申 鵬

（哈爾濱商業(yè)大學計算機與信息工程學院，哈爾濱 150028）

0 引言

隨著時代的發(fā)展，吸附式墻壁機器人的研究逐漸深入，并大量的投入清潔市場中，但傳統(tǒng)的吸附式擦窗機器人在意外碰撞后，會導致機體傾斜地移動，從而偏離設定的N型軌跡，容易造成機器人對墻壁的重復擦拭，降低了擦拭效率[1]。為了解決這一問題，本文提出了基于模糊PID吸附式機器人轉向控制系統(tǒng)，將模糊控制的思想與傳統(tǒng)的PID矯正方法進行結合，機器人會對當前狀態(tài)進行模糊判斷，并迅速做出對應的響應，使得該系統(tǒng)具有自適應整定功能，該系統(tǒng)在機器人做大幅度轉向的過程中效果較好[2]。

1 系統(tǒng)的數(shù)學模型

1.1 直流電動機系統(tǒng)分析

吸附式機器人通常采用大功率直流電動機，以保證其在墻壁上移動以及差速轉向。電動機回路電壓為：

電動機電樞反電勢為：

電動機電樞回路電流為：

電動機電磁時間常數(shù)為：

式中：dR為電動機電樞回路電阻；dL為電動機電樞回路電感；mT為電動機機電時間常數(shù)

聯(lián)立可得電動機的動態(tài)微分方程式

對上式進行拉氏變換可以得到電動機的傳遞函數(shù)為

1.2 轉向系統(tǒng)分析

當吸附式機器人兩側履帶不相同時，可實現(xiàn)轉彎，履帶理想的轉彎情況，如圖1所示，由三角公式可得：

實際上機器人在運動過程中，其兩側的履帶會出現(xiàn)滑移現(xiàn)象，假設兩側履帶滑移率相等，且取滑移率

代入公式（8）可得

R為轉向半徑，B為履帶間距，履帶左右兩側線速度分別為lv和rv

Bekker理論提出的履帶最大牽引力與地面因素之間關系式[3]：

其中maxF 為履帶所受最大牽引力；A為履帶與黑板的接觸面積；c為墻壁黏著系數(shù)；pF為機器所受的吸附力；φ為內(nèi)摩擦角。同時得出履帶滑移率i：

其中K為黑板剪切變形系數(shù)；F為履帶實際牽引力

機器在受的吸附力均勻作用時，其兩側履帶單位長度所受壓力為：

其中L為履帶與黑板接觸長度：

機器轉彎過程中所受的橫向扭矩fM ：

圖1 機體轉向分析圖Fig.1 Body steering diagram

其中xμ-轉向摩擦系數(shù)，與接觸面和轉動半徑有關

通過俄國尼基金教授在實驗得出經(jīng)驗公式可知：

其中maxxμ為在各種接觸面上的最大轉向摩擦系數(shù)；R為機器器轉動半徑；B為兩履帶直接的中心距；ρ為相對轉動半徑，當0.5ρ＜時，xμ接近于maxxμ

又有在轉動過程中動力學平衡得：

進入到穩(wěn)定轉動過程以后，其轉動半徑固定即vl/vr處于勻速狀態(tài)。此時機械縱向加速度 ay，轉動角加速度α為0，代入公式（17）、（18）可得

聯(lián)立公式（11）、（12）、（19）得：

有公式（11）得滑移率i隨橫向摩擦系數(shù)xμ改變而改變，又有xμ與相對轉動半徑ρ有關。聯(lián)立公式（20）、（15）、（16）、（19）得：

R為轉向半徑，L為履帶間距，vc為中心線速度，wc為中心角速度，履帶左右兩側線速度分別為vl和vr，兩側履帶速度差為vh

2 模糊PID控制算法

2.1 PID控制原理

PID調(diào)節(jié)器是一種線性調(diào)節(jié)器，其輸入的是系統(tǒng)的偏差 ()e t，輸出的是控制量 ()u t。系統(tǒng)偏差通過比例、積分和微分的線性組合從而構成控制量，對被控對象進行準確的控制。

式中pK的作用用是加快系統(tǒng)的響應速度，提高系統(tǒng)調(diào)節(jié)精度,iK的作用是消除系統(tǒng)的靜態(tài)誤差,dK的作用是加快系統(tǒng)的調(diào)節(jié)速度，減少控制系統(tǒng)的偏差，改善控制過程動態(tài)品質，通過這三種調(diào)節(jié)方式改善了系統(tǒng)的動態(tài)響應[4]。

PID控制增量式：

相比于位置式PID控制器，增量式PID控制器不需要累計誤差，輸出控制量為()Δu t，比()u t小很多，對系統(tǒng)沖擊性小，可靠性更強。

2.2 模糊PID控制

模糊PID控制器則是以誤差e和誤差變化ec作為輸入，利用設定好的模糊控制規(guī)則表，找出 PID三個參數(shù)與e和ec之間的模糊關系，在運行中不斷檢測e和ec，根據(jù)模糊控制原理來對3個參數(shù)進行在線修改，以滿足不同e和ec時對控制參數(shù)的不同要求，而使被控制對象有良好的動、靜態(tài)性能。

表1 模糊控制規(guī)則表Tab.1 Fuzzy control rule table

Kp,Ki,Kd的模糊控制規(guī)則表建立好后，將系統(tǒng)誤差e和誤差變化率ec變化范圍定義為模糊集上的論域。其模糊子集為e,ec={NB,NM,NS,ZO,PS,PM,PB},子集中元素分別代表負大，負中，負小，零，正小，正中，正大，設e,ec和Kp,Ki,Kd均服從正態(tài)分布，因此可得出各模糊子集的隸屬度，根據(jù)各模糊子集的隸屬度賦值表和各參數(shù)模糊控制模型，應用模糊合成推理設計PID參數(shù)的模糊矩陣表，查出修正參數(shù)代入下式子計算[5]。

控制系統(tǒng)通過對模糊邏輯規(guī)則的結果處理、查表和運算，完成對PID參數(shù)的在線校正。

3 測試與分析

如圖所示，由角度傳感器實時測量機體角度值，將角度誤差值和角度誤差值的變化率作為輸入，通過設定模糊控制規(guī)則表，得到當前最佳的Kp,Ki,Kd的控制值,輸出對應的 PWM 值，改變履帶之間的速度差，從而調(diào)節(jié)機器的姿態(tài)，使其沿著設定的路線移動[6]。

圖2 模糊PID控制系統(tǒng)結構圖Fig.2 Fuzzy PID control system structure diagram

現(xiàn)實中的吸附式機器人轉向系統(tǒng)函數(shù)過于復雜，根據(jù)機器人自身的特點簡化傳遞函數(shù)，Kp,Ki,Kd初始值分別取5、0.5和0.2，并基于模糊PID控制的原理，對系統(tǒng)進行實時的調(diào)節(jié)，在simulink軟件中進行在線仿真。由圖可見，相比于傳統(tǒng)PID控制方法，采用模糊PID的控制方法，轉向系統(tǒng)避免了超調(diào)，轉向系統(tǒng)避免了超調(diào)，傳統(tǒng)PID調(diào)節(jié)時間約為 0.251 s，而模糊 PID調(diào)節(jié)時間約為0.138 s，縮短時間接近一半，而且動態(tài)特性也有顯著的提升。

圖3 系統(tǒng)仿真響應曲線Fig.3 System simulation response curve

4 結語

本文基于模糊 PID算法對吸附式機器人進行轉向控制，基本上達到了預期的效果，機器在移動的過程中不斷矯正自身的姿態(tài)，按照原始路線進行移動。在 simulink軟件進行在線仿真中，分別用PID和模糊PID矯正方法對系統(tǒng)進行測試，通過對相應的曲線進行對比，對目標值和相應時間進行分析，可以得出模糊PID控制方法夠在滿足吸附式機器人控制要求的基礎上對其優(yōu)化，穩(wěn)態(tài)誤差小，靜態(tài)誤差小，快速且準確，是一種優(yōu)良且可靠的控制方法[7]。