-改进PID算法在智能车控制上的应用.doc

1、前馈前馈-改进改进 PID 算法在智能车控制上的应用算法在智能车控制上的应用 时间：2009-06-18 14:26:55 来源：现代电子技术 作者：中国民航大学航空自动化学院 贾翔宇 季厌庸 丁 芳 1 引言 智能车系统是一个时变且非线性的系统，采用传统 PID 算法的单一的反馈控制会使系统 存在不同程度的超调和振荡现象， 无法得到理想的控制效果。 本文将前馈控制引入到了智能 车系统的控制中，有效地改善了系统的实时性，提高了系统的反应速度1；并且根据智能 车系统的特点，对数字 PID 算法进行了改进，引入了微分先行和不完全微分环节，改善了 系统的动态特性；同时，利用模糊控制具有对参数变化不敏

2、感和鲁棒性强的特点2，本文 将模糊算法与 PID 算法相结合，有效地提高了智能车的适应性和鲁棒性，改善了系统的控 制性能。 2 改进 PID 算法 智能车的控制是由飞思卡尔公司的 S12 芯片完成，所以对智能车的控制要采用计算机控 制方法。本文针对智能车控制的特殊性，对传统数字 PID 算法做了一些改进，这样可以更 好地满足智能车控制的需要。 2.1 不完全微分 PID 将微分环节引入智能车的方向和速度控制，明显地改善了系统的动态性能，但对于误差 干扰突变也特别敏感，对系统的稳定性有一定的不良影响。为了克服上述缺点，本文在 PID 算法中加入了一阶惯性环节3 ，不完全微分 PID 算法结构如图

3、 1 所示。 图 1 不完全微分 PID 算法机构图 将一阶惯性环节直接加到微分环节上，可得到系统的传递函数为： （1） 将（1）式的微分项推导并整理，得到方程如下： （2） 式中， ，由系统的时间常数 和一阶惯性环节时间常数 决定的一个常数。 为了编程方便，可以将 2-2 式写成如下形式： （3） 式中，。 分析式（3）可知，引入不完全微分以后，微分输出在第一个采样周期内被减少了，此 后又按照一定比例衰减34。实验表明，不完全微分有效克服了智能车的偏差干扰给速度 控制带来的不良影响，具有较好的控制效果。图 2 为不完全微分 PID 算法的程序流程图。 2.2 微分先行 PID 由于智能车在跑

4、道上行驶时，经常会遇到转弯的情况，所以智能车的速度设定值和方向 设定值都会发生频繁的变化， 从而造成系统的振荡。 为了解决设定值的频繁变化给系统带来 的不良影响，本文在智能车的速度和方向控制上引入了微分先行 PID 算法，其特点是只对 输出量进行微分， 即只对速度测量值和舵机偏转量进行微分， 而不对速度和方向的设定值进 行微分。这样，在设定值发生变化时，输出量并不会改变，而被控量的变化相对是比较缓和 的， 这就很好地避免了设定值的频繁变化给系统造成的振荡， 明显地改善了系统的动态性能。 图 3 是微分先行 PID 控制的结构图，微分先行的增量控制算式如下。 (4) 图 2 不完全微分 PID

5、算法的程序流程图 1/3 1 2 3 | 3 顶一下顶一下 图 3 微分先行 PID 控制结构图 3 前馈控制的应用 由于智能车的跑道宽度有限制，所以在经过急转弯的时候，如果速度和方向控制不及时， 智能车就可能冲出跑道。由于前馈控制是开环控制，所以前馈控制的响应速度很快。将前馈 控制引入到智能车的控制中， 能够提高舵机和伺服电机的反应速度， 改善智能车系统的动态 性能。 3.1 智能车控制系统结构 智能车的控制主要体现在两个方面：一方面是方向的控制，也就是对舵机的控制；另一 方面是对速度的控制，也就是对伺服电机的控制。舵机的数学模型较为简单，具有很好的线 性特征，只采用前馈控制；智能车的速度控

6、制相对复杂一些，速度模型无法准确建立，采用 前馈-改进 PID 算法进行控制。智能车的控制系统结构如图 4 所示。 图 4 中， 和 分别是舵机和伺服电机数学模型。从图中可以看出，智能车的方向控制和 速度控制是相互独立的， 而且它们都是由路线偏差决定的。 舵机转角与路线偏差之间的对应 关系是根据舵机的数学模型得到的， 在速度控制回路中， 既包括反馈回路， 又包括前馈环节， 伺服电机的控制量是在前馈补偿基础上，再由增量式 PID 算法计算得到。 图 4 智能车的控制系统结构 3.2 在方向控制中的应用 智能车对方向的控制有两点要求：在直道上，方向保持稳定；在转弯处，需要方向变化 准确而且迅速。只

7、有这样，才能保证智能车在跑道上高速、稳定地运行。为了提高方向控制 的鲁棒性， 本文还对路线偏差进行了模糊化处理。 图 5 是智能车方向模糊前馈控制的结构图， 图中和分别是直道和弯道两种情况下的前馈控制函数。 图 5 智能车方向控制系统结构图 3.3 在速度控制中的应用 为了使智能车在直道上以较快速度运行，在转弯时，防止智能车冲出跑道，则必须将智 能车的速度降低， 这就要求智能车的速度控制系统具有很好的加减速性能。 当智能车经过连 续转弯的跑道时， 路线偏差的频繁变化会造成速度设定的频繁变化， 这会引起速度控制系统 的振荡，并且微分环节对误差突变干扰很敏感，容易造成系统的不稳定。为了解决上述存在

8、 的问题，本文对数字 PID 算法进行了改进，将不完全微分和微分先行引入到 PID 算法中， 大大改善了速度控制系统的动态性能。 图 6 智能车速度控制系统结构图 2/3 | 1 2 3 | 图 6 是智能车速度控制系统结构图。由于赛道路况和智能车的姿态会经常变化，所以 速度控制系统的模型也是不定的， 为了提高系统的适应性， 本文速度控制系统中采用了模糊 PID 算法。将速度设定和实际速度进行模糊分档56，通过调试得到不同情况下相对最优 的 PID 参数，保证了速度控制系统在不同情况下都有较好的控制效果。 4 结论 本文提出的前馈-改进 PID 算法是智能车控制的有效方法，该算法使智能车系统不仅具有 很好的动态性能和反应速度， 而且改善了系统的适应性和鲁棒性， 使智能车能够在不同的跑 道上以较快的速度运行。实验表明：本文提出的控制算法有效地提高了智能车的性能，在同 样的跑道上运行时，采用了新算法的智能车比采用传统 PID 算法反馈控制的智能车的速度 有所提高，运行一圈的时间平均减少了 3.2 秒，并且本文提出的算法也使智能车运行的稳定 性得到改善，提高了智能车对跑道的适应性。该方法具有很好的应用前景。 3/3 | 1 2 3