模糊PID双容水箱Simulink仿真：从建模到参数整定与规则设计-北京尧图网络

简介面向自动控制原理课程设计的双容水箱液位控制系统仿真资源适合大二以上本科生进行模糊PID与经典PID对比学习也可作为Simulink仿真实验的参考资料。压缩包共3个文件整体47KBslx文件搭建双容水箱液位控制基本回路fis文件定义模糊控制器推理规则及隶属度函数m文件提供基础操作脚本三者在仿真环境中配合使用。被控对象呈非线性、大延迟、易受扰动特性资源采用临界比例法整定常规PID参数并将其与模糊PID控制方案放在同一框架下比较配套说明报告与调节曲线均包含在内可直接用于分析参数整定效果及模糊规则设计质量。已有三千二百余人学习浏览尤其适合控制理论课程设计、模糊控制入门及PID改进研究等应用场景。1. 模糊PID双容水箱仿真为什么固定参数PID在这里总是差一口气很多人第一次做双容水箱液位控制仿真时都会有个疑问明明单容水箱用PID调得好好的为什么换成双容之后超调量突然变大、稳定时间翻倍甚至出现等幅振荡原因并不复杂——双容水箱本质是二阶惯性加纯延迟的被控对象固定增益的PID在工况变化时很难同时兼顾快速性和阻尼。这个 simulink 仿真项目就是把「临界比例法整定出的固定PID」和「模糊PID在线修正参数」放在同一个模型里做对比让你亲眼看到同一个对象在不同控制器下的响应差异。适合做自动控制原理课设、过程控制课程设计或者想入门模糊控制又不打算碰硬件的人。项目本身不复杂一个双容水箱被控对象模型、一组用临界比例法整定出的基线PID参数、一个两输入三输出的模糊控制器再加上几张规则表和量化因子。跑起来之后Scope 里两条液位曲线一对比模糊PID在超调量和调节时间上的优势非常直观。这篇文章会把模型怎么搭、参数怎么整、规则表怎么填、跑出来不对怎么排查全部拆开讲一遍。2. 被控对象建模双容水箱的传递函数和 simulink 模型搭建2.1 双容水箱的机理模型为什么它是二阶惯性双容水箱和单容水箱最大的区别在于水不是直接流到下游而是先进入第一个水箱再通过连通管路流入第二个水箱。第二个水箱的液位变化受第一个水箱液位的影响两个水箱各自是一个一阶惯性环节串联起来就是二阶惯性。加上阀门和执行机构的响应滞后实际对象还要再串一个纯延迟环节。用机理建模的方式推设第一个水箱的截面积为 A1第二个为 A2第一个水箱的流入量为 Q1第一个水箱流入第二个水箱的流量为 Q12第二个水箱的流出量为 Q2。根据物料平衡A1 * dh1 / dt Q1 - Q12 A2 * dh2 / dt Q12 - Q2其中 Q12 由第一个水箱的液位 h1 和管路阻力 R1 决定Q2 由第二个水箱的液位 h2 和出口阀阻力 R2 决定。在线性化之后可以得到典型的二阶惯性加延迟传递函数形式G(s) K / ((T1*s 1) * (T2*s 1)) * e^(-τ*s)这个模型里T1 和 T2 分别是两个水箱的时间常数K 是过程增益τ 是等效纯延迟时间。仿真时常见做法是把两个时间常数取成接近的数值比如 20 秒左右纯延迟取 5 秒左右。这种参数组合下系统响应会明显出现两个阶段的爬坡特征第一个水箱先充水第二个水箱液位缓慢跟上整体响应比单容水箱慢很多。2.2 simulink 模型搭建从微积分方程到模块连线在 simulink 里搭这个模型最直接的方式不是用传递函数模块而是把微分方程拆成积分环节。这样做的好处是后续改参数、加限幅、加扰动都比较直观也方便你看清水位变化的物理过程。模型结构分成三块输入流量生成、水箱积分环节、液位输出与延迟。我在做这个项目时模型按以下模块搭建模块参数设置作用Step阶跃时间 10 s终值 0.02模拟设定流量变化Gain1K1 1.5入水阀流量增益Integrator1初始值 0第一水箱液位积分Gain21.0连接第一水箱到第二水箱的阻力系数Integrator2初始值 0第二水箱液位积分Transport Delay延迟 5 s模拟管道滞后Scope2 路输入观察设定值与液位响应信号流向是 Step 经过 Gain1 后接入 Integrator1积分输出乘以 Gain2 作为第二水箱的入流再进入 Integrator2最终输出经过 Transport Delay 后返回 Scope。这段连线中关键的一点是两个积分器之间要形成正确的流量关系否则第二个水箱永远只进不出或者出现反向流动——我一开始就把 Gain2 的符号接反了导致液位一路往下掉排查了好一会儿才意识到是正反馈回路。2.3 仿真参数设置别用默认的 10 秒simulink 默认仿真时长是 10 秒这对一阶系统可能够用但对双容水箱来说完全看不出趋势。双容水箱的时间常数在 20 秒量级加上纯延迟 5 秒至少要看 200 秒以上的响应才能判断稳定性和超调量。建议仿真时长设为 600 秒求解器用固定步长 ode4步长取 0.01 秒。固定步长比变步长更适合这种带 Transport Delay 和离散模糊控制器的模型变步长在某些时刻会突然缩小步长导致仿真速度骤降看起来像卡死了一样。另外两个积分器的初始值都要设成 0对应的物理含义是启动时两个水箱都是空的。如果第二个水箱初始值设成非零开始仿真的瞬间会出现液位突跳后续的数据曲线就不好看了。3. 临界比例法整定先得到一个能用的固定PID基线3.1 临界比例法的操作步骤模糊PID不是凭空工作的它需要一个初始PID参数作为基准。这个基准由临界比例法给出。临界比例法的思路很简单把 PID 控制器的积分和微分先全部关掉只保留纯比例环节然后逐步加大比例增益直到系统输出出现等幅振荡。这时候记录临界增益 Kcr 和振荡周期 Tcr再按经验公式算出 P、PI、PID 三组参数。在这个双容水箱模型上操作时我在 simulink 里把整个控制回路搭成闭环给定液位信号经过 PID 控制器输出控制量作用于被控对象对象输出反馈回输入端。PID 模块里把 Ki 和 Kd 设为 0Kp 从一个较小的值比如 0.05 开始慢慢往上加。每改一次 Kp 就跑一次仿真观察 Scope 里的响应曲线。Kp 太小的时候响应慢慢爬升最终稳定在一个低于目标值的水平存在稳态误差继续增大 Kp稳态误差变小但会出现明显的超调在某个临界点上响应变成等幅振荡。这个临界点就是我们要找的 Kcr。我在这个模型上读到的数据是 Kcr 大约 0.42振荡周期 Tcr 大约 90 秒。不同参数模型读数略有差异但方法是一样的。3.2 经验公式与基线参数取值根据临界比例法的经验公式PID 参数按下表计算控制规律KpTiTdP0.5 * Kcr无无PI0.45 * Kcr0.85 * Tcr无PID0.6 * Kcr0.5 * Tcr0.125 * Tcr按这个表计算Kcr 0.42、Tcr 90 秒时PID 基线参数为Kp 0.252Ti 45 秒Td 11.25 秒。在 simulink 的 PID Controller 模块里如果用的是 Ki 和 Kd 形式而不是 Ti、Td 形式需要换算Ki Kp / Ti 0.0056Kd Kp * Td 2.835。用这组参数跑一次仿真响应会比纯比例控制好很多但你会发现一个问题液位到达目标值的过程仍然拖泥带水大概在 200 秒附近才进入稳态而且存在大约 5% 左右的超调。这是固定 PID 在二阶惯性加延迟对象上的典型表现——参数折中之后动态品质不够理想。模糊PID的切入点就在这里让 Kp、Ki、Kd 随着偏差和偏差变化率实时调整而不是从头到尾用同一个值。3.3 临界比例法在仿真里的坑临界比例法在真实设备上要小心翼翼因为等幅振荡意味着系统处于稳定边界阀门的动作幅度很大。在仿真里虽然没有安全风险但识别「真正的等幅振荡」仍然是个细节问题。要注意区分等幅振荡和衰减很慢的振荡前者振幅基本不变后者每个周期都在缓慢缩小。操作方法上观察范围不要拉太宽。把 Scope 的时间轴范围设定在 200 到 400 秒之间放大观察尾段波形如果连续三个周期的峰值基本相同就认为到达临界点了。另外仿真环境中的数值噪声可能导致曲线不是严格等幅允许有一点点波动不要因为这个去微调 Kp 导致整定失败。4. 模糊PID控制器设计论域、隶属函数、规则表与 simulink 接线4.1 模糊PID的三层结构输入量、模糊推理、输出修正量模糊PID的核心结构并不复杂本质是一个两输入三输出的模糊控制器。两个输入分别是偏差 e 和偏差变化率 ec三个输出分别是 Kp、Ki、Kd 的修正量 ΔKp、ΔKi、ΔKd。最终的控制器参数是这样合成的Kp Kp0 ΔKp * kp_gain Ki Ki0 ΔKi * ki_gain Kd Kd0 ΔKd * kd_gain其中 Kp0、Ki0、Kd0 就是临界比例法整定出的基线参数kp_gain、ki_gain、kd_gain 是输出端的比例因子负责把模糊推理的结果缩放到合适的幅度。这个结构的妙处在于基线参数保证了系统基本稳定模糊部分只负责在动态过程中修正因此即使模糊规则写得不是特别精确系统也不会失控。在 simulink 里实现时我习惯用 Fuzzy Logic Controller 模块配合 .fis 文件。先用 MATLAB 的 fuzzy 设计工具把隶属函数和规则表画好导出成 FIS 文件然后在 simulink 模型里直接引用。这样修改规则时只需要重新设计 FIS 文件模型本身不用动。4.2 论域划分与隶属函数设计偏差 e 的物理范围取决于实际液位偏差。这个模型里给定值是 0.02 米最大偏差不会超过 0.05 米所以 e 的论域设为 [-0.05, 0.05]。偏差变化率 ec 的论域设得小一些取 [-0.001, 0.001]因为液位变化本身很缓慢。但模糊推理内部一般用归一化论域常见做法是把输入映射到 [-3, 3] 或 [-6, 6] 区间。这里的量化因子就派上用场了e 的量化因子 Ke 3 / 0.05 60ec 的量化因子 Kec 3 / 0.001 3000。在 simulink 里这两个量化因子用 Gain 模块实现放在信号进入 Fuzzy Logic Controller 之前。隶属函数我选了 7 个语言值NB、NM、NS、ZO、PS、PM、PB对应「负大、负中、负小、零、正小、正中、正大」。偏差 e 和偏差变化率 ec 都采用三角形隶属函数均匀覆盖整个论域。三角形隶属函数计算量小、参数直观对这个项目完全够用不需要用高斯型。4.3 规则表设计Kp、Ki、Kd 分别怎么修正规则表是模糊PID设计的核心也是最考验控制经验的部分。基本原则有三条偏差大时Kp 要取大值加快响应速度偏差小时Kp 减小防止超调。偏差中等且偏差变化率较小时Ki 适当加大消除稳态误差。Kd 在中段起作用偏差变化率较大时加大 Kd 抑制振荡偏差很小时 Kd 减小避免噪声放大。ΔKp 的规则表如下行是 e列是 ece\ecNBNMNSZOPSPMPBNBPBPBPMPMPSZOZONMPBPBPMPSPSZONSNSPMPMPMPSZONSNSZOPMPMPSZONSNMNMPSPSPSZONSNSNMNMPMPSZONSNMNMNMNBPBZOZONMNMNMNBNBΔKi 和 ΔKd 的规则表类似但趋势不同。ΔKi 在偏差小、偏差变化率中等偏小时要加大在偏差大时必须减小否则积分饱和会让超调非常严重。ΔKd 在偏差中等、变化率大的区域取较大的值用于压制振荡。在设计完规则表后用 fuzzy 工具逐个填进去。每个规则的形式是 if e is NB and ec is ZO then Kp is PM, Ki is PS, Kd is ZO。规则数共 49 条逐条录入确实繁琐但这是模糊控制器里「抄不了捷径」的部分。规则质量直接影响控制效果不能省。4.4 simulink 完整接线与参数设置完成 FIS 设计后在 simulink 里搭建完整的模糊PID控制回路。整体信号流向如下设定值 ── 偏差计算 ── Ke比例缩放 ── FIS模糊推理 ── 输出系数 ── 与基线PID求和 └── Kec比例缩放 ── └── 输出到被控对象实际接线时偏差信号同时分两路一路经过 Ke 的 Gain 模块一路经过微分并乘以 Kec。这里要特别提醒微分环节用 Derivative 模块时数值噪声会被放大我一般把原始液位信号先过一个低通滤波再微分或者在 FIS 前面的采样环节做离散化处理。输出端的三个增益 kp_gain、ki_gain、kd_gain 需要按经验调整。我的初始取法是 kp_gain 0.05、ki_gain 0.001、kd_gain 0.5然后通过仿真结果微调。如果超调大先减小 kp_gain如果稳态误差消不掉增大 ki_gain如果响应末端有高频抖动减小 kd_gain。我习惯把基线 PID 参数用常量模块放进模型方便在不打开模糊控制器的情况下直接切换成固定 PID 模式对比。这样同一个模型可以同时跑出两条曲线——一条固定 PID一条模糊 PID——直接叠加在同一个 Scope 里看差异。5. 避坑与排查模糊PID仿真里最常翻车的五个问题5.1 现象模糊PID效果反而比固定PID差系统剧烈振荡原因量化因子 Ke 和 Kec 设置不合理。Ke 过大导致偏差信号频繁触达论域边界控制器输出饱和Ke 过小导致偏差在论域内只覆盖很小范围模糊规则大部分时候处于 ZO 附近失去修正作用。Kec 的问题更隐蔽——如果 Kec 过小偏差变化率在模糊控制器看来几乎为零微分修正形同虚设。解决把 Ke 和 Kec 按输入信号的实际范围与论域上限的比值计算先粗调让信号在正常工况下覆盖论域的三分之二左右再用一个阶跃响应观察液位到达目标之前 e 和 ec 的最大值按这两个最大值重新标定量化因子。我通常的做法是先在 Scope 里加两个临时通道观察 e 和 ec 的波形再做归一化。5.2 现象响应曲线前段正常中段出现一段平台然后突然跳变原因积分饱和。偏差长时间存在时Ki 修正量把积分项推到上限一旦偏差反向积分项需要很长时间才能退回来导致曲线出现一段「呆滞」。这在液位控制里特别常见因为液位本身就是积分过程控制量叠加积分相当于系统增益持续累积。解决在 simulink 的 PID 输出端加 Saturation 限幅模块限制控制量最大值同时在模糊规则里确保偏差大时 ΔKi 取负值。更规范的做法是给积分器加 anti-windup 反馈结构把限幅后的差值反馈回积分器输入端。仿真项目里用 Saturation 最简单直接。5.3 现象仿真速度极慢每跑一次要几十秒甚至更久原因变步长求解器在 Transport Delay 和模糊控制器这种带状态突变的地方会反复缩小步长导致仿真步数暴涨。尤其是在模糊规则切换的边界点导数不连续会让求解器频繁 retry。解决把求解器改为固定步长 ode4步长设 0.01 秒。固定步长不会因为状态突变而回退重算速度稳定得多。代价是精度略低但对液位控制这种慢过程的趋势观察完全够用。另外把仿真时长从 600 秒改成 300 秒先快速验证逻辑逻辑对了再拉长时间看完整响应。5.4 现象Scope 里出现一条斜向上的直线液位不收敛原因模型连成了正反馈。最常见的位置在第二个水箱的流入流出关系上——如果积分器之间的 Gain 符号反了第二水箱的流出量和第一水箱的液位成正比就变成了正反馈回路液位会指数增长直到撞到 Saturation 限幅值。解决从信号源头逐段断开验证。先把 Fuzzy Logic Controller 的输出断开用手动常量模块给被控对象一个固定输入看液位是否按物理规律上升并趋于稳定。这一步能确认被控对象模型本身正确再接入控制器排查反馈方向。5.5 现象模糊PID响应比固定PID慢像被钝化了一样原因规则表的修正量撑死只能让参数在小范围内变化本质上还是基线参数太保守。模糊PID的基线参数来自临界比例法而临界比例法的 PID 参数本来就是「稳字当头」的折中值。如果基线 Kp 已经很低模糊部分再怎么往上顶也顶不上去。解决把基线参数稍微往激进方向调整比如把 Kp0 提高到经验计算值的 1.2 倍同时让 kp_gain 再加大一点让模糊控制器有足够空间做修正。这里有个判断技巧如果模糊控制器的输出 ΔKp 在仿真全程都贴在论域边界附近说明基线参数太弱模糊部分已经「顶到头」了。6. 二次开发从双容到三容把模糊PID变成可批量调参的脚本这个项目拿到手之后如果只是想跑一遍看曲线其实几分钟就能完成。但作为课设或者入门练习更值得做的是把模型改造成可以批量实验的仿真平台。我最推荐的第一步改造是把模糊PID的规则表从 .fis 文件里抽出来用 MATLAB 脚本批量修改和自动仿真。具体做法是这样的模型里不直接引用 .fis 文件而是在脚本里用 readfis 读取基础 FIS 对象再用 setrule 修改规则权重或隶属函数参数最后用 writefis 写回临时文件并载入 simulink。这样就能在循环里生成多组不同的规则表每组跑一次仿真用 sim 函数拿到液位数据计算超调量和 ITAE 积分指标自动选出最优的一组规则。% 批量规则调整自动仿真 base_fis readfis(fuzzy_pid.fis); results []; for scale 0.8:0.1:1.2 % 调整 Kp 规则表中的 PB 区域强度 for i 1:49 rule getrule(base_fis, i); % 修改规则权重 w rule(5) rule(5) * scale; setrule(base_fis, i, rule); end % 写临时 FIS 文件并载入模型 writefis(base_fis, temp_fis); set_param(two_tank_fuzzy/Fuzzy Controller, FISname, temp_fis); % 运行仿真 simOut sim(two_tank_fuzzy, StopTime, 600); h2 simOut.yout.getElement(h2).Values.Data; t simOut.yout.getElement(h2).Values.Time; % 计算超调量和 ITAE target 0.02; peak max(h2); overshoot (peak - target) / target * 100; itae sum(abs(h2 - target) .* t) * 0.01; results [results; scale, overshoot, itae]; end这段脚本里rule(5) 指的是规则表的权重字段在 FIS 规则结构的五个字段中排在第 5 位。不同的 MATLAB 版本可能字段位置略有差异建议先用 getrule 查看当前版本的字段顺序再修改。批量跑完之后用 results 矩阵画一张散点图横轴是 scale纵轴是超调量可以很直观地看到规则强度对系统动态品质的影响趋势。我每次课设调试都习惯先把这个批处理脚本跑通因为手工改一个规则参数再点一次仿真按钮实在太消耗耐心。把那之后我每次改规则或者改量化因子都强制走一遍「脚本改参数-批量仿真-指标对比」流程效率提升非常明显。希望这个思路也能帮到你以后的项目改造。本文还有配套的精品资源点击获取

模糊PID双容水箱Simulink仿真：从建模到参数整定与规则设计

相关推荐

IGMPv3源过滤原理与实战：解决组播选源、策略执行与状态同步三大难题

双容水箱液位控制与模糊PID：Simulink仿真设计与参数整定

Flutter云同步实战：离线优先、增量同步与冲突解决

更多资讯

MFC集成ChartCtrl实现实时波形显示与性能优化

WiFi信号差别急着换路由器：射频到回程的系统排查指南

Git冲突解决与数据恢复：强推覆盖、误删分支的救急指南

任务栏卡顿不用重装系统：explorer.exe修复与性能排查指南

无人机遥感语义分割实战：labelme标注与地物识别全流程解析

降AI率工具实测：破解AI检测原理，还原论文真人感

今日更新

悟空开源无代码平台实战：从实体建模到应用设计避坑指南

基于.NET9的多租户权限系统：数据权限与动态API落地实践

场地预约小程序毕设实战：SSM+微信小程序+MySQL数据库设计到避坑

本周精选

金融AI落地指南：从调研报告到技术选型与工程实践

大模型上下文成本与注意力优化技术深度解析——为何O(n²)平方复杂度无法被常规优化消除｜TaoToken 统一 Key 通道实测

基于GMM的语音识别系统原理与MATLAB实现详解

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？