【文章內(nèi)容簡介】 及出小S時由于普通邊線提取程序能提到較遠(yuǎn)的線導(dǎo)致賽道判斷出錯，無法進(jìn)行小S的正常提線，因此要慮線以及鎖存狀態(tài)。原始邊沿提取算法的程序流程如圖47所示。圖47 原始邊沿提取算法流程圖十字校正和小S校正后的效果如圖48和49所示。圖48 十字校正后的效果圖49小S校正后的效果使用前方一定距離的偏差量來控制小車具有較強(qiáng)的魯棒性。其思想很簡單。有的隊(duì)伍加上了斜率，我們測試發(fā)現(xiàn)遠(yuǎn)處斜率較為不穩(wěn)定，最后還是放棄了斜率算法，使用較為穩(wěn)定的偏差算法。在獲得偏差前要先標(biāo)定賽道邊沿，我們將車放在直道上，標(biāo)定出標(biāo)準(zhǔn)的左右邊線。之后通過取到的左線和左標(biāo)準(zhǔn)邊線作差，取到的右邊線和右標(biāo)準(zhǔn)線作差得出前方一定距離處的偏差量，用作后期控制等算法。在選用多少距離范圍的數(shù)據(jù)用作偏差量也很重要。在直道上由于速度較快，要選取遠(yuǎn)處的偏差，防止來不及轉(zhuǎn)向，當(dāng)在彎道內(nèi)，由于視野有限，應(yīng)該盡量使用能采集到的最遠(yuǎn)處的數(shù)據(jù)段，這樣能在連續(xù)彎的切換上較為流暢，在回環(huán)彎道上較為穩(wěn)定。根據(jù)往屆比賽的經(jīng)驗(yàn)，賽車能否以最短的時間完成比賽，與賽車的速度和路徑都有著密切的關(guān)系，因此，如何使賽車以一個最合理、最高效的路徑完成比賽是提高平均速度的關(guān)鍵。對于賽車路徑的優(yōu)化，不能僅在勻速下調(diào)節(jié)轉(zhuǎn)彎系數(shù)，應(yīng)該將變速考慮進(jìn)去。我們調(diào)節(jié)路徑的方法是在慢速勻速情況下調(diào)出一套較為切彎的PD系數(shù)，慢慢的提高勻速的速度。由于在彎道內(nèi)前瞻量有限，在提速的過程中不可避免的會出現(xiàn)反應(yīng)遲鈍，此時就停止調(diào)節(jié)轉(zhuǎn)向參數(shù)。此時獲得了這套轉(zhuǎn)向參數(shù)的可用速度范圍，在此基礎(chǔ)上添加變速程序，以起到穩(wěn)定并且高速的效果。 PID 控制算法介紹在工程實(shí)際中，應(yīng)用最為廣泛的調(diào)節(jié)器控制規(guī)律為比例、積分、微分控制，簡稱PID控制，又稱PID調(diào)節(jié)。PID控制器問世至今已有近70年歷史，它以其結(jié)構(gòu)簡單、穩(wěn)定性好、工作可靠、調(diào)整方便而成為工業(yè)控制的主要技術(shù)之一。當(dāng)被控對象的結(jié)構(gòu)和參數(shù)不能完全掌握，或得不到精確的數(shù)學(xué)模型時，控制理論的其它技術(shù)難以采用時，系統(tǒng)控制器的結(jié)構(gòu)和參數(shù)必須依靠經(jīng)驗(yàn)和現(xiàn)場調(diào)試來確定，這時應(yīng)用PID控制技術(shù)最為方便。即當(dāng)我們不完全了解一個系統(tǒng)和被控對象，或不能通過有效的測量手段來獲得系統(tǒng)參數(shù)時，最適合用PID控制技術(shù)。PID控制，實(shí)際中也有PI和PD控制。PID控制器是一種線性控制器，它根據(jù)給定值與實(shí)際輸出值構(gòu)成控制偏差。將偏差的比例(P)、積分(I)和微分(D)通過線性組合構(gòu)成控制量，對被控對象進(jìn)行控制，故稱PID控制器，原理框圖如圖410所示。圖410 PID控制器原理框圖在計(jì)算機(jī)控制系統(tǒng)中，使用的是數(shù)字PID控制器，控制規(guī)律為： (1) (2)式中k采樣序號，k = 0，1，2…； r(k)第k次給定值；c(k)第k次實(shí)際輸出值； u(k) 第k次輸出控制量；e(k) 第k次偏差； e(k1) 第k1次偏差；KP比例系數(shù)； TI積分時間常數(shù)；TD微分時間常數(shù)； T采樣周期。簡單說來，PID控制器各校正環(huán)節(jié)的作用如下：比例環(huán)節(jié)：及時成比例地反映控制系統(tǒng)的偏差信號，偏差一旦產(chǎn)生，控制器立即產(chǎn)生控制作用，以減少偏差。積分環(huán)節(jié)：主要用于消除靜差，提高系統(tǒng)的無差度。積分作用的強(qiáng)弱取決于積分時間常數(shù)，越大，積分作用越弱，反之則越強(qiáng)。微分環(huán)節(jié)：能反映偏差信號的變化趨勢(變化速率)，并能在該偏差信號變得太大之前，在系統(tǒng)中引入一個有效的早期修正信號，從而加快系統(tǒng)的動作速度，減小調(diào)節(jié)時間。數(shù)字PID控制算法通常分為位置式PID控制算法和增量式PID控制算法。位置式PID中，由于計(jì)算機(jī)輸出的u (k) 直接去控制執(zhí)行機(jī)構(gòu)(如閥門)，u(k)的值和執(zhí)行機(jī)構(gòu)的位置(如閥門開度)是一一對應(yīng)的，所以通常稱公式(2)為位置式PID控制算法。位置式PID控制算法的缺點(diǎn)是：由于全量輸出，所以每次輸出均與過去的狀態(tài)有關(guān)，計(jì)算時要對過去e(k)進(jìn)行累加，計(jì)算機(jī)工作量大；而且因?yàn)橛?jì)算機(jī)輸出的u(k)對應(yīng)的是執(zhí)行機(jī)構(gòu)的實(shí)際位置，如計(jì)算機(jī)出現(xiàn)故障，u(k)的大幅度變化，會引起執(zhí)行機(jī)構(gòu)位置的大幅度變化，這種情況往往是生產(chǎn)實(shí)踐中不允許的，在某些場合，還可能造成嚴(yán)重的生產(chǎn)事故。因而產(chǎn)生了增量式PID 控制的控制算法，所謂增量式PID 是指數(shù)字控制器的輸出只是控制量的增量△u(k)。當(dāng)執(zhí)行機(jī)構(gòu)需要的是控制量的增量(例如：驅(qū)動步進(jìn)電機(jī))時，可由公式(2)推導(dǎo)出提供增量的PID控制算式。由公式(2)可以推出公式(3)，公式(2)減去公式(3)可得公式(4)。 (3) (4)式中 ； ；公式(4)稱為增量式PID控制算法，可以看出由于一般計(jì)算機(jī)控制系統(tǒng)采用恒定的采樣周期T，一旦確定了KP、TI、TD，只要使用前后三次測量值的偏差，即可由公式(4)求出控制增量。增量式PID具有以下優(yōu)點(diǎn)：(1) 由于計(jì)算機(jī)輸出增量，所以誤動作時影響小，必要時可用邏輯判斷的方法關(guān)掉。(2) 手動/自動切換時沖擊小，便于實(shí)現(xiàn)無擾動切換。此外，當(dāng)計(jì)算機(jī)發(fā)生故障時，由于輸出通道或執(zhí)行裝置具有信號的鎖存作用，故能保持原值。(3) 算式中不需要累加?？刂圃隽俊鱱(k)的確定僅與最近k次的采樣值有關(guān)，所以較容易通過加權(quán)處理而獲得比較好的控制效果。但增量式PID也有其不足之處：積分截?cái)嘈?yīng)大，有靜態(tài)誤差；溢出的影響大。使用時，常選擇帶死區(qū)、積分分離等改進(jìn)PID控制算法。(1) 不完全微分PID將微分環(huán)節(jié)引入智能車的方向和速度控制，明顯地改善了系統(tǒng)的動態(tài)性能，但對于誤差干擾突變也特別敏感，對系統(tǒng)的穩(wěn)定性有一定的不良影響。為了克服上述缺點(diǎn)，本文在PID算法中加入了一階慣性環(huán)節(jié)。將一階慣性環(huán)節(jié)直接加到微分環(huán)節(jié)上，可得到系統(tǒng)的傳遞函數(shù)為： (5)將(5)式的微分項(xiàng)推導(dǎo)并整理，得到方程如下： (6)式中，由系統(tǒng)的時間常數(shù)和一階慣性環(huán)節(jié)時間常數(shù)決定的一個常數(shù)。為了編程方便，可以將公式(6)寫成如下形式： (7)式中， 。分析公式(7)可知，引入不完全微分以后，微分輸出在第一個采樣周期內(nèi)被減少了，此后又按照一定比例衰減。實(shí)驗(yàn)表明，不完全微分有效克服了智能車的偏差干擾給速度控制帶來的不良影響，具有較好的控制效果。(2) 微分先行PID由于智能車在跑道上行駛時，經(jīng)常會遇到轉(zhuǎn)彎的情況，所以智能車的速度設(shè)定值和方向設(shè)定值都會發(fā)生頻繁的變化，從而造成系統(tǒng)的振蕩。為了解決設(shè)定值的頻繁變化給系統(tǒng)帶來的不良影響，本文在智能車的速度和方向控制上引入了微分先行PID算法，其特點(diǎn)是只對輸出量進(jìn)行微分，即只對速度測量值和舵機(jī)偏轉(zhuǎn)量進(jìn)行微分，而不對速度和方向的設(shè)定值進(jìn)行微分。這樣，在設(shè)定值發(fā)生變化時，輸出量并不會改變，而被控量的變化相對是比較緩和的，這就很好地避免了設(shè)定值的頻繁變化給系統(tǒng)造成的振蕩，明顯地改善了系統(tǒng)的動態(tài)性能。 (8)(3) 前饋控制的應(yīng)用由于智能車的跑道寬度有限制，所以在經(jīng)過急轉(zhuǎn)彎的時候，如果速度和方向控制不及時，智能車就可能沖出跑道。由于前饋控制是開環(huán)控制，所以前饋控制的響應(yīng)速度很快。將前饋控制引入到智能車的控制中，能夠提高舵機(jī)和伺服電機(jī)的反應(yīng)速度，改善智能車系統(tǒng)的動態(tài)性能。運(yùn)用PID控制的關(guān)鍵是調(diào)整KP、KI、KD三個參數(shù)，即參數(shù)整定。PID參數(shù)的整定方法有兩大類：一是理論計(jì)算整定法。它主要是依據(jù)系統(tǒng)的數(shù)學(xué)模型，經(jīng)過理論計(jì)算確定控制器參數(shù)；二是工程整定方法，它主要依賴工程經(jīng)驗(yàn)，直接在控制系統(tǒng)的試驗(yàn)中進(jìn)行，且方法簡單、易于掌握，在工程實(shí)際中被廣泛采用。由于智能車系統(tǒng)是機(jī)電高耦合的分布式系統(tǒng)，并且要考慮賽道的具體環(huán)境，要建立精確的智能車運(yùn)動控制數(shù)學(xué)模型有一定難度，而且我們對車身機(jī)械結(jié)構(gòu)經(jīng)常進(jìn)行修正，模型參數(shù)變化較為頻繁，理論計(jì)算整定法可操作性不強(qiáng)，最終我們采用了工程整定方法。此外，我們先后實(shí)驗(yàn)了幾種動態(tài)改變PID參數(shù)的控制方法。對于舵機(jī)的閉環(huán)控制，我們采用了位置式PID控制算法，根據(jù)往屆的技術(shù)資料和實(shí)際測試，將每場圖像的黑線中心加權(quán)平均值與舵機(jī)PID參考角度值構(gòu)成一次線性關(guān)系。在較低速(2m/s以下)試驗(yàn)時，在偏離黑線很少的某個范圍，將Kp直接置零，在偏離黑線較少的某個范圍，將Kp值減小為原來的一半，在偏離較大的其他情況，則保持Kp原來的大小。取得的實(shí)際效果在彎道較多、直道較短的賽道上，車子轉(zhuǎn)彎流暢，直道也能基本保持直線加速，車身左右抖動較小。在提高車速至高速()時，我們發(fā)現(xiàn)車身在直道上特別是長直道上時，車身左右震蕩比較嚴(yán)重，究其原因，硬件上，我們認(rèn)為首先是輪軸本身的松動并且轉(zhuǎn)向機(jī)構(gòu)左右轉(zhuǎn)向性能可能存在不對稱性，設(shè)計(jì)有待改進(jìn)，軟件上，則是自身編寫的PID舵機(jī)控制還不夠精細(xì)，動態(tài)適應(yīng)能力不夠。在從彎道到直道的過程中，由于小車尋賽道本質(zhì)上是一個隨動系統(tǒng)，積分項(xiàng)在彎道累積的偏差錯誤地加在直道的跟蹤上，造成在進(jìn)入直道時轉(zhuǎn)向不夠準(zhǔn)確，跑直道時雖然能跟蹤黑線，但是轉(zhuǎn)向調(diào)整往往超調(diào)，導(dǎo)致車身在直道上左右震蕩，這種震蕩嚴(yán)重影響了車的整體速度。此外，我們對S彎的控制也過于簡單，沒有特別的處理，導(dǎo)致車在跑S彎的時候，幾乎完全沿彎走，沒有明顯的直沖S彎的效果，原因是在前瞻有限的情況下，在采集的圖像中S彎入彎和普通彎道是一樣的，導(dǎo)致小車開始轉(zhuǎn)向，由于中間一直檢測到彎道，小車會沿S彎道左右震蕩，同時相應(yīng)會減速。對此我們采用的策略是根據(jù)遠(yuǎn)處曲線的變化率對Kp進(jìn)行修正，使得路徑得到優(yōu)化。對于速度控制，我們采用了增量式PID控制算法，基本思想是直道加速，彎道減速。經(jīng)過反復(fù)調(diào)試，將每場圖像得到的黑線位置與速度PID參考速度值構(gòu)成二次曲線關(guān)系。在實(shí)際測試中，我們發(fā)現(xiàn)小車直道和彎道相互過渡時加減速比較靈敏，與舵機(jī)轉(zhuǎn)向控制配合得較好。通過整定系數(shù)使小車速度快速收斂，從而達(dá)到我們所設(shè)定的期望速度，其最終目的是為了更好地進(jìn)行決策。對于速度決策，我們要解決兩個問題： (1)提前預(yù)判加速度點(diǎn)和減速點(diǎn)； (2)在彎道中尋找直道。考慮到B車模加減速的滯后性，在決策層上做到提前的預(yù)判以及和舵機(jī)控制的高耦合度就顯得尤為重要了。因此，我們先后嘗試了兩套不同的速度決策算法。一、啟發(fā)于汽車駕駛經(jīng)驗(yàn)的速度決策算法首先，我們讓小車放在直道上，對小車的車身進(jìn)行了標(biāo)定，如圖411所示。 圖411 車身標(biāo)定線我們假設(shè)車身標(biāo)定線內(nèi)，為汽車駕駛者的視野范圍，對視野范圍內(nèi)的賽道信息進(jìn)行積分，所得到的積分值越大，則速度決策量越大。后來，我們發(fā)現(xiàn)用整幅圖的積分量會導(dǎo)致速度決策滯后，并且用一個固定的視野范圍未免顯得過于死板，因此我們對該算法進(jìn)行了較大的改進(jìn)。由于圖像中近端20行左右的數(shù)據(jù)集中在車身30CM到40CM米左右，因此，該段數(shù)據(jù)的權(quán)重過大會導(dǎo)致決策的滯后。最終，我們采用了對圖像進(jìn)行校正之后，對圖像35行到最遠(yuǎn)處的數(shù)據(jù)進(jìn)行積分，并且對每一行的積分值進(jìn)行了歸一化處理的方法。圖像校正的目的在于還原了遠(yuǎn)處數(shù)據(jù)的真實(shí)權(quán)重。當(dāng)然僅僅做出如此改動還是不夠的，我們采用了動態(tài)積分區(qū)域的方法，即積分區(qū)域的中心即為本幅圖像的黑線位置，這樣做的好處在于，增加了速度與轉(zhuǎn)角之間的耦合度，使速度決策更為提前。最終，我們發(fā)現(xiàn)這套算法基本上可以滿足我們的需求，但是依然存在耦合度不足的缺陷，并且算法較為復(fù)雜，運(yùn)算量大。于是，我們采用了第二套速度決策算法。 圖412 動態(tài)積分區(qū)域(a)圖412 動態(tài)積分區(qū)域(b)二、以速度與轉(zhuǎn)角耦合度為出發(fā)點(diǎn)的速度決策算法經(jīng)過浙江賽區(qū)的比賽之后，我們發(fā)現(xiàn)之前的速度決策并沒有顧及到大半徑的弧內(nèi)的加速，而只是簡單地在原先的