無人駕駛車輛路徑跟蹤的增量式PID控制

譚寶成，王 賓

(西安工業(yè)大學(xué) 電子信息工程學(xué)院，西安 710021)

無人駕駛車輛路徑跟蹤的增量式PID控制

譚寶成，王 賓

(西安工業(yè)大學(xué) 電子信息工程學(xué)院，西安 710021)

為了實現(xiàn)無人駕駛車輛沿著預(yù)設(shè)路徑安全穩(wěn)定行駛，基于車輛實際位置和給定位置的坐標關(guān)系，建立了無人駕駛車輛的路徑跟蹤模型；分析車輛當前位置及航向信息與目標路徑的偏差，提出誤差帶內(nèi)外分狀況的控制策略；通過改進和優(yōu)化傳統(tǒng)增量式比例積分微分控制(PID控制)算法，提出了一種新型增量式PID控制算法.實驗結(jié)果表明：改進后的增量式PID算法相較于傳統(tǒng)增量式PID算法，無人車路徑跟蹤的上升時間、調(diào)整時間均減小，響應(yīng)速度加快，超調(diào)量減小，車輛實現(xiàn)快速穩(wěn)定的路徑跟蹤.

無人駕駛車輛；路徑跟蹤；PID控制；誤差帶

路徑跟蹤是無人車研究方向的一項關(guān)鍵技術(shù).路徑跟蹤控制算法是指能夠使無人車按照預(yù)設(shè)路徑，安全穩(wěn)定行駛的控制方法.較早的路徑跟蹤方法，如幾何路徑規(guī)劃法[1-2]、滾動路徑法等[3]，比較適用于室內(nèi)機器人；但由于無人車是非完整約束，車體大，受到轉(zhuǎn)彎半徑、角速度等的約束，對于無人車是不適用的.文獻[4-5]采用Backsteping積分法，設(shè)計出系統(tǒng)跟蹤控制器,但該控制器的設(shè)計較為簡單，對復(fù)雜環(huán)境的適應(yīng)性較差.文獻[6]將運動學(xué)控制器的輸出作為動態(tài)控制器的輸入，但缺乏通過控制信息的輸出反饋兩者有機的聯(lián)系.多數(shù)研究運用模糊控制算法對車輛的路徑跟蹤進行控制[7-9],這種算法得到的反饋信號存在滯后，滯環(huán)等特性，很難使車輛行駛在目標路徑上．文獻[10]提出了自適應(yīng)模糊控制器方法,但由于模糊控制規(guī)則數(shù)目是系統(tǒng)變量個數(shù)的指數(shù)函數(shù),因此模糊規(guī)則條數(shù)過多反而影響了其應(yīng)用.多種控制方式考慮到了實際因素和擾動對系統(tǒng)的影響,提出了魯棒控制法[11-12]，進行了仿真試驗,但理論結(jié)果和實際情況存在較大偏差.將理論上的控制方法應(yīng)用到實際工程中去,實驗驗證準確無誤后才應(yīng)用到實際工程中.本文在車輛航向和位置控制上，對傳統(tǒng)的增量式比例積分微分(ProportionalIntegralPlusDerivative，PID)控制方法進行優(yōu)化，在航向反饋控制中，根據(jù)偏差值調(diào)整微分作用和積分作用的強弱，以達到較好的控制效果，并具有較強的適應(yīng)性.

1 無人車路徑跟蹤模型建立

無人車路徑跟蹤數(shù)學(xué)模型如圖1所示，在大地直角坐標系中，假設(shè)預(yù)設(shè)路徑上有A、B、C三個相鄰的預(yù)設(shè)點，坐標分別為(xg1,yg1)、(xg2,yg2)、(xg3,yg3)，預(yù)設(shè)點上的航向分別為hg1、hg2、hg3.某一時刻，通過全球定位系統(tǒng)(Global Positioning System，GPS)獲取無人車在大地直角坐標系中的當前位置為D(xF,yF),行駛的航向為hF[13].

假設(shè)當前無人車正行駛于A,B兩點之間，

B點是車輛的目標點.已知A，B兩點坐標，可求得通過A，B兩點的直線方程[14]為

ax+by+c=0

(1)

其中a=(yg2-yg1),b=(xg1-xg2),

c=-a·xg1-b·yg1

圖1 無人車路徑跟蹤數(shù)學(xué)模型Fig.1 Mathematical model of unmanned vehicle path tracking

根據(jù)無人車當前位置坐標及AB直線方程，求得當前車輛到AB直線的垂直距離為

(2)

無人車和目標點(點B)之間的直線距離為

(3)

無人車和目標點所在直線與給定路徑直線AB夾角θp的余弦為

(4)

無人車的實際航向與目標航向差為

hΔ=hF-hg2

(5)

2 路徑跟蹤控制策略

2.1 誤差帶范圍內(nèi)的控制策略

本實驗設(shè)定允許誤差帶范圍為0.2 m.將無人車看作一個質(zhì)點，在車輛行駛過程中的任一時刻，當測得車輛當前位置與給定路徑的垂直距離小于0.2 m時，則車輛所處位置在允許的誤差范圍內(nèi)，如圖2所示.此時，按照PID算法精確控制車輛行駛航向，且按照給定航向行駛.誤差帶內(nèi)控制策略如圖3所示.圖3中ek為航向給定量和反饋量的差值.

圖2 車輛處于誤差帶內(nèi)示意圖Fig.2 The schematic diagram of vehicle inside the error band

2.2 誤差帶范圍外的控制策略

在車輛行駛過程中，若測得車輛當前位置與給定路徑的垂直距離d≥0.2 m，則車輛所處位置超出誤差帶范圍，暫時性偏離給定路徑，如圖4所示.此時，應(yīng)調(diào)整PID控制器輸入值，期望PID控制器輸出值使得車輛向靠近給定路徑的一側(cè)行駛.因此，PID控制器的輸入值應(yīng)調(diào)整為給定航向與反饋航向差值再減去一個給定的角度調(diào)整值.誤差帶外控制策略如圖5所示.此角度調(diào)整值的作用就在于當車輛行駛至誤差帶范圍外時，使得PID控制器的輸入量發(fā)生變化，進而調(diào)整輸出，使得車輛向靠近給定路徑的一側(cè)行駛.若無此角度調(diào)整值，當車輛行駛至誤差帶范圍外時，還采用原來的控制方法,結(jié)果必然是在誤差帶范圍外，車輛按照給定的航向行駛.航向滿足要求，但無人車位置并沒有滿足要求，即沒有按照給定的路徑行駛，沒能實現(xiàn)準確的路徑跟蹤.故而，此角度調(diào)整值對于路徑跟蹤影響顯著.

圖3 誤差帶內(nèi)控制策略Fig.3 Control strategy for inside the error band

圖4 誤差帶外控制策略Fig.4 Control strategy for out of the error band

圖5 車輛處于誤差帶外示意圖Fig.5 Schematic diagram of vehicle out of the error band

3 改進增量式PID控制器的設(shè)計

離散化增量式PID控制律為

Δu=Aek+Bek-1+Cek-2

(6)

(7)

式中：ek為控制器的輸出；ek-1，ek-2均為給定量和反饋量的差值；KP為比例系數(shù)；TI，TD分別為積分時間和微分時間；T為采樣周期.PID控制器的參數(shù)不能跟隨環(huán)境的改變而變化.當這種傳統(tǒng)算法應(yīng)用在高精度航向控制上會產(chǎn)生較大的超調(diào).

在PID算法中引入積分環(huán)節(jié)的主要目的是為了減小系統(tǒng)靜差，提高系統(tǒng)的控制精度，對于積分項的改進，本文采取積分分離法.當PID控制器的輸入量ek的絕對值 大于某一正臨界值|ek|時，此時，采取PD控制，令積分項系數(shù)KI=0，此時，積分項無作用.而當|ek|≤ε時，此時，采取PID控制，積分項系數(shù)KI≠0，根據(jù)系統(tǒng)特性可確定KI的取值.TI為積分時間，KI和TI為倒數(shù)關(guān)系，即KI=1/TI.

微分系數(shù)的引入主要是為了改善閉環(huán)系統(tǒng)的穩(wěn)定性和動態(tài)響應(yīng)速度，這是由于微分系數(shù)主要影響系統(tǒng)誤差變化速率.微分系數(shù)過大，就會使阻尼過大，導(dǎo)致系統(tǒng)調(diào)節(jié)時間過長.減小微分系數(shù)時，系統(tǒng)響應(yīng)變得遲鈍和緩慢，動態(tài)特性變差.Δe2為偏差變化量平方值.當Δe2較大時，微分項系數(shù)較小，微分作用弱.而當Δe2較小時，微分項系數(shù)較大，微分作用強[15].

采用階梯式微分系數(shù)自整定法來改進微分項.具體做法是將Δe2分成若干段，每段對應(yīng)不同的值，即每段對應(yīng)不同微分項系數(shù)，每一段內(nèi)系數(shù)固定不變.當然分段的段數(shù)和分段的寬度可進行調(diào)整，每一段的系數(shù)可先設(shè)定，執(zhí)行程序時，查取微分系數(shù).設(shè)微分系數(shù)為KD，KD=TD，TD為微分時間.設(shè)定下限值為L，設(shè)定上限值為H，當Δe2≤L時，KD=1；當Δe2≥H時，KD=0.當L<Δe2

圖6 微分系數(shù)分段示意圖Fig.6 Differential coefficient segment schematic

由于PID控制器的輸出是控制車輛方向盤的轉(zhuǎn)角，車輛方向的改變不會瞬時變化太大.因此對PID控制器采取輸出限幅措施，使得控制器輸出量Δu保持在某一范圍內(nèi).設(shè)輸出上限幅為YH,下限幅為YL.限幅律表達式為

(8)

其中Δui為限幅輸出.

根據(jù)以上所述的控制方法，可以得到控制算法步驟如下：① 計算ek.讀取給定值 rk、反饋值ck，角度調(diào)整值δ，讀取車輛當前位置到預(yù)設(shè)路徑的距離，判斷車輛是否在誤差帶內(nèi).若在誤差帶內(nèi)， ek=rk-ck；反之，ek=rk-ck-δ.② 確定積分系數(shù).判斷ek的大小，若|ek|≤ε，KI等于設(shè)定值；反之，KI=0.③ 確定微分系數(shù).定義誤差變動量的平方值為Δe2=(ek-ek-1)2，判斷Δe2的大小，若Δe2小于下限值L,KD=1;若Δe2大于上限值H,KD=0;若Δe2處于兩者之間，KD的計算由微分系數(shù)分段函數(shù)確定.④ 計算控制器輸出值Δu.由KP,KI,KD，根據(jù)式(6)、式(7)計算Δu.⑤ 根據(jù)式(8)確定限幅輸出Δui.

4 實驗及分析

為了驗證改進型PID控制器的優(yōu)越性，試車實驗分兩組進行驗證，第1組取傳統(tǒng)增量式PID控制器.設(shè)定比例系數(shù)、積分系數(shù)和微分系數(shù)分別為KP=0.2、KI=1.67和KD=0.4,采樣周期T=0.2.第2組實驗采用改進后的PID控制器，參數(shù)設(shè)定如下：設(shè)定比例系數(shù)KP=0.2;ε=15°.|ek|>15°時,KI=0；|ek|<15°時，KI=1.67.微分系數(shù)分段為5段，參數(shù)設(shè)置見表1.PID控制器輸出設(shè)定上限幅為10°，下限幅為-10°，即方向盤轉(zhuǎn)角每次最多變化10°.兩組實驗均設(shè)定智能車的初始航向為35°，即正北偏東35°，計算機記錄車輛的航向變化，并繪制出PID控制響應(yīng)曲線如圖7所示.

表1 微分系數(shù)分段表Tab.1 Differential coefficient segment table

注：Δe為誤差變動量.

從圖7可以看出，改進后的PID控制算法使得系統(tǒng)的上升時間、調(diào)整時間均縮短，響應(yīng)速度加快.即當給定航向發(fā)生變化時，車輛能夠更加快速地調(diào)整輸出，跟隨給定航向. 相對于傳統(tǒng)的PID控制算法，改進后的PID控制算法使得系統(tǒng)的超調(diào)量減小.即車輛航向不出現(xiàn)過大的偏差，在路徑跟蹤實驗中，車輛可穩(wěn)定地沿預(yù)設(shè)路徑行駛.

圖7 PID控制響應(yīng)曲線圖Fig.7 PID control response curve

5 結(jié) 論

1) 基于車輛實際位置和給定位置，提出了無人車路徑跟蹤數(shù)學(xué)模型.該模型通過計算車輛當前位置及航向的幾何位置關(guān)系，得到了無人車與目標點所在直線和預(yù)設(shè)路徑的夾角以及無人車實際航向與目標航向差.

2) 無人車行駛當前位置與給定路徑的垂直距離小于允許誤差帶范圍時，車輛處于誤差帶內(nèi)，車輛航向控制策略為增量式PID控制.車輛處于誤差帶外，增量式PID控制器的輸入為給定航向與反饋航向角度差的校正值.

綜上所述，初中數(shù)學(xué)的課前預(yù)習(xí)是有效學(xué)習(xí)的必要步驟。培養(yǎng)學(xué)生的良好預(yù)習(xí)習(xí)慣，不僅符合新課程發(fā)展要求，對于學(xué)生的知識學(xué)習(xí)也具有良好的前后銜接作用，能夠有效激發(fā)學(xué)生的學(xué)習(xí)興趣，促使學(xué)生主動學(xué)習(xí)和探究，增加學(xué)生發(fā)現(xiàn)問題的機會，培養(yǎng)學(xué)生主動學(xué)習(xí)習(xí)慣。因此，在實際教學(xué)中，教師應(yīng)采取多樣化的方式，加大對課前預(yù)習(xí)的重視，有效激發(fā)學(xué)生的數(shù)學(xué)預(yù)習(xí)興趣，加強對學(xué)生預(yù)習(xí)的檢查和指導(dǎo)，促使學(xué)生養(yǎng)成良好的數(shù)學(xué)預(yù)習(xí)習(xí)慣，提高學(xué)習(xí)效率。

3) 無人車改進增量式PID控制算法相對于傳統(tǒng)增量式PID算法，路徑跟蹤系統(tǒng)的上升時間、調(diào)整時間均較小，響應(yīng)速度較快，超調(diào)量減小.

[1] 劉亞杰,王航宇,謝君.狹窄環(huán)境中基于幾何法的全局路徑規(guī)劃新方法[J].海軍工程大學(xué)學(xué)報,2010,22(4):82.

LIU Yajie,WANG Hangyu,XIE Jun.A New Global Path Planning Method Based on Geometry Algorithm in a Narrow Environment[J].Journal of Naval University of Engineering,2010,22(4):82.(in Chinese)

[2] 周之平,黎明,華路.基于幾何相交測試的機器人路徑規(guī)劃算法[J].控制與決策,2011,26(11):1695.

ZHOU Zhiping,LI Ming,HUA Lu.Geometry Intersection Testing Based Robot Path Planning Algorithm[J].Control and Decision ,2011,26(11):1695. (in Chinese)

[3] 張純剛,席裕庚.機器人滾動路徑規(guī)劃的算法與仿真研究[J].高技術(shù)通訊,2003,13(4):53.

ZHANG Chungang,XI Yugeng.Algorithm and Simulation of Robot Rolling Path Planning[J].High Technology Letters,2003,13(4):53.(in Chinese)

[4] 徐俊艷,張培仁.非完整輪式移動機器人軌跡跟蹤控制研究[J].中國科學(xué)技術(shù)大學(xué)學(xué)報,2004,34(3):376.

XU Junyan,ZHANG Peiren.Research on Trajectory Tracking Control of Nonholonomic Wheeled Mobile Robots[J].Journal of University of Science and Technology of China,2004,34(3):376.(in Chinese)

[5] 郭一軍,段杏林,趙磊.基于BackSteping算法的工業(yè)機械臂快速精確跟蹤控制器設(shè)計[J].天津理工大學(xué)學(xué)報,2015,31(5):21.

GUO Yijun,DUAN Xinglin,ZHAO Lei.The Design of a Fast and Accurate Industrial Manipulator Tracking Controller Based on Back Stepping Algorithm[J].Journal of Tianjin University of Technology,2015,31(5):21.(in Chinese)

[6] WU J,XU G,YIN Z.Robust Adaptive Control for a Nonholonomic Mobile Robot with Unknown Parameters[J].Control Theory and Technology,2009,7(2):212.

[7] KIM J,ZHANG F,EGERSTEDT M.Curve Tracking Control for Autonomous Vehicles with Rigidly Mounted Range Sensors[J].Journal of Intelligent & Robotic Systems,2009,56(1):177.

[8] 熊波,曲仕茹.基于模糊控制的智能車輛自主行駛方法研究[J].交通運輸系統(tǒng)工程與信息,2010,10(2):70.

XIONG Bo,QU Shiru.Intelligent Vehicle's Path Tracking Based on Fuzzy Control[J].Journal of Transportation Systems Engineering and Information Technology,2010,10(2):70.(in Chinese)

[9] 林煥新,胡躍明,陳安.基于自適應(yīng)模糊控制的智能車控制系統(tǒng)研究[J].計算機測量與控制,2011,19(1):78.

LIN Huanxin,HU Yueming,CHEN An.Research on Control System of Intelligent Car Based on Self-Adaptive Fuzzy Control[J].Computer Measurement & Control,2011,19(1):78.(in Chinese)

[10] 佟紹成,周軍.非線性模糊間接和直接自適應(yīng)控制器的設(shè)計和穩(wěn)定性分析[J].控制與決策,2000,15(3):293.

TONG Shaocheng,ZHOU Jun.Design and Stability of Fuzzy Indirectand Direct Adptive Control for Nonlinear System[J].Control and Desion,2000,15(3):293.(in Chinese)

[11] 李旭,張為公,陳曉冰.無人駕駛車輛側(cè)向魯棒控制的研究[J].汽車工程,2004,26(6):730.

LI Xu,ZHANG Weigong,CHEN Xiaobing.A Research on Lateral Robust Control Strategy for Intelligent Vehicle[J].Automotive Engineering,2004,26(6):730.(in Chinese)

[12] 孟建軍,李德倉,胥如迅,等.基于H∞魯棒控制的無人駕駛城軌車輛運行姿態(tài)研究與仿真[J].蘭州交通大學(xué)學(xué)報,2011,30(6):88.

MENG Jianjun,LI Decang,XU Ruxun,et al.Simulation and Research on Running Attitude of Unmanned Urban Rail Vehicle Based on H∞Robust Control[J].Journal of Lanzhou Jiaotong University,2011,30(6):88.(in Chinese)

[13] 譚寶成,鄧子豪.車載導(dǎo)航系統(tǒng)精確定位算法的優(yōu)化[J].西安電子科技大學(xué)學(xué)報(自然科學(xué)版),2014,41(3):181.

TAN Baocheng,DENG Zihao.Vehicle Navigation System Optimization of Precise Positioning Algorithm[J].Journal of Xidian University(Natural Science),2014,41(3):181.(in Chinese)

[14] TAN B,LV F.Position and Attitude Alternate of Path Tracking Heading Control[J].Sensors & Transducers,2014,167(3):203.

[15] 李慶哲,梁秀滿,劉振東,等.改進型增量式PID算法在S7-200中的程序?qū)崿F(xiàn)[J].工業(yè)儀表與自動化裝置,2013(6):29.

LI Qingzhe,LIANG Xiuman,LIU Zhendong,et al.The Program Realized of Improved Incremental PID Algorithm in the S7-200[J].Industrial Instrumentation & Automation,2013(6):29.(in Chinese)

(責(zé)任編輯、校對 張 超)

【相關(guān)參考文獻鏈接】

張立廣,譚寶成,馬天力.無人駕駛車輛路徑跟蹤控制器的設(shè)計及實現(xiàn)[J].2013,33(8)：680.

陳超波,胡莉,馬穎,等.一種改進式遺傳算法優(yōu)化分數(shù)階PID控制器[J].2016,36(6)：510.

苗榮霞,王彬.啤酒發(fā)酵溫度的參數(shù)自整定模糊PID控制[J].2016,36(2)：167.

郭全民,雷蓓蓓.汽車磁流變半主動懸架的模糊PID控制研究[J].2015,35(3)：192.

王昕煒,苗榮霞.鍛造操作機大車行走機構(gòu)的單神經(jīng)元自適應(yīng)PID控制[J].2014,34(12)：1012.

譚寶成,馬天力.無人車運動穩(wěn)定性的模糊神經(jīng)網(wǎng)絡(luò)PID控制[J].2013,33(4)：334.

秦剛,陳凱,高惠中,等.內(nèi)模PID控制器在智能車轉(zhuǎn)向系統(tǒng)中的應(yīng)用及仿真[J].2011,31(7)：649.

王航宇,倪原.基于卡爾曼濾波器的電動汽車PID控制系統(tǒng)設(shè)計[J].2008,28(3)：267.

來躍深,司瑞強.專家PID控制器的CPLD設(shè)計[J].2007,27(5)：421.

譚寶成,崔佳超.改進人工勢場法在無人車避障中的應(yīng)用[J].2014,34(12)：1007.

譚寶成,曹康凱.人工勢場法在無人車避障系統(tǒng)中的改進[J].2012,32(12)：1020.

郝瑞卿,閆莉.軍事配送式后勤車輛路徑問題研究[J].2015,35(1)：63.

譚寶成,廉春原,徐艾,等.一種基于改進遺傳算法的機器人路徑規(guī)劃方法[J].2008,28(5)：456.

國蓉,劉磊,孟祥眾.圓柱零件加工用直線電機模糊自適應(yīng)PID控制及建模[J].2015,35(12)：968.

鐘旭佳,高曉丁,嚴楠.電液比例壓力控制系統(tǒng)的PID參數(shù)優(yōu)化[J].2015,35(2)：106.

李聚鋒,倪原,劉智平,等.某飛行器舵機控制的模糊PID算法[J].2013,33(3)：198.

譚寶成,康祖清.模糊PID算法在定型機溫控系統(tǒng)上的應(yīng)用[J].2012,32(11)：895.

楊盛泉,劉白林,裴昌幸.灰色預(yù)測PID模型的建筑構(gòu)件耐火試驗爐控制系統(tǒng)[J].2012,32(4)：315.

秦剛,王新茹.PID結(jié)構(gòu)廣義預(yù)測控制算法的仿真及分析[J].2012,32(2)：162.

譚寶成,成法坤.自適應(yīng)模糊PID在中頻彎管機溫度控制中的應(yīng)用[J].2010,30(2)：191.

王航宇,倪原.基于卡爾曼濾波器的電動汽車PID控制系統(tǒng)設(shè)計[J].2008,28(3)：267.

樊澤明,馮衛(wèi)星,王亮,等.智能閥門定位器PID單參數(shù)模糊自適應(yīng)控制設(shè)計[J].2007,27(6)：563.

高嵩,朱峰,肖秦琨,等.機載光電跟蹤系統(tǒng)的模糊自整定PID控制[J].2007,27(4)：312.

Path Following Incremental PID Control for Unmanned Vehicle

TANBaocheng,WANGBin

(School of Electronic Information Engineering,Xi’an Technological University,Xi’an 710021,China)

To make the unmanned vehicle follow the planned route with security and stability,based on the relationship between the actual position and the given position,path tracing model for unmanned vehicle is established.The deviation between actual position and the given course is analyzed.The different control strategies for inner or outer the error band is designed.By improving and optimizing the traditional incremental PID control algorithm, a novel PID algorithm is put forward.Test results show:The improved PID algorithm makes the rise time and the adjust time of path tracking system of unmanned vehicle shorter,response speed faster,overshoot volume decreased,and performance better,compared with the traditional incremental PID algorithm.The vehicle achieves fast and stable path tracking.

unmanned vehicle；path tracing；PID control；error band

10.16185/j.jxatu.edu.cn.2016.12.009

2016-03-09

中央財政支持地方高校專項發(fā)展基金(CXY1080)

譚寶成(1955-)，男，西安工業(yè)大學(xué)教授，主要研究方向為計算機控制系統(tǒng)、復(fù)雜控制系統(tǒng)和遠程控制. E-mail:xaitdzx@163.com.

TP273

A

1673-9965(2016)12-0996-06