单臂机器人模糊pid控制系统仿真

单臂机器人模糊PID控制系统仿真

摘要：一般讲单臂机器人的工作环境复杂，精度要求高，一般控制方法难以满足控制需要。比如PID控制的算法简单、鲁棒性好，可靠性高，但由于参数整定复杂，经典PID算法往往适应新较差，性能欠佳。为了改善经典PID的这些缺陷，将模糊PID应用在机械臂控制器的力反馈回路中，利用MATLAB、Robotics工具箱和SIMULINK进行仿真，与经典的PID仿真结果比较，模糊PID能够获得更好的性能参数和控制效果。

关键词：单臂机器人 模糊PID 仿真 中图分类号:TP27

The Path Planning for Mobile Robot Based on the Fuzzy-PID control

Abstract: Mobile robot must achieve the path tracking and obstacle avoidance in motion .Based on the principle of the visual navigation and the Fuzzy-PID control, makes researches of the mobile robot’s system architecture and kinematics model, on that basis, this thesis set up hardware platform of the system. The hardware system can quickly acquire the video, horizontal and vertical sync signals, can drive the motor efficiently, and achieve the avoidance and path tracking. On the basis of the hardware system, the thesis develop the software system of mobile robot, the software system consists of the image acquisition and processing subroutine, the steering engine’s Fuzzy-PHD control algorithm, the algorithm to measure electro motor and the motor’s Fuzzy-PID control algorithm. Finally, the joint debugging of the mobile robot’s software and hardware system, verifies the reliable and stability of the system, and the thesis achieve the mobile robot’s path tracking and obstacle avoidance by the joint debugging, the test of the mobile robot achieves the desired effect.

Key words: Mobile robot Path identification Fuzzy-PID control Barrier detection

1.1 经典PID原理

0 引言

在过去几十年间，机器人技术已经取得了巨大的进展，机器人已在社会生活的诸多领域发挥着日益重要的作用，对于机器人控制，人们已经提出了很多方法，比如自适应控制、模糊控制、神经网络控制等。但这些方法大多仍是理论上的研究，一般工业和商用的机器人常用的仍然是PID控制策略。

这主要因为PID控制器的结构简单，平稳环境下控制效果好，鲁棒性强，在工业控制中使用广泛。但它对复杂环境下的非线性系统的效果并不理想。上世纪八十年代，出现了具有模糊控制的自整定参数的Fuzzy-PID控制调节器。这类控制器使用了模糊控制方法来优化PID控制器的参数，有较强的适应性。

力反馈回路是发挥其控制功能的重要组成部分。为了获得快速的系统响应、无超调响应，同时又能应对恶劣的工作环境。

在控制系统中，最广泛最常见的控制策略就是经典PID控制策略。PID控制是一种线性控制，它根据给定值i(t)与实际输出值o(t)构成控制偏差：

e(t)?i(t)?o(t)

t(1)

PID控制规律为：

1 u(t)?Kp(e(t)??e(t)dt?TDe(t)/dt (2)

TI0式中，Ki 为比例系数；TI 为积分时间常数；

TD 为微分时间常数。

各矫正环节的作用大致如下：

比例环节，实现成比例的缩放，反应了系统的偏差信号，偏差一旦产生就立即产生控制作用减小偏差数值。积分环节,主要用来消除静差，提高系统的无静差度，即使得系统更加稳定。微分环节，反映偏差的变化速率，并能在偏差信号变得太大前，就在系统中引入有效的修正信号，从而加快动作速度，响应速率，减少调节时间，但也同时使得系统不稳定。各环节相互作用，相辅相成共同实现经典的PID控制过程。

1 PID控制原理

1.2 模糊PID原理

PID应用广泛，实用性强，但仍然有一些缺点。这主要是因为PID参数一经确定，在整个过程中就不会再变动。而现实环境中，系统参数却是时变的，有的甚至是非线性的。这使得经典PID控制系统很难达到理想的控制效果，尤其是对于机器人系统这种多输入多输出、强耦合时变非线性的系统，很难通过单纯的经典PID控制实现较好的控制效果。 为了解决这种问题，人们应用了很多方法，如人工智能领域的遗传算法、神经网络算法等等，但大多需要相当强大的运算能力。目前的计算机从运算上看已经基本满足了。但计算机比较脆弱，对工控环境下的电磁环境敏感，并不能直接应用于终端的控制。于是，在终端人们常常会使用较为简单的控制方法，并结合具有一定抗复杂环境但计算能力较低的PLC等进行实时控制。而计算机多作为服务端，实现总体的检测和控制。

因此，人们使用模糊数学的基本理论与方法，把有规律的条件和操作用模糊集来表示，并把这些模糊控制及有关信息（如评价指标、初始PID参数等）作为知识存入计算机知识库中，然后计算机利用这些知识结合控制系统的实际响应情况，运用模糊函数，就可以自动的对PID参数做出调整。这就是模糊PID控制系统。模糊PID控制系统以误差e和误差变化速率ec作为输入，可以满足不同时刻的e和ec对PID参数自整定的要求。利用模糊控制规则实现在线的参数调整，这就构成了自适应模糊PID控制系统。

模糊PID控制系统作为一种计算机控制系统，与普通计算机控制系统用相同的外部表示，如方框图： r(t) + e(t) e(kT) u(kT) u(t) c(t) A/D 计算 受控 - 机 D/A 对象 传感器 图 1

模糊控制系统通过模糊逻辑和近似推理方法，用计算机把人的经验形式化、模型化，根据给定的语言控制规则进行模糊推理，给出模糊输出判决，并将其转化为精确量，反馈给被控对象。在实际应用中，一般是用系统输出的偏差e和输出偏差的变化率ec作为输入信息，而把控制量的变化作为系统的输出量，以此确定模糊控制器的结构。在实际的PC模糊控制中，一般先确定出模糊控制的规则，然后将规则表出入存储器中，这样在实际的过程控制中，PC根据采样得到的e和ec通过查询控制规则表求得控制量，反馈到被控对象实现最终的模糊控制。

选取误差e及其误差变化率ec的论域分别为

e?{?6,?5,?4,?3,?2,?1,?0,?0,1,2,3,4,5,6}ec?{?6,?5,?4,?3,?2,?1,0,1,2,3,4,5,6}

选取误差e及其误差变化率ec的语言变量值分别为

e?{NB,NM,NS,NZ,PZ,PS,PM,PB}

ec?{NB,NM,NS,Z,PS,PM,PB}

模糊自整定PID的关键是利用工程技术人员的技术知识和实际操作经验，建立合适的模糊规则表。

Kp,KT,KD的自适应矫正更新可以按照如下进行。

先将系统误差e和误差变化率ec变化范围定义为模糊集上的论域：

e,ec?{?5,?4,?3,?2,?1,0,1,2,3,4,5} 其模糊子集为：

e,ec?{NB,NM,NS,Z,PS,PM,PB}

子集中的元素分别表示负大、负中、负小、零、正小、正中、正大。设Kp,KT,KD服从正态分布，因此可得出各模糊子集的隶属度，根据各模糊子集的隶属度数值表和各参数模糊控制模型，应用模糊合成理论设计PID参数的模糊矩阵表，查出修正参数并带入下式：

KP?KP??{ei,eci}P (3)

KI?KI??{ei,eci}I (4)

KP?KP??{ei,eci}P

(5)

在线运行的过程中,控制系统通过对模糊逻辑规则的结果处理、查表和运算，完成对PID参数的自校正工作。

工作流程如图所示：

开始当前的采样值in(k) out(k)根据模糊规则和决策来查表计算error(k)，即e(k)得到KP,KI,KD值计算error(k)变化率，即ec(k)计算当前KP,KI,KD值对e(k),ec(k)进参数输出，返回下一时刻行模糊化处理in(k+1),out(k+1),继续求解图 2 模糊PID控制系统模糊规则运行流程

3 仿真分析

2.1移动机器人的系统结构

由于机械臂是多轴输入、多轴输出的，而且输入间存在着耦合成分。为方便起见，把解耦方程进行简化，并以其中一个轴作为研究对象。得到开环传递函数为：

G0?(s)?KPKTG0(s)

(6)

式中，G0(s)?1(Hs2)，为解耦后单轴的机械臂传递函数。

代入所知参数可得G20??475/s。

由Simulink仿真得到的e的隶属度函数，ec的隶属度函数曲线，分别如图3，图4所示。

仿真结果，如图4所示。

超调量较大的为经典PID曲线，另一条为Fuzzy-PID曲线。

通过与经典PID控制系统相比较，显然模糊PID控制系统能够克服传统PID的局限性，具有很好的动态品质，上升时间快，超调较小，且在仿真时间内，具有较高的控制精度，较强的鲁棒性。

4 结束语

本文通过对经典PID和模糊PID进行了比较，

并经过仿真，证明了模糊PID控制系统能够克服传统PID的局限性，具有很好的动态品质，上升时间快，超调小，并且在仿真时间内，具有较高的控制精度，较强的鲁棒性。

通过模糊PID的应用，可以避免繁杂的参数调试，并且该系统具有自适应的调整能力，使其可以更好地适应不同的环境，增强了可靠性。这说明，相对经典PID控制，模糊PID控制有更好的发展前景，将会在控制系统中大放异彩。

移动机器人各功能模块如下： (1) 微控制器系统：该控制系统由微控芯片辅以外围硬件设备组成。微控制芯片选用Freescale公司HS12X系列的MC9S12XS128芯片。 （2）控制子系统：将控制指令转变为机械运动，实现移动平台的速度和转向控制等。控制系统包括两大部分：驱动器和电机部分，其中电动机分为控制速度的直流电机和控制转向的伺服舵机。电机选用7.2V的RS540直流电机，舵机选用JRES539滚珠轴承标准舵机。

（3）感知子系统：用于感知环境信息和自身状态信息，由传感器和外围电路组成。传感器包括：红外避障传感器E18-D80NK、CCD单板机CA-S42A以及测速传感器ST258E。

（4）电源子系统：选用7.2V、1800mAh的镍铬动力电池以及包括5V、6V和12V直流稳压电源模块。 （5）移动平台：即移动机构，在控制子系统控制下实现运动功能。本实验移动机器人采用四轮式移动机构，选用差速器驱动汽车转向机构。

（6）人机交互子系统：为用户和机器人直接提供一个信息交流平台。本人机交互系统采用4*4键盘模块和128*64的LCD模块组成。

2.2 移动机器人的工作原理

首先移动机器人通过CCD传感器采集导航线图像信息并传输给HS12X单片机处理，确定导航线形状和斜率。然后HS12X单片机根据图像处理结果对移动机器人的速度和转向实行模糊PID控制，将控制量传输给驱动器和舵机，从而控制运动速度和转向角度，使机器人沿着导航线快速、稳定的运行。

2.3移动平台运动学模型

图2 导向驱动轮式平台结构

以P点为参考点定义的广义坐标向量为

q??XTP,YP,?,??,其中?XP,YP?为P点固定坐标系下的坐标，?为平台运行方向同X轴夹角，?为

导向角。两轮轴轴心F与M的距离为h，F坐标为?XF,YF?,M坐标为?XM,YM?,P和M的距离为l，与平台中轴线夹角为?。

当轮子做无滑动的纯滚动运动时，移动平台前后轮所受的约束分别描述为：

X?Fsin??????Y?Fcos??????0 （5） X?Msin??Y?Mcos??0 (6) 将M作为参考点，用广义坐标表达的前后轮约束矩阵为： Jq?

??sin??????cos(????hcos?0??sin??cos?00?（7）

?2.4后轮驱动运动学模型

设在中轴线方向上的驱动速度为vd，导向轮旋转角速度为wg，因此，以任意点P作为参考点的运动学模型为：

?????cos??ltan?sin???????XP?Y??P?h??????????sin??lhtan?cos???????vd?

????????tan?h????0????0??0???wg （8） ?0??0??3 移动机器人的系统硬件设计

3.1 视觉传感器系统硬件设计

摄像头主要由图像传感芯片、镜头以及外围辅助电路组成。图像传感器芯片是视觉传感器系统的核心部件，本实验采用CCD黑白低照度单板机作为图像传感器。CCD黑白低照度单板机含有三个接口端子：电源端、地端以及视频信号端。电源接+12V电压，视频信号输出为PAL格式，电压一般在-0.5V～2V之间。

图3 PAL视频信号电路图

PAL视频信号包含行同步信号和场同步信号，

本实验采用LM1881同步分离芯片对摄像头黑白PAL信号进行分离，得到场同步信号、行同步信号以及奇偶场同步信号。

由于摄像头输出的是PAL制式的复合视频信号 ，其视频段的信号是用电压来表示相应的图像灰度值的。因此MCU在处理视频信号前，必须对视频信号进行AD模数处理，本实验采用由AD转换芯片TLC5510组成的AD模块处理PAL视频信号。

3.2 红外探测传感器硬件电路设计

图4慢反射式光电传感器E18-D80NK连接方式

本实验红外传感器选用慢反射式光电传感器

E18-D80NK，其探测距离3-80cm可调，采用直流三线NPN型常开结构，由+5V单电源供电，功耗较低。

3.3 控制子系统硬件电路设计

驱动电路是电机控制系统的核心部件，本实验采用RS540马达，由7.2V镍铬电池直接提供电压。本实验驱动电路采用BTS7960构成电机的驱动电路。

电机的转速主要通过控制PWM驱动信号的占空比和频率来进行控制。

图5 透射式光电检测电路工作原理图

本实验设计的测速检测电路选用透射式光电检测电路，由直径为22mm的100线光栅圆盘构成编码盘，当编码盘旋转时，光电接受管根据光栅盘的遮挡情况产生不同的受光能力，其电阻特性也将不同，在经过信号调理电路后产生一定频率的脉冲信号，单片机利用ECT对脉冲进行计数，从而得到速

度值：V?2?rNZt，其中r 为车轮半径，Z为齿圈

齿数，N为视频信号输出脉冲个数，t为测量时间。

影响舵机控制特性的一个主要参数是舵机的相应速度即舵机输出轴转动角速度。控制舵机的脉冲信号由MC9S12XS128的1路PWM产生，由PP3端口输出。舵机电路接口由+6V单电源供电，因为舵机在转动过程中会产生脉冲干扰信号，该信号会对单片机造成影响，因此对舵机的控制信号进行光耦隔离，增强单片机的抗干扰能力。

3.4 人机互动子系统硬件电路设计 键盘采用4*4的矩阵式结构，由16个按键组成，分别代表0-9,、A-F以及1个ENTER键，其与单片机的连接端口为PH0～7。LCD选用128*64模板。

3.5 电源子系统硬件设计

本实验采用7.2V可充电的镍铬动力电池，电池容量1800mAh,其实际电压从满电的8.2V到少电的7.0V之间。系统的电源分为信号电源和功率电源两部分，功率电源为电机驱动模块和舵机供电，信号电源则为余下部分供电。

4 移动机器人系统软件开发与调试

4.1 软件开发总体方案

软件系统设计采用模块化方式，主要分为图像采集和处理子程序、运动模糊控制子程序以及避障子程序。

图6 软件系统主流程图

本系统采用闭环控制，根据摄像头数据采集与舵机、电机控制的关系构建模糊PID控制策略：其中舵机以横向偏差为输入量的模糊PID算法进行控制，利用摄像头获取斜率进行反馈；电机采用以转速脉冲数为输入量的模糊PID算法进行控制，利用光电测速传感器进行反馈，从而构成了控制策略的基本框架。

4.2 系统调试

摄像头要进行模块调试，在摄像头接入系统之前要先调整摄像头的焦距，接入母板前，首先要用示波器观察视频信号是否正常。

电机驱动板调试时，应仔细检查电源接口正负极，确定没有接反后，将电机驱动板通电，观察电源指示灯是否正常，各部分电压是否正常。正确后将电机接口和母板正确接插。然后下载MCU的电机驱动程序，从10%到70%给出不同的PWM占空比，用示波器观察驱动电路输出信号波形是否正确。

5 结论

本文在深入研究和分析当前移动机器人研究现状和相关技术的基础上，设计了一种基于MC9S12XS128单片机和CCD图像传感器的移动机器人系统，理论和实践表明，该系统采用模糊PID控制算法实现转速和转向功能，提高了路径跟踪的准确性、实时性和稳定性。

参考文献

[1] 张毅.移动机器人技术及其应用[M].北京：电子工业

版社，2007.9

ZHANG Yi. Mobile Robotics and Its Application[M].Beijing: Electronic Industry Press,2007.9 [2] 王耀男.机器人智能控制工程[M].北京：科学出版社，

2004

WANG

Yaonan.

Robot

Intelligent

Control

Engineering[M]. Beijing: Science Press,2004

[3] 江桦.基于嵌入式移动机器人的模糊控制算法设计[J].

自动化与仪表.2010,25(3):33-36

JIANG Hua. Embedded Mobile Robot Based on Fuzzy Control Algorithm Design[J]. Automation and Instrumentation. 2010,25(3):33-36

[4] REN Jianqiang. Nozzle Fuzzy Controller of Agricultural

Spraying Robot Aiming Toward Crop Rows[M].IFIP Advances in Information and Communication Technology ,2010:198-206

[5] Eunjun Cho. Variable fuzzy control for heat pump

operation[J]. Journal of Mechanical Science and Technology,2011,25(1):201-208

[6] 徐德，邹伟.室内移动式服务机器人的感知、定位与 控制[M]. 北京：科学出版社，2008

XU De,ZOU Wei. Perceived Indoor Mobile Service Robot, Positioning and Control[M]. Beijing: Science Press,2008

[7] 田琦.全方位移动机器人模糊PID运动控制研究[J].

现代电子技术.2009,32(5)131-133

TIAN Qi. PID Control of A Full Range of Mobile Robot Motion Blur[J]. Modern Electronic Technology.2009, 32(5) 131-133

校对报告

当前使用的样式是 [Numbered(Multilingual)] 当前文档包含的题录共1条

有0条题录存在必填字段内容缺失的问题

所有题录的数据正常

本文在深入研究和分析当前移动机器人研究现状和相关技术的基础上，设计了一种基于MC9S12XS128单片机和CCD图像传感器的移动机器人系统，理论和实践表明，该系统采用模糊PID控制算法实现转速和转向功能，提高了路径跟踪的准确性、实时性和稳定性。

参考文献

[1] 张毅.移动机器人技术及其应用[M].北京：电子工业

版社，2007.9

ZHANG Yi. Mobile Robotics and Its Application[M].Beijing: Electronic Industry Press,2007.9 [2] 王耀男.机器人智能控制工程[M].北京：科学出版社，

2004

WANG

Yaonan.

Robot

Intelligent

Control

Engineering[M]. Beijing: Science Press,2004

[3] 江桦.基于嵌入式移动机器人的模糊控制算法设计[J].

自动化与仪表.2010,25(3):33-36

JIANG Hua. Embedded Mobile Robot Based on Fuzzy Control Algorithm Design[J]. Automation and Instrumentation. 2010,25(3):33-36

[4] REN Jianqiang. Nozzle Fuzzy Controller of Agricultural

Spraying Robot Aiming Toward Crop Rows[M].IFIP Advances in Information and Communication Technology ,2010:198-206

[5] Eunjun Cho. Variable fuzzy control for heat pump

operation[J]. Journal of Mechanical Science and Technology,2011,25(1):201-208

[6] 徐德，邹伟.室内移动式服务机器人的感知、定位与 控制[M]. 北京：科学出版社，2008

XU De,ZOU Wei. Perceived Indoor Mobile Service Robot, Positioning and Control[M]. Beijing: Science Press,2008

[7] 田琦.全方位移动机器人模糊PID运动控制研究[J].

现代电子技术.2009,32(5)131-133

TIAN Qi. PID Control of A Full Range of Mobile Robot Motion Blur[J]. Modern Electronic Technology.2009, 32(5) 131-133

校对报告

当前使用的样式是 [Numbered(Multilingual)] 当前文档包含的题录共1条

有0条题录存在必填字段内容缺失的问题

所有题录的数据正常

本文来源：https://www.bwwdw.com/article/cfr3.html