智能车PID_算法实现原理讲解.docVIP

为了实现PID控制所需要的等间隔采样，我们使用了一个定时中断，每2ms进行一次数据采样和PID计算。与此并行，系统中还设计了一个转速脉冲检测中断，从而实现了转速检测。为了调试的需要，程序中还在main{}函数中加入了相关的调试代码，这部分代码有最低的优先级，可以在保证不影响控制策略的情况下实现发送调试数据等功能。检测环节对整个控制系统的质量起到至关重要的作用 4.3.2 PID控制调整速度 本系统采用的是增量式数字PID控制，通过每一控制周期（10ms）读入脉冲数间接测得小车当前转速vi_FeedBack，将vi_FeedBack与模糊推理得到的小车期望速度vi_Ref比较，由以下公式求得速度偏差error1与速度偏差率d_error。 error1 = vi_Ref– vi_FeedBack; （） d_error = error1 –vi_PreError; （公式4） 公式4中, vi_PreError为上次的速度偏差。考虑到控制周期较长，假设按2.5m/s的平均速度计算，则一个控制周期小车大概可以跑过2.5cm，如果按这种周期用上述PID调节速度，则会导致加速减速均过长的后果，严重的影响小车的快速性和稳定性。为了解决这个问题，可以在PID调速控制中加入BANG-BANG控制思想：根据error1的大小，如果正大，则正转给全额占空比；如果负大，则自由停车或给一个反转占空比；否则就采用PID计算的占空比。 PID控制算法 为了使赛车平滑得保持在黑线中央，即使赛车的偏移量平滑地保持在0，实用了PID控制算法。 P为比例参数，D为微分参数。基准值为0，PID输入为水平偏移量X0，PID输出为转角，转角方向：向左转为正，向右转为负。 P参数在智能车控制器中表示水平偏差量的权，D参数在智能车控制器中表示水平偏差速度的权。 水平偏差量直接反映了赛车偏离黑线的程度，例如赛车偏向黑线的左边越厉害，则赛车的右转角度将越大。水平偏差量，是PID控制器的P部分。 水平偏差速度则直接反映了赛车的运动倾向，因为有了赛车的水平偏差速度，对赛车的掌握，将更加精确。例如赛车偏向黑线左边，然而它的运动方向是向右的，那么，他的转角将比向左运动时的转角要小，因为，我知道赛车已经开始朝正确的方向调整了。水平偏差速度，是PID控制器的D部分。 通过两个相隔一定采样时间的水平偏差量的差，来得到赛车的水平偏差速度。然而，这个时间间隔多少比较合适呢？ 图3.3 上述函数图像的横坐标为采样时间t，每小格为4ms。第1幅图像的纵坐标为赛车水平偏差量；第2幅图像的纵坐标为间隔为1的时候水平偏差速度；第3幅图像的纵坐标为间隔为3时候水平偏差速度；第3幅图像的纵坐标为间隔为5的时候的水平偏差速度。 由上图可知：相邻采样点越远，数据的值域越大，更有利于描述车辆的偏差程度，但是，会降低赛车判断的响应度；相邻采样点越近，数据的值域越小，0状态越多，不利于描述赛车的偏差程度，但是有利于响应赛车的偏差程度，所以，这个相邻的数量要适中。上图中，间隔3比较合适。 Proportion为的P参数，Derivative为的D参数，LastError[]为的水平偏差量队列，水平偏差速度即队尾-队头，队列长度为LAST_ERROR_NUM，即表示间间隔。通过实验，长度20比较合适。 有了偏差Error，有了dError=LastError[0]- LastError[LAST_ERROR_NUM]，输出值为 PID_Output = Proportion * Error + Derivative * dError。 3.6 PID控制算法的改进 通过实验和软件仿真，发现，PID控制器并不是在任何情况下，都是最优的选择，比如，在直线上，PID控制器的调整时间，远大于枚举调整法，而在严重偏离的时候，由于赛车的水平偏移量已经固定不变，所以，也没有必要使用PID控制了。所以，将赛车的状态分成了3种，下面逐一介绍并说明智能车在这一状态下的控制算法。 1：赛车处于直线状态：如果赛车居中，则转角=0。如果赛车在右边，则转角=2。如果赛车在左边，则转角=-2。电机占空比均为最高。 2：赛车处于严重偏离状态：如果赛车严重偏左，则赛车右转最大角度。如果赛车严重偏右，则赛车左转最大角度。电机占空比均反向，表示刹车。 3：赛车处于一般弯道状态（即赛车有偏移，但能检测到黑线）：则将赛车的水平偏移量作为PID控制器的输入，然后经过PID运算，得出的值为转角的映射。最后，通过一个一次函数，将输出映射成转角的值即可。对于电机的控制，抽