2) 根据公式，一旦量化因子Ke确定后,系统的任何误差xe,总可以量化为论域上的某个元素。可以说量化因子决定了精确量与模糊子集的对应关系，假设Ke=5，输入的误差e=0.3，那么量化后属于模糊子集（1,2）。可

23、见,量化因子可以直接影响误差控制的灵敏度。实际操作中可以先设定模糊论域的范围，根据输入的精确量的范围调整Ke。假设误差变化率的变化范围也就是基本论域为xc，xc，误差变化变量所取的模糊子集论域为-m,-m+1,.,0,.,m-1,m。与误差类似，对于误差变化率定义量化因子Kec：Kec=mxc (2-3)在模糊控制器的结构中，通过解模糊模块得到的控制量并不能直接控制系统，还需要将其转化到为控制对象所能接受的基本论域中去，也就是将解模糊得到的精确量转化到可以用于实际控制的数值范围，假设控制量的论域为-l,-l+1,.,0,.,l-1,l。通过比例因子Ku转换到控制量基本论域-y，y,即控制量的实

24、际变化范围。定义输出控制量的比例因子的表达式： Ku=yl (2-4)根据公式就可以通过比例因子Ku与量化数值l的乘积得到实际控制输出量的基本论域-y，y。2.2模糊规则表本设计中按照一般设计规律对输入输出变量都进行了7级分割，即正大，正中，正小，零，负小，负中，负大分别表示误差和误差变化率的大小，语言变量为PB，PM,PS，ZO，NS，NM，NB，如果增加对变量的分割可以提高控制的精度，但是由于二阶模糊控制器的模糊规则表的复杂程度随着输入变量的分割程度提高而成平方提高，所以本次设计确定为常用的7级分割。偏差和偏差变化率的模糊论域均为-3，3，根据输入的数值、模糊论域、隶属函数确定输入的隶属，

25、输出数值的Kp、Ki、Kd的模糊论域均为-9，9。根据一般控制思想，在误差量较大的时候为了保证系统的稳定性，必须使控制量较大以控制系统快速回到误差较小的状态，所以设定隶属函数中PB隶属函数为S型，NB隶属函数为Z型，这样在误差和误差变化率稍微偏大时就会判定为PB或NB，设置其他隶属均为三角型，如果有需要的话可以修改隶属函数的形状以获得更好的控制效果。在MATLAB中有模糊设计工具箱Neuro-Fuzzy Designer可以进行隶属函数和模糊规则的设计同时可以在SIMULINK中很方便地进行系统设计测试，所以本次设计的主要规则设置，结果评价都是在MATLAB中进行:图7 模糊控制器设计组件在M

26、atlab中的隶属函数编辑器中可以对输入误差e及误差变化率ec的隶属函数和论域进行设定，如下图：图8 对输入误差隶属函数和论域的设定图9 输入误差变化率隶属函数和论域的设定图10 输出的隶属函数和论域的设定根据上面的隶属函数，在量化因子为1时得到变量赋值表如下：表1 E、EC模糊变量赋值表E(EC)-3-2-10123PB000000.51PM00000.510PS0000.510.50ZO000.510.500NS00.510.5000NM010.50000NB10.500000如果用公式表示法，对于E有：PB=0.52+13； PM=0.51+12； . NB=1-3+0.5-2其中式PB

27、=0.52+13表示如果输入量是2，E是PB的概率为0.5，如果输入量是3，E为PB的概率为1。同理可以得到在比例因子为1时输出的PID参数调节量的模糊变量表，其中用公式表示法可以参考上面E的模糊赋值表2 Kp、Ki、Kd模糊变量表Kp、Ki、Kd-9-6-30369PB000000.51PM00000.510PS0000.510.50ZO000.510.500NS00.510.5000NM010.50000NB10.500000根据公式（1-4），当系统存在误差时，比例部分会快速反应并快速进行控制，因为控制参数 Kp直接与误差部分相乘，所以三个部分中比例部分会最早进行反应，所以比例部分的效果

28、直接决定系统的相应速度和精度，和所有的系统一样如果系统的响应速度越高，精度越高，就越难控制系统的稳定性。根据公式(1-4),PID控制中积分作用是根据一个时间段内的积分值，所以当系统出现干扰时，积分部分不会起作用或者起相反的作用，所以干扰的作用就降低了，因为积分作用是根据系统误差一个时间段的积分值进行操作，所以系统的灵敏度降低，如果同一个时间段出现两个相反的误差，积分部分就可能不起作用，微分部分根据系统误差的微分即变化率控制，所以微分部分能提前响应系统的变化。参数Kd越大，系统的动态性能越好，但是如果Kd过大，系统可能提前制动，调节时间会大大增加，抗干扰性能降低。由上文可以得到如下的控制规则：

29、若E的绝对值较大时，取较大的Kp，较小的Kd；若E的绝对值处于中等大小时，应取较小的Kp，合适的Kd和Ki；若E的绝对值较小时，应取较大的Kp和Ki，并取适当的Kd。根据上述控制规律，本次设计的模糊规则表如下：表3 模糊规则表（Kp部分） E EC NBNMNSZOPSPMPBNBPBPBPMPMPSPSZONMPBPBPMPMPSZOZONSPMPMPMPSZONSNMZOPMPSPSZONSNMNMPSPSPSZONSNSNMNMPMZOZONSNMNMNMNBPBZONSNSNMNMNBNB表4 模糊规则表（Ki部分） EECNBNMNSZOPSPMPBNBNBNBNBNMNMZOZON

30、MNBNBNMNMNSZOZONSNMNMNSNSZOPSPSZONMNSNSZOPSPSPMPSNSNSZOPSPSPMNMPMZOZOPSPMPMPBPBPBZONSPSPMPBPBPB表5 模糊规则表（Kd部分） EECNBNMNSZOPSPMPBNBPSPSZOZOZOPBPBNMNSNSNSNSZONSPMNSNBNBNMNSZOPSPMZONBNMNMNSZOPSPMPSNBNMNSNSZOPSPSPMNMNSNSNSZOPSPSPBPSZOZOZOZOPBPB在matlab中用Rule Editor进行规则的编写，如图：图11 Rule Editor编写模糊规则2.3 MATLA

31、B中simulink仿真在matlab中用simulink可以进行系统仿真，仿真为测试控制器的效果，本设计选择四阶系统为被控对象，其系统传递函数：10s4+10s3+35s2+50s+24仿真的系统结构图如下：图12 simulink仿真结构图在T=5时输入阶跃信号，稳定后信号值为3。设定输入的量化因子Ke=Kec=1,比例因子Gp=Gi=Gd=0.1,PID控制的初始参数Kp0=2，Ki0=3，Kd0=2，即PID控制器参数。仿真得到输出信号如下：图13仿真输出结果图中靠左边的是阶跃信号，中间是模糊PID的输出，右边的是普通PID输出的信号，可以很明显地看出系统的响应时间更小，系统的稳定性更

32、好，为了更好分析评价控制规则的效果将模糊控制器的输出Kp、Ki、Kd放在一起进行观察结果如下：图14 E 和Kp 图15 E和Ki图16 E和Kd图17 E和Kp、Ki、Kd由上面的图14,15,16,17可以看出模糊输出大致满足设计思想3模糊PID用于无人船控制在无人船的控制中，一般主要控制的是速度和方向即控制电机和舵，在船的航行过程中受到的力分为向左的力，向右的力，向前的力，向后的力，这些力可能是风力或者水流的力，这里分析这些力下控制系统需要作出的相应调整，将受力状态简称为向左、向右、无、向前、向后五种，暂不考虑力的变化。为了简化设计，将指令作为系统的输入，系统的输出就是船的航行状态及方向

33、和速度，相减得到方向误差、方向误差变化率以及速度误差、速度误差变化率，在不同的受力状态下设计不同的方向调整规则表和速度调整规则表。这里主要想体现的思想就是根据外界情况调整控制的响应速度和强度（主要思想还是与上文类似）对于PID控制就是控制kp 、ki和 kd。设定方向在量化和测量上都设置以右为正。在无人船受到向左或者向右的力时，对于速度的控制部分必须保持中等的反应速度，降低系统灵敏度并维持无人船的稳定，根据PID控制的各部分的作用，相比于一般的模糊控制，设置比例部分效果中等，积分效果较小，微分效果较大，当无人船受到向前的方向时，对于速度控制就会比较容易，同时对系统的稳定性要求更高，因此需要设置

34、比例效果较小，积分效果较小，微分效果较大，当无人船受到向后的力时，比例效果较大，积分效果较大，微分效果较小。类似的，当无人船受到向左的力时，因为设定方向上向右为正，所以在方向控制部分，相当于存在方向上的阻力，同理设置比例效果较大，积分效果较大，微分效果保持较小，当受到向右的力，设定比例部分效果中等，积分部分效果较小，微分部分较大。在无人船受到向前的力时系统相对来说更容易保持稳定，设定比例部分效果中等、积分部分效果中等、微分部分效果中等，无人船受到向后的力的时候，如果系统在方向上要有适当的调节速度和较低的灵敏度以保证系统的稳定性，所以设定比例部分效果中等，积分部分效果较小、微分部分效果较大。根据

35、上述讨论制作表格如下：受力向左向右无向前向后速度中，小，大中，小，大中，中，中小，小，大大，大，小方向大，大，小中，小，大中，中，中中，中，中中，小，大根据前面一般规则表的设定，对于kP，设置效果中等的控制规则表如下 EECNBNSOPSPBNBPBPBPSPSONSPBPSPSOOOPSPSONSNSPSOONSNSNBPBONSNSNBNB调整kp使比例部分效果较小时控制规则表如下EECNBNSOPSPBNBPBPSPSOONSPSPSOOOOPSOOONSPSOOONSNSPBOONSNSNB调整kp使比例部分效果较大时控制规则表如下EECNBNSOPSPBNBPBPBPBPSONSPB

36、PBPSPSOOPBPSONSNBPSPSONSNBNBPBONSNBNBNB根据前面ki的一般规则表设置效果中等情况下规则表如下EECNBNSOPSPBNBNBNBNSNSONSNBNSNSOOONSNSOPSPSPSOOPSPSPBPBOPSPSPBPB调整ki使积分部分的效果较小时规则表EECNBNSOPSPBNBNBNSNSOONSNSNSOOOONSOOOPSPSOOOPSPSPBOOPSPSPB调整ki使积分部分的效果较大时规则表EECNBNSOPSPBNBNBNBNBNSONSNBNBNSNSOONBNSOPSPBPSNSOPSPBPBPBOPSPBPBPB根据一般控制规则设置k

37、d的模糊规则表使效果中等情况下的控制规则表EECNBNSOPSPBNBPSOOOPBNSNBNSNSOPSONBNSOOPSPSNBNSNSOPSPBPSOOOPB调整kd使微分部分效果较小时控制规则表EECNBNSOPSPBNBPSOOOPBNSNBNSOOOONSNSOOOPSNBNSOOOPBPSOOOPB调整kd使微分部分效果较大时控制规则表如下EECNBNSOPSPBNBPBPSOPSPBNSNBNBNSOPSONBNSOOPBPSNBNBNSOPSPBPBPBOPSPS在实际无人船的仿真调试中，上述表格可以作为基础设计的参考，然后要根据实际结果进行调整，这里只是表现根据不同外界调整

38、模糊控制表的控制思想以无人船在受到向右的力为例进行仿真，结果如下：正常控制pid模糊PID（图中左侧波形）无人船受到右边的力时速度控制根据上图可知，修改后在无人船受到向右的力时，对于速度的控制部分必须保持中等的反应速度，降低系统的灵敏度并维持无人船的稳定，相比于一般的模糊控制速度波动减小，系统的稳定性增强，满足控制目标。由于灵敏度的控制和稳定性的调整，出现少量可以接受的超调情况。4 VHDL编写模糊PID控制程序根据增量式PID控制公式：Uk=Uk-Uk-1=Kp1+TTi+TdTek-Kp1+2TdTek-1+KpTdTek-2（3-1）令Ki=KpTi，Kd=KpTd整理得： U=Kp+K

39、iT+KdTek-Kp+2KdTek-1+KdTek-2 （3-2）令T=1，得：U=Kp+Ki+Kdek-Kp+Kdek-1+Kdek-2 （3-3）根据上面的表达式和模糊控制的基本结构设计了FPGA中模糊PID的大致结构，如下图图18 用FPGA实现模糊PID控制主要结构在FPGA中可以通过e(k)、e(k)-e(k-1)查找ROM表可以得到Kp、Ki、Kd。为了降低设计难度，这次设计中分别设计取差值、量化、和ROM查找模块，最后设计总的计算模块得到输出结果。4.1 取差值对于整个系统，输入的数据是通过AD部分产生数字信号r，整个系统的输出信号为r。取差值模块输出差值ek2=r-c，延迟一

40、个周期得到ek1，ek0，就得到了e(k-2)、e(k-1)、e(k)。RTL视图：图19 取差值部分的RTL视图程序见附录部分仿真结果如下：图20 取差值部分仿真结果4.2 模糊量化根据模糊控制的思想和结构，在得到数值之后需要将这些精确量转换成模糊量， 为了降低设计难度，同样采用的是七级编码机制，为了避免小数运算的麻烦设置量化因子为10即Ke=Kec=10，得到基本论域为-30，30并将论域进行划分得-30，-25，-25，-15，-15，-5，-5，5，5，15，15，25，25，30七段。 也就是假如输入的误差和误差变化率都为为10，误差和误差变化率量化输出的结果都是0001，表示误差及误差变化率属于PS部分，输出到ROM部分的就是地址00010001。模糊量化模块的输入是取差值部分输出的ek0和ek1，ek0就是误差E，ek1-ek0即为误差变化率EC，这里假设系统的取样频率为1，模糊化设计之后，得出E和EC的模糊量化后的编码值FUE和FUEC，将FUE&FUEC读取储存模糊规则表的ROM的地址 addr，程序的RTL视图如下：图21 模糊量化部分的RTL视图完整程序见附录。仿真结果：图22 模糊量化部分的仿真4.3