改进PID算法在智能车控制上的应用.docxVIP

前馈-改进PID算法在智能车控制上的应用 贾翔宇季厌庸丁芳 （中国民航人学航空自动化学院，天津300300） 摘要在自行设计的智能车中，速度和方向的控制是整个稗能车系统控制的核心。由于系统 换件的限制，智能车的速度和方向控制都存在一定的延时，这给智能车的控制带来了不利影响。 针对上述存在的问题，木文将前馈反馈控制方法运用到智能车的控制上，对偏差带来的干扰进行 提前?处理；改进了数字PID算法，将不完全微分和微分现行算法引入到PID算法小，以改善系统 的动态性能。采用了这种新算法，智能车系统的动态性能得到了很大的改善。 关键词 前馈；改进型PTD算法；模糊化；智能车 1引言 智能车系统是一个时变h非线性的系统，釆用传统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彖，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“；并H根据科能车系统的特点， 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, 利用模糊控制具冇对参数变化不敏感和鲁棒性强的特点⑵，木文将模糊算法与P1D算法和结合， 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。木文针对智能车控制的特殊性，对传统数字P1D算法做了一些改进，这样可以更好地满足智 能千控制的需要。 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，对系统的稳定性冇一定的不良影响。为了克服上述缺点，本文在PID算法中加 入了一阶惯性环节⑶，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： TOC \o 1-5 \h \z V V r 徑)=0.+二+一u ⑸+u ⑸⑸ — (1) 将(1)式的微分项推导并幣理，得到方程如下： u 3)=K(i-a)W3)—仑3—1)]+出3—1) (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： u (k) = K (1- a)e(k) + an (上一 1)_K (1_口)8(疋_1) =尺(1-欣3) + 丹@-1) (3) 式中，刃@-1)=叫?-1)-乞丄1-。)吩-1) 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 照一定比例衰减彳⑷。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來的不 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尬 值都会发牛频繁的变化，从而造成系统的振荡。为了解决设处值的频繁变化给系统带來的不良影 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。 沁)=K [e(k) -e(k -1)] + K ? e(fc) - K [心)一 2c(fc -1) + c(k - 2)] 一K ￡3)y3 — 1)] 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，时 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 入到智能车的控制屮，能够提髙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 智能车的控制主要休现在两个方面：一方血是方向的控制，也就是对舵机的控制；另一方血 是对速度的控制，也就是対伺服电机的控制。舵机的数学模型较为简单，具冇很好的线性特征, 只釆用前馈控制；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P1D 算法进行控制。智能千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，科能车的方向控制和速度 控制是和互独立的，而口它们都是由路线偏养决雄的。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，在速度控制凹路屮，既包括反馈回路