基于模糊PID的运动控制.ppt

* 第一段后：机器人控制系统不仅要稳定而且要能够保证机器人实现跑位、带球、传球、截球、阻挡、盯人、射门等一系列技术动作．运动控制的目的就是使之能精确并且快速地实现点到点以及任意转角运动． * * 采用目前广泛采用的二维模糊控制器，即以偏差e和偏差变化率ec作为模糊控制的输入量。PID参数模糊自整定是找出PID的三个参数kp ki kd 与e和ec之间的模糊关系，在运行中不断检测e和ec，通过模糊控制原理来对三个参数进行在线修改，以满足不同e和ec时对控制参数的要求，从而是被控对象有良好的动、静态性能。 * 讲完转前面的备注。 * 考虑到算法的实时性和复杂性，这里采用简单易行的最大隶属度法进行解模糊处理并使用先离线计算的模糊决策表(如表2所示)，程序中直接查表求 得输出量的方式． * 从响应曲线上可以看出单纯的PID控制超调量大，过渡时间长，系统跟踪速度慢．单纯的模糊控制虽然跟踪速度很快，但存在较大的静差，因此使控制精度降低．模糊PID控制不但超调量少、无静差，而且跟踪速度快。 * 模糊控制器 2.运动控制器结构设计 运动控制系统结构如图8所示 图8 逆运动学方程 PID调节器 动力学模型 坐标变换 速度变换 kp ki kd + + + - e U V U’ V’ V 其中速度变换根据上层决策规划处的机器人的运动信息给出相对坐标系下移动机器人的参考运动状态 V’，前馈控制器（逆运动学方程）根据给出的相对坐标系下运动速度参考值迅速计算出机器人的参考输入U’,保证机器人的快速响应。 传统的PID控制没有考虑到各个电机动态过程对机器人运动的影响，比赛过程中的期望运动状态处于不断变化当中，有时候变化的幅度比较大，每个电机都经常处于调节过程中，因此按照传统的控制方法效果并不理想。所以这里加入模糊控制器。 3.模糊控制器的设计 （1）输入输出的尺度变换 对于模糊控制的输入变量，首先要求对其进行尺度变换，即将输入变量的实际范围变换到要求的论域范围。 其中 为量化比例因子；e0为量化后的输入量值， 为量化前基本论域的输入量值；实际输入量论域为[ , ]，要求的论域为[emin,emax] 分别取量化后的模糊论域为E：[-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6]，EC：[-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6]，K： [-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6]． (2)确定模糊集所对应的隶属函数 选取输入语言变量为速度误差e和误差的变化率ec，输出对应着PID控制器3个待定参数的模糊子集。本设计中，误差P的模糊集为E：{NB，NM，NS，ZO，PS，PM，PB)，误差的变化率钟的模糊集为EC：{NB，NM，NS，ZO，PS，PM，PB}． 3个参数Kp、Ki和Kd的输出模糊集同样取为K：{NB，NM，NS，ZO，PS，PM，PB} 其中：NB(negative big)负大 NM(negative medium)负中 NS(negative small) ZO(zero)零 PB(positive big)正大 PM(positive medium)正中 PS(positive small)正小 针对本系统中输入E，EC量化后所得到的论域，并取三角形隶属度函数，便可实现对输入空间的模糊分割，如图9 图9 （3）模糊推理规则 模糊控制器的规则是基于专家知识或控制工程师长期积累的经验，其一般形式是由模糊语言和模糊逻辑组成的模糊条件语句．本文模糊控制器为双输入三输出，下面给出Kp (KI和 Kd 同理可推)整定的初始模糊控制表，如表1所示。 本系统对PID参数自整定的模糊推理是由一个多输人多输出(MIMO)的模糊机推理实现的，其推理规则有如下基本形式： 其中 表示 如果(z是Ai and…and y是Bi)则(z1是Ci1…zq是Ciq) 的前件是直积空间X … Y上的模糊集合，后件是q个控制作用的并，它们之间是相互独立的。因此， 可以看成是q个独立的多输入单输出MISO规则，即 其中 表示如果(z是Ai and…and y是Bi)则(zj是Cij)，因此只需考虑MISO子系统的模糊推理问题。 4.仿真和实验 用MATLAB的FIS(模糊推理)编辑器与SIMULINK相结合的方式对模糊自整定PID控制方法进行仿真研究，如图 图10 仿真和实验表明，本文所提出的模糊PID复合控制应用到机器人的运动控制中，既保证了系统控制的动态效果、提高控制系统的响应速度，又使系统有了较好的稳态性能，对于较复杂的动态环境有良好的适应性