當前正在備戰(zhàn)第十八屆智能車，記錄一下學習和實踐的過程，這一篇主要是講pid算法以及調(diào)試。

PID即：Proportional（比例）、Integral（積分）、Differential（微分）的縮寫。

PID是經(jīng)典的閉環(huán)控制算法，具有原理簡單，易于實現(xiàn)，適用面廣，控制參數(shù)相互獨立，參數(shù)的選定比較簡單等優(yōu)點。

在智能車閉環(huán)中，pid算法起到了關(guān)鍵作用，他可以保證車輛行駛的速度按照你所設定的目標速度執(zhí)行，提高了車輛行駛的穩(wěn)定性。

接下來是代碼部分

首先在main函數(shù)中對pid進行初始化。

 PID_init(&Motor_pid_r);
 PID_init(&Motor_pid_l);

 PID_Set(&Motor_pid_r,10,10,4);
 PID_Set(&Motor_pid_l,10,10,4);

這是所調(diào)用的pid函數(shù)。

//初始化PID
void PID_init(PID_TypDef* sptr)
{
    sptr->Kp = 0.0;             // 比例常數(shù) Proportional Const
    sptr->Ki = 0.0;             // 積分常數(shù) Integral Const
    sptr->Kd = 0.0;             // 微分常數(shù) Derivative Const
    sptr->Bias      = 0.0;
    sptr->Integral  = 0.0;
    sptr->Last_Bias = 0.0;
    sptr->Pre_Bias  = 0.0;

}

//PID設置
void PID_Set(PID_TypDef *PID,float Kp,float Ki,float Kd)
{
    PID->Kp = Kp;
    PID->Ki = Ki;
    PID->Kd = Kd;
}

這是在中斷中調(diào)用來計算pwm的函數(shù)

pwm_r += IncPID(r_speed,target_speed_r,&Motor_pid_r);
pwm_l += IncPID(l_speed,target_speed_l,&Motor_pid_l);

這是增量式PID和位置式PID，具體用那一個要看實際應用情況

typedef struct
{
         float  Kp;                  // 比例常數(shù) Proportional Const
         float  Ki;                  // 積分常數(shù) Integral Const
         float  Kd;                  // 微分常數(shù) Derivative Const
         float  Integral;
         float  Bias;
         float  Last_Bias;
         float  Pre_Bias;
}PID_TypDef;

PID_TypDef Motor_pid_r;   //右電機PID
PID_TypDef Motor_pid_l;   //左電機PID

//PID設置
void PID_Set(PID_TypDef *PID,float Kp,float Ki,float Kd)
{
    PID->Kp = Kp;
    PID->Ki = Ki;
    PID->Kd = Kd;
}

//增量式PID
float IncPID(int Encoder,int Target,PID_TypDef* sptr)
{
  float Pwm;
  sptr->Bias = Target - Encoder;                                     // 計算當前誤差
  Pwm = sptr->Kp * (sptr->Bias-sptr->Last_Bias)                  // P
         +sptr->Ki * sptr->Bias                                   // I
         +sptr->Kd * (sptr->Bias-2*sptr->Last_Bias+sptr->Pre_Bias);  // D

  sptr->Pre_Bias=sptr->Last_Bias;                          // 存儲誤差，用于下次計算
  sptr->Last_Bias=sptr->Bias;

  return(Pwm);                                    // 返回增量值

}


//位置式PID
float PstPID(float Angle, float Target,PID_TypDef* sptr)
{
    float Pwm;
//  if(around==2)
//  {
        sptr->Bias = 30 ;
//  }else
//  {
    sptr->Bias = Target -Angle ;
//  }
    sptr->Integral += sptr->Bias;

    Pwm = sptr->Kp   * sptr->Bias                   // P
         +sptr->Ki * sptr->Integral                 // I
         +sptr->Kd * (sptr->Bias-sptr->Last_Bias);  // D

    sptr->Last_Bias=sptr->Bias;

    return(Pwm);

}

增量式PID

比例P : ? ?e(k)-e(k-1) ? 當前誤差 - 上次誤差

積分I : ? e(i) ? ? 當前誤差 ??

微分D : ?e(k) - 2e(k-1)+e(k-2) ? 當前誤差 - 2*上次誤差 + 上上次誤差

增量式PID中不需要累加，控制增量Δu(k)的確定僅與最近3次的采樣值有關(guān)，容易通過加權(quán)處理獲得比較好的控制效果，并且在系統(tǒng)發(fā)生問題時，不會出現(xiàn)突變的情況，增量式不會嚴重影響系統(tǒng)的工作。

位置式 PID?

e(k):?用戶設定的值（目標值） -??控制對象的當前的狀態(tài)值?

比例P :????e(k)

積分I :???∑e(i)?????誤差的累加(包括e(k))

微分D :??e(k) - e(k-1)??這次誤差-上次誤差

因為有誤差積分一直累加，也就是當前的輸出u(k)與過去的所有狀態(tài)都有關(guān)系，用到了誤差的累加值；（誤差e會有誤差累加），輸出的u(k)對應的是執(zhí)行機構(gòu)的實際位置，，一旦控制輸出出錯(控制對象的當前的狀態(tài)值出現(xiàn)問題 )，u(k)的大幅變化會引起系統(tǒng)的大幅變化

并且位置式PID在積分項達到飽和時,誤差仍然會在積分作用下繼續(xù)累積，一旦誤差開始反向變化，系統(tǒng)需要一定時間從飽和區(qū)退出，所以在u(k)達到最大和最小時，要停止積分作用，并且要有積分限幅和輸出限幅

所以在使用位置式PID時，一般我們直接使用PD控制

而位置式 PID 適用于執(zhí)行機構(gòu)不帶積分部件的對象，如舵機和平衡小車的直立和溫控系統(tǒng)的控制

（詳細的位置式pid與增量式pid可以看原文鏈接https://blog.csdn.net/u014453443/article/details/100573722）

寫下來是用上位機調(diào)PID

這是我使用的上位機軟件

這是上位機軟件所看到的雙電機上電后粗調(diào)的效果

?

?基本上實現(xiàn)了pid閉環(huán)控制，用手施加外部持續(xù)穩(wěn)定的阻力，電機依舊可以保證穩(wěn)定的轉(zhuǎn)速，效果比較理想。

?? ? ? ? 我最近發(fā)了一篇文章里面包含了常用的功能函數(shù)以及常用的模塊底層驅(qū)動函數(shù)封裝庫，大家感興趣的可以收藏一下，需要的時候就不用到處找代碼，一篇就夠用，我會持續(xù)更新。

????????常用模塊函數(shù)封裝庫（持續(xù)更新中。。。。。。）-CSDN博客?文章來源地址http://www.zghlxwxcb.cn/news/detail-461766.html

到了這里，關(guān)于第十八屆智能車之PID算法以及上位機調(diào)節(jié)的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！