PID控制方法理解 常用的控制策略-PID

作者丨弓青 來源丨古月居

如果說智能車的視覺處理是眼睛，PID就是雙手可以去幫你完成智能車的運動控制。沒有一個好的PID，就可能會產(chǎn)生手眼打架的情形。

比如說，你去看了一個美食博主的美食的制作過程，眼睛說，我會了，手說，你快拉到吧。

所以要想手眼協(xié)調(diào)，智能車控制得當(dāng)，好的視覺處理算法和好的PID調(diào)試都密不可分。

不然也不會有專門的PID調(diào)試的崗位了。廢話不多說，下面是我整理的一些資料。

方向控制在軟件系統(tǒng)中的位置方向控制系統(tǒng)宏觀概覽

PID?控制方法理解

PID?程序編寫PID?參數(shù)調(diào)試PID?算法微改進

方向控制算法在軟件系統(tǒng)中的位置

整個智能車基本上就在做兩件事，一個是方向的控制，一個是速度的控制（當(dāng)然平衡車還多一個平衡的控制），只要能夠?qū)⑦@兩個量給控制的恰到好處（恰到好處不光是兩者單獨控制的很好，而是兩者 一起工作時配合的很好）

本文檔只講其中的一個：方向控制中的控制策略問題（四輪車的速度控制與此非常類似，甚至還更簡單）。

下面是我們車內(nèi)軟件運行的一個大概的流程圖，軟件成員后來的所有精力基本都傾注在這三個加粗的方面：方向偏差提??；方向控制算法；速度控制；

整體上就分為兩部分，方向和速度控制。其中兩者均為周期性控制，

但控制的周期可能不一樣。方向控制的主要步驟如下：

1.采集方向傳感器的信息，比如對于攝像頭就是進行圖像的采集；

2.方向偏差信息的求取，對于攝像頭來說就是圖像中線的求取， 進而得到得到車體當(dāng)前位置與理想位置的偏差

3.方向控制模塊根據(jù)這個偏差來計算應(yīng)該輸給舵機的PWM 占空比，進而來調(diào)整車體的前進方向。

方向控制系統(tǒng)宏觀概覽

系統(tǒng)宏觀上了解。通過對系統(tǒng)的全局分析，你不僅可以更清楚了解方向控制的本質(zhì)，更重要的是還能夠從系統(tǒng)中各模塊的相互約束關(guān)系中找到一些新的能夠改進整個控制系統(tǒng)的方案，下面詳述~

從控制系統(tǒng)的角度來看，典型的方向閉環(huán)反饋系統(tǒng)結(jié)構(gòu)圖如下圖所示。

主要由五部分構(gòu)成：控制目標(biāo)；被控對象；執(zhí)行機構(gòu)；測量反饋；

控制算法（這里面就是我們常說的核心PID啦）

在構(gòu)思控制算法之前你首先需要對執(zhí)行機構(gòu)，被控對象，測量反饋和控制目標(biāo)

這四個部分有足夠的了解。

控制目標(biāo)是首當(dāng)其沖要考慮的。本系統(tǒng)要控制的物理量是什么？

最開始想的肯定是保持車體的方向和位置在車道的正中央。

仔細思考一下可以發(fā)現(xiàn)，其實堅持的方向一直正確，最后的位置就一定會正確（感覺突然發(fā)現(xiàn)了一個在實際生活中也是顛撲不破的真理），而且車體的位置又是不可控（無能的舵機只能控制方向），因此其實控制目標(biāo)可以換成只需要車體的方向保持正確就 OK了。

因此此時的系統(tǒng)變?yōu)槿缦隆?/p>

要控制的物理量是車體前進方向：接下來要考慮執(zhí)行機構(gòu)與控制對象的特性。

本系統(tǒng)中的控制對象是什么？值得注意的是，本系統(tǒng)的執(zhí)行機構(gòu)是舵機驅(qū)動與舵機，被控對象是車體。

這一點重點關(guān)注執(zhí)行機構(gòu)與被控對象的輸入-輸出特性， 即輸入?PWM?的占空比舵機轉(zhuǎn)角的關(guān)系，舵機轉(zhuǎn)角和車體轉(zhuǎn)角的關(guān)系（為方便這里均近似看成是一個線性的比例關(guān)系，只是近似而已）

在接下來就該看測量反饋。

一個控制系統(tǒng)的精度的上限是由反饋測量部分精度決定，但是和這個上限的接近程度是由控制器來決定的。

控制策略再好，你測量的有誤差也是白控制。因此才開始大家一定要注意將測量部分精度盡量提高，這樣不僅能夠大大減少控制部分的工作量，還能夠有效提高控制精度。

個人感覺測量部分的重要性略大于控制部分。假設(shè)測量反饋的輸入是攝像頭圖像，輸出是方向信息，關(guān)鍵是怎么由圖像得到方向信息？方向信息怎么表示？

按照我們目前方向角提取的方法（我們目前的做法：取圖像中固定前瞻行(比如第 10?行)的中線的偏差來代替方向角。）

示意圖如下圖。

其中紅色為車體，綠色為攝像頭視野，藍色為視野中求得的中線。

由圖可以看出，其實這種方法其實是非常粗糙的。

那么如何得到更真實的方向信息，怎么改進？

圖像的中線能夠反映出車輛的方向

圖像的中線角度(alpha)近似反映出車輛的方向(beta)

關(guān)鍵問題：

從系統(tǒng)的角度來看我們可以采取怎么的方法來提升整體的控制精度？整個系統(tǒng)的關(guān)鍵部分在哪？如何改善關(guān)鍵部分的性能？

1）?執(zhí)行機構(gòu)與控制對象的改進。

舵機的機械傳遞結(jié)構(gòu)改善、輪胎的摩擦力改善使控制的靈敏度更高，響應(yīng)更快；使總體的輸入輸出能更接近線性比例關(guān)系（線性越好越容易控制）

2）?測量反饋的改善。

如何讓測量的信息能夠更真實的反映出車輛的方向信息。

對于攝像頭和光電圖像來說，就涉及到如何放置攝像頭，如何取合適的圖像視野，如何從對圖像處理得到更有效的車輛真實方向信息（如先對圖像進行失真矯正，然后對矯正以后的圖像處理）；

對于電磁傳感器來說，那就是如何擺布各個電感的位置，如何使采集到的電壓值更好的反應(yīng)出方向信息（原始數(shù)據(jù)濾波融合等）等；

3）?控制策略的改善。

動態(tài) PID，模糊控制，位置/增量PID，積分限幅，四輪車后輪雙電機差速的協(xié)調(diào)控制等等

常用的控制策略-PID

PID 雖然是最簡單的控制器，應(yīng)用卻是最廣泛的，實際生活中 95%以上的控制都是 PID 控制。

還有很多其他控制方法，想法很好但是應(yīng)用的實際效果卻并不比 PID 好。

因此對于我們的小車控制來說，PID 完全足矣。
PID 的含義？（Proportion 比例+Differential 微分+Integral 積分）

輸出量=P*誤差+D*誤差的變化+I*誤差的積分

3.1 PID 的理解

l P（比例）控制，Kd 與Ki 為 0，最簡單的控制規(guī)律
如直道（誤差為 0）時舵機占空比 DUTY，則當(dāng)誤差為error 時，輸出的占空比直接是 DUTY+Kp*error。

l PD（比例微分）控制，Ki 為 0

考慮偏差及偏差的變化趨勢，當(dāng)誤差為 error 時，輸出的占空比是 DUTY+Kp*error+Kd*(current_error-last_error)。可以看出，對于同樣的一個偏差：

1） 若偏差正在減小的過程，PD 控制的量要比純比例控制量小一些，這樣能夠避免過度控制

2） 若偏差在逐漸增加的過程，PD 所要施加的量比純比例要多一些，目的是為了抑制誤差增大的趨勢。
所以?D?這一項有一些預(yù)測控制的味道~~~，相比?P?而言要更智能一些~~~

l PID（比例微分積分控制）

相比 PD 而言，多了一項積分項，目的是為了使系統(tǒng)無誤差，將系統(tǒng)在整個過程中的誤差考慮進去。當(dāng)誤差為error 時，輸出占空比 DUTY+Kp*error+Kd*(current_error-
last_error)+Ki* error_integral

積分這一點對于方向控制來說意義不大，速度控制會需要。

不過有興趣的均可以嘗試一下。

3.2 PID 程序編寫

//輸出=P*誤差+D*誤差的變化+I*誤差的積分int current_error,last_error ,error_integral;
//偏差定義int Kp,Kd,Ki;//PID 參數(shù)定義int Out;
//輸出量current_error=get_error();//求出本次偏差 error_integral= error_integral+current_error;
//誤差積分 Out=Kp*error+Kd*(current_error-last_error)+Ki* error_integral; last_error=current_error;

注意：前面講的 D 項都是對誤差的偏差進行差 分，然而對于平衡車而言，官方方案里方向控制的 D 項被轉(zhuǎn)向陀螺儀輸出的角速度代替。

其作用也是起著一個預(yù)測的作用，且實際控制效果也非常好，因此四輪車也可以借鑒這種做法，在你們的車上裝上一個陀~螺~儀~

3.3 參數(shù)調(diào)試(參照曲線) PID 的控制算法

非常簡單，寫起來總共也就 10 行不到，但我前面說了，你們后期的很大一部分時間還得花在這上面，這是為什么？

最耗時間的地方是什么？那就是參數(shù)的調(diào)試，也是你們在做車的后期 從不會間斷的一件事。

理論上其實有很多參數(shù)調(diào)試方法，來快速得到一個合適的參數(shù)。

但是經(jīng)過實踐檢驗 的最實用的卻還是—試湊，真是沒辦法，控制領(lǐng)域的科學(xué)家們努力了那么多年始終沒能夠找到一個特別行之有效的方法，只是因為工程實際與理論相差太遠。

不過試湊也是要講科學(xué)的，這也就是科學(xué)試湊法

(<(￣ˇ￣)>鄙人自己起的名字)，試湊的依據(jù)就是下面同 P 不同 D 的曲線。其中橫坐標(biāo)為時間，縱坐標(biāo)為輸出（圖中的 D 參數(shù)值只是示意大小關(guān)系，由此圖可以大概得到某個參數(shù)應(yīng)該調(diào)大還是調(diào)?。摼€為理想輸出

記住曲線結(jié)論：----------------------- 非常重要

可以看出：

1） 對于同樣的 P 而言，隨著 D 的增加系統(tǒng)的超調(diào)量會越來越小，但是若 D 增加的太大會造成系統(tǒng)響應(yīng)太慢，達不到控制要求。

2） 對于同樣的 D 而言，P 增加過大會使系統(tǒng)震蕩，超調(diào)大。對于方向控制而言，四輪車的 D 參數(shù)效果不太明顯，但是平衡車的方向 D 參數(shù)調(diào)起來效果特別明顯。

這個曲線的結(jié)論反映到你們實際的車上就是下面的行駛軌跡：

無 D 參數(shù)或 P 過大時，拐彎以后抖動比較厲害

有 D 且 D 比較合適時，此時拐彎造成的抖動會明顯減小

D 參數(shù)太大時，此時將會拐不過去

3.4 算法微改進

分段 PID/動態(tài)PID

PID 參數(shù)在運行的過程中根據(jù)時間的變化而變化。

如分段等，如考慮到當(dāng)偏差較小時需要的控制量較小，而偏差較大時需要的控制量要增加，而這種增加客源是線性的，也可以是二次的，比如可以讓 Kp 參數(shù)與偏差的平方成正比，如下圖Kp = (error * error)/2 + 1000

文章出處：【微信公眾號：】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。