如何将实际PID调试进行传递函数处理仿真调试

在一个复杂系统中，需要进行PID调试，以达到系统稳定状态。
但是每次调试都需要在设备上进行。
能否有方法测出系统传递函数，将调试迁移到电脑上进行仿真进行？
具体系统为：
请求角度→电机执行输出扭矩→达到目标角度。
整个都能测数据，但是测得的数据是当前PID参数的数据，若以当前数据作为 data base，那么传递函数是基于当前PID参数的。
该怎么处理，得到系统本身的传递函数，然后进行PID调试？

使用博图PLC S7-1200/1500来仿真PID（含被控对象传递函数）
可以借鉴下
https://blog.csdn.net/dlwlrma_516/article/details/107002444

在将PID调试迁移到电脑上进行仿真之前，需要获取系统的传递函数。由于你已经可以测量到系统的输入和输出数据，可以尝试使用系统辨识（System Identification）的方法来获得系统的传递函数模型。

系统辨识是从实际的输入-输出数据中推导出系统的数学模型的过程。以下是一种可能的方法：

收集输入-输出数据：在设备上运行系统，并通过测量记录输入角度、输出扭矩和目标角度等数据。确保你拥有足够的数据来代表系统的各种操作状态和动态响应。
数据预处理：对收集到的数据进行预处理，包括去除噪音、滤波和对齐数据等操作，以确保数据的准确性和一致性。
确定系统的结构：根据你对系统的了解，尝试确定适当的传递函数结构。PID控制器通常采用一阶或二阶传递函数模型。
辨识参数：使用系统辨识工具或编程库，如MATLAB中的System Identification Toolbox、Python中的scikit-learn或TensorFlow等，将预处理后的数据输入模型，并通过参数辨识算法来估计传递函数的参数。
验证模型：将估计得到的传递函数应用于仿真或实际测试数据，并与实际数据进行对比。评估模型的拟合程度和准确性。
进行仿真调试：将估计得到的传递函数应用于仿真环境中，并进行PID调试。在仿真中可以进行快速的试错和参数调整，以寻找最佳的PID参数配置。

需要注意的是，由于仿真环境和实际系统之间可能存在差异，仿真调试得到的PID参数可能需要在实际设备上进行微调和验证。此外，如果系统的动态性质在不同操作条件下变化较大，可能需要进行多点辨识以获取更全面的模型。

通过系统辨识获得的传递函数模型，结合仿真环境进行PID调试，可以提高调试效率并减少对实际设备的依赖。

可以使用仿真工具来测试系统的传递函数，以便在电脑上进行PID调试。以下是一些工具和方法：

使用MATLAB或Simulink进行建模和仿真：可以使用MATLAB或Simulink建立系统的数学模型，并使用Simulink中的PID控制器进行仿真。这将允许您测试系统的传递函数，并在电脑上进行PID调试。
使用Python编写PID控制器：可以使用Python编写PID控制器，并使用PID控制器模拟器来测试系统的传递函数。您可以使用第三方库如PyTorch Lightning或TensorFlow的tf.keras.models.Sequential模块来构建和训练PID控制器。
使用专业的仿真工具：有许多专业的仿真工具可用于测试系统的传递函数，如NS2、MATLAB Simulink、ModelSim等。这些工具通常具有高度的可定制性和灵活性，可以满足您的需求。

确定系统的数学模型：首先需要通过理论分析和实验数据，建立系统的数学模型，得到系统的传递函数。
进行仿真：使用Matlab等仿真软件，将系统的传递函数输入仿真模型进行仿真，以模拟系统的实际运行情况。可以通过调整PID参数来观察系统的响应情况，以达到优化系统稳定状态的目的。
优化PID参数：根据仿真结果，调整PID参数，逐步优化系统的稳定性和性能。可以使用自适应控制算法等方法，自动调整PID参数。
验证和调整：最后将优化后的PID参数应用到实际系统中进行验证和调整，以进一步优化系统性能。

以下答案由GPT-4.5Plus大模型(语音)与博主A努力中.......共同编写：

要解决您的问题,主要可以采取以下几个步骤:

收集足够的输入输出数据
要得到系统的传递函数,首先需要收集系统在不同输入下的输出响应数据。数据量越多越好,才能反映系统的全面动态特性。
识别系统模型
有多种方法可以识别模型,如频域分析识别二阶模型,时域拟合识别高阶模型等。对数据进行分析,确定系统的阶数和参数,得到系统的状态空间模型或传递函数模型。
调整模型以消除PID控制器影响
如果数据是在PID控制下收集,模型会融合PID控制器的参数。需要对模型进行修正,消除PID控制器的影响,得到更接近系统本身的模型。可以在识别过程中忽略PID部分,或对识别结果进行修正。
基于模型进行PID Simulation仿真调优
有了系统模型后,可以在Simulink等仿真软件中构建模型,代入不同的PID参数进行仿真。观察系统响应,不断调整PID参数,在仿真中得到一组较优的PID值。
下载到实际系统验证
将仿真中得到的PID值下载到实际系统,观察系统响应,判断控制效果。如果不理想,继续收集数据,重新执行上述步骤,进一步优化。
这是一个迭代优化的过程,只有经过多轮验证与调整,才能得到一组使系统达到最佳控制效果的参数。如果在实现中遇到问题,可以向我咨询:
数据收集与分析方面,选择何种方法识别模型?
如何消除PID控制器影响,得到更加接近真实系统的模型?
在仿真调优中,如何评判PID参数的优劣与系统的控制效果?
验证时系统响应不理想的原因有哪些,如何继续优化?

我可以为您在理论和实现上提供进一步的指导与建议,帮助您完成PID参数的优化与调试,使控制系统达到稳定的状态。

可以参考下

%增量式PID
clc % 清屏
clear all; % 删除workplace变量
close all; % 关掉显示图形窗口
 
ts=0.001; %采样时间
xk=zeros(2,1);
e_1=0;
u_1=0;%初始值
 
%%
for k=1:1:1000
    time(k)=k*ts;%时间轴，画图用
    
    yd(k)=0.5*sin(1*2*pi*k*ts);%控制目标（理想位置）
    
    %PID参数
    kp=20;
    ki=0;
    kd=0.5;
    
    para=u_1;
    tSpan=[0 ts];
    %常微分方程的数值求解，[t,y,te,ye,ie] = ode45(odefun,tspan,y0,options)
    [tt,xx]=ode45('PID_ode45_plant',tSpan,xk,[],para);
    xk=xx(length(xx),:);%xk为求解值
    y(k)=xk(1); 
    
    e(k)=yd(k)-y(k);
    de(k)=(e(k)-e_1)/ts;
    u(k)=kp*e(k)+kd*de(k); 
    
    %避免PID值饱和，限制输出
    if u(k)>10
        u(k)=10;
    end
    if u(k)<-10
        u(k)=-10;
    end
    u_1=u(k);
    e_1=e(k);  
end
    
figure(1);
plot(time,yd,'r',time,y,'k:','linewidth',2);
xlabel('时间（s）'); ylabel('yd,y');
grid on
title('仿真结果');
legend('实际信号','仿真结果');
 
figure(2);%误差
plot(time,yd-y,'r','linewidth',2);
xlabel('时间（s）');ylabel('误差');
grid on
title('误差');

回答:

对于该问题，可以通过系统辨识来获得系统的传递函数，并通过传递函数进行仿真调试。具体步骤为：

收集测量数据：收集系统在不同的输入下所产生的响应，包括角度偏差、执行输出扭矩和实际角度。注意，测得的数据要尽量覆盖整个工作范围，以便更准确地建立系统模型。
建立系统模型：通过对收集到的数据进行处理，可以得到系统的传递函数。可以使用MATLAB中的System Identification Toolbox等模块进行系统辨识，得到系统的模型。
仿真调试：使用得到的系统模型，在MATLAB中进行仿真调试。可以使用Simulink等工具，进行PID参数的调试，以达到系统稳定状态。

具体代码实现如下：

收集测量数据：

假设收集到的数据为x，y，z，其中x为请求角度，y为电机执行输出扭矩，z为实际角度。

建立系统模型：

使用MATLAB中的System Identification Toolbox进行系统辨识，得到系统的模型，如下代码：

data = iddata(z,y,0.01); sys = tfest(data,3)

其中，z和y为测量所得数据，0.01表示采样时间间隔，3表示建立的传递函数阶数。

仿真调试：

使用得到的系统模型，在MATLAB中进行仿真调试，采用Simulink进行PID参数的调试，以达到系统稳定状态。具体代码如下：

sys_phi = sys; Kp = 0.3; Ki = 0.01; Kd = 0.1; sim('simulink_model'); plot(simout);

其中，sys_phi为建立的系统传递函数，Kp、Ki、Kd为PID控制器的系数，sim(‘simulink_model’)为进行仿真模拟，plot(simout)为绘制仿真结果曲线。

总代码如下：

data = iddata(z,y,0.01); sys = tfest(data,3);

sys_phi = sys; Kp = 0.3; Ki = 0.01; Kd = 0.1; sim('simulink_model'); plot(simout);