四旋翼pid模糊pid控制，simulink仿真，matlab仿真，数据调好，自主学习

四旋翼pid模糊pid控制，simulink仿真，matlab仿真，数据调好，自主学习

折腾四旋翼控制器的时候，PID这三个字母总是绕不开的魔咒。新手拿到飞控板第一件事就是对着Kp、Ki、Kd这三个参数抓耳挠腮——调小了飞机飘得像喝醉，调大了直接表演空中托马斯回旋。这时候你就会明白，为什么有人宁愿熬夜改参数也不愿陪女朋友逛街。

先看这个简单的Simulink模型：

% 四旋翼姿态角PID控制 plant = tf(10,[1 2 10]); % 简化后的姿态系统 pid_block = pid(Kp, Ki, Kd); sys = feedback(pid_block * plant, 1); step(sys);

这个模型里积分项要是给猛了，电机会发出临终前的哀鸣。去年实验室有个哥们把Ki调成0.5，结果无人机在实验室画出了毕加索风格的轨迹，成功击落三盏吊灯。

这时候模糊PID就该登场了。看看这段魔改代码：

fis = newfis('fpid'); fis = addvar(fis,'input','error',[-3 3]); fis = addmf(fis,'input',1,'N','zmf',[-3,-1]); fis = addmf(fis,'input',1,'Z','trimf',[-2,0,2]); % ...（此处省略15行配置代码） ruleList = [1 1 1 1 1; % 像极了拍脑门定的规则 2 2 2 1 1]; fis = addrule(fis,ruleList);

这种"差不多就行"的调参哲学，实测能让飞机在强风里稳得跟用了磁悬浮似的。不过要注意别把隶属度函数设成心电图——上周有个倒霉蛋的模糊集交叉得像蜘蛛网，结果无人机在悬停时跳起了机械舞。

四旋翼pid模糊pid控制，simulink仿真，matlab仿真，数据调好，自主学习

说到自主学习，这个遗传算法调参脚本值得收藏：

options = optimoptions(@ga,'PopulationSize',50,'MaxGenerations',20); costFcn = @(K)simulateDrone(K(1),K(2),K(3)); [bestK, fval] = ga(costFcn,3,[],[],[],[],[0 0 0],[5 5 5],[],options);

看着算法自己折腾了三个通宵，最后给出的参数组合比人类工程师的还骚——Kp=2.33，Ki=1.87，Kd=0.42。实测效果就像给无人机装了平衡术外挂，能在单桨故障情况下苟延残喘15秒。

仿真时记得盯着这个关键数据：

rms_error = sqrt(mean((ref - output).^2)); overshoot = max(output) - ref(end); settling_time = find(abs(output-ref(end))<0.02,1)*Ts;

当年有个狠人把超调量控制在1%以内，代价是响应速度慢得能让蚊子停在旋翼上自拍。所以数据调教就像煮泡面——软硬适中才是王道。

最后说个黑科技：把强化学习和PID杂交。这个Q-learning更新规则有点东西：

Q_table(state,:) = Q_table(state,:) + alpha*(reward + gamma*max(Q_table(next_state,:)) - Q_table(state,:));

实验室的学弟靠这个让无人机学会了空中转笔，虽然实用性存疑，但确实在漫展上骗到了学妹的微信。所以说控制算法调得好，单身问题解决得早。