基于BP神經(jīng)網(wǎng)絡(luò)PID控制的移動(dòng)機(jī)器人避障研究

韓軍政　馬軍　桑和成

摘 要

針對(duì)傳統(tǒng)PID控制不能實(shí)現(xiàn)移動(dòng)機(jī)器人在避障中參數(shù)的自整定、響應(yīng)慢等問(wèn)題，本文提出一種BP神經(jīng)網(wǎng)絡(luò)PID控制方法，利用BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法實(shí)現(xiàn)了PID三個(gè)參數(shù)的在線自整定。仿真實(shí)驗(yàn)表明，BP神經(jīng)網(wǎng)絡(luò)PID控制具有更快的響應(yīng)速度、無(wú)明顯超調(diào)、控制精度高，能滿(mǎn)足機(jī)器人避障運(yùn)動(dòng)的控制要求。

關(guān)鍵詞

避障;自整定;BP神經(jīng)網(wǎng)絡(luò)

中圖分類(lèi)號(hào)： TP183;TP242 文獻(xiàn)標(biāo)識(shí)碼： A

DOI：10.19694/j.cnki.issn2095-2457.2020.03.014

0 引言

隨著智能機(jī)器人技術(shù)的快速發(fā)展，移動(dòng)機(jī)器人得到了廣泛的應(yīng)用。移動(dòng)機(jī)器人在進(jìn)行避障時(shí)選擇的算法不同，文獻(xiàn)[1]提出了一種神經(jīng)網(wǎng)絡(luò)控制的機(jī)器人避障運(yùn)動(dòng)方法，用于障礙物識(shí)別和避障;文獻(xiàn)[2]提出了一種BP神經(jīng)網(wǎng)絡(luò) PID 控制器設(shè)計(jì)的方法，可以實(shí)現(xiàn)參數(shù)的在線自我調(diào)整，控制效果優(yōu)于傳統(tǒng)方法。根據(jù)移動(dòng)機(jī)器人在避障過(guò)程中的實(shí)際需求，傳統(tǒng)控制算法很難達(dá)到精確控制，本文給出了一種BP神經(jīng)網(wǎng)絡(luò)PID的控制方法，為移動(dòng)機(jī)器人實(shí)時(shí)避障提供了一種新的控制方法。

1 BP神經(jīng)網(wǎng)絡(luò)PID控制器設(shè)計(jì)

PID控制器是使用最廣泛的控制器，它操作簡(jiǎn)單方便，控制精度較高。而移動(dòng)機(jī)器人避障系統(tǒng)是一個(gè)復(fù)雜的控制對(duì)象，無(wú)法建立精確的數(shù)學(xué)模型，傳統(tǒng)PID控制就不能滿(mǎn)足實(shí)際需要。針對(duì)移動(dòng)機(jī)器人避障運(yùn)動(dòng)復(fù)雜性特點(diǎn)，將神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)PID控制相結(jié)合，既能體現(xiàn)神經(jīng)網(wǎng)絡(luò)的靈活性強(qiáng)和自適應(yīng)學(xué)習(xí)能力好的一面，又具有PID控制器精度高的優(yōu)勢(shì)，在一定程度上能增強(qiáng)避障運(yùn)動(dòng)系統(tǒng)的自適應(yīng)能力。BP神經(jīng)網(wǎng)絡(luò)PID控制器由兩部分構(gòu)成：（1）傳統(tǒng)PID控制器，它是一個(gè)閉環(huán)控制系統(tǒng)，根據(jù)被控對(duì)象反饋的信息逐步減小誤差，使輸出量滿(mǎn)足期望值;（2）BP神經(jīng)網(wǎng)絡(luò)：有著很好的自學(xué)習(xí)能力，能實(shí)時(shí)調(diào)整PID控制器的輸出參數(shù)，不斷地學(xué)習(xí)、減小誤差，可以實(shí)現(xiàn)輸出量的最優(yōu)化，即PID控制器的三個(gè)參數(shù)Kp，Ki，Kd。神經(jīng)網(wǎng)絡(luò)經(jīng)過(guò)自身的在線學(xué)習(xí)、權(quán)值系數(shù)不斷地修正，使得運(yùn)動(dòng)控制系統(tǒng)能在很短的時(shí)間內(nèi)達(dá)到穩(wěn)定狀態(tài)。

2 移動(dòng)機(jī)器人避障運(yùn)動(dòng)控制策略

移動(dòng)機(jī)器人按一定的速度直線行走，當(dāng)位于前端的傳感器檢測(cè)到正前方有障礙物時(shí)，路況信息會(huì)反饋給機(jī)器人，其控制模塊的微處理器會(huì)產(chǎn)生新的PWM信號(hào)，通過(guò)電動(dòng)機(jī)驅(qū)動(dòng)模塊來(lái)控制電動(dòng)機(jī)的速度和轉(zhuǎn)向。電機(jī)轉(zhuǎn)動(dòng)后，霍爾傳感器將會(huì)檢測(cè)到電機(jī)的脈沖數(shù)并將其重新傳輸?shù)娇刂颇K，控制模塊計(jì)算出車(chē)輪的實(shí)際轉(zhuǎn)速，再把實(shí)際轉(zhuǎn)速與預(yù)定轉(zhuǎn)速的差值輸入到神經(jīng)網(wǎng)絡(luò)PID控制器中，經(jīng)神經(jīng)網(wǎng)絡(luò)PID算法學(xué)習(xí)后，給控制器輸出新的PWM占空比再次控制電機(jī)，使輸出的實(shí)際轉(zhuǎn)速與預(yù)定轉(zhuǎn)速一致。神經(jīng)網(wǎng)絡(luò)PID控制的基本思想是將閉環(huán)系統(tǒng)反饋回來(lái)的實(shí)際運(yùn)動(dòng)速度與預(yù)定速度進(jìn)行比較，并將其速度偏差作為輸入量送入BP神經(jīng)網(wǎng)絡(luò)PID控制器中，經(jīng)過(guò)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法訓(xùn)練后，系統(tǒng)會(huì)快速的響應(yīng)達(dá)到穩(wěn)定狀態(tài)，在此狀態(tài)下輸出最優(yōu)的控制參數(shù)，從而實(shí)現(xiàn)參數(shù)的在線自我整定。這種模型控制方法大大提高了機(jī)器人避障的靈活性和精確性，對(duì)移動(dòng)機(jī)器人直線運(yùn)動(dòng)的精度有了很大的改善。

3 仿真與分析

仿真實(shí)驗(yàn)時(shí)，初始化每個(gè)參數(shù)，對(duì)神經(jīng)網(wǎng)絡(luò)的輸入、輸出權(quán)值進(jìn)行賦值。在多次訓(xùn)練后，選取慣性系數(shù)α=0.1，學(xué)習(xí)速率η=0.25;設(shè)置采樣周期ts=0.001s，步長(zhǎng)k=1000。根據(jù)達(dá)到設(shè)置誤差的時(shí)間長(zhǎng)短來(lái)判斷神經(jīng)網(wǎng)絡(luò)的訓(xùn)練步數(shù)。本文以無(wú)刷直流電機(jī)的二階傳遞函數(shù)為被控對(duì)象，電機(jī)的傳遞函數(shù)為：

G（s）=

對(duì)PID控制器的各個(gè)參數(shù)系數(shù)賦值，kp=0.05、ki=0.03、kd=0.01。Matlab仿真結(jié)果如圖1-2所示。對(duì)比圖1和圖2，可以得出BP神經(jīng)網(wǎng)絡(luò)PID的控制效果好于傳統(tǒng)的PID控制。根據(jù)系統(tǒng)達(dá)到穩(wěn)定的時(shí)間判斷訓(xùn)練步數(shù)可知，BP神經(jīng)網(wǎng)絡(luò)PID控制在第50步時(shí)響應(yīng)值為1，無(wú)明顯超調(diào);傳統(tǒng)PID控制的系統(tǒng)振蕩了兩次，最大超調(diào)量為21%，并在第100步時(shí)達(dá)到響應(yīng)值為1。從誤差曲線中可以看出，系統(tǒng)達(dá)到穩(wěn)定時(shí)，BP神經(jīng)網(wǎng)絡(luò)控制器響應(yīng)較快，誤差變化率較小。因此得出結(jié)果，BP神經(jīng)網(wǎng)絡(luò)PID控制算法具有較高的響應(yīng)速度和較強(qiáng)的在線學(xué)習(xí)適應(yīng)能力。

4 結(jié)論

文中提出的基于BP神經(jīng)網(wǎng)絡(luò)PID控制方法克服了傳統(tǒng)PID控制效果不良及參數(shù)整定困難等缺陷，實(shí)現(xiàn)了BP神經(jīng)網(wǎng)絡(luò)PID控制的快速高效、參數(shù)實(shí)時(shí)整定和最優(yōu)的控制輸出;能滿(mǎn)足移動(dòng)機(jī)器人避障運(yùn)動(dòng)的控制要求，具有一定的現(xiàn)實(shí)應(yīng)用價(jià)值。

參考文獻(xiàn)

[1]張素芹.機(jī)器人BP神經(jīng)網(wǎng)絡(luò)避障控制模型構(gòu)建及仿真[J].西安工業(yè)大學(xué)學(xué)報(bào)，2015，35（08）：678-682.

[2]張永振，蘇寒松，劉高華，廖澤龍.基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器參數(shù)調(diào)整[J].南開(kāi)大學(xué)學(xué)報(bào)（自然科學(xué)版），2018，51（03）：26-30.