matlabpid整定工具箱

1. MATLAB中PID怎麼整定參數

基於MATLAB/Simulink的PID參數整定摘 要:針對PID參數整定過程的復雜性，基於MATLAB/Simulink模擬環境，模擬

臨界比例度法PID參數整定的方法和步驟，給出了一種簡單有效的PID參數

整定方法。與通常的整定方法比較，其優點是非常直觀、可以隨意修改仿

2. Matlab2010b中simulink的PID參數整定模塊是哪個

第一個最大多普勒頻移取決於移動速度。最大多普勒頻移越大表示信道逐漸變成快時變信道，誤碼性能就會越差。看得出來你的模擬模塊中沒有對快時變信道衰減進行處理，所以還是取小一點吧。我認為0Hz～50Hz比較合適。
第二個是多徑各徑時延。取值取決於你的符號間隔。一般取符號間隔的倍數。比如你的采樣間隔假設是0.001s，那你圖中的取值就是合適的。
第三個是多徑各徑功率，大致滿足復指數分布。提供兩個取值，車輛模式[0，-1，-9],步行模式[0,-0.9,-4.9]。
初始種子就隨便選了
從你的模擬結果圖來看，誤碼率范圍差不多是0.45～0.5之間，說明性能極差，你的碼幾乎沒有解調出來。因為從你的模擬模塊看你的接收端沒有對多徑進行處理。
建議：先設置最大多普勒頻移為0Hz，設置多徑個數為1徑。看看性能曲線是不是正常的。然後增加最大多普勒頻移，觀察信道變化快慢對性能的影響；或者增加多徑個數，看看多徑對性能的影響。
希望採納

3. 求文檔: 基於MATLAB的PID控制器參數整定及模擬

好好學習，天天向上
工作以後老闆也不會給你任務書，只會跟你要結果。

4. matlab模擬求調整PID參數

直接使用CFTOOL工具箱
命令行輸入cftool即可，然後選擇擬合類型
x=[6.69:0.02:7.53];
y=[4.2,3.7,3.3,2.95,2.63,2.33,2.11,1.87,1.65,1.47,1.32,1.17,1.04,0.925,0.82,0.735,0.653,0.582,0.52,0.462,0.412,0.366,0.325,0.289,0.258,0.23,0.205,0.182,0.162,0.145,0.129,0.115,0.102,0.091,0.081,0.072,0.064,0.057,0.051,0.0455,0.0403,0.036,0.032];
直接輸入cftool進入曲線擬合工具箱界面「Curve Fitting tool」
(1）點擊「Data」按鈕，彈出「Data」窗口；
（2）利用X data和Y data的下拉菜單讀入數據x,y，然後點擊「Create data set」按鈕，退出「Data」窗口，返回工具箱界面，這時會自動畫出數據集的曲線圖；
（3）點擊「Fitting」按鈕，彈出「Fitting」窗口；
（4）點擊「New fit」按鈕，可修改擬合項目名稱「Fit name」，通過「Data set」下拉菜單選擇數據集，然後通過下拉菜單「Type of fit」選擇擬合曲線的類型，選擇類型Power：冪逼近，有2種類型，a*x^b 、a*x^b + c

5. 關於PID自整定Matlab程序在辨識（idareas.m）程序中MODEL.m, MODEL.L and MODEL.T 其中m、L、T分別是啥意

給你一個全MATLAB模擬的程序，沒用到SIMULINK
close all
clear all
a=newfis('fuzzf');
f1=1;
a=addvar(a,'input','e',[-3*f1,3*f1]);
a=addmf(a,'input',1,'NB','zmf',[-3*f1,-1*f1]);
a=addmf(a,'input',1,'NM','trimf',[-3*f1,-2*f1,0]);
a=addmf(a,'input',1,'NS','trimf',[-3*f1,-1*f1,1*f1]);
a=addmf(a,'input',1,'Z','trimf',[-2*f1,0,2*f1]);
a=addmf(a,'input',1,'PS','trimf',[-1*f1,1*f1,3*f1]);
a=addmf(a,'input',1,'PM','trimf',[0,2*f1,3*f1]);
a=addmf(a,'input',1,'PB','smf',[1*f1,3*f1]);
f2=1;
a=addvar(a,'input','ec',[-3*f2,3*f2]);
a=addmf(a,'input',2,'NB','zmf',[-3*f2,-1*f2]);
a=addmf(a,'input',2,'NM','trimf',[-3*f2,-2*f2,0]);
a=addmf(a,'input',2,'NS','trimf',[-3*f2,-1*f2,1*f2]);
a=addmf(a,'input',2,'Z','trimf',[-2*f2,0,2*f2]);
a=addmf(a,'input',2,'PS','trimf',[-1*f2,1*f2,3*f2]);
a=addmf(a,'input',2,'PM','trimf',[0,2*f2,3*f2]);
a=addmf(a,'input',2,'PB','smf',[1*f2,3*f2]);
f3=1.5;
a=addvar(a,'output','u',[-3*f3,3*f3]);
a=addmf(a,'output',1,'NB','zmf',[-3*f3,-1*f3]);
a=addmf(a,'output',1,'NM','trimf',[-3*f3,-2*f3,0]);
a=addmf(a,'output',1,'NS','trimf',[-3*f3,-1*f3,1*f3]);
a=addmf(a,'output',1,'Z','trimf',[-2*f3,0,2*f3]);
a=addmf(a,'output',1,'PS','trimf',[-1*f3,1*f3,3*f3]);
a=addmf(a,'output',1,'PM','trimf',[0,2*f3,3*f3]);
a=addmf(a,'output',1,'PB','smf',[1*f3,3*f3]);
rulelist=[1 1 1 1 1;
1 2 1 1 1;
1 3 2 1 1;
1 4 2 1 1;
1 5 3 1 1;
1 6 3 1 1;
1 7 4 1 1;

2 1 1 1 1;
2 2 2 1 1;
2 3 2 1 1;
2 4 3 1 1;
2 5 3 1 1;
2 6 4 1 1;
2 7 5 1 1;

3 1 2 1 1;
3 2 2 1 1;
3 3 3 1 1;
3 4 3 1 1;
3 5 4 1 1;
3 6 5 1 1;
3 7 5 1 1;

4 1 2 1 1;
4 2 3 1 1;
4 3 3 1 1;
4 4 4 1 1;
4 5 5 1 1;
4 6 5 1 1;
4 7 6 1 1;

5 1 3 1 1;
5 2 3 1 1;
5 3 4 1 1;
5 4 5 1 1;
5 5 5 1 1;
5 6 6 1 1;
5 7 6 1 1;

6 1 3 1 1;
6 2 4 1 1;
6 3 5 1 1;
6 4 5 1 1;
6 5 6 1 1;
6 6 6 1 1;
6 7 7 1 1;

7 1 4 1 1;
7 2 5 1 1;
7 3 5 1 1;
7 4 6 1 1;
7 5 6 1 1;
7 6 7 1 1;
7 7 7 1 1];
a=addrule(a,rulelist);
a1=setfis(a,'DefuzzMethod','mom');%Defuzzy
writefis(a1,'fuzzf');
a2=readfis('fuzzf');
Ulist=zeros(7,7);
for i=1:7
for j=1:7
e(i)=-4+i;
ec(j)=-4+j;
Ulist(i,j)=evalfis([e(i),ec(j)],a2);
end
end
figure(1);
plotfis(a2);
figure(2);
plotmf(a,'input',1);
figure(3);
plotmf(a,'input',2);
figure(4);
plotmf(a,'output',1);
這里簡單說明一下：首先是編寫2個輸入，1個輸出的隸屬度函數；接下來的是模糊規則，一共49條；然後用解模糊函數得出控制量U，這里輸出的U就直接是精確量了，解模糊用到得規則是取隸屬度最大的那個數即MOM演算法。
顯示的三個圖形窗口分別是：模糊控制器內部原理圖，以及2個輸入，1個輸出的隸屬度函數圖。
另外,團IDC網上有許多產品團購,便宜有口碑

6. 如何在matlab里進行pid整定

1、打開matlab2009，新建一個模型文件。

7. matlab pid 整定

我按help vars 怎麼是Not found

8. 基於matlab的pid整定代碼求大佬解釋一下

int last_x,last_y; //上一次的值
int prve_x,prve_y; //上兩次的值
double sum_x,sum_y; //誤差積累

float err_x,err_y; //誤差值
float last_err_x,last_err_y; //上一次誤差值
float prve_err_x,prve_err_y; //上兩次誤差值

9. 如何使用matlab中的工具箱

如果是系統自帶的，你可以直接用，如果是外部的或者是自編的你需要先把文件夾拷貝到tools文件夾下，再設置路徑。
Matlab常用工具箱介紹(英漢對照)
Matlab Main Toolbox——matlab主工具箱
Control System Toolbox——控制系統工具箱
Communication Toolbox——通訊工具箱
Financial Toolbox——財政金融工具箱
System Identification Toolbox——系統辨識工具箱
Fuzzy Logic Toolbox——模糊邏輯工具箱
Higher-Order Spectral Analysis Toolbox——高階譜分析工具箱
Image Processing Toolbox——圖象處理工具箱
LMI Control Toolbox——線性矩陣不等式工具箱
Model predictive Control Toolbox——模型預測控制工具箱
μ-Analysis and Synthesis Toolbox——μ分析工具箱
Neural Network Toolbox——神經網路工具箱
Optimization Toolbox——優化工具箱
Partial Differential Toolbox——偏微分方程工具箱
Robust Control Toolbox——魯棒控制工具箱
Signal Processing Toolbox——信號處理工具箱
Spline Toolbox——樣條工具箱
Statistics Toolbox——統計工具箱
Symbolic Math Toolbox——符號數學工具箱
Simulink Toolbox——動態模擬工具箱
System Identification Toolbox——系統辨識工具箱
Wavele Toolbox——小波工具箱

例如：控制系統工具箱包含如下功能：
連續系統設計和離散系統設計
狀態空間和傳遞函數以及模型轉換
時域響應（脈沖響應、階躍響應、斜坡響應）
頻域響應（Bode圖、Nyquist圖）
根軌跡、極點配置

較為常見的matlab控制箱有：

控制類：

控制系統工具箱(control systems toolbox)
系統識別工具箱（system identification toolbox）
魯棒控制工具箱（robust control toolbox）
神經網路工具箱（neural network toolbox）
頻域系統識別工具箱（frequency domain system identification toolbox）
模型預測控制工具箱（model predictive control toolbox）
多變數頻率設計工具箱（multivariable frequency design toolbox）

信號處理類：
信號處理工具箱（signal processing toolbox）
濾波器設計工具箱（filter design toolbox）
通信工具箱（communication toolbox）
小波分析工具箱（wavelet toolbox）
高階譜分析工具箱（higher order spectral analysis toolbox）

其它工具箱：
統計工具箱(statistics toolbox)
數學符號工具箱（symbolic math toolbox）
定點工具箱（fixed-point toolbox）
射頻工具箱（RF toolbox）

1990年，MathWorks軟體公司為Matlab提供了新的控制系統模型化圖形輸入與模擬工具，並命名為Simulab，使得模擬軟體進入了模型化圖形組態階段，1992年正式命名為Simulink，即simu（模擬）和link（連接）。matlab7.0里的simulink為6.0版本，matlab6.5里的simulink為5.0版本。

MATLAB的SIMULINK子庫是一個建模、分析各種物理和數學系統的軟體，它用框圖表示系統的各個環節，用帶方向的連線表示各環節的輸入輸出關系。
啟動SIMULINK十分容易，只需在MATLAB的命令窗口鍵入「SIMULINK」命令，此時出現一個SIMULINK窗口，包含七個模型庫，分別是信號源庫、輸出庫、離散系統庫、線性系統庫、非線性系統庫及擴展系統庫。
1.信號源庫
包括階躍信號、正弦波、白雜訊、時鍾、常值、文件、信號發生器等各種信號源，其中信號發生器可產生正弦波、方波、鋸齒波、隨機信號等波形。
2.輸出庫
包括示波器模擬窗口、MATLAB工作區、文件等形式的輸出。
3.離散系統庫
包括五種標准模式：延遲，零-極點，濾波器，離散傳遞函數，離散狀態空間。
4.線性系統庫
提供七種標准模式：加法器、比例環節、積分環節、微分環節、傳遞函數、零-極點、狀態空間。
5.非線性系統庫
提供十三種常用標准模式：絕對值、乘法、函數、回環特性、死區特性、斜率、繼電器特性、飽和特性、開關特性等。
6.系統連接庫包括輸入、輸出、多路轉換等模塊，用於連接其他模塊。
7.系統擴展庫
考慮到系統的復雜性，SIMULINK另提供十二種類型的擴展系統庫，每一種又有多種模型供選擇。
使用時只要從各子庫中取出模型，定義好模型參數，將各模型連接起來，然後設置系統參數，如模擬時間、模擬步長、計算方法等。SIMULINK提供了Euler、RungeKutta、Gear、Adams及專用於線性系統的LinSim演算法，用戶根據模擬要求選擇適當的演算法。

當然，不同版本的Matlab/Simulink內容有所不同。

另外，Simulink還提供了諸如航空航天、CDMA、DSP、機械、電力系統等專業模塊庫，給快速建模提供了很大的便利。