***S 2012 建立图表 -- 序列标签属性

***S 2012 建立图表 -- 序列标签属性

序列内容除了利用序列图形(长条、线条、面积)大小呈现之外,还可以利用数据标签的方式呈现。数据标签默认为关闭状态,当右击序列选择“Show Data Labels”时,即可开启数据标签。

 

clip_image002

 

开启数据标签后,可以右击数据标签内容选择“Series Label Properties…”,即可进一步设置数据标签属性内容。

 

clip_image004

 

clip_image006

 

在“General”标签页的“Label Data”属性,是用来显示数据标签数值内容。常用的数据标签显示模式已设为模板,设计者只需要勾选模板即可产生对应的显示内容,目前提供的模板包括:

n #VALX:显示X轴数值。

n #VALY:显示Y轴数值(此为系统默认值)。

n #INDEX:显示该数列之序号(从0开始)。

n #PERCENT:显示这数据占该数列总和的比例(主要用于圆饼图)。

n #TOTAL:显示总计值。

n #AXISLABEL:显示X轴类别标签。



为全面评估传统PID与粒子群优化PID(PSO-PID)的控制性能,本章基于第3章的Simulink仿真模型,智能咖啡机的温度控制系统可抽象为具有纯滞后的一阶惯性环节,传递函数为G(s)=(Ke^(-θs))/(Ts+1)=(0.8e^(-8s))/(45s+1),设计多组对比实验,量化分析超调量(σ%)、调节时间(t_s)、稳态误差(e_ss)三项核心指标。实验分为以下两类: 1.阶跃响应测试:设定目标温度r(t)=90℃,初始温度25℃,无外部干扰,评估系统动态响应特性; 2.抗干扰能力测试:在t=150s施加10%加热功率下降(模拟水量突变),t=220s施加5℃脉冲扰动(模拟蒸汽喷射),验证鲁棒性。 实验组包括: (1)对照组1:Z-N法整定PID(K_p=0.72, K_i=0.015, K_d=8.64); (2)对照组2:试凑法整定PID(K_p=1.2, K_i=0.015, K_d=5.0); (3)实验组3:PSO优化PID(K_p=1.85, K_i=0.023, K_d=7.42)。 4.1.2 阶跃响应性能对比分析 超调量(σ%) 超调量反映系统阻尼特性与稳定性,是衡量咖啡机温度控制品质的关键指标。如图4-1所示: (1)Z-N法PID:σ%=18.5%,因参数整定偏向临界稳定,导致水温过冲显著,易引发咖啡过萃; (2)试凑法PID:σ%=6.7%,通过手动平衡比例与微分作用,超调量较Z-N法降低63.8%; (3)PSO-PID:σ%=3.2%,智能算法通过全局优化抑制超调,较试凑法进一步降低52.2%,满足σ%≤5%的设计要求。 2.调节时间(t_s) 调节时间定义为系统进入并保持在±1℃误差带所需时间,直接影响用户体验。实验数据表明: (1)Z-N法PID:t_s=70s,因积分作用较弱,稳态收敛速度慢; (2)试凑法PID:t_s=58s,通过增强积分项缩短调节时间17.1%; (3)PSO-PID:t_s=42s,多目标优化协同提升响应速度,较试凑法减少27.6%。 稳态误差(e_ss) 稳态误差反映系统控制精度,实验结果显示: (1)Z-N法PID:e_ss=0.8℃,积分系数K_i不足导致残余偏差; (2)试凑法PID:e_ss=0.4℃,通过调整K_i改善积分累积效果; (3)PSO-PID:e_ss=0.2℃,优化后的K_i完全消除静差,稳态波动范围±0.2℃。 4.1.3 抗干扰能力测试结果 1. 水量突变干扰(t=150s) 当加热功率突降10%时(图4-2): Z-N法PID:最大偏差ΔT_max=3.8℃,恢复时间t_r=45s,因参数固定难以适应负载变化; 试凑法PID:ΔT_max=2.6℃,t_r=35s,微分项部分抑制扰动; PSO-PID:ΔT_max=1.5℃,t_r=20s,动态调整的K_d快速补偿功率损失。 {width="6.0in" height="3.0in"} 图4-2 水量突变干扰下的温度恢复过程 根据我提供的数据直接帮我绘制温度恢复过程图的Matlab代码
最新发布
04-02
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值