【控制心得】模糊pid使用后心得分享

小学生做车来了

       即将国赛，我吧自己控制的最后一点东西：模糊pid简单谈谈分享给大家，建议大家在对pid有一定的理解之后再时候动态pid控制，否则会给自己埋下N个bug。进入正题：
      首先讨论一下，为什么会选择动态pid控制，从理论上来说，我对小车的输入，到小车的实际响应（比如我想让小车速度为1m/s，然后输入1m/s，但是小车可能要1s才能响应到1m/s，或者甚至都不会达这个速度），这之间是有一个传递函数的（自动控制原理的知识），把它称为系统传递函数（忘了叫啥名了，我暂时这么称呼吧），而我在它们之间嵌入了pid控制，pid控制自成一个传递函数，我称这为控制传递函数吧。因此，在我对小车输入到小车实际响应时，新的传递函数为   系统传递函数   与  控制传递函数 共同做用的结果，这个传递函数的指标直接对应输出对输入的响应。假设在某个时间点的某个环境下我调试出了一个极好的pid，但是这个pid对应的控制传递函数是与在这个环境下的系统传递函数相匹配的，后面环境再变化，系统传递函数变化，此时之前的pid就不再是极好的，新的传递函数就会变的不再很理想。是的，即使我用静态pid，依旧能跑一个很快的速度且感觉没啥区别，但是若要再提速，那从哪里下手呢？至少从原理分析上来说，动态pid调得合理后，是会使控制效果更好的。
       模糊pid本质上就是一个动态pid，既然要动，要变化，那就应该有依据。就像差速要给多大，需要电感算出的偏差作为反馈。在这里，我是用的  偏差，  偏差的微分  作为反馈，根据这2个参数，调整pid 的值。当读到这里，可能有些人会觉得很简单啊，拟合函数关系就行了啊，我最开始思考到这里的时候，也是这么想的： 自己拟合一个函数关系式   f(x,y) ，当我输入偏差，偏差的微分时，自动输出一个pid参数。其实这样是没问题的，说简单点这叫直白，说粗俗点粗暴。其实这么直接的拟合不太符合我们的感性思维，因为我们直接拟合的话，无非就是  偏差，  偏差的微分越大，然后pid就越大吧 然后就会出现一个函数模板 out = k*x + j*y，这时我只需要调出合适的k   ，j   就行了。单看这个式子，就毫无感觉，没有一丝的感性理解美感。。。。模糊pid本质上也是找一个函数关系式，只是形式上与前面的直接暴力拟合有着较大的差别，模糊pid的模糊化后的部分表达式更直观，更符合我们的直观认知。
       模糊pid的实现。先说一下实现的流程。
                   1、模糊化：输入，偏差、  偏差的微分这2个量，根据它们的大小，得出一个合理的模糊语句表示。假如我的偏差范围是1-100。根据你分的细致程度（我这里分为3层），我把它拆分成3类：1-33（小），34-66（中），67-100（大），这一步称为“确定各输入量的模糊语言”。 好，这时候我计入输入进来的偏差为33.从上面的分类上来看，它是属于   小，这个时候不能这么理解，。假如33这个偏差有60%的人认为是小，40%的人认为是中。0%的人认为是大。我就把60%称为   偏差对于小的隶属度，40%称为   偏差对于中的隶属度。至于这个隶属度如何得来，便是通过根据经验得出的隶属度函数算出来的。隶属度函数有多种，网上一查一大堆。
                   2、规则库的建立：规则库理论上就是关系式，只不过不像粗暴拟合那般让我们无法“大展拳脚”地拟合。说一个最简单的吧，通过上的模糊化后，我得知输入进来的偏差是小，偏差的微分是大，那么，我就让我的p  增大，d不变。这个时候，让p增大是一个p单独对应的规则库中得出的结果。同理，d也是。而这个规则库，就是通过上面自己的理解建立的，建立成功后，我向这个库中输入    偏差的大小，偏差的微分的大小。然后出来 对应的pid。

             3、模糊推理：根据规则库推理出对应结果。由于1那里是会解出多个不同隶属度的模糊化结果，所以每个模糊化结果都送入规则库得出推理结果。例子：此时偏差小：60%，偏差中：40%。偏差微分小：10%，偏差中：90%.那么 就能根据模糊推理得到四种结果（有些结果可能是相同的），在根据隶属度算出对应结果的比例。
             4、解模糊：这个步骤和1步骤相反，首先根据3得到的不同模糊推理结果和对应的比例，一般采用常用的三种方法之一（重心法，高度法，面积法），和输出的规则库，来得到最终的输出。假如我算出p为输出大的比例是20%，中%50，小%30，这时范模糊p的规则库的    大：p=2，中：p=1.5，小p=1。然后对应比例相乘就得到p的结果。整个模糊pid控制结束。


呼，本人贡献散完，因为最开始接触智能车的时间来论坛很少看到有用的帖子，那个时候什么也不懂，也没啥人在论坛交流，自己学的痛苦，又为论坛感觉很痛心，2年过去了还是如此，这算是尽我个人小力，希望大家能活跃交流吧。
以上心血来潮纯手打，如有说的不对的地方欢迎指正。

小学生做车来了

信号心 发表于 2018-8-15 11:36
关于速度模糊我觉得可以用编码器采集的值作为偏差和偏差变化率

这里主要是说明模糊如何实现的，在能实现的基础上当然就能任意扩展

小学生做车来了

李白不白 发表于 2018-8-15 11:17
顶顶顶顶顶顶  本人对模糊控制又有了进一步的了解  模糊pid 效果和加减速差不多 弯道速度会降下来 个人见解

不知你是差速还是舵机，如果是舵机的话，对方向偏差环用模糊pid其实和速度关系不大吧，只涉及转向。如果是差速的你，你在控制的时候能把差速转向的控制和前进速度的控制很好的分开，其实也不会太影响你转向的速度。模糊pid的话可以说是pid在适应环境变化时的微调，以降低环境变化带来的控制系统变差的影响吧

小学生做车来了

KIKACCC 发表于 2018-8-15 17:06
感觉建立隶属度函数，和规则表好难。。。如何将赛道元素贴合地映射到规则表是很艰辛了。。。。。。

模糊算法出现这么多年了，早就有经验规则和经验隶属函数了，你只需在网上找到并稍稍微改一下适应自己的就好了

小学生做车来了

yanxi00 发表于 2018-8-15 18:59
直立转向用了模糊，在s弯欧姆弯这些地方老是拐不好求指导

建议在你静态参数转向环调好了后，再上模糊。
不管是理论上还是实际上，静参pid转向的控制，在2.6，2.7速度下，你说的那些元素上都不会出现啥问题
我怀疑是你电感算偏差那里的算法存在问题

小学生做车来了

yanxi00 发表于 2018-8-15 20:52
我就是一个根号偏差比和，求问大佬得偏差算法

同样是差比和   ，在你传感器的高低，左右之间的间隔，传感器的方向不同的情况下，效果都不一样。虽然表面上你只用了一个差比和，其实内含着其他的考量：即传感器的位置对我控制优化的影响。  这一块是非常值得分析考究的，它带来的控制影响可以说的巨大的