一种基于卡尔曼滤波的模糊PID控制方法技术

本发明专利技术公开了一种基于卡尔曼滤波的模糊PID控制方法，首先对AGV视觉定位系统获取到的AGV位姿信息进行卡尔曼滤波处理；然后使用模糊PID控制对卡尔曼滤波处理后的AGV位姿信息进行控制。不同于其他控制方案，本方法结合卡尔曼滤波与模糊PID控制器，既能提高AGV控制系统的性能与稳定性，又可以降低识别误差对系统的影响。

【技术实现步骤摘要】

本专利技术涉及一种基于卡尔曼滤波的模糊PID控制方法，属于AGV导航系统控制技术。
技术介绍
基于视觉的AGV(Automated Guided Vehicle，自动导引车)导航系统中视觉定位系统存在一定识别误差，带有噪声的输入会对AGV控制器产生一定干扰，卡尔曼滤波器可以根据AGV运动模型对其位姿状态进行预测，根据预测结果与识别结果做综合处理，从而得到滤波后的AGV位姿状态信息，较大地减少了视觉定位系统的识别噪声对控制系统产生的干扰。目前在AGV控制系统中应用最广泛的是传统PID控制器，但由于传统PID主要通过试验得到一组固定参数对系统进行控制，这些参数很难处理好系统动态性能与静态性能之间的平衡关系，模糊PID控制器的引入可以在一定程度上解决这一问题。模糊PID控制器不需要对系统建立精确的数学模型，主要通过对获得的有限信息进行“不确定推理”，将相关经验知识通过一定方法转化为控制策略，实现模糊控制，可以有效地实现对复杂系统的控制。
技术实现思路
专利技术目的：在AGV导航系统中，传统PID很难兼顾系统的动态性能与静态性能、设定值与抑制扰动之间的矛盾，为了克服这一问题，本专利技术运用模糊PID控制技术对其进行改进，提升系统控制性能；由于AGV视觉定位系统获取到的AGV位姿信息存在一定的误差干扰，为了消除误差对系统运行稳定性的影响，本专利技术采用卡尔曼滤波对识别得到的位姿信息进行滤波处理，将滤波后的位姿信息作为控制器的输入。该方法可以有效提升控制系统的性能，而且降低了识别误差对系统的影响。技术方案：为实现上述目的，本专利技术采用的技术方案为：一种基于卡尔曼滤波的模糊PID控制方法，包括如下步骤：(1)对AGV视觉定位系统获取到的AGV位姿信息进行卡尔曼滤波处理；(2)使用模糊PID控制对卡尔曼滤波处理后的AGV位姿信息进行控制。具体的，所述步骤(1)中，卡尔曼滤波的基本过程为：设k-1时刻AGV位姿的最优估计为通过预测k时刻AGV位姿的预测量通过AGV视觉定位系统获取k时刻AGV位姿的观测量以对进行修正，得到k时刻AGV位姿的最优估计为具体的，模糊PID控制是模糊控制和PID控制的复合控制：模糊控制的输入变量为误差的模糊量和误差变化率的模糊量输出变量为模糊PID参数，模糊PID参数包括模糊比例参数kP、模糊积分参数kI和模糊微分参数kD；对输入量的误差e和误差变化率c进行离散化，根据离散值在隶属度函数中的位置即可得到对应的和隶属度；根据kP的模糊规则表可以得到对模糊量的比例控制作用结合隶属度对运用重心法进行反模糊处理，即可得到比例控制作用的精确量uP；根据kI的模糊规则表可以得到对模糊量的积分控制作用结合隶属度对运用重心法进行反模糊处理，即可得到积分控制作用的精确量uI；根据kD的模糊规则表可以得到对模糊量的微分控制作用结合隶属度对运用重心法进行反模糊处理，即可得到微分控制作用的精确量uD；PID控制的输入变量为误差e和误差变化率c，输出变量为PID参数，PID参数包括比例参数kP'、积分参数kI'和微分参数kD'；根据kP'得到比例控制作用的精确量uP'，根据kI'得到积分控制作用的精确量uI'，根据kD'得到微分控制作用的精确量uD'；计算复合控制的输出为一般来说，所述模糊PID控制中，使用的隶属度函数为三角函数或正态型函数。一般来说，所述模糊PID控制中，模糊规则表按照如下方式制定：①根据kP的模糊规则表：若e和c符号相同，则kP的符号与e和c相反，且e和c绝对值的差值越大，kP的绝对值越大；若e和c符号相反，则kP的符号与绝对值较小的相同，且e和c绝对值的差值越小，kP的绝对值越小；②根据kI的模糊规则表：当e与c的和为负时，则kI的符号为负，且e与c的和越大时，kI的绝对值越小；当e与c的和为正时，则kI的符号为正，且e与c的和越大时，kI的绝对值越大；③根据kD的模糊规则表：kD的模糊规则主要通过实际环境测试得到，无明显规律。有益效果：本专利技术提供的基于卡尔曼滤波的模糊PID控制方法，通过卡尔曼滤波器对识别得到的AGV位姿信息进行滤波处理，同时将模糊控制技术与传统PID控制技术进行融合，提升了系统的控制性能；本专利技术利用卡尔曼滤波与模糊PID控制器代替传统PID控制器，可以较大提高AGV控制系统的性能与稳定性，提升AGV运行效率与安全性能，提高企业劳动生产率。附图说明图1为本专利技术的实施流程图；图2为卡尔曼预测示意图；图3为模糊控制系统框图；图4为隶属度函数图；图5为模糊控制系统仿真模型；图6为FIS编辑器中输入变量与输出变量；图7为无扰动时传统PID控制与模糊PID控制响应曲线对比图；图8为模糊PID的编程实现流程；图9为模糊PID控制与传统PID控制运行路线对比。具体实施方式下面结合附图对本专利技术作更进一步的说明。理论基础：卡尔曼滤波、PID控制、模糊控制。对AGV进行控制的第一步是通过视觉定位系统获取AGV实时位姿信息，我们首先运用卡尔曼滤波器对位姿信息进行滤波处理，然后通过模糊PID控制器对AGV进行控制，提升其控制性能。1.卡尔曼滤波器卡尔曼滤波的一个典型实例是从一组有限的、包含噪声的、对物体位置的观察序列(可能有偏差)预测出物体的位置的坐标及速度。该方法可应用在很多工程应用(如雷达跟踪、船舶位置预测)中。卡尔曼滤波器提供了一种高效可计算的方法来估计过程的状态，并使估计的均方差最小，在不知道当前模型的确切性质时，不仅能够估计信号的过去与当前状态，甚至可以估计将来的状态。卡尔曼滤波器应用AGV导航系统中主要涉及如下变量：k时刻AGV位姿的观测量k-1时刻AGV位姿的最优估计为k时刻AGV位姿的预测量各个变量的详细定义如下所示： N → k = ( X k , Y k , Ω k ) n → 本文档来自技高网...

【技术保护点】
一种基于卡尔曼滤波的模糊PID控制方法，其特征在于：包括如下步骤：(1)对AGV视觉定位系统获取到的AGV位姿信息进行卡尔曼滤波处理；(2)使用模糊PID控制对卡尔曼滤波处理后的AGV位姿信息进行控制。

【技术特征摘要】
1.一种基于卡尔曼滤波的模糊PID控制方法，其特征在于：包括如下步骤：(1)对AGV视觉定位系统获取到的AGV位姿信息进行卡尔曼滤波处理；(2)使用模糊PID控制对卡尔曼滤波处理后的AGV位姿信息进行控制。2.根据权利要求1所述的基于卡尔曼滤波的模糊PID控制方法，其特征在于：所述步骤(1)中，卡尔曼滤波的基本过程为：设k-1时刻AGV位姿的最优估计为通过预测k时刻AGV位姿的预测量通过AGV视觉定位系统获取k时刻AGV位姿的观测量以对进行修正，得到k时刻AGV位姿的最优估计为3.根据权利要求1所述的基于卡尔曼滤波的模糊PID控制方法，其特征在于：所述步骤(2)中，模糊PID控制是模糊控制和PID控制的复合控制，具体为：模糊控制的输入变量为误差的模糊量和误差变化率的模糊量输出变量为模糊PID参数，模糊PID参数包括模糊比例参数kP、模糊积分参数kI和模糊微分参数kD；对输入量的误差e和误差变化率c进行离散化，根据离散值在隶属度函数中的位置即可得到对应的和隶属度；根据kP的模糊规则表可以得到对模糊量的比例控制作用结合隶属度对运用重心法进行反模糊处理，即可得到比例控制作用的精确量uP；根据kI的模糊规则表可以得到对模糊量的积分控制作用结合隶属度对运用重心法进行反模糊处理，即可得到积分控制作用的精...

【专利技术属性】
技术研发人员：李新德，徐叶帆，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32