基于PCS7的多级液位控制系统设计与实现(6)
测量值L(k-1) -- 49.970 49.975 49.979 49.984 49.989 49.995 49.999
测量值u(k-1) -- 0.35 0.13 0.39 0.36 0.39 0.41 0.45
L(k)计算值 -- 49.973 49.976 49.982 49.987 49.992 49.998 50.003
L(k)测量值 49.970 49.975 49.979 49.984 49.989 49.995 49.999 50.005
采样点k 9 10 11 12 13 14 15 16
测量值L(k-1) 50.005 50.01 50.015 50.021 50.026 50.033 50.038 50.045
测量值u(k-1) 0.16 0.34 0.37 0.15 0.47 0.35 0.60 0.39
L(k)计算值 50.006 50.013 50.018 50.022 50.030 50.036 50.043 50.048
L(k)测量值 50.010 50.015 50.021 50.026 50.033 50.038 50.045 50.051
对比表中液位L测量值与计算值，可以看出两者较为接近，考虑到存在测量误差以及计算时的四舍五入，可认为建立的卧式储罐液位模型是符合实际系统的。
3 基于MATLAB的算法仿真
对于工程性很强的被控对象，应优先考虑PID控制算法。PID控制器具有结构简单、稳定性好、特性直观、调试较方便等许多优点，是历史最久、应用最广、适应性最强的控制算法，至今依然占据着工业过程控制中80%以上的回路[2]。当被控对象的结构和参数不能够完全掌握，不能得到精确的数学模型，甚至对象的参数具有时变性、耦合性、非线性等特性时，PID控制算法就能展现自己独特的优越性，操作员能根据系统的动静态特性按照一定的调试规则整定控制参数，最终使系统达到满意的控制效果。
传统的PID控制器受其参数整定的限制，对于非线性、大滞后系统难以达到满意的控制效果，此时需要考虑先进智能PID控制算法。智能PID算法是将智能控制方法与常规PID控制器相结合的新方法。如今智能控制已经发展成为一个十分庞大的领域。本文涉及到的先进PID控制算法有模糊PID算法、模糊免疫PID算法、单神经元PID算法、BP神经网络PID算法。在用MATLAB进行算法仿真的过程中，还对智能PID算法与普通PID控制算法的控制效果进行了比较与分析。
3．1 PID算法仿真
PID控制器是一种线性控制器，它根据给定值r(t)与实际输出值y(t)构成控制偏差 (3.2.1)
将偏差的比例 (P) 、积分 (I) 和微分 (D) 通过线性组合构成控制量，对被控对象进行控制，其控制规律为[1][8]：
或写为传递函数的形式
式中，KP——比例系数，TI——积分时间常数，TD——微分时间常数。
简单来说，PID控制器各校正环节的作用如下：比例环节——及时成比例的反映偏差信号e(t)，偏差一旦产生，控制器立即产生控制作用，以减少偏差，KP越大，系统响应速度越快，但若KP过大，则会引起超调，甚至造成系统不稳定；积分环节——用于消除静差，提高系统的无差度，TI越小，积分作用越强，系统稳态误差消除越快，但TI过小，会引起大的超调；微分环节——能反映偏差信号的变化趋势，并在偏差信号值变得太大之前，在系统中引入一个早期的修正信号，加快系统的动作速度，TD越大，越能有效抑制误差的变化，但TD过大，会延长调节时间。