亿加合和智能车制作

标题: 控制类算法选择 [打印本页]

作者: lyxoo1 时间: 2012-10-25 21:09
标题: 控制类算法选择
最近几天看了一些资料，整理了一下思路，同时也对目前比赛用到的一些简单的控制算法进行了梳理，但因为本身自身能力有限所以很多地方都有问题，再加上本身不是自动化专业的，对控制的理解往往就差很远了。这里还是希望有比赛经验的大神出来露两手啊！

好的，下面进入主题，目前大家车体控制的算法一般都是使用了PID这种经典的控制方案，但往往调节参数需要很长的时间，中间很多人使用串口或者MATLAB等方式进行仿真或者实际的信息采集，往往最后得到的结果也不是那么满意，尤其是很多人发现的，从你的车开始跑，到提速，那这个过程最痛苦，因为速度提升往往比要跑起来困难许多，无论哪个组都一样，很多在机械上下功夫，比如增大前瞻等等，那这些都是后话。
目前很多方案可以弥补PID的不足，PID首先是因为鲁棒性不好才会出现动态参数整定等问题，那么很多人利用了这一点，使用了BANGBANG来弥补，因为BANGBANG 的鲁棒性好，但是反应能力差，所以两者相互补足成了第一种控制算法
BANGBANG +PID,z这个一般用于舵机。
那第二种，也是大家很不理解也是很头痛的算法就是模糊算法，模糊算法有很多优点，比如控制灵活等等，但是其致命的一个问题就是其模糊隶属度函数的调节以及模糊表的整理，这个是致命的，也是工作量很大的，我一般是在调节PID的时候通过无线串口将数据返回后整理，然后绘图，最后利用MATLAB等软件进行再整定，因为控制因素就几个，一个是速度，另外一个是赛道偏差，还有的比如速度增量啦，积分啦等等，2个参数绘得的为二维模糊化表，那如果参数多，多维表的处理和绘制也是相当麻烦的，但是由于其根据经验的计算往往需要大量的数据做补偿，所以很多情况，尤其是智能车比赛中，用模糊控制也是一个好办法，但是调节时间过长。
再有就是模糊PID，模糊PID是利用了模糊控制和PID控制的优势，通过模糊数学理论对PID参数进行模糊化整定，那么最终结果也是为了达到稳定，这个方法相对工作量小，因为是通过2个参数来整定PID的三个参量，相对大批量计算的模糊控制，工作量相对小，稳定性也由PID本身提供，所以是个好的选择。

那么下面的一些就是我最近发现的一些算法，不知道有谁了解过或者是测试过，希望强人给予指点
1 蜂群算法对PID参数整定，ColnyPID
2 BP算法对PID参数的整定
3 神经网络算法对PID参数的整定
4 遗传算法对PID参数的整定
5粒子群算法对PID参数的整定
6专家系统PID

这些都是整定算法
而在控制中，很多小方法也起到了作用，比如分段式PID 积分分离式PID 微分分离式PID 死区补偿式PID等等

作者: HITHZF 时间: 2012-10-25 21:36
好帖不得不说提出和验证一种算法的可行性需要大量的工作

作者: 静静的等待 时间: 2012-10-27 14:26