智能車速度控制器設計

需要相對科學的設計智能測的速度控制器，就要先測量車模的傳遞函數。
車模傳遞函數的測量方法
給電機25%的佔空比讓車在直道上行走，直致速度基本穩定。測量並這一過程中的數據，導入MATLAB。
下圖黑色就是是我測量的車模開環響應去線。
然後這裏默認車模爲二階模型，進行傳遞函數的試湊，這裏我只會試湊，還沒有更好的辦法，有的話可以告知我。

通過試湊得到的車模傳遞函數。

clear
clc
%運行次數
round_time = 650;
%時基
ts = 0.02;
%位置
pos = 1:1:round_time;
%時間軸
times = pos*ts;
y = zeros(1,round_time);

time = load('time3.mat');
value = load('value3.mat');
time = time.time;
value = value.value;
time = time*0.02;
value = value*0.00876*50;
plot(time,value,'black');
diff_value = diff(value)/ts;
L = size(value);
L = L(1);
diff_value(L) = 0;

ylabel('速度cm/s');
xlabel('時間/s');


sys=tf(2.31,[0.12,2.45,2.3])  %建立被控對象傳遞函數
dsys = c2d(sys,ts,'z');
[num,den] = tfdata(dsys,'v');

for i=pos
    if(i>2)
        u(i) = 121;
        y(i) = -den(2)*y(i-1)-den(3)*y(i-2)+num(2)*u(i-1)+num(3)*u(i-2);
    end
end
hold on
plot(times,y)
plot(times,u,'r')
hold off
figure(2)
plot(time,diff_value,'black');

這是試湊和導入數據用的M文件，修改sys=tf(2.31,[0.12,2.45,2.3]) 這句話裏面的數據，直至繪製的曲線和實測數據相差不多，車模的傳遞函數大概就測量出來了。
PID控制器的仿真設計和實際運行
然後再MATLAB中進行PID控制器的仿真運行，帶入剛剛測得小車的傳遞函數，設計好的參數，再寫入實際小車就可以了。

clear
clc
slect = 1;
%運行次數
round_time = 5000;
%步進
step = 5;
%時基
ts = 0.02;
%位置
pos = 1:1:round_time;
%時間軸
times = pos*ts;
u = zeros(1,round_time);
y = zeros(1,round_time);
error = zeros(1,round_time);
for i=pos
    if i > 2
%%
%PID控制
         error(i) = input(i) - y(i-1);
         I = I + error(i);

         u(i) = 2.5 * error(i) +0.06* I + 2.0*(error(i) - error_1);
         if(u(i) > 980)
             u(i) = 980;
         else if(u(i) < -980)
             u(i) = -980;
             end
         end
         y(i) = -den(2)*y(i-1)-den(3)*y(i-2)+num(2)*u(i-1)+num(3)*u(i-2);
         error_1 = error(i);
    end
end
diff_y = diff(y)/ts;
diff_y(round_time) = 0;
figure(1);
plot(times,diff_y);
figure(2);
plot(times,input,times,y);

通過不斷的調試PID參數，使仿真的階躍響應達到理想的快速性和超調量時基本可以下載程序，測量車的實際響應曲線進行對比。
仿真的階躍響應圖

這裏一定要注意，這條藍色曲線，取的系統輸出的差分值，因此這裏代表的是加速度，因爲實際中賽道的摩擦力不是無限的，所以必須保證這條曲線的最大峯值不超過實際的摩擦力，這裏是2.5m/s^2的最大加速度，還有點想打滑，可能是我的輪子磨的不好吧。

這是我實際測量的響應曲線，和仿真差距不是很大，說明這個設計很成功。

通過這種仿真加實際測量的方法，能夠更清楚的可視化調車過程中的問題，提高調車的效率和我們對理論知識的理解。