方向控制中的动态比例值-P
01问题提出
卓大大,我有一个问题想要请教。对于舵机的转向控制,高速的时候需要动态P才能得到平滑的控制效果(也就是偏差越小P越小,偏差越大P越大)。
但对于电机的速度控制,在任何期望速度下,P参数不需要动态都可得到很好的效果,请问这个如何用理论解释?是因为电机的惯性比较大吗?
▲ 车模在不同速度下运行出现的振荡
02理论分析
对于电机转速ω(t)\omega \left( t \right)ω(t)控制,如果采用电流串激闭环控制(这样建模分析比较简单),电机的转速ω(t)\omega \left( t \right)ω(t)的加速度正比于转子力矩,二转子的力矩正比于转子电流。因此如果控制速度环空置率采用比例控制,整个系统就是一个典型的二阶控制系统。在电机带有阻尼负载(即力矩与转速成正比),该系统可以稳定,并且稳定性与转速无关。这是因为整个系统反馈控制比例控制增益与转速没有关系。
对于车模在赛道上循迹运行控制时,舵机的输出正比于车模前轮的转角θ(t)\theta \left( t \right)θ(t)。前轮转角相对于车模位移x(t)x\left( t \right)x(t)积分就形成车模与赛道线中心的偏移量y(t)y\left( t \right)y(t):
而位移x(t)x\left( t \right)x(t)是车模速度v(t)v\left( t \right)v(t)的积分:
将(2)式代入(1)可以得到:
分析(3)可以看到,相对于舵机输出角度θ(t)\theta \left( t \right)θ(t)对于车模偏移量影响是一个积分关系,其中积分项系数包括k⋅v(t)k \cdot v\left( t \right)k⋅v(t),这一项与速度成正比。如果同样使用比例负反馈来对车模偏移量进行控制的话,反馈比例系数与车模运行速度成正比。这一点与前面电机控制是不同的。
下图显示了车模运行速度v(t)v\left( t \right)v(t)为恒速VcV_cVc时,车模的偏移量与舵机输出转角θ(t)\theta \left( t \right)θ(t)之间的关系。
▲ 在恒速下,车模的偏移量与舵机输出转角之间的关系
考虑到车模的惯性以及舵机执行过程的延迟等特点,当车模方向控制比例超过一定限度后,方向控制就会变得不稳定了。
由此,可以知道车模方向比例控制的时候,需要根据车速调整比例系数。
▲ 车模在转关过程中的动态特性
03仿真实验
由于舵机输出转角的转动速度是有限值,而且近似为 一个恒速转动,这是一个非线性的环节。为了简化分析,下面将舵机简化成一个纯延迟环节。比如延迟100ms。将这个延迟环节重新增加在上面的仿真系统中,就会发现,随着比例控制的增加增加,系统的单位阶跃响应就会变得不稳定。
▲ 带有纯延时环节的一阶积分环节的比例控制
通过上面的仿真可以看出,比例增益过大会使得系统变得越来越不稳定。根据02节叙述的,车模方向控制的比例系数是与车速成正比,所以当车速增加是,车模运行就会变得原来也不稳定了。
04如果解决方向不稳定?
解决车模方向控制不稳定的方法:
- 动态调整控制参数,比如等候车速增加是,需要适当减少P的大小,从而抑制振荡的产生。这种方法在直道运行是比较有效果,但在弯道时,车模轨迹就会距离赛道中心线有较大的偏差。
- 通过增加赛道检测的前瞻距离,也就是将车模相对赛道的偏差位置尽可能往前移,这样就可以抵消舵机执行过程中所带来的时间延迟。使用摄像头可以有效提高赛道前方检测的距离。
- 通过机器学习的方法进行赛道预测。由于赛道元素的组合是有限的,并且是提前公布的。可以通过机器学习的方法将赛道偏移控制信息存储在人工神经网络中,来提高控制的精度。比如今年AI电磁组,虽然赛道检测的电感传感器非常短,但是经过机器学习也可以获得与摄像头相近的性能。
- 提高舵机的性能。舵机的惯性(延迟)是造成方向控制不稳定的内因。可以适当通过改造舵机输出机械连杆,增加它的机械传动比例,可以在一定程度上提高车模控制的快速性。
- 在控制算法中引入微分量,来抑制振荡的现象。
下图是通过在控制环节中引入微分控制项,可以看到微分系数在一定范围内可以减少系统输出的振荡。但是当微分系数过大时,也会引起系统的不稳定性。
▲ 增加控制中的微分项,在一定参数范围内可以抑制振荡
■ 相关文献链接
- 劈-I-D
方向控制中的动态比例值-P相关推荐
- 微信小程序修改数组中的元素_微信小程序——this.setData()动态修改数组中的某一值...
微信小程序--this.setData()动态修改数组中的某一值S8v编程技术_踩坑日志_进阶指南_无知人生 大家是不是都觉得微信小程序的开发方式和 vue react 这种框架的开发方式很像?S8v ...
- 自动化 计算机方向非核心期刊,自动化控制方向好中的核心期刊
自动化控制方向好中的核心期刊 发布时间:2019-01-03浏览:1次 自动化在各行各业都得到了广泛的应用,从事自动化工作的人也越来越多,他们也是可以评定工程师职称的,最近就有作者咨询我们的编辑老师关 ...
- R语言检验样本比例:使用prop.test函数执行单样本比例检验计算总体中成功样本比例p值的置信区间
R语言检验样本比例:使用prop.test函数执行单样本比例检验计算总体中成功样本比例p值的置信区间 目录
- linq查询不包含某个值的记录_【翻译】C#表达式中的动态查询
当您使用LINQ来处理数据库时,这种体验是一种神奇的体验,对吗?你把数据库实体像一个普通的收集,使用Linq中像Where,Select或者 Take,这些简单的使用就能让代码可用了. 但是,让我们考 ...
- 动态取值_软件测试|动态测试技术
动态测试是指通过运行代码来观察代码运行状况,利用查看代码和实现方法得到的信息来确定哪些需要测试.哪些不需要测试.如何开展测试,动态测试又称为结构化测试.常见的动态测试方法有:语句覆盖.判定覆盖.条件覆 ...
- 智能车浅谈——方向控制篇
文章目录 前言 自动控制理论 人工控制系统 自动控制 方向控制 典型环节对应 典型环节分析 给定环节与给定量 比较环节与偏差量 控制环节与控制量 执行机构 舵机 PWM技术 舵机中值及限幅 转向控制 ...
- 使用ArcGIS API和Three.js在三维场景中实现动态立体墙效果
使用ArcGIS API和Three.js在三维场景中实现动态立体墙效果 废话不多说,直接先来看下最终实现的动态立体墙效果图. 如果图片还不够直观,那么点击链接查看在线示例. 首先我们需要用到ArcG ...
- 神经网络在控制中的作用,间歇控制器的工作原理
什么是神经网络控制 神经网络控制技术是一项复杂的系统控制技术,一般应用在变频器的控制中,它是通过对系统的辨识.运算后对变频器进行控制的一种新技术. 而且神经网络控制可以同时控制多个变频器,所以应用在多 ...
- 四足动物模型控制中的模型自适应神经网络
四足动物模型控制中的模型自适应神经网络 (Mode-Adaptive Neural Networks for Quadruped Motion Control) 四足动物模型拥有不同的步态,比如行走, ...
最新文章
- Mac OS上用item2连接CentOS7
- python集合和字典的区别_Python中的字典和集合
- Linux下好用的日志库,我使用過的Linux命令之tailf - 跟蹤日志文件/更好的tail -f版本...
- Rwordseg和tmcn安装-2017.09.23
- OAuth2.0_JWT令牌-生成令牌和校验令牌_Spring Security OAuth2.0认证授权---springcloud工作笔记148
- 如何寻找互联网红利期产品?
- 深入理解Flex布局以及计算
- 借着酒劲儿,是真敢说!程序员酒后吐真言
- 联合分布、条件分布、边缘分布还有贝叶斯公式
- 泰灏咨询的使命及愿景
- Java中如何通过经纬度坐标获取两个点之间的直线距离
- QCC51XX---如何修改MDE的主题
- 通过XManager5连接Linux操作系统,安装Eclipse工具,进行代码开发、测试
- pip runpy.py 报错 pip升级后问题及解决
- arm解锁 j-flash_J-Link固件烧录以及使用J-Flash向arm硬件板下载固件程序(示例代码)...
- ​IBM、Google、Oracle三巨头的公有云之殇(下)
- 如何扒别人网站(网页) 附扒网站神器
- html5 video自动播放下一个源码
- freebsd 网桥设置
- Java计算机毕业设计小区物业管理系统