智能小车pid算法.pdfVIP

3.1 3.1 33..11寻迹算法 采用PID(PD)控制算法，如果某时刻检测到黑线偏左，就要向左转弯；如果 检测到黑线偏右，就要向右转。偏得越多，就要向黑线方向打越大的转角。这就 P 是比例控制（ ）。 遗憾的是，因为小车有惯性。假设黑线偏左，说明小车偏右了，需要左传舵， 等到小车回到中心的时候，停止转舵，可是小车的惯性会使车身继续左转，直到 冲过黑线，黑线又偏右。然后控制过程反复，车身是在左右摇摆中向前行走的。 这种摇摆叫做“超调”，超调越大，控制越不稳定，容易出轨。 为了克服惯性，我们除了位置信息之外，还需要知道轨迹的变化趋势。我们 可以用黑线位置的微分值来提前得到变化趋势。用本次位置减去前次位置求出差 值，就大致知道偏移量的变化趋势。将该差值和比例相加后一起作为控制量，即 PD 可实现提前控制。这就叫做比例微分控制（ 控制） /*PID(PD)控制算法*/ intPID_Control(signedcharPosition) { intTemp_P,Temp_D,Temp_PID,Temp_I,k; //声明三个变量，用于存放P、I、D 三分 量的运算结果(I没用上) if(Position==-128)return(No_black); //错误处理(值得改进的地方) else { Temp_I=Position; for(k=0;k5;k++)Temp_I+=Last_Position[k]; Temp_I*=I_coefficient; Temp_P=P_coefficient*Position; //计算比例分量(P)=比例系数*本次位置差 Temp_D=D_coefficient*(Position-Last_Position[5]); //计算微分分量(D)=微分系数 *(本次位置差-前3次的位置差) //注意由于采样比较快，用本次位置-前3 次位置 才有足够大的控制量 Last_Position[6]=Last_Position[5]; Last_Position[4]=Last_Position[3]; Last_Position[3]=Last_Position[2]; Last_Position[2]=Last_Position[1]; Last_Position[1]=Last_Position[0]; Last_Position[0]=Position; /*保存前5次的位置，以备用。 Temp_PID=Temp_P+Temp_D+Temp_I; //P分量和D分量相加，得到控制量。 if(Temp_PID5000)Temp_PID=5000; //防止控制量溢出 if(Temp_PID-5000)Temp_PID=-5000; //控制量-5000~5000作为左右满舵 Temp_PID=Temp_PID*1/5; //-1000~+1000是左右满舵的输出，因此需要除以 0.5 /*单片机浮点运算非常慢，所以用乘2除5两次定点 运算来替代定点数要先乘后除，才能保证精度，同时要防止溢出，用起来比较麻烦，但CPU 和内存开销小。*/ return(Temp_PID); } } 3.2 3.2 33..22 寻光，避障算法 C 题目要求小车到达 点之后，在光源引导下避开障碍物进入车库，这就要 求小车同时完成寻光和避障的功能。如果只进行寻光，小车会撞上障碍物，如果 只进行避障，小车也许会离光源越来越远。理论上避障的优先级是要高于寻光的， 因为一旦接触上障碍便宣告失败。所以一旦检测到障碍物，小车会立刻执行避障 动作，一旦传感器环路没有检测到障碍小车就向光源靠拢，这样能够保证小车在 成功避障的条件下逐渐逼近光源，直到走出障碍区之后就能直奔光源而去。这种 算法小车执行寻光避障整体采用了状态