通过CODESYS的ST语言建立离散PID模型，结合离散PID的理论分析，验证了PID调节的三个参数的对调整过程及结果的影响和作用。 当然本文所建立的PID模型过于理想，没有干扰，没有测量误差，因此跟现场环境存在很大的差异，对于PID调节，仅能提供一点理论参考。 本文所使用的codesys版本为3.5.14.10，参考博客地址 离散PID理论分析 https://blog.csdn.net/qq_19979629/article/details/123380138 离散PID模型仿真 https://blog.csdn.net/qq_19979629/article/details/123451333

简单的PID控制器建模，可通过simulink直接搭建模型实现

模糊自整定pid模型和程序-fuzzypid.rar 发一个薛定宇《控制系统计算机辅助设计>>中模糊自整定源程序，但是我运行的时候有错误信息，？undefined variable or function 'a',请各位高手指点，我弄了一上午，不知道什么原因。

首先，详细介绍了本论文的研究现状、研究意义以及智能车主动避撞技术的发展现 状，详细介绍了当前智能车辆路径规划和轨迹跟踪控制技术的相关方法以及各种方法的长处与不足。本文结合 PID 控制和模糊控制两种控制算法的优势，确定了用模糊自适应PID 轨迹跟踪控制器作为避撞模型的轨迹跟踪层，以克服单一的 PID 控制器参数不能在线调节的弊端。为避免出现极限情况下跟踪不好的问题，确定了 MPC 控制算法在轨迹跟踪层的应用。为解决智能车辆在动态环境下轨迹规划问题，论文选用了模型预测轨迹重规划算法作为轨迹规划层。 其次，以前轮转向的智能车为研究对象，建立了车辆坐标系，建立了二自由度的智 能车辆动力学方程。在研究轨迹跟踪问题的过程中，详细介绍了模糊 PID 轨迹跟踪控制器和 MPC 轨迹跟踪控制器的建立过程，并在 Matlab/Simulink 环境中分别对其跟踪效果进行仿真。结果显示在车速为 18km/h、36km/h 和 72km/h 时，对于不同的跟踪轨迹（直线和双移线），两者都有较理想的跟踪效果。然后，论文详细介绍了模型预测理论在动态环境中轨迹重规划的应用，并据此建立了智能车主动避撞模型的轨迹规划器。为满足实时性和鲁棒性的需要，论文轨迹规划层采用了计算量较少的点质量车辆模型。 最后，论文利用前面建立的模糊 PID 和 MPC 控制器分别作为轨迹跟踪层，利用模型预测动态轨迹规划器作为轨迹规划层，搭建了轨迹规划+轨迹跟踪的双层控制器作为智能车主动转向避撞模型。最后在 Matlab/Simulink 环境中分别对其避撞效果进行仿真，结果显示，当车速为 18km/h、36km/h 时，该模型有较好的避撞效果，并在避撞之后能够及时跟踪原来的轨迹行驶；但当车速为 72km/h 时，由于车速较高，障碍物信息过早的加入会导致智能车较早进行轨迹重规划并偏离原来轨迹，但整体上来说该避撞模型都实现了避撞的设计目标。论文选用的轨迹规划和跟踪算法都能满足智能车主动避撞技术的要求。

详细介绍了MATLAB建立PID模型，模糊规则控制器，模糊自适应PID模型，电机模型选用的智能车电机RS380，希望能给一些同学指导，是我博客的总结

文中以隐式广义预测控制[1]的原理为基础， 建立了以受控自回归积分滑动平均模型（即CARIMA）为基础的LNG气化储备站出口压力控制的隐式广义预测控制。利用MATLAB对此控制系统进行了仿真， 同时介绍了常规PID控制， 也对常规PID控制系统进行了仿真， 由仿真结果可以看出隐式广义预测控制比PID控制具有响应时间短， 控制精度高等优点并能取得良好的可行性、鲁棒性、优越性。

本人毕业设计的内容，《BP神经网络搭建实现PID控制器的模型》花了半年汗水的结晶啊，毕设就靠它！

在simulink中建立的模糊pid模型，可以正确运行，通过这个模型，可以加深对模糊算法和pid算法的学习