神经元PID控制器在两轮机器人控制中的应用

刘蕊

摘 要：文章在此对两轮机器人的控制进行研究，主要目的是针对PID控制器参数较为困难的问题进行解决。文章在此设计了一种新的方法，构建神经元PID控制器。通过利用该控制器，神经元的自适应能力与自学习能力得到了极大的改善。可以对控制器的各项参数进行在线的实时调整，进而针对两轮机器人构建了非线性模型，对神经元PID控制系统进行了讨论，然后对其算法进行了探讨，并分析了该项控制器的参数，进而在两轮机器人的平衡控制中应用文章所设计的控制器。最后，将文章设计的控制器与传统的控制器进行对比，通过仿真模拟增强了该控制器的有效性与准确性，再在两轮机器人物理系统中应用该控制器，实际取得的效果非常好。

关键词：两轮机器人；神经元；PID控制器

中图分类号：TP242.6 文献标志码：A 文章编号：2095-2945（2018）14-0157-02

Abstract： In this paper， the control of two-wheeled robot is studied， the main purpose is to set the parameters of PID controller to solve the more difficult problem. This paper designs a new method to construct neuron PID controller. With this controller， the adaptive ability and self-learning ability of neurons are greatly improved. The parameters of the controller can be adjusted in real time， and then the nonlinear model of the two-wheeled robot is constructed. The neural PID control system is discussed， and its algorithm is discussed. The parameters of the controller are analyzed， and the controller designed in this paper is applied to the balance control of the two-wheeled robot. Finally， the controller designed in this paper is compared with the traditional controller. The simulation results show that the controller is effective and accurate. Then the controller is applied in the two-wheel robot physical system， with a good result.

Keywords： two-wheeled robot； neuron； PID controller

引言

两轮机器人系统具有非线性的特征并且不稳定，如何对其进行控制一直都是学术研究关注的重点。现阶段，对该问题提出了许多种解决方法，比如经典PID控制和模糊控制以及状态反馈控制等。在此过程中，状态反馈控制主要取决于系统的精确模型。虽然在进行模型控制时，与数学模型并没有太大的关联，但是在制定控制规则和选择模糊论域以及隶属度函数时，都会影响到控制的效果。而在实际应用中，PID控制器具有依赖数学模型比较少甚至不依赖而且可调参数也比较少等诸多优点，然而传统的PID控制器也有很多缺点，存在着一定的问题，其中最为突出的就是整定控制器的参数较为困难。针对其中存在的问题，笔者结合神经元理论设计了神经元PID控制器，该控制器充分利用了神经元所具有的自适应能力以及其自学能力，随时整定参数，有效的解决了传统方法中无法较好的整定参数的问题，而且适应环境变化的能力也非常强。通过对其进行仿真研究，发现了该模型具有非常好的有效性，也具有较好的正确性。最后，在两轮机器人物理系统中应用所设计的神经元PID控制器，在对其平衡进行控制的过程中，也取得了非常好的效果。

1 神经元PID控制器概况

作为最早发展起来的控制策略，PID控制器的设计算法以及控制结构相对而言都非常简单，而且对于工程应用背景非常适用。除此以外，在应用PID控制方案时，对于受控对象的要求并不高，即便是数学模型其要求的精确度也不高，并且在采用PID控制器时，所取得控制效果通常都比较令人满意[1]。所以，当前时期工业领域对于PID控制器的应用范围非常广泛，已经成为一种非常好的控制策略，而且在各个领域的应用也都取得了成功。对线形非时变而且较为低阶的控制系统来说，采用PID控制具有非常强的跟踪以及抗干扰能力，可以获得预期的特性，尤其对于低阶的系统来说，进而更好的控制参数，促使其实现最优化。但是PID控制本身也具有一定的局限性。在一些情况下，PID控制器的控制性能会受到非常大的影响，比如系统参数不断变化或者其并非简单的设定点的变化而是跟踪一个参考轨迹等情况，此时就需要对其进行校正，因此要应用到自校正控制器。此外，如果系统非常滞后时，其性能也会受到非常大的影响进而被破坏，此时需要采取特别的处理措施。而对于神经元来说，其自学习和自适应能力都较好，可以对其进行并行处理，其容错能力也会得到大大提升。在控制过程中应用人工神经元时，可以促使控制器更加智能化，并對PID控制器的参数进行在线调整，进而可以促使被控制的系统的抗干扰能力以及鲁棒性等不断增强。

神经元是一种生物模型，其基础是生物神经系统的神经细胞，人们在对此进行研究时，对人工智能机制进行探讨，进而将神经元用数学的形式表达出来，并构建了神经元数学模型[2]。从神经元的本质来看，其主要是一个多输入和单输出的处理信息的单元，在处理信息方面也是非线性的。而PID控制器属于一种线形的控制器，对输出与给定量之间存在的误差的时间函数以及微积分等进行的线性组合，进而构成了控制量，也是对比例微积分进行控制，在此称之为PID控制。通过对常规PID和神经元PID控制器进行对比分析，可以发现二者具有非常相似的形式。而神经元控制系统的参数可以自适应调整，所以其鲁棒性非常强。如果把控制器对象视作神经网络的输出层，则可以将神经元和控制对象视为一种拓展网络。通过采用学习算法，然后依据其对象的变化特征，对PID控制参数进行实时的调整。

2 两轮机器人数学模型的构建方法

通常来说，在建立模型时比较常用的方法就是拉格朗日法以及牛顿欧拉法等。本文在对两轮机器人的数学模型进行构建时，使用的方法是牛顿欧拉法。然后基于四个主要的假设条件构建机器人动力学的非线性方程，这四个基本的假设条件分别是：其一，车轮和机器人身都是刚体；其二，车轮和地面不会出现打滑的情况；其三，机器人没有受到外界的干扰或者即使受到外界的干扰，也不对其进行考虑；其四，不对机器人上身和轮子之间产生的滑动摩擦力进行考虑。

对于两轮自平衡机器人而言，其控制的变量主要是电极电压，进而在进行模型构建时，将转矩向电机电压的方向转换[3]。此外，在模型构建时，还要将直流电机转矩引入在模型中，同时对于控制电压与直流电机转矩的关系也要进行考虑，并体现在模型当中。如果电机的转速比较低或者并不高，对于电枢电感则可以进行忽略，对于粘性阻尼系数也无需对其进行考虑。除此之外还要构建方程描述两轮自平衡机器人的动态特性。

3 神经元PID控制器

在构建两轮自平衡机器人时，充分结合神经网络技术与PID控制器，然后应用神经网络的自学习功能，同时对其表示非线性函数的能力进行应用，要求其根据最优的指标，对PID控制器的参数进行在线智能调整，促使其能够满足被控制对象的参数要求，也能较好的适应结构的变化，同时对于输入参考信号的变化也能较好的适应，并且能够较好的应对其他干扰所带来的影响。对于神经网络控制来说，最基本的控制元件就是神经元，在常规PID控制的基础上，单个神经元的输入量设置成误差的比例与微积分等，进而也就构成了对两轮自动平衡机器人的控制器。

在两轮机器人控制器中运用神经元PID控制器时，把转换器的输入和输出均设置成定值，然后将转换器的输出设置成神经元需要应用的状态量，并设定神经元的比例系数[4]。通过构建模型以后，可以发现神经元PID控制器在实现自适应以及自组织功能等时，主要应用的方法是调整加权系数，在对系数进行调整时，所应用的方法是学习规则。如果神经元的比例系数越大，说明其快速性越好，但是如果大到一定程度，也有可能造成系统出现不稳定的情况。而如果神经元的比例系数越小，则有可能影响快速性，导致其不断变差。

4 实验分析

为对算法的有效性进行验证，针对已经构建起来的非线性模型，需要构建系统的方针模型，此时可以选择在Matlab的环境下进行，对该两轮机器人的模型进行验证。在对两轮机器人系统进行模拟时，应用的是Subsystan，而实现控制和学习算法则主要是建立在S函数模块的基础上。在实验过程中，分别应用神经元PID控制器以及传统的PID控制器两种方式。首先应用后一种策略，对机器人进行平衡控制，选择一组参数可以维持二者平衡的参数，然后将这些参数当成在应用前一种策略时的参考，不仅大大节约了获取参数的时间，也能有效防止主观因素对实验所带来的影响。通过合理的选取各项指标，更好的控制两轮机器人的平衡。在两种控制策略下，实际取得的机器人的倾角及其速度响应曲线实际上也不相同。

由此可以认为，在应用神经元PID控制器进行控制后，明显改善了两轮机器人的系统响应性能，导致系统的过渡时间以及超调等均有一定程度的降低。通过仿真模拟实验，可以发现在两轮机器人中应用神经元PID控制器不仅有效而且非常成功。在确定神经元PID的参数时，主要依据的是传统的PID控制器的参数，所以也使得实验并不存在盲目性[5]。在相同的初始条件下，应用神经元PID控制器方法进行控制，可以有效的改善机器人的响应性能，同时不断增强系统的稳定性。

5 结束语

相對于传统的PID控制器而言，在两轮机器人控制中应用神经元PID控制器时，可以有效的调整其权值，进而可以在线对PID控制器的参数进行调整，不断增强其自学习与自适应的能力。考虑到控制算法以及控制器学习算法等方面的内容，神经元PID实际上相对比较简单，而且可以在其中移植进去各种数字式的微控制器，比如DSP和一些单片机。所以，本文的研究表明，该控制器具有一定的实用价值，可以在两轮机器人控制中进行应用。

参考文献：

[1]祝轩，侯榆青，彭进业，等.基于单神经元PID控制器的闭环控制系统[J].西北大学学报：自然科学版，2016，34（4）：413-416.

[2]李贻斌，苏学成，李洪亮，等.基于神经元的参数自学习PID控制器[A].1996中国控制与决策学术年会论文集[C].2015：1-5.

[3]孙亮，孙启兵.神经元PID控制器在两轮机器人控制中的应用[J].控制工程，2016，18（1）：113-115.

[4]何新英，吴家鸣.基于神经元PID的水下机器人自动升沉补偿液压系统设计[J].广州航海学院学报，2016（4）：1-4.

[5]吴卫兵，方敏.积分分离控制算法的神经元PID控制器及其应用[J].铜陵学院学报，2016，5（5）：65-67.

[6]姚治平，王萍.自适应神经元PID控制器的设计[J].科技广场，2009（01）：180-183.

[7]任俊杰.基于PLC的单神经元PID控制器的设计与实现[J].制造业自动化，2012，34（14）：11-13.