顏循進

摘 要：通過恩智浦杯全國智能車競賽經(jīng)驗，介紹PID調(diào)節(jié)控制智能車，對PID算法進行講解，并通過實驗舉例進行分析。在學習研究PID算法基礎上，提出PID算法相關(guān)調(diào)節(jié)方式和實驗內(nèi)容。

關(guān)鍵詞：智能車;PID控制;閉環(huán)系統(tǒng)

要了解什么是PID，我們得先弄清楚為什么要PID。受到多種外界因素的影響，小車運行過程中的實際速度存在變化，具有一定的不穩(wěn)定性，而且需要保證設計可以可以在最快的時間內(nèi)達到既定目標，這就需要保證運行速度。在這兩種因素的影響下，就需要對控制系統(tǒng)進行研究，其中需要保證控制系統(tǒng)是一個閉環(huán)的情況下才能滿足系統(tǒng)穩(wěn)定性，而小車的調(diào)速并不是線性的，對其造成影響的因素是相對較多的，而至今為止，并無一例研究表示其以線性實現(xiàn)。如果假設其為線性，則可以直接用P進行實現(xiàn)，如果其中的PWM=60%，則可以得知其速度達到2M/S，要想在這種情況下將速度提高，使其增加到3M/S，就需要將PWM進行提高，經(jīng)過計算，90/60=3/2，需要將其提高到90%。也就是說，對系統(tǒng)進行調(diào)整，保證小車速度，就需要對整個算法進行調(diào)整，而PID的得出則與其相關(guān)。

對公式進行分析，其中P的值用KP進行表示，而D值的表示則為TD，I值的表示則為1/Ti，均為常數(shù)，而T，為已知，代表了采樣周期。其中，對ABC進行計算，需要從PID入手進行換算，將公式代入，其中的PID也為一個常數(shù)，代入其中后，可用公式e（k）e（k-1）e（k-2）進行表示，從而得出ΔUk的值。并根據(jù)得出的值，對PWM的大小進行合理調(diào)節(jié)，實現(xiàn)對速度的要求。

在對PID控制器的參數(shù)進行計算時，其方法通常需要將臨界比例法進行應用，這種計算方法需要采用一個相對容易理解的控制模型，通過對模型進行簡單講解，在具體實施操作過程中，需要兩人配合，一個人以PID控制的方法走110步后停下。

（1）對其中的P比例進行控制，需要根據(jù)一定的步伐規(guī)律實現(xiàn)一百多步的步行，然后停止。

（2）對PI積分進行控制，則需要根據(jù)步伐，在完成行走，停止后，回頭，繼續(xù)走，走到一百零幾步的位置，繼續(xù)轉(zhuǎn)頭向一百多步的位置走，并在一百多步的位置來回晃幾次后，停止在一百多步的位置上。

（3）對PD微分進行控制，需要根據(jù)相應步伐在走到一百零幾步后，逐漸向一百多步的位置進行靠近，并在一百多步的位置進行準確停止，實現(xiàn)無靜差控制過程，如果存在不準確?？?，則表示存在靜差控制。

下面介紹為一種常用調(diào)試步驟：

（1）將增益P的比例進行確定。在對增益比例P進行確定時，需要先將PID的積分項去掉，同時去掉相應的微分項，在一般情況下，需要將Ti值確定為0，Td值確定為0，保證PID的比例調(diào)節(jié)不受到其他因素的影響。同時，需要將系統(tǒng)允許的最大值進行確定，使其被控制在60%-70%，促進比例增益P，并從0開始，使其逐漸增加，直到觀察到系統(tǒng)出現(xiàn)震蕩時停止。然后，再促進比例增益P的減小，使其減小到系統(tǒng)震蕩消失為止，并對此時的比例增益P進行記錄。如果本次研究將PID的比例增益值P設定為60%-70%，則在達到相關(guān)數(shù)值時，可停止對比例增益P的調(diào)試工作。

（2）積分常數(shù)Ti的確定。在完成比例增益P的設定后，需要經(jīng)一個相對較大的積分時間常數(shù)Ti的初始值進行設定，并促進值的降低，逐漸推進，在其出現(xiàn)震蕩情況時，停止操作，然后逐漸增大Ti值，在系統(tǒng)震蕩情況消失后，完成操作，對相應的Ti值進行記錄，將其當做PID積分時間常數(shù)Ti的主要值，本研究設定在150%-180%，完成積分常數(shù)常數(shù)Ti的調(diào)試。

（3）對積分時間常數(shù)Td的確認。就積分時間常數(shù)Td來說，其通常不需要進行設定，主要為0，如果特殊情況需要進行設定，則其確定方法與上述的兩種方法相同，取不震蕩時的30%。

在對PID三個環(huán)節(jié)進行選擇時，通常需要用到PI控制和PD控制，就其中的速度控制來說，其要求滿足穩(wěn)態(tài)無誤差情況下實現(xiàn)，要想滿足相關(guān)條件，則需要將積分環(huán)節(jié)進行應用，使用PI控制，而在進行方向控制的過程中，其通常并不需要保證無穩(wěn)態(tài)誤差，因此需要將PD進行控制，其中D的主要作用為對P環(huán)節(jié)所出現(xiàn)的震蕩問題進行消除。

展開低速時間，其低速通常被控制在2m/s以下，需要其在與黑線偏離較大范圍時設置Kp為100%，而如果在與黑線偏離較少的范圍內(nèi)，則需要將Kp值減少到原來的一半。對其實驗結(jié)果進行分析，可以得出車子的轉(zhuǎn)彎過程較為流暢，適合被應用在彎道較多的賽道上，而在直線賽道上，也可以保證直線加速，存在較小的車身左右抖動。

而在高車速運動時，其速度為2.5m/s以上，其實驗結(jié)果顯示，車身在長直道上的左右震蕩較為嚴重，在對其發(fā)生原因進行分析的情況下，得出原因主要表現(xiàn)在硬件方面，首先，確定其為輪軸本身松動而導致轉(zhuǎn)向機構(gòu)對應的左右轉(zhuǎn)向性存在不對稱性，這需要對相關(guān)設計進行改善，其次，其問題還發(fā)生在軟件方面，在存在小偏差問題時，在放大倍數(shù)后，使其穩(wěn)定性較差，進而容易在彎道到直道的過程中出現(xiàn)問題，其中的小車尋賽道過程，本身就是一個隨動系統(tǒng)，在受到?jīng)]有積分項影響的情況下，使得其在進入直道時，存在轉(zhuǎn)向不準確的情況，這時跑直道雖然能跟蹤黑線，但是對轉(zhuǎn)向的調(diào)整通常存在超調(diào)的情況，會導致車身在直道上出現(xiàn)左右震蕩的情況，對車速造成不良影響。與此同時，此設計在S彎的控制也較為簡單，使得其在相應跑到上，幾乎完全沿彎走，缺乏直沖S彎的效果。

在對PD參數(shù)進行不斷調(diào)試的工作過程中，可以明確僅僅對相關(guān)參數(shù)進行調(diào)試，并不能改善S彎道和直道都實現(xiàn)最佳選擇，并不會對普通彎處的轉(zhuǎn)向造成影響。因此還需要系統(tǒng)可以對賽道類型進行智能識別，我們?nèi)狈ο鄳倪x擇賽道記憶法，因此智能在不降低遠處分辨率的同時，保證攝像頭看的更遠。

本研究在不影響其他數(shù)據(jù)的情況下，增加視廠長度，使其達到1.6m多，而最遠前瞻可得到2.0m，可實現(xiàn)對賽道中農(nóng)各種賽道類型的覆蓋，從而保證實現(xiàn)較好的控制效果。

參考文獻：

[1]卓晴，黃開勝，邵貝貝，等.學做智能車[M].北京：北京航空航天大學出版社，2007.03.

[2]田作華，陳學中，翁正新.工程控制基礎[M].北京：清華大學出版社，2007.09：197-203.