曲健（山东建筑大学机电工程学院 山东 济南 250101）
摘要：根据PID控制对线性定常系统控制和复杂非线性系统的控制，设计了一款导盲机器人，以模糊PID控制算法为导向，实现导盲机器人的避障循迹控制。实验结果表明，使用模糊PID控制算法，可以更好的实现导盲机器人的避障循迹控制，从而提高导盲机器人避障的准确度。
关键词：模糊PID；控制算法；导盲机器人
中图分类号：G623.5文献标识码：A文章编号：ISSN0257-2826 （2019）07-118-02
科学技术的发展让机器人的应用领域越来越宽泛，机器人的功能摆脱了生产制造企业中的搬运任务，逐渐走向了服务型。导盲机器人属于一种服务型的机器，以盲人为设计中心，实现避障以及红绿灯的识别。在当今的机器人研究领域中，机器人的避障问题是研究的重点。机器人在避障时需要面临环境的变化，因为机器人所得到的信号是不可靠的。本设计主要是基于模糊PID控制算法所设计的一款导盲机器人，重点就是进行避障循迹的控制研究，该控制算法具有一定的实时性效果，并且还拥有较高的辨识度，能够快速处理数据，从而提高系统对避障参数的处理与分析能力，提高系统的稳定性。
1模糊PID控制算法
模糊控制在智能控制领域中是一个非常重要的组成部分，模糊控制不会受到被控对象的数学模型的控制，主要的控制方式是通过现场的操作人员或者专家学者的经验判断，实现实时控制。现有的模糊PID算法如果将精确的数学模型作为依赖对象，则非线性的复杂控制系统将无法得到较好的结果。模糊PID算法由模糊控制与PID算法共同组成，通过建立模糊控制表得到相关参数的整定值，得到的主要方式是系统偏差以及偏差变化率查表，通过这些参数实现PID的运算。模糊PID控制系统的总体框架结构如图1所示。 使用模糊算法对PID参数进行调整，可以让系统获得较好的适应能力。
图1 模糊PID控制系统
2基于模糊PID控制算法的导盲机器人设计
2.1循迹算法设计
当导盲机器人在进行循迹的过程中，如果处于转弯或者高速运动的状态下，使用PID算法将会出现交差的稳定性。需要对PID的控制参数进行修正，可以使用实时跟踪偏差或者偏差变化率的方式进行调整，从而实现对导盲机器人的控制。其PID控制算法为：
表示比例系数； 表示积分系数； 表示微分系数。 表示误差； 表示误差变化率。
模糊自整定PID参数需要随着 和 的变化进行调整。
和 作为模糊控制的输入变量； 、 、 表示输出变量，并按照导盲机器人的相关控制要求，提高控制器主动适应的能力，将输出变量的初始值按照环境因素的方式进行输入，从而提高用户对控制参数的掌控，以补偿在进行模糊控制推理过程中对输出变量或者输入变量模糊化所造成的误差。将模糊集中的论域变化范围表示为 ，将基本论域的范围表示为离散型，采用非线性量化的形式进行模糊处理。使用三角形隶属度函数的方式进行模糊推理的计算，如表1所示。
期刊文章分类查询,尽在期刊图书馆
表1： 、 、 、 、 隶属度函数结果
NBNMNSOPSPMPB
NBPBPBPMPMPSOO
NMPBPBPMPSPSONS
NSPMPMPMPSONSNS
OPMPMPSONSNMNM
PSPSPSONSNSNMNM
PMPSONSNMNMNMNB
PBOONMNMNMNBNB
NB、NM、NS、O、PS、PM、PM表示模糊子集； 、 、 、 、 的量化等级的子集为-3、-2、-1、0、1、2、3。
2.2导盲机器人控制经验规则设计
如果 较大，则 要取较大的值；为了避免在实际的运行过程中发生误差而超出可控的范围，需要取较小的 ；如果系统出现较大的变化而产生饱和，需要让 为0。
如果 和 大小合适，则 需要取最小值，以保证系统具有比较合适的超调，需要注意的是 要取合适的值，才不会对系统造成较大的影响。
如果 较小会让系统的稳态性能更加完善，并且 、 要取较大值。在进行设计的过程中，要充分考虑到系统的抗干扰功能，避免系统出现不稳定的现象。如果 较小，相应的 要取较大。
表示导盲机器人的循迹误差的速度变化，如果 越大则相应的 越大，而 则越小。
得到关于 、 、 输出变量的控制规则表，以 为例，建立模糊变量 的模糊规则，如表2所示。
表2：模糊变量 的模糊规则
-3-2-10123
NB1.00.300000
NM0.310.30000
NS00.310.3000
O000.310.300
PS0000.310.30
PM00000.310.3
PB000000.31
根据模糊控制表，得到PID的参数修正计算方法：
其中： 表示初始值。
3仿真实验
基于模糊PID控制算法的仿真实验，对导盲机器人的避障循迹控制进行仿真验证，使用传统的PID控制，得到仿真的结构效果如图2所示。
分析图2，在PID的模块中，需要对 、 、 进行不断的设定和调整，以得到最佳的仿真结果。如图3所示。图3能够直观的反映出导盲机器人的循迹曲线，x轴为响应时间，y轴为阶跃响应。
图2 PID控制系统仿真结构
图3 PID控制响应曲线
模糊PID控制导盲机器人的循迹现场测试如图4所示。
循迹现场测试中，导盲机器人不管是在拐弯还是急速的运行中都具有较好的稳定性，具有较高的精确度，反应迅速，能够避开障碍物回到循迹的轨道中。
结束语
根据测试的结果，使用PID控制算法能够让小车的循迹与避障得到较大的提升，因为小车具有较好的循迹功能，能够很好的完成循迹效果。但是由于PID控制算法在自学习的能力方面存在一定的不足，因此避障功能还需要提高。
图4 循迹现场测试
参考文献
[1]刘存根.CT扫描攀爬机器人模糊PID力控制算法[J]. 林业科学, 2018, 54(11):104-110.
[2]白晶, 于喜红, 秦现生. 基于PMAC的码垛机器人模糊PID算法研究[J]. 机械设计与制造工程, 2016, 45(3):46-49.
[3]李贤喆, 江兵, 王强,等. 模糊PID控制在轮式机器人直立系统中的应用[J]. 计算机技术与发展, 2016, 26(9):171-17.
论文作者:曲健
论文发表刊物:《教学与研究》2019年7期
论文发表时间:2019/5/9
标签：模糊论文; 机器人论文; 算法论文; 系统论文; 变量论文; 所示论文; 参数论文; 《教学与研究》2019年7期论文;