中央民族大學(xué)信息工程學(xué)院 李雨璇 涂 洪 白景嵐 瞿 冉 尹先晗

基于模糊PID的飛思卡爾智能車變速系統(tǒng)設(shè)計(jì)

中央民族大學(xué)信息工程學(xué)院 李雨璇 涂 洪 白景嵐 瞿 冉 尹先晗

設(shè)計(jì)飛思卡爾智能車的目的是進(jìn)行競(jìng)速，為了使整體的平均速度達(dá)到最大，小車在不同的賽道元素中須采用不同的速度：長直道加速、入彎減速、出彎加速等。傳統(tǒng)PID控制能夠?qū)崿F(xiàn)速度的控制，但是對(duì)于不同的賽道，小車所需要的PID參數(shù)可能會(huì)發(fā)生變化。綜上，采用模糊PID進(jìn)行變速系統(tǒng)設(shè)計(jì)，以使得小車運(yùn)行的整體速度達(dá)到最快，運(yùn)行狀態(tài)達(dá)到最佳。

智能小車；模糊控制；PID

飛思卡爾智能車設(shè)計(jì)是以智能無人汽車為背景，涵蓋電子、控制、計(jì)算機(jī)、傳感器等多個(gè)學(xué)科的創(chuàng)意性設(shè)計(jì)。飛思卡爾智能車的整個(gè)運(yùn)行系統(tǒng)，包含：賽道信息采集、賽道分析、方向控制、速度控制等模塊。本文著重研究其中的速度控制部分。飛思卡爾智能車速度控制系統(tǒng)是一個(gè)時(shí)變非線性系統(tǒng)，采用傳統(tǒng)的PID算法，單一的反饋控制會(huì)使系統(tǒng)存在不同程度的超調(diào)和震蕩現(xiàn)象，在連續(xù)彎道尤為嚴(yán)重，嚴(yán)重影響小車的整體運(yùn)行速度。根據(jù)這一現(xiàn)象，引入模糊控制，實(shí)時(shí)改變PID參數(shù)，有效地提高了小車的整體運(yùn)行速度。

1 傳統(tǒng)PID和模糊PID的比較

1.1 傳統(tǒng)PID控制

傳統(tǒng)PID控制器自出現(xiàn)以來，憑借其結(jié)構(gòu)簡(jiǎn)單、穩(wěn)定性好、工作可靠、調(diào)整方便等優(yōu)點(diǎn)成為工業(yè)控制主要技術(shù)[1]。當(dāng)被控對(duì)象的結(jié)構(gòu)和參數(shù)具有一定的不確定性，無法對(duì)其建立精確的模型時(shí)，采用PID控制技術(shù)尤為方便。PID控制原理簡(jiǎn)單、易于實(shí)現(xiàn)，但是其參數(shù)整定異常麻煩。對(duì)于小車的速度控制系統(tǒng)而言，由于其為時(shí)變非線性系統(tǒng)不同時(shí)刻需要選用不同的PID參數(shù)，采用傳統(tǒng)的PID控制器，很難使整個(gè)運(yùn)行過程具有較好的運(yùn)行效果[2]。

1.2 模糊PID控制

模糊PID控制，即利用模糊邏輯并根據(jù)一定的模糊規(guī)則對(duì)PID的參數(shù)進(jìn)行實(shí)時(shí)的優(yōu)化，以克服傳統(tǒng)PID參數(shù)無法實(shí)時(shí)調(diào)整PID參數(shù)的缺點(diǎn)[3]。模糊PID控制包括模糊化，確定模糊規(guī)則，解模糊等組成部分。小車通過傳感器采集賽道信息，確定當(dāng)前距賽道中線的偏差E以及當(dāng)前偏差和上次偏差的變化ec，根據(jù)給定的模糊規(guī)則進(jìn)行模糊推理，最后對(duì)模糊參數(shù)進(jìn)行解模糊，輸出PID控制參數(shù)[4]。

2 模糊PID控制器的設(shè)計(jì)

2.1 模糊PID控制器原理

模糊控制器采用的是典型的雙輸入單輸出模型。模糊PID控制器的輸入量為中心偏差E和中心偏差變化率ec，輸入量經(jīng)模糊化與模糊推理之后得到模糊控制器的輸出值，將模糊控制器的輸出值傳入PID控制器，PID控制器根據(jù)模糊控制的輸出值對(duì)自身參數(shù)進(jìn)行調(diào)節(jié)。本文采用的模糊PID控制器原理如下圖所示：

圖1 模糊PID控制器結(jié)構(gòu)圖

2.2 確定模糊化接口

針對(duì)模糊控制器的每個(gè)輸入空間定義一個(gè)語言變量。本文中選用，中心偏差e和中心偏差的變化率ec作為模糊控制器的兩個(gè)輸入。輸出量為u。

（1）在中心偏差e上定義語言變量“誤差E”，在中心偏差變化率上定義語言變量“誤差變化EC”；

（2）定義各個(gè)語言變量的論域：

一般來說，E和EC的論域可以選用E = EC = {-5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5}。本文是基于飛思卡爾光電智能車的，根據(jù)小車的特性，將E和EC的論域進(jìn)行了重新定義，分別為：

E = {-27,-15,-8,0,8,15,27 }

EC = {-7.2,-3,0,3,7.2}

（3）定義各語言變量的語言值：

通常取值可以是：{“負(fù)大”，“負(fù)中”，“負(fù)小”，“零”，“正小”，“正中”，“正大”} = {NL, NM, NS, Z, PS, PM, PL}。針對(duì)本文所選用的具體的系統(tǒng)，將其調(diào)整為：

E的語言值為：{ NL, NM, NS, Z, PS, PM, PL }

EC的語言值為：{ NL, NS, Z, PS, PL }

（4）各語言值的論域上定義其語言值的隸屬度函數(shù)。為了實(shí)現(xiàn)和處理的方便，E和EC的隸屬度函數(shù)均選用線性函數(shù)。

圖2 誤差E的隸屬度函數(shù)

圖3 誤差變化率EC的隸屬度函數(shù)

2.3 確定模糊規(guī)則表

模糊規(guī)則表是模糊控制器中模糊推理的依據(jù)，每個(gè)模糊規(guī)則都需要根據(jù)具體的系統(tǒng)進(jìn)行設(shè)計(jì)。根據(jù)智能車運(yùn)行特性以及控制經(jīng)驗(yàn)，設(shè)計(jì)的規(guī)則如下：

2.4 模糊推理以及反模糊化

控制器經(jīng)模糊化得到各變量的隸屬度，再經(jīng)模糊推理和反模糊化得出控制變量的輸出值，達(dá)到控制的作用。本文中的模糊推理采用的是最大-最小法，設(shè)定e，ec，u的隸屬度分別為：μE, μEC, μU。