自适应PID算法的优化方案

实际上，大多数工业场合都存在非线性、参数的时变性和模糊不确定性问题，因而一般的PID控制无法实现对这种过程的精确控制。必须研究控制系统在控制过程中对不确定因素包括条件、参数、延迟和干扰等引起的PID参数的调整。因此，根据不同情况的变化，PID参数并不是一个固定的值，而是在不断变化中自动适应调整的值，也可认为是模糊控制的一种情况。

常用的模糊算法，通常考虑系统误差和误差变化率的大小作为输入，调整值作为输出建立隶属度函数表，根据输入值的不同查表得到输出的调整幅度。对于本实验平台采用的机器人循迹的特点，不需要如此繁琐的过程。本文采用的输入变量为偏距和偏角，偏距的大小自然代表着循迹过程中的误差大小，偏角代表了机器人目前的行进姿态，显然在曲线上偏角比直线段大，以偏角的大小可区分行进的路线。在直线部分机器人由于姿态始终不变，所以误差调整参数不宜过大，否则容易出现过调整情况；而在曲线部分，机器人在误差修正的过程中姿态也在不断变化，因此系统的响应肯定要快一些。这样不同情况的PID调整参数要区分开。

确定比例系数的过程，首先根据理论计算得到一个理想情况下的参数，这种理想的参数是在电机加速度无穷大、响应无穷快的情况下实现的。将参数代入实际机器人的运动，分析偏距变化曲线，比例参数在此基础上进行调整，直到偏距的变化在要求的最大误差范围内。确定比例系数后，调整微分参数使得曲线的振荡频率变小，保证机器人的运动较为平稳。将直线与曲线的参数分开考虑，得到机器人在直线段、曲线段循迹时各自最佳的PID参数。(www.xing528.com)

针对机器人循迹的自适应PID控制算法，为了将不同的PID参数应用到机器人的循迹过程中，需要先判断机器人目前所处的位置是在直线上还是在曲线上，曲线是什么样的曲线。由于没有定位的传感器等设备，只能根据前后相机反馈的信息加以判断。根据实际循迹效果的经验而言，机器人直线循迹时的偏角很小，没有超过5°；从直线入弯到完全进入弯道，偏角的值是在逐渐变大的，完全进入弯道后偏角比较稳定。依据这样的特点，可区分机器人所循迹的路段，自动调整PID参数。同时前后相机的情况也应该分开处理，当机器人刚入弯时，前相机在曲线上，后相机在直线上，前后相机的PID参数就是不同的。因为循迹路面的铺设并不是完全光滑的，在某些位置会出现不连续的点，所以需要判断连续几次的偏角值。例如前相机连续几次偏角超过5°表明机器人的头部已经在曲线上了。经过这样的处理，机器人的循迹算法能适应各种场合的变化。