智能車設計中增量式PID控制算法的運用

徐世豪

【摘要】 智能車是現代科技研究與發展的重要方向之一，控制系統是智能車研發的關鍵所在。本文以增量式PID控制算法作為智能車研究的切入點，通過實驗分析得出采用增量式PID控制算法能夠起到提升智能車系統控制的目的，提升車輛的運動性能。

【關鍵詞】 智能車增量式 PID控制算法

一、智能車總體方案設計

智能車的運行是基于傳感器提前感知到道路的具體情況，進而通過內部控制系統發出相應的指令，做出相應的應對措施，調整行駛狀態，達到順利通過的目的。綜合現有研究，智能車的運行狀態如下圖1所示：

控制器的輸入是傳感器信息（道路檢測傳感器和速度傳感器信息）；輸出是執行器件（舵機和直流電機）的控制參數。控制器要完成的主要任務有：圖像采集、速度測量、圖像處理、方向和速度控制。根據任務需要，控制器中應包含有圖像采集模塊、引導線提取算法、圖像識別算法、脈沖計數模塊、定時器模塊、速度測量算法、方向控制算法、速度控制算法[1]，如圖2所示。

二、智能車的控制算法

2.1 PID參數的影響

采用比例系數kp的目的，在于通過提升智能車系統的響應速度以提升其調節的精度，但需要合理控制kp的數值，不宜過大和過小。例如，當kp數值過大，則會加速系統的響應速度，導致超調進而危及到系統的穩定性。當kp數值過小，則會降低系統的響應速度而調節的精度隨之下降，進而導致系統調節的時間被延長，破壞系統的動態性能與靜態性能。在實驗過程中，模型車在行駛過程時，隨著kp系數增加舵機的反應速度得以提升，模型車在橫向轉向時，舵機迅速做出反應并及時調整方向。然而，當模型車處于直線行駛時，因車速較快導致出現控制不靈的問題，表現為：高速行駛過程中，模型車左右晃動難以及時穩定方向，致使直線行駛變成了搖擺不定的曲線。同時，因方向不定的影響，模型車的速度得不到提升。

積分作用系數ki的作用是消除系統的穩態誤差。ki越大，系統的穩態誤差消除越快，但ki過大，在響應過程的初期會產生積分飽和現象，從而引起響應過程的較大超調。若ki過小，將使系統靜態誤差難以消除，影響系統的調節精度。采用微分作用系數kd的目的在于避免智能車在行駛過程中向任何方向發生偏差并及時發出警報，以起到提升智能車動態性能的作用。需要注意的是應根據智能車的特性設定kd的值，過大或過小均難以發揮出應有的功效，影響到系統功能的發揮。此外，對于智能車彎道方向的行駛要求舵機足夠靈敏，能夠隨時根據道路的實際情況做出反應，以適應各類突發情況。同時，在直道行駛過程中，需要稍微降低舵機的靈敏度，以降低頻繁轉向帶來的阻力，保障智能性的穩定性。

2.2 PID參數整定

PID算法控制式的任何一個參數的設定均會對智能車的控制效果產生直接影響，為達到最佳的控制狀態，需要實驗過程中盡可能的測試多組數據，以從中得出最佳參數，實現最佳控制狀態。下面就以舵機參數的整定作為案例分析PID算法參數的整定過程。其一，結合相關理論選定符合需求的比例系數，將之加載到模型車上進行測試。經過不斷的調整參數，觀察效果直至能夠隨機控制舵機以勻速調整方向，記錄該數值，將之作為最佳P算法的比例系數；其二，在獲取到P算法的比例系數后，繼續進行D算法的測試，同理不斷調整參數并通過觀察測試效果直至舵機對于引導線位置的快慢變化做出快速反應和不做出快速反應。記錄該數值，獲取到了pd算法的參數[2]；其三，經過前面兩個環節即實現了積分參數的整定，完成了PID參數整定的過程。積分參數科學整定，能夠起到提升對智能車精確控制的作用，尤其是能夠避免靜態誤差的不利影響。同時，在本文的設計中主要在于探究PID算法的運用，為此并未過于追求模型車能夠達到實際測試車輛的精確，力求實現對之模型車速度的精確控制即可。經過實驗發現，PID算法的運用能夠達到良好的控制效果。模型車在直道路線行駛過程中，經過P控制可以減少轉向的的靈敏度以快速將車速提升到預定值；在彎道行駛過程中，經過PD控制并加入微分項，能夠提升轉向的靈敏度，便于模型車能夠快速適應不同車道的變化。

結束語：綜上所述，在智能車設計中采用增量式PID控制算法能夠取得良好的效果。智能車直線行駛過程中，舵機基本處于平靜狀態而且智能車的速度達到最高；在彎道行駛過程中，舵機能夠迅速做出反應，車速隨之下降并順利通過。該實驗效果充分說明了PID控制算法的運用能夠達到智能車設計的要求。但如需進一步強化智能車的性能，尚需要輔助其他算法以不斷優化智能車的性能。

參 考 文 獻

[1]楊曉嵐.PID算法在智能車中的應用.《實驗科學與技術》， 2010， 08（4）：187-189

[2]劉艷春，趙立雙.基于增量式PID控制算法的恒溫控制系統.《信息技術》， 2014（2）：167-169