一、matlab的高斯分布随机数组

s=1:1:500;

in = 0.1*randn(1,500)+1;

plot(s,in,'*');

hist(in,20);

 

 

二、PID控制

 网上源码：

clear all;close all;ts=0.001;sys=tf(5.235e005,[1,87.35,1.047e004,0]);%建立传递函数dsys=c2d(sys,ts,'z');%将连续的时间模型转换成离散的时间模型，采样时间是ts=0.001[num,den]=tfdata(dsys,'v');%获得离散后的分子分母u_1=0.0;u_2=0.0;u_3=0.0;y_1=0.0;y_2=0.0;y_3=0.0;x=[0,0,0]';error_1=0;for k=1:1:500time(k)=k*ts;rin(k) = 1 ; %输入为（0.8，1.2）上高斯分布的的随机数kp=0.6;ki=0.001;kd=0.001; %设置的P,I,D参数 u(k)=kp*x(1)+kd*x(2)+ki*x(3); %PID Controller%Linear model 线性模型yout(k)=-den(2)*y_1-den(3)*y_2-den(4)*y_3+num(2)*u_1+num(3)*u_2+num(4)*u_3;error(k)=rin(k)-yout(k);%Return of parametersu_3=u_2;u_2=u_1;u_1=u(k);y_3=y_2;y_2=y_1;y_1=yout(k);x(1)=error(k); %Calculating Px(2)=(error(k)-error_1)/ts; %Calculating x(3)=x(3)+error(k)*ts; %Calculating Ixi(k)=x(3);error_1=error(k);endfigure(1);plot(time,rin,'b',time,yout,'r');xlabel('time(s)');ylabel('rin,yout')

　　

 

 

三、高斯分布的输入

 

%PID Controlerclear all;close all;s=1:1:500;in = 0.1*randn(1,500)+1; %取500个（0.95，1.05）上高斯分布的的随机数% plot(s,in,'*');grid onts=0.001;sys=tf(5.235e005,[1,87.35,1.047e004,0]);%建立传递函数dsys=c2d(sys,ts,'z');%将连续的时间模型转换成离散的时间模型，采样时间是ts=0.001[num,den]=tfdata(dsys,'v');%获得离散后的分子分母u_1=0.0;u_2=0.0;u_3=0.0;y_1=0.0;y_2=0.0;y_3=0.0;x=[0,0,0]';error_1=0;for k=1:1:500time(k)=k*ts;rin(k) = in(k) ; %输入为（0.95，1.05）上高斯分布的的随机数kp=0.6;ki=0.001;kd=0.001; %设置的P,I,D参数 u(k)=kp*x(1)+kd*x(2)+ki*x(3); %PID Controller%Linear model 线性模型yout(k)=-den(2)*y_1-den(3)*y_2-den(4)*y_3+num(2)*u_1+num(3)*u_2+num(4)*u_3;error(k)=rin(k)-yout(k);%Return of parametersu_3=u_2;u_2=u_1;u_1=u(k);y_3=y_2;y_2=y_1;y_1=yout(k);x(1)=error(k); %Calculating Px(2)=(error(k)-error_1)/ts; %Calculating x(3)=x(3)+error(k)*ts; %Calculating Ixi(k)=x(3);error_1=error(k);endfigure(1);plot(time,rin,'b',time,yout,'r');xlabel('time(s)');ylabel('rin,yout');

　　

 

 

效果不错，还挺开心。下次做个基于退火的自整定控制系统