模糊自整定PID智能小车转速控制系统的设计

1、模糊自整定PID 智能小车转速控制系统的设计摘要：由于智能小车的转速控制要求有较快的响应速度以及良好的动态性能，若采用传统的PID 控制难以达到满意的效果， 因此将模糊自整定PID 控制器应用于智能小车转速控制中，在Matlab/Simulink环境下对该系统进行了建模，并将仿真结果与传统的PID 控制算法进行了比较，得出模糊自整定 PID 控制系统具有转速响应快，超调量小等优点，具有很强的动态性能和鲁棒性。关键词：模糊自整定 PID 智能小车 转速控制 Matlab 鲁棒性中图分类号： TN99 文献标识码： A 文章编号： 1007-94162014）03-0012-03智能小车，也称轮式

2、机器人。它具有对环境进行监测、自动追随引导线，并能根据环境进行自我调整等功能于一体的综合智能系统1 ，在各行各业乃至日常生活中都有着有着广泛的应用前景，所以研究智能小车的控制是非常有价值的。目前智能小车转速控制大多采用传统PID 算法，传统 PID算法虽然易于控制，但控制效果主要取决于PID 控制器的初始设置参数，往往智能小车在行驶过程中，会受到外界各种的干扰和影响， 这些干扰和影响可能导致PID 控制器的初始参数不适合时变的系统，难以取得理想的控制效果。针对这类问题，本文将模糊算法与传统PID算法结合在一起，并将其应用于智能小车转速控制系统中，弥补了传统PID控制器的不足。利用 Simuli

3、nk 工具中的模糊推理模块对其进行了仿真2 ，仿真表明， 用模糊 PID 控制方法实现对小车速度的控制，可以达到较好的控制效果。智能小车直流调速系统设计智能小车循迹的基本原理为：利用路径检测系统识别并跟随赛道上的黑色导引线，从而实现自主行驶，车速越快，说明小车性能越好3 。当传感器检测黑色导引线在车体任意一侧时，则判定当前为弯道，此时要求控制系统应在最短的时间内调节左右车轮的转速，使小车车身发生偏转，否则小车将会被冲出跑道，因此小车的性能主要取决于小车速度的控制精度与响应时间。1.1 系统硬件设计智能小车硬件调速系统主要由路径识别模块、AT89S52单片机主控制器模块、L298N 电机驱动模块

4、、速度检测模块等部分组成。 利用模糊自整定PID 控制器使单片机输出不同占空比的 PWM 脉冲信号 4 ，然后通过放大PWM 脉冲信号来驱动电机转动，从而实现小车速度的控制。采用反射式红外传感器 ST168 加编码器对速度进行检测，调速系统组成如图1所示。1.2 系统程序设计系统软件主要由C 语言实现， 采用 Keil C 编程。速度调节的具体流程为：首先通过转速检测系统得到当前的速度值，控制系统对所得数据进行分析并计算出当前速度偏差|e|以及速度偏差率 |ec|，控制软件通过模糊控制器对偏差|e|以及偏差率 |ec|进行模糊化，并采用重心法解模糊，用增量式PID算法实时计算出增量Kp 、 K

5、i 、 Kd 的值，即可得出当前的 Kp 、 Ki 和 Kd 。最终模糊控制器将输出结果送入PWM调制占空比，通过输入不同的占空比完成直流小车转速的控制。当小车发生偏移时，系统通过调节左右轮转速的比例，达到纠正小车偏移的目的。2 模糊自整定PID 控制器的设计为了提高小车转速控制的响应时间以及控制精度，因此采用模糊自整定PID 控制。模糊自整定PID 控制器由传统PID 控制器以及模糊控制系统组成，输入电机转速的监测值与设定转速值的偏差 |e|和偏差变化率 |ec|，对 PID 的三个参数 Kp 、Ki 和 Kd 进行在线自整定，使控制器整定的参数可以满足 |e|和|ec|对系统的任意要求，这

6、样一来，被控对象就有了较好的适应性和鲁棒性。模糊自整定PID 控制器结构图如图2所示。2.1 模糊化设计智能小车转速的偏差|e|以及转速偏差率|ec|作为模糊控制器的输入变量，PID 的三个参数调整值Kp 、Ki 、Kd作为控制器的输出变量，其模糊集以及相应的论域如下：输入（ e，ec）和输出（ Kp 、 Ki 、 Kd ）的模糊集统一为NB ，NM ，NS，ZO，PS，PM ，PB ，该集合中元素分别代表负大、负中、负小、零、正小、正中，正大5 。将输出变量中的各元素对应于小车转速调节的语言分别为：NB 代表大减速、 NM 代表中减速、 NS 代表小减速、 ZO 代表保持当前转速、 PS 代

7、表小加速、 PM 代表中加速、 PB 代表大加速。|e|和 |ec|的论域均取为 -6 ，-4，-2， 0，+2， +4，+6 ； Kp 、Ki 、 Kd 的论据取为 -3 ， -2， -1， 0， +1，+2， +3 。考虑论域的灵敏性以及减少工作量的要求，本文隶属函数类型（Type）取为三角形隶属度函数（ trimf ）。 2.2 确定模糊推理控制规则在智能小车的实际应用中，对偏差变量的控制规则尤为重要，没有规律的控制规则会使计算出来的速度值震荡，不能很好的适应赛道的不同位置， 降低小车运行的稳定性。 “ IFA AND B THEN C ”形式的控制规则是模糊推理的核心，要想对小车控制有

8、理想的控制效果，必须要求系统具有较好的控制规则（ Rule），这样的控制规则是人们对控制对象的长期认识过程以及操作经验的总结6 。根据智能小车的操作经验，可得到智能小车转速控制的输出参数（Kp 、 Ki 、Kd ）的模糊控制规则如表1 所示。根据表 1 可推出对应的模糊控制规则：IF （ e is * ）andec is * ）then（ Kp is * ）（ Ki is * ）（ Kd is * ）。这样的规则共有 49 条，通过查询规则表并且经过解模糊就可以得到 Kp 、Ki 和 Kd 的最终输出值， 系统在不同环境下均会调用不同的控制规则来调整电机转速，达到控制小车转速的目的。3 Mat

9、lab 仿真结果及分析3.1 控制对象模型的建立本系统直流电机选用微型马达公司出产的RS380-ST-3545 型 7 马达，该电机的具体参数为：额定电压为 7.2V ，电势常数为 4.668 10-4V/ （ r.min-1 ），电磁时间常数为 0.005S，机电常数为 0.0144S。可以用下列二阶函数来描述智能小车的控制特性：（ 1）带入各参数即可得到小车电机的传递函数：2）3.2 Matalb/Simulink仿真为了验证本文设计的控制方案具有优越性，通过Matalb/Simulink建立小车速度控制仿真模型，如图3 所示，并将模糊自整定PID 控制器与传统PID 控制器进行了比较，最

10、终确定模糊PID 中模糊化因子 |=0.005，|=0.01，解模糊化因子 =0.006，K2=0.0025 ，=0.01，PID 初值 =2.8 ，=0.03，=8，传统的 PID 控制器的初始参数设为=2.8， =0.03，=8。3.3 系统仿真结果图 4 为传统 PID 控制的仿真结果， 图 5 为模糊自适应PID控制器的结果。 设定转速为1500r/s，可以看出， 传统 PID 算法调节时间为440s，最大超调量为15%，稳态误差大于100r/s而模糊自整定PID 算法的调节时间为240s，几乎没有振荡，且超调量小，接近于零，稳态误差小于1r/s。因此与传统的PID 控制相比，采用模糊

11、自整定PID 对转速控制的效果更为理想。3.4 系统实际应用结果为验证模糊自整定PID 智能小车控制系统的优越性，设计制作了一条带有黑色引导线的白色材质赛道对其进行测试。结果表明：采用模糊PID 控制的小车在该赛道上行驶的平均速度可达1.21m/s， 传统 PID 控制的小车只能达到0.84m/s，并且在运行过程中，模糊 PID 控制的小车反应更加灵敏，在大角度转弯时也能迅速调整车体，不会发生脱轨的情况。可以较快的跟踪黑色引导线完成自主循迹，稳定性好。结语本文主要介绍了模糊自整定PID 控制在智能小车转速控制系统中的应用，并且与传统PID 控制作了对比，证明该系统具有较好的动态性能，抗干扰能力强，有较强的灵活性以及稳态特性，能较好的实现智能小车转速控制的要求。参考文献张文杰 .基于 CAN 总线的智能小车控制系统研制 D.成都：西南交通大学，2009.6-10.孙联喜 .基于 Matlab 工具的电力系统故障分析 J.山东：国网技术学院学 .报， 2012.2：18-22.程宇，程磊 .基于模糊控制的智能车调速系统的设计武汉：科技大学学报， 2007.3： 88.高安芹， 朱传琴 .应用电子技术及