基于模糊PID算法的平衡车自适应控制.pdfVIP

基于模糊PID算法的平衡车自适应控制

摘要：为解决两轮平衡车在行驶中控制难度大的问题，设计了一种非基于模

型的比例积分微分(PID)控制策略，避免了基于模型的现代控制方案中存在的设

计过程繁杂的问题。针对PID控制稳定性低、自适应性差的问题，本实验进一步优

化出了以位为反馈的模糊PID控制器。根据平衡车的物理结构，对其进行了数学

建模；基于系统的状态空间表达式，对其作了可控性分析。传统PID存在的一项艰

巨任务是确定控制器的参数，且一旦确定了参数，就很难再重新整定它，故本实验

设计了模糊逻辑控制器(FLC)以更新PID的权重参数-Kp,Ki和Kd。通过

Matlab仿真对比验证，本实验得到了PID及模糊PID两种控制方案下系统的响应

与信号跟踪情况，模糊PID控制相比PID控制具有更好的控制效果：系统的调节速

度提高了60%左右，稳定性提高了将近50%o在平衡车的负载重量发生变化的时候,

传统PID控制难以避免地出现阶跃响应波动明显的情况，而模糊PID的系统响应相

对平稳。因此，模糊PID控制下的平衡车系统可实现不同承载情况下位的准确跟

踪，满足了平衡车对系统稳、快、准的要求。

关键词：模糊PID平衡车仿真自适应

此实验中系统的被控对象为平衡车，它的模型相当于一个倒立摆系统[1-2]o

然而，这个倒立摆系统是不稳定的：如果没有电动推车的输入控制电压，摆杆则会

轻易地掉落。倒立摆的平衡状态需要靠电动推车的动来维持。另外，该系统的动

力学是非线性的。在国内外研究中，这个控制系统的平衡可通过各种算法来实现

[3-4]o

在控制工程实际应用中，尤其对于先进控制方案的需求而言，大多数实际过程

控制通常都很复杂，且难以建模。在实际应用场景中，随着负荷变化或工况影响，

平衡车的模型特性参数或结构也会发生改变。在平衡车控制问题研究中，前人尝试

了各种基于模型的自适应控制方法，如滑模控制、模型预测控制等；自适应控制运

用现代控制理论在线辨识对象特征参数，实时改变其控制策略，使控制系统品质指

标保持在最佳范围内，但其控制效果的好坏很大程度上取决于辨识模型的精度，这

对于复杂系统而言是非常困难的。由于被控对象的数学模型无法精确确定，控制

器的整定参数便无法随环境的变化而改变，致使控制效果难以一直保持最优，且会

导致过大的超调和振荡；然而，PID相对容易简单，且能快速解决问题；因此，本

实验基于PID算法进行了控制器设计；PID参数的整定方法很多，但大多数都以

对象特性为基础。

在传统的PID控制中，存在一项艰巨的任务就是确定控制器的参数。而且，一

旦确定了参数，就很难再重新整定它。PID控制器可能会以多种方式进行调整，包

括手工调整、Ziglr-Nichols调整等；然而，传统的PID控制器的适应性不是很

强。为解决此问题，本实验使用了模糊逻辑控制器(FLC)更新PID的权重-Kp,

Ki,Kd［5］o新的权重使得系统的控制性能表现出更加良好的效果，系统的适应性

也得到了显著的提高。［6］

由于在平衡车实际控制过程中各种输入输出信号量及评估参数不易进行定量表

示，模糊控制理论为解决这一难题提供了有效方法；因此，本实验运用了模糊控制

理论及其方法，把控制规则的条件、操作等通过模糊集来进行表示，并把与控制相

关的模糊控制规则及有关信息作为知识存入控制器的知识库中，然后控制器根据系

统的实际响应情况，自适应地运用模糊逻辑，便可实现对PID参数的自动最优化

调整，这就是模糊PID控制实现平衡车自适应的原理。

1平衡车的倒立摆模型

1.1系统的建模过程

平衡车的平衡原理［7］是基于倒立摆［8］的基本运动原理：通过控制杆底部的运

动来使摆杆重新竖立起来。在平衡车中，摆杆相当于车身，而杆底部的运动则由电

动推车的电机来控制。当小车倾斜时，控制系统会进行判断，且根据摆杆的倾斜程

度来调整电机的输出电压，使得小车朝着恢复平衡的方向运动。具体来说，如果小

车向前倾斜，控制系统会增加电机的输出电压，使得小车向前运动，从而恢复平衡。

如果小车向后倾斜，则减缓电机电压的输出，使得小车向后运动，从而恢复摆杆的

平衡[9-10]o

在这种情况下，我们将考虑一个二维空间中的运动问题，将摆杆的运动范围限

制在图1中所示的垂直平面中。在该系统中，系统的输入是