高，使控制效果相对的减弱，但是卡尔曼滤波器与模糊PID控制器的相互结合对伺服电机系统确实具有比较好的控制能力，同时也能够提高系统的抗干扰能力，提高控制精度的作用，达到有效的控制效果。
卡尔曼滤波对于提高控制精度，对于噪声的抑制都发挥出了相当重要的作用，由于它在实际工程应用中有较强的灵活性，卡尔曼滤波的变形算法的应用将会随着算法本身的不断发展以及控制技术的不断完善而得到很大的发展。
20
结论与展望
通过对直流伺服电机系统的研究与分析，设计了基于卡尔曼滤波的参数自整定模糊PID控制器， 并进行了仿真与分析。仿真结果表明，这种控制器通过在线实时调整控制器的PID参数，而且采用了卡尔曼滤波器以后，只要合理的选用模糊PID控制器的参数，可以得到稳定的系统输出，显著的减小干扰的影响，提高了控制效果与抗干扰的能力。在实际的控制过程中，系统的控制精度不是很高，使控制效果相对的减弱，但是卡尔曼滤波器与模糊PID控制器的相互结合对伺服电机系统确实具有比较好的控制能力，同时也能够提高系统的抗干扰能力，提高控制精度的作用，达到有效的控制效果。
卡尔曼滤波在机电控制中有着优异的控制效果，我们可以通过改变它的参数或构建比较合理的滤波模型，使得卡尔曼滤波技术在某一方面或者是多个方面的达到最优异的控制工程的要求。所以，许多控制工程过程应用中，卡尔曼滤波的使用方法和本身算法是有着很多的不同，使得卡尔曼滤波在实际应用中，具备了较强的灵活性。对于卡尔曼滤波有诸多的优点，所以它在直流伺服电机系统的算法之中占据着重要的地位。
在电机控制方面，无论是伺服电机还是永磁同步电机，它们在控制精度上还有很大的可挖掘空间，尤其是在抗干扰的控制方面更是研究潜力巨大，控制系统精度不高，控制效果就会相对的减弱，如何提高其控制精度，在这方面很多研究人员也相应的做出了不泄的努力。在电机中提高控制精度与加强抗干扰的硬件造价相当贵，所以算法的作用在其间也就显得更加的重要。而卡尔曼滤波算法以其优良的性能将成为算法中的首要选择。卡尔曼滤波对于提高控制精度，对于噪声的抑制都发挥出了相当重要的作用，由于它在实际工程应用中有较强的灵活性，卡尔曼滤波的变形算法的应用将会随着算法本身的不断发展以及控制技术的不断完善而得到很大的发展。
21
致谢
经过这几个多月的努力，这篇基于kalman滤波的直流伺服电机模糊PID位置控制仿真研究的论文终于完成了，感谢我的指导老师高远教授，他严谨细致、一丝不苟的作风是我工作、学习中的榜样，导师循循善诱的教导和不拘一格的思路给予我无尽的启迪。
在整个设计过程中，开始之初，我遇到了很多的困难，但都在导师和同学们的帮助下顺利地解决了，在不断的学习过程中我体会到了，做毕业设计其实是一个不断学习和进步的过程，从最初的刚写论文时对于Kalman滤波的模糊认识到最后能够对该问题有了深刻的认识，我体会到了实践对于学习的重要性，以前只是学习理论，没有经过实践考察，对知识的理解不够明确，通过这次毕业设计，真正做到实践和理论的相互结合。
总的来说，通过了这次毕业设计，认识到了一个人要做好一件完整的事情，需要有系统的思维方式和方法，对待要解决的问题，要有耐心、坚持到底，要善于运用已有的资源来充实自己，俗话说的好“有志者，事竟成；苦心人，天不负”。
同时我也深刻的认识到，在对待一个新事物时，一定要从整体去考虑，完成一步之后再作下一步，这样才能更加有效的完成任务。这份毕业设计，也许是我大学生涯交上的最后一个作业了，想在此借次机会感谢四年以来给我许多帮助的所有老师、同学们，你们的友谊是我人生的最大财富，是我生命中不可或缺的一部分，感谢你们对我巨大帮助和支持，让我渡过了难关，谢谢你们。
22
参考文献
[1] 方勇，杨海鹏．基于Kalman滤波模糊 PID控制的直流调速系统[J] ．第710研究所，
2010(4)：42-51．
[2] 贾岩，熊伟丽，许文强，徐保国．卡尔曼滤波器结合模糊PID的控制系统[J] ．江
南大学，2011．
[3] 董期林，周晓东，马媛，张淑梅．基于模糊自整定PID控制器的直流电机伺服系统
的仿真研究[J] ．中国科学院研究生院，2009，37(2)：117-119． [4] 刘金棍．智能控制[M] ．2版．北京：电子工业出版社，2009．
[5] 陈伯时．电力拖动自动控制系统：运动控制系统[M] ．3版．北京：机械工业出版
社，2003．
[6] 刘金棍．滑膜变结构控制MATABLE仿真[M]．清华大学出版社，2005：88-93． [7] 谭菊华，王涛．基于MATLAB实现卡尔曼滤波器的设计[J] ．南昌理工学院，2011(7)：
119．
[8] G.P. Liu, S.Daley .Optimal-tuning PID control for industrial systems.ControlEngineering
Practice [M] .9 (2001) 1185–1194.
[9] K.K. Ahn ,D.Q. Truong . Online tuning fuzzy PID controller using robust extended Kalman filter Journal of Process Control[M]. 19 (2009) 1011–1023.
[10] weibing wang,pengbing zhao. Application of kalman Filter in the CNC Servo Control
System[M] .7(2010) 442-446．
[11] 彭丁聪．卡尔曼滤波的基本原理及应用[J]．中国地质大学研究生院，2009(11)． [12] 张邦成，方勇，王跃光， 王占礼，高智．离合器性能试验台卡尔曼滤波模糊PID
控制[J]．长春工业大学机电工程学院，2009(7)．
[13] 杨茂华．模糊PID控制的研究[J]．科技创新导报，2011，(07)：90-91．
[14] 曹 沛，吴 雷，赵小林，夏 楠．一种新的模糊PID控制在电机软启动中的仿真[J]．江
南大学，2011，(07)：203-204．
[15] 张春龙,刘国海.基于扩展kalman滤波器电机转子磁链观测器的设计[J]．2005(12)：
20-22．
[16] 王舒彦，师宇，冯忠绪．基于模糊PID 控制器的控制方法研究[J]．机械科学与技术，
2011，30(1)：166?172． [17] 刘国海，李沁雪，施维，李康吉．动态卡尔曼滤波在导航试验状态估计中的应用[J]．仪
器仪表学报，2009，30(2)：396－340． [18] 张超．中央空调冷冻水系统的模糊PID控制[J]．机电工程技术，2009，38(8)：67-69． [19] 郭晓芳，汪雄海．基于Kalman预测的远程步进电机控制系统[J]．机电工程，2008，
25(7)：26-28． [20] 李根成，王镛根．卡尔曼滤波在故障诊断中的应用[J]．航空兵器，1995，5：23-30．
23
附录
基于卡尔曼滤波的伺服电机模糊PID控制仿真仿真程序如下；
a=25; b=133; ts=0.001; A1=[0,1;0,-a]; B1=[0;b]; C1=[1,0]; D1=0;
[A,B,C,D]=c2dm(A1,B1,C1,D1,ts,'z'); x=[-0.5;-0.5];
Q=10; %Covariances of w Rn=10; %Covariances of v P=B*Q*B'; %Initial error covariance I=1;
%Fuzzy PID Control
a=readfis('fuzzpid'); %Load fuzzpid.fis ts=0.001;
sys=tf(133,[1,25,0]);%表示被控对象
dsys=c2d(sys,ts,'z'); % c2d命令使连续时间系统采用Z变换离散化 [num,den]=tfdata(dsys,'v'); %采用Z变换使被控对象离散化 u_1=0.0;u_2=0.0;u_3=0.0; y_1=0;y_2=0;y_3=0;
rin=[0,0,0]'; %即rin(1)、rin(2)、rin(3)=0 e_1=0.0; ec_1=0.0; kp0=1.0; ki0=0.5; kd0=5.5; for k=1:1:3000
24