传统的智能车速度控制器中,速度的控制多采用PD调节或者抗饱和积分的PID调节的方法。PID控制器结构简单,控制容易实现。但是传统PID控制器,在控制对象参数变化较大,非线性效应严重时,显示出一些震荡,响应时间和超调矛盾的局限性。对于速度多变,智能车行驶赛道复杂的情况下,不易满足更高性能要求。
20世纪80年代,韩京清先生放弃数理方法,义无反顾的走上了自抗扰的道路。经过不断的尝试,研究出了自抗扰控制技术(ADRC)。自抗扰控制技术是经过PID控制技术改进过来的,继承了PID“以误差控制误差”的优点,又对PID的缺陷进行了改进。自抗扰控制器不需要被控对象精确的数学模型,具有优越的鲁棒性。由于自抗扰控制的优越性能,在许多工业领域已经得到了广泛应用。
2 设计方案
2.1智能车系统建模
设计一个可靠可控的控制系统,第一步就是要对执行器及其系统进行建模,并指定系统的输入输出。首先需要确定速度控制系统的阶数,和对数据做归一化处理[6]。
通过测算智能车经过L米长度,编码器读取的脉冲数N得:单位脉冲长度:
将车模放在一段足够长的跑道上,用开环方法,给电机25%占空比的电压的阶跃响应,采集和记录车模到稳态的速度数据。将所得到的速度数据和时间序列绘制成图1.
图 1 车模测量数据和模型拟合数据
通过实验测试车模为二阶系统时,拟合难度低,准确性高。最终拟合模型的传递函数:
同样加阶跃响应,可以测得实测图与仿真模型的对比,如图1所示。
3 仿真实验
3.1 ADRC仿真实验
图 2 Simulink仿真结构
经过多次调试,试验出上述参数,该参数能够让系统快速的跟踪阶跃响应,并没有超调。
图 3 ADRC控制器系统阶跃响应
ADRC的速度控制曲线是一个平滑的曲线,在到达目标附近时,没有超调,具有较快的响应速度。
图 4 跟踪微分控制器响应
TD对阶跃响应做平滑处理,使智能车的电机免受剧烈的冲击,有利于保护电机的使用寿命,和提高系统的稳定性。
图 5 扩张状态控制器输出
扩张状态控制器,精确的观测到系统的响应曲线和系统的微分曲线。
图 6 ADRC控制器输出
3.2 PID仿真实验
经过多次调参实验,得到相对最好的PID参数曲线。
图 7 PID控制器系统阶跃响应
图 7 PID控制器输出
3.3 PID控制器和ADRC控制器对比分析
图 8 ADRC和PID控制器响应曲线
对比两图8两个控制器的阶跃响应曲线,可以明显看出ADRC响应时间短,超调量小,抗扰动能力强,具有较好的鲁棒性。
4 实测实验
为了验证该控制算法方案的正确性和可行性,进行实际测试实验。实际使用车模为智能车大赛新A车模,1024线编码器,NXP KV58xp144M240RM微处理器等,搭建实验环境进行算法实际测试实验。
图 9 ADRC和PID控制器车模实际响应曲线
经过长时间的准备和算法调试,调试出了最佳的ADRC参数和PID参数,两者之间存在明显的差别,自控抗扰控制器明显比PID控制调节时间短。
实际测试中自抗扰控制器的最大优势是:因为智能车和赛道之间的摩擦力是有上限的,所以加速度不能无限大,不然智能车和赛道之间会存在滑动现象。从图6 ADRC控制器输出和图7 PID控制的输出可以看出,ADRC控制器的控制是循序渐进的输出PWM波,中间因为有TD的存在,输出的曲线较为平滑。而PID控制器的输出是在前几个毫秒爆发出来,车模和赛道之间的摩擦根本不足以提高这么大的摩擦力,之间存在微小的滑动现象, 从图9 可以看出车模的初始速度不是0cm/s,可以证明小车在启动的时候滑动了,所以不能够充分的利用车模和赛道之间的摩擦力。智能车竞赛分秒必争的情况下,ADRC的控制效果能为智能车提高不少成绩。
同时两者同仿真实验几乎一致,说明前面的数学模型,建立较为正确,ADRC控制算法在智能车速度控制方面更为优良。
原创作品,未经权利人授权禁止转载。详情见转载须知。 举报文章
我要举报该内容理由
×