基于模糊PID的智能小车控制算法研究

叶金鑫

(安徽理工大学　理学院，安徽　淮南　232001)



基于模糊PID的智能小车控制算法研究

叶金鑫

(安徽理工大学理学院，安徽淮南232001)

智能小车自动寻迹过程中，方向控制与速度控制都存在高度非线性的问题。采用模糊PID控制算法，实现了对方向和速度的优化控制，即采用模糊PD算法对智能小车方向进行控制，采用模糊PID算法对速度进行控制。该方案运用于智能车控制系统，克服了传统PID控制的不足，通过模糊规则进行推理决策，实现了PID参数的实时优化。

模糊控制；PID算法；智能车；路径检测

电磁智能车沿着赛道上铺设的有交变电流通过的导线行驶，由于赛道设计的多样性，智能车必须适应不同的赛道，而且智能车系统属于实时控制系统，所以无法建立精确的模拟函数模型预设运动轨迹。本文运用模糊规则对路径检测信息进行处理，并用模糊PID算法对智能车的方向和速度进行控制，及时调节各个参数值，得到了较好的控制效果。

1　模糊PID控制算法理论

1.1基本PID算法

PID控制器在连续控制系统中，按偏差的比例P(proportion)、积分I(integral)、微分D(derivative)进行计算调整并输出，以控制智能车前进。 基本PID控制算法分为位置式PID控制算法和增量式PID控制算法[1]。

1.1.1位置式PID控制算法

其理想式为:

式中：u(t)为控制器的输出；Kp为比例放大系数，作用是加快系统的响应速度，提高调节精度； e(t)为输入的偏差信号； Ti为控制器微分时间常数； Td为控制器积分时间常数。

设u(t)为第k次采样控制器输出的值，可得出离散PID算式：

式中:Ki为积分系数，作用是消除系统的稳态误差； Kd为微分系数，作用是改善系统的动态特性。

1.1.2增量式PID控制算法

增量式算法输出的是控制量的增量Δu(k)：

Δu(k)=u(k)-u(k-1)=

式中，Δe(k)=e(k)-e(k-1)。

上式变换后，可到计算机处理常用式，即：

式中，T为采样周期。

1.2模糊控制规则

模糊控制是以模糊集合论、模糊语言变量及模糊推理为基础的一种计算机数字控制。它是基于被控系统的不确定性，模拟人的思维方式和人的控制经验来表征事物本身性质的一种智能控制，适用于复杂、不能精确建立数学模型的被控对象。

模糊控制系统原理框图如图1所示，虚线框部分为模糊控制器。模糊控制系统由输入/输出接口、检测装置、执行机构、被控对象及模糊控制器组成闭环系统[2]。

图1　模糊控制系统原理框图

1)输入/输出接口。

输入/输出接口均与单片机连接，常常是模数转换电路(A/D)和数模转换电路(D/A)。输入接口与检测传感器连接，把检测信号转化为数字信号并输入给单片机处理。输出接口把单片机输出的数字信号转换为转向信号和速度信号，分别输出给舵机和电机。

2)执行机构。

智能车系统的执行机构有两个：①控制转角的舵机及其电路系统;②伺服电动机及其电路系统。

3)检测装置。

智能车行驶时主要检测路径信息，所以检测装置是在车前瞻处的路径检测传感器及其电路系统。

4)被控对象。

智能车系统有两个独立被控对象，分别是速度与转向，它们都是根据路径检测信号来确定输出量的。

5)模糊控制器。

模糊控制器是模糊控制系统的核心，在智能车上由单片机程序和相关硬件组织，实现模糊控制算法。

2　小车控制系统的模糊PID理论

模糊PID算法是基于基本PID算式，采用模糊语言变量和模糊推理进行控制的算法。模糊PID控制器由传统PID控制器和模糊控制环节组成，在控制上不使用固定参数PID算法，而是针对不同路况，由模糊控制算法确定实时PID参数值进行系统控制[3-6]。

2.1模糊控制路径检测

电磁智能小车赛道中间铺有导线，导线中通有大小恒定的交变电流，并在导线周围产生按一定规律分布的交变电磁场。通过检测相应电磁场的强度与方向，即可获得小车距离导线的空间位置。

本文实验中采用双水平线圈检测方案，在车模前上方(即前瞻处)水平方向固定两个距离为L的线圈，两线圈轴线水平。小车行驶时，两个线圈检测得到两路路径信息，并通过输入接口输入单片机，经相关路径算法计算得出路径的偏差E和偏差变化率EC。

2.2转向控制算法

智能车行驶过程中，舵机输出的转动方向必须能够让小车连贯地沿着导线行驶而不冲出跑道，并且没有较大的震荡。由于舵机系统属于及时响应装置，且PID参数中积分I环节主要用于消除静态误差，存在明显的滞后，所以本文转向控制去掉了积分环节，只使用模糊PD控制算法。模糊PD控制器结构框图如图2所示。

图2　模糊PD控制器结构框图

转向参数TP、TD均是长度为15的数组，并根据路径检测输出控制量u的值确定TP、TD参数的初始值，即每一个u值具有唯一一对P、D参数与之对应，再由相关转向程序计算得出确定值，并输出给舵机执行。

2.3速度控制算法

本文实验中小车的速度控制有6个档位，对应于路径检测输出控制量u，每个档位均是长度为15的数组，即每一档位均有和u值一一对应的速度期望值。速度的PID参数是根据实验人员的经验预先设定的。模糊PID控制器结构框图如图3所示。

小车行驶时，编码器检测出小车的实际速度，并通过输入接口输入单片机，由主程序计算实际速度与期望的偏差e(k)及偏差变化率Δe(k)，并由相关速度PID算式计算得出速度输出值，由电机执行。

图3　模糊PID控制器结构框图

3　程序实现

3.1系统设计

智能小车硬件系统由单片机、路径检测模块、舵机转向模块、电机驱动模块、电源控制模块、速度检测模块、刹车控制模块和接口扩展模块等组成。智能车整体结构控制框图如图4所示。

图4　智能车控制结构图

主程序由路径检测程序、转向控制程序、速度检测控制程序和中断服务程序等组成，一般由Freescale Codewarrior软件调试，经BDM接口拷入单片机中。 本文选用飞思卡尔公司生产的16位MC9S12DG128。该系列芯片主要用于控制工程，尤其是智能车。

3.2参数整定

首先，设定一组参数；然后，根据智能车行驶情况，得出误差和误差变化率；最后，对转向和速度的PID参数进行微调，并将调整后的参数作为控制参数进行实验。不断更改参数值并实验，直至小车平稳、快速运行。

4　结束语

经过实验对比，基于模糊PID算法的智能车响应时间短，在小S弯道基本可以走成直线，过大弯道也可以内切，运行较平稳，行驶速度也有所提高。较单一的传统PID算法，模糊PID控制算法不仅使系统具有模糊控制的灵活性和适应性强的优点，而且具有PID控制精度高的优势，使智能车整体性能均得到提高。

[1]黄友锐，曲立国.PID控制器参数整定与实现[M].北京:科学出版社，2010.

[2]曾光奇，胡均安，王东，等.模糊控制理论与工程运用[M].北京:机械工业出版社，2006.

[3]卓晴，黄开胜，邵贝贝.学做智能车:挑战“飞思卡尔”杯[M].北京:北京航空航天大学出版社，2007.

[4]梁业宗，李波，赵磊.基于路径识别算法的智能车控制系统的设计[J].自动化技术与应用，2009;28(1):121-124.

[5]李世勇.模糊控制、神经控制和智能控制论[M].哈尔滨:哈尔滨工业大学出版社，1998.

[6]李仕伯，马旭，卓晴.基于磁场检测的寻线小车传感器布局研究[J].电子产品世界，2009(12):41-44.

Control Algorithm Research on Smart Car Based on Fuzzy PID

YE Jinxin

(Faculty of Science，Anhui University of Science and Technology，Huainan 232001，China)

During the process of smart car’s automatic searching the way，serious nonlinear problems exist in direction control and speed control.This paper implements the fuzzy PID algorithm，namely we use fuzzy PD algorithm to control the direction and use fuzzy PID algorithm to control the speed.The result shows that some defects of traditional PID control have been overcame.The real optimization of the control parameter of PID controller has been carried out by fuzzy reasoning.

fuzzy control; PID algorithm; smart car; measuring track

2014-07-02；修改日期: 2014-09-19

叶金鑫(1992-)，女，本科生，应用物理学专业。

TP13;TP273.4

A

10.3969/j.issn.1672-4550.2016.01.014