《飞思卡尔智能车PID改进算法.doc》由会员分享，可在线阅读，更多相关《飞思卡尔智能车PID改进算法.doc（6页珍藏版）》请在三一文库上搜索。
1、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。
2、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)(2)V"r呵Y +缶占=UQ+ u W+刀将（1）式的微分项推导并整理，得到方程如下:u W (1 - a)0 W - e(Ar-1) + a
3、 u (Ar-1)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)= K(l-a)e(k) + Hk-r)式中，陀7=创（JcQ-K沁-I）。分析式（3）可知，引入不完全微分以后，微分输岀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
4、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，其特点是只对输岀量进行微分，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，输岀量并不会改变，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。Au（町=K 罠灼 _ G址 _ 1）十疋 e（k） - K 疏嘉-2c（k _ 1）十 c（k - 2）-K(4)图2不完全微分PID算法的程序流程图图3微分先行PID控制结构图3前馈控制的
5、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
6、机 数学模型。从图中可以看岀， 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
7、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图6是智能车速度控制 系统结构图。由于赛道路况和智
8、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结论本文提岀的前馈-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。