基于MATLAB+PID算法实现小车巡线功能.zip

# 一、实验原理 本次实验我们采用比例、积分、微分控制, 即 PID 控制, 来对小车的巡线功能进行调节, 更好地控制小车转向时左右两个车轮的速度。该算法的原理如下: ## 1.1 比例控制 (P) 比例控制是一种最简单的控制方式。其控制器的输出与输入误差信号成比例关系, 当仅有比例控制时系统输出存在稳态误差。 ## 1.2 积分控制 (I) 在积分控制中, 控制器的输出与输入误差信号的积分成正比关系。对一个自动控制系统, 如果在进入稳态后存在稳态误差, 则称这个控制系统是有稳态误差的。为了消除稳态误差, 在控制器中必须引入“积分项”。积分项对误差取决于时间的积分, 随着时间的增加, 积分项会增大。这样, 即便误差很小, 积 分项也会随着时间的增加而加大, 它推动控制器的输出增大使稳态误差进一步减小, 直到接近于零。因此, 比例+积分 (PI) 控制器, 可以使系统在进入稳态后几乎无稳态误差。 ## 1.3 微分控制 (D) 在微分控制中, 控制器的输出与输入误差信号的微分（即误差的变化率）成正比关系。自动控制系统在克服误差的调节过程中可能会出现振荡甚至失稳。其原因是由于存在有较大惯性组件或有滞后组件, 具有抑制误差的作用, 其变化总是落后于误差的变化。解决的办法是使抑制误差的作用的变化“超前”, 即在误差接近零时, 抑制误差的作用就应该是零。这就是说, 在控制器中仅引入 “比例”项往往是不够的, 比例项的作用仅是放大误差的幅值, 而需要增加的是“微分项”, 它能预测误差变化的趋势, 这样, 具有比例 + 微分的控制器, 就能 够提前使抑制误差的控制作用等于零, 甚至为负值, 从而避免了被控量的严重超调。所以对有较大惯性或滞后的被控对象, 比例+微分 (PD) 控制器能改善系统在 调节过程中的动态特性。 PID 中比例控制 P 是主要的控制方法, 承担了 PID 控制中的大部分任务, 为了消除比例控制 P 留下的静态偏差, 增加了积分控制 I, 而微分控制 D 只为稳定而存在, 其稳定效果应该大于积分控制 I 的失稳效果, 在有大量噪音的系统中, 不适用微分控制 D。PID 控制器是一个完整的三项控制, 能够减少上升空间, 消除静态误差, 减少超调。 ------ # 二、代码实现 ## 2.1 准备工作 本次实验我们使用了`V-REP`提供的`matlab`接口实现巡线小车。 `V-REP`会默认造在本地地址的19997端口开放。在`matlab`代码中实现对该端口的连接： ```matlab % 初始化v-rep接口组件 vrep = remApi('remoteApi'); % using the prototype file (remoteApiProto.m) vrep.simxFinish(-1); % just in case, close all opened connections clientID = vrep.simxStart('127.0.0.1',19997,true,true,5000,5); if clientID < 0 disp('Failed connecting to remote API server'); ``` 同时将`V-REP`的接口文件`remApi.m`、`remoteApiProto.m`和动态链接库`remoteApi.dll`放置在`matlab`代码文件`LineFollowingBot.m`的同一文件夹下，则可以用`matlab`控制`V-REP`的仿真。 使用`matlab`启动仿真： ```matlab vrep.simxStartSimulation(clientID,vrep.simx_opmode_oneshot); ``` 要实现巡线小车，需要获取小车前置摄像头的画面，依据画面进行速度的调整。小车有左、右两边的轮子可以控制。要先获取两边速度和摄像头的句柄，从而之后能对它们进行读取和修改： ```matlab % 获取速度和图片的句柄 [res, motorLeft] = vrep.simxGetObjectHandle(clientID,'Pioneer_p3dx_leftMotor',vrep.simx_opmode_blocking); [res, motorRight] = vrep.simxGetObjectHandle(clientID,'Pioneer_p3dx_rightMotor',vrep.simx_opmode_blocking); [res, camera] = vrep.simxGetObjectHandle(clientID,'Vision_sensor',vrep.simx_opmode_blocking); ``` 控制小车使用PID算法，在这里，我们只考虑当前的误差比例和误差微分。先将当前误差初始化为0： ```matlab err = 0; ``` 接下来，在无限循环中，获取小车的画面并通过画面进行调整。获取画面的代码如下： ```matlab code = 1; while code [code, size, img] = vrep.simxGetVisionSensorImage2(clientID, camera, 1, vrep.simx_opmode_oneshot); end ``` 为了便于操作，调用`simxGetVisionSensorImage2`函数，使用句柄`camera`，直接返回黑白画面。如果图像获取成功，则返回值`code`为0，退出循环，否则获取失败，重新获取。 ## 2.2 当前的误差分析 调用`getErr`函数获取当前误差和转向方向： ```matlab [new_err, direct_tmp] = getErr(img); ``` 当前误差`new_err`为利用PD算法控制速度的依据，而`direct_tmp`为之后的转向提供方向判断，之后会详细说明。 `getErr`的具体实现如下。函数原型为： ```matlab function [err, direct] = getErr(img) ``` 输入黑白图像`img`，返回小车当前和预期位置的误差和转向判断值`direct`。 考虑到小车的画面中会出现很多条路，而我们只期望小车走它脚下的路，因此我们希望对所有画面中的路进行一个误差分析：路的位置和小车脚下（即画面中点）的距离作为误差值，如此一来，依据路离中点的远近，就能判断它是否是小车要走的路。需要注意的是，路可能在中点位置的左边或右边，因此误差有正有负。要取误差的绝对值作为判断依据。在所有的路中，有两条路是我们值得关注的（如果画面只有一条路或者没有路，会采取单独的策略）：一是离中点最近的路，也就是误差的绝对值最小的路。期望中，小车正在走的路往往正在脚下，因此这条路就是小车在走的路，我们希望小车继续沿着这条路走。二是离中点第二近的路。试想：如果出现了急转弯（角度大于90度的转弯），在逐渐接近转弯点时，小车会看见两条路：转弯前要走的路和转完后要走的路。到达转弯点，两条路合并为一条，再往前走则会偏移当前道路。因此需要判断什么时候进行急转弯、急转弯是左转还是右转。通过分析不难得到：转弯的方向就是转完后要走的路的位置，在左边则左拐，在右边则右拐。而正在转弯前的路和转完后的路迟早会汇合，因此转弯后的路迟早会变为距离中点第二近的路，**以此就能判断急转弯的转弯方向**。 那么如何计算路到画面中点的距离呢？考虑到路是有宽度的，可以找路的最左边和最右边的点的坐标，取均值作为路的位置。而画面大小为480*640，因此取640的一半320作为画面的中点。画面中越靠下的部分离小车越近，因此依据下面画面调整小车状态的优先级更高。我们考虑从下往上一行行遍历，如果当前行找到了路则进行误差分析，否则看上一行是否有路。**这样一来就能有效处理间断路的问题。** 首先初始化以下几个变量： ```matlab err = 1000000; err2 = 1000000; flag = 0; direct = 0; distance = 480; ``` 其中`err`表示离中点最近的路的误差，`err2`表示离中点第二近的路的误差。注意误差可正可负，其绝对值表示到终点的距离。`direct`用于记录下一个急转弯预期的转向方向，为1或-1。如果没有转弯倾向则为0。因为找到一条路的当前位置，要找到路的左边和右边两个端点的坐标，`flag`用来表示下一个是寻找左边端点（值为0）还是右边端点（值为1）。`distance`表示当前遍历的画面的行号，从最后一行480行开始，依次往上遍历。 如果当前行没有找到路，则误差`err`不会更新，则需要找画面上一行，因此对`er