matlabpid整定工具箱

1. MATLAB中PID怎么整定参数

基于MATLAB/Simulink的PID参数整定摘 要:针对PID参数整定过程的复杂性，基于MATLAB/Simulink仿真环境，模拟

临界比例度法PID参数整定的方法和步骤，给出了一种简单有效的PID参数

整定方法。与通常的整定方法比较，其优点是非常直观、可以随意修改仿

2. Matlab2010b中simulink的PID参数整定模块是哪个

第一个最大多普勒频移取决于移动速度。最大多普勒频移越大表示信道逐渐变成快时变信道，误码性能就会越差。看得出来你的仿真模块中没有对快时变信道衰减进行处理，所以还是取小一点吧。我认为0Hz～50Hz比较合适。
第二个是多径各径时延。取值取决于你的符号间隔。一般取符号间隔的倍数。比如你的采样间隔假设是0.001s，那你图中的取值就是合适的。
第三个是多径各径功率，大致满足复指数分布。提供两个取值，车辆模式[0，-1，-9],步行模式[0,-0.9,-4.9]。
初始种子就随便选了
从你的仿真结果图来看，误码率范围差不多是0.45～0.5之间，说明性能极差，你的码几乎没有解调出来。因为从你的仿真模块看你的接收端没有对多径进行处理。
建议：先设置最大多普勒频移为0Hz，设置多径个数为1径。看看性能曲线是不是正常的。然后增加最大多普勒频移，观察信道变化快慢对性能的影响；或者增加多径个数，看看多径对性能的影响。
希望采纳

3. 求文档: 基于MATLAB的PID控制器参数整定及仿真

好好学习，天天向上
工作以后老板也不会给你任务书，只会跟你要结果。

4. matlab仿真求调整PID参数

直接使用CFTOOL工具箱
命令行输入cftool即可，然后选择拟合类型
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];
直接输入cftool进入曲线拟合工具箱界面“Curve Fitting tool”
(1）点击“Data”按钮，弹出“Data”窗口；
（2）利用X data和Y data的下拉菜单读入数据x,y，然后点击“Create data set”按钮，退出“Data”窗口，返回工具箱界面，这时会自动画出数据集的曲线图；
（3）点击“Fitting”按钮，弹出“Fitting”窗口；
（4）点击“New fit”按钮，可修改拟合项目名称“Fit name”，通过“Data set”下拉菜单选择数据集，然后通过下拉菜单“Type of fit”选择拟合曲线的类型，选择类型Power：幂逼近，有2种类型，a*x^b 、a*x^b + c

5. 关于PID自整定Matlab程序在辨识（idareas.m）程序中MODEL.m, MODEL.L and MODEL.T 其中m、L、T分别是啥意

给你一个全MATLAB仿真的程序，没用到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);
这里简单说明一下：首先是编写2个输入，1个输出的隶属度函数；接下来的是模糊规则，一共49条；然后用解模糊函数得出控制量U，这里输出的U就直接是精确量了，解模糊用到得规则是取隶属度最大的那个数即MOM算法。
显示的三个图形窗口分别是：模糊控制器内部原理图，以及2个输入，1个输出的隶属度函数图。
另外,团IDC网上有许多产品团购,便宜有口碑

6. 如何在matlab里进行pid整定

1、打开matlab2009，新建一个模型文件。

7. matlab pid 整定

我按help vars 怎么是Not found

8. 基于matlab的pid整定代码求大佬解释一下

int last_x,last_y; //上一次的值
int prve_x,prve_y; //上两次的值
double sum_x,sum_y; //误差积累

float err_x,err_y; //误差值
float last_err_x,last_err_y; //上一次误差值
float prve_err_x,prve_err_y; //上两次误差值

9. 如何使用matlab中的工具箱

如果是系统自带的，你可以直接用，如果是外部的或者是自编的你需要先把文件夹拷贝到tools文件夹下，再设置路径。
Matlab常用工具箱介绍(英汉对照)
Matlab Main Toolbox——matlab主工具箱
Control System Toolbox——控制系统工具箱
Communication Toolbox——通讯工具箱
Financial Toolbox——财政金融工具箱
System Identification Toolbox——系统辨识工具箱
Fuzzy Logic Toolbox——模糊逻辑工具箱
Higher-Order Spectral Analysis Toolbox——高阶谱分析工具箱
Image Processing Toolbox——图象处理工具箱
LMI Control Toolbox——线性矩阵不等式工具箱
Model predictive Control Toolbox——模型预测控制工具箱
μ-Analysis and Synthesis Toolbox——μ分析工具箱
Neural Network Toolbox——神经网络工具箱
Optimization Toolbox——优化工具箱
Partial Differential Toolbox——偏微分方程工具箱
Robust Control Toolbox——鲁棒控制工具箱
Signal Processing Toolbox——信号处理工具箱
Spline Toolbox——样条工具箱
Statistics Toolbox——统计工具箱
Symbolic Math Toolbox——符号数学工具箱
Simulink Toolbox——动态仿真工具箱
System Identification Toolbox——系统辨识工具箱
Wavele Toolbox——小波工具箱

例如：控制系统工具箱包含如下功能：
连续系统设计和离散系统设计
状态空间和传递函数以及模型转换
时域响应（脉冲响应、阶跃响应、斜坡响应）
频域响应（Bode图、Nyquist图）
根轨迹、极点配置

较为常见的matlab控制箱有：

控制类：

控制系统工具箱(control systems toolbox)
系统识别工具箱（system identification toolbox）
鲁棒控制工具箱（robust control toolbox）
神经网络工具箱（neural network toolbox）
频域系统识别工具箱（frequency domain system identification toolbox）
模型预测控制工具箱（model predictive control toolbox）
多变量频率设计工具箱（multivariable frequency design toolbox）

信号处理类：
信号处理工具箱（signal processing toolbox）
滤波器设计工具箱（filter design toolbox）
通信工具箱（communication toolbox）
小波分析工具箱（wavelet toolbox）
高阶谱分析工具箱（higher order spectral analysis toolbox）

其它工具箱：
统计工具箱(statistics toolbox)
数学符号工具箱（symbolic math toolbox）
定点工具箱（fixed-point toolbox）
射频工具箱（RF toolbox）

1990年，MathWorks软件公司为Matlab提供了新的控制系统模型化图形输入与仿真工具，并命名为Simulab，使得仿真软件进入了模型化图形组态阶段，1992年正式命名为Simulink，即simu（仿真）和link（连接）。matlab7.0里的simulink为6.0版本，matlab6.5里的simulink为5.0版本。

MATLAB的SIMULINK子库是一个建模、分析各种物理和数学系统的软件，它用框图表示系统的各个环节，用带方向的连线表示各环节的输入输出关系。
启动SIMULINK十分容易，只需在MATLAB的命令窗口键入“SIMULINK”命令，此时出现一个SIMULINK窗口，包含七个模型库，分别是信号源库、输出库、离散系统库、线性系统库、非线性系统库及扩展系统库。
1.信号源库
包括阶跃信号、正弦波、白噪声、时钟、常值、文件、信号发生器等各种信号源，其中信号发生器可产生正弦波、方波、锯齿波、随机信号等波形。
2.输出库
包括示波器仿真窗口、MATLAB工作区、文件等形式的输出。
3.离散系统库
包括五种标准模式：延迟，零-极点，滤波器，离散传递函数，离散状态空间。
4.线性系统库
提供七种标准模式：加法器、比例环节、积分环节、微分环节、传递函数、零-极点、状态空间。
5.非线性系统库
提供十三种常用标准模式：绝对值、乘法、函数、回环特性、死区特性、斜率、继电器特性、饱和特性、开关特性等。
6.系统连接库包括输入、输出、多路转换等模块，用于连接其他模块。
7.系统扩展库
考虑到系统的复杂性，SIMULINK另提供十二种类型的扩展系统库，每一种又有多种模型供选择。
使用时只要从各子库中取出模型，定义好模型参数，将各模型连接起来，然后设置系统参数，如仿真时间、仿真步长、计算方法等。SIMULINK提供了Euler、RungeKutta、Gear、Adams及专用于线性系统的LinSim算法，用户根据仿真要求选择适当的算法。

当然，不同版本的Matlab/Simulink内容有所不同。

另外，Simulink还提供了诸如航空航天、CDMA、DSP、机械、电力系统等专业模块库，给快速建模提供了很大的便利。