中北大学计算机与控制工程学院 贾心言中北大学信息与通信工程学院 曹 珹 高尚伟太原理工大学电气与动力工程学院 陈鹏义



基于智能车模糊PI控制的研究

中北大学计算机与控制工程学院 贾心言中北大学信息与通信工程学院 曹 珹 高尚伟
太原理工大学电气与动力工程学院 陈鹏义

【摘要】智能车已经成为自动控制领域内的一个研究热点，其控制系统的控制方法也越来越先进，典型的有传统PI控制和模糊PI控制，为了验证模糊PI控制方法的先进性，通过使用MATLAB软件和Simulink平台对其模型、加速性能和抗干扰性能进行仿真，实验结果表明，采用模糊PI控制，响应快速的同时超调量很小，改变了传统PI控制中响应时间和超调量总是相互矛盾的特征，并且消除误差的时间很短。

【关键词】MATLAB；Simulink；仿真；模糊PI控制

0 引言

在智能小车路径跟踪控制中目前采用的控制方法主要有常规 PI控制、模糊控制器等［1］。

模糊 PI控制把模糊控制和 PI 控制结合起来，利用模糊控制对PI 参数进行在线调整，提高了系统的动态性能［2］。改变了传统PI控制中响应时间和超调量总是相互矛盾的特征，并且消除误差的时间短，控制方法更为先进。

1 模糊PI控制系统仿真

模糊PI控制系统的仿真模型如图1所示：

图1 模糊PI控制系统仿真图

在仿真之前，我们需要对仿真参数进行适当的修改，打开菜单“simulation”，选择下面的“configuration parameters”选项，将“zero crossing control”里面改为“disable all”，至于仿真步长，我们可以在“Max step size”中修改，如果没有很高的要求，我们可以选择“auto”，即系统自动设置步长［3］。通过这些设置我们便可以对系统进行仿真，以下是仿真结果：

图2 模糊PI控制系统的响应曲线

从图2中，我们可以得知模糊PI控制系统的动态性能如表1所示：

表1 模糊PI控制系统的动态性能指标 单位：（ms）

作为更高级别的控制系统，模糊PI控制的智能车系统，应该具有更好的跟随性能和抗干扰能力，首先必须满足这两项基本指标，才有可能再开发出更好更加优越的特性［4］。这两项指标也是反应其基本稳定性能的重要依据之一，所以，我们必须要对这两项性能进行测试，利用之前的测试方法，测试如下：

（1）加速性能：车的行驶归根结底就是速度的控制，当人或系统发出速度指令之后，系统能不能快速稳定的响应速度信号，达到控制要求，这密切关系着车行驶的高效性，以及能源的节约性。在这里，当系统响应稳定之后，在输入信号处再加上一个幅值为1的阶跃信号，模拟车的加速信号，仿真结果如下图3所示：

从图3中可以分析出，智能控制系统对加速信号的跟随性能可以实现快速稳定精确等特点，其相应曲线甚至比起动性能还要好，这充分体现了智能控制拥有其它控制方式所不具备种种优势。

图3 模糊PI控制系统加速响应曲线

（2）抗干扰能力：现实中有太多的不确定性，这样就导致有太多的干扰信号，对于这些不确定性的干扰信号，无法逐一将其考虑在控制规则之中，所以提出抗干扰能力就显得尤其重要。下面就将脉冲信号作为一个干扰源，加在一个稳定之后系统之上，看其对干扰的响应和抑制能力，所加信号为幅值为1，宽度为0.8ms的脉冲信号。仿真结果如图4所示：

图4 模糊PI控制系统抗干扰响应曲线

通过对图4的分析，我们可以计算出，其波动量为0.08 ，波动百分比为8%，恢复时间为12ms，从恢复时间可以看出，系统能够在短时间内消除干扰，恢复到稳态，从而保证系统的稳定性，进而增加智能车的安全系数。

2 结论

通过运用Simulink进行模糊PI控制的仿真，分析得出模糊PI控制的优点。模糊PI控制方法灵活、方便、可观性强，并可在Simulink环境中非常直观地构建各种复杂的模糊PI控制系统。模糊PI控制具有控制灵活、超调小、响应快和适应性能强的优点。对于智能小车，将模糊PI作为控制方法，将极大的满足智能车系统的各项控制要求，从而将其作为智能车研究的重要内容，是必须的也是必然的。

参考文献

［1］刘进，齐晓慧，李永科.基于视觉的智能车模糊PID控制算法［J］.兵工自动化，2008，27（10）﹕67-69.

［2］董宗祥，石红瑞，杨杰.嵌入式智能小车测控系统的设计与实现［J］.计算机测量与控制，1671-4598（2010）02-0357-03.

［3］徐国华，谭名.移动机器人的发展现状及其趋势［J］.机器人技术与应用，2001，（3）﹕7-14.

［4］李磊，叶涛，谭民等.移动机器人技术研究现状与未来［J］.机器人ROBOT，2002，24（5）﹕475-480.