基于ADRC-PID串级控制算法的直立智能车

赵士勋，高 琴

（防灾科技学院，河北 三河 065201）

0 引 言

对于电磁循迹直立智能车在赛道上不断修正路线时电磁信号变化大，外部干扰敏感时系统无法保持稳定，以及参数调整不便等问题，本文提出了基于串级自抗扰控制算法的直立智能车系统。传统智能车一般采用经典PID、自适应模糊PID、神经网络等控制算法，这些方法成熟，易于实现，但各自存在不足之处。一方面，参数调整困难，传统PID控制是根据得到的误差来逐步减少偏离量以达到控制目的，而理想控制效果则来源于有效的误差值和良好的参数，所以受输入信号品质和参数影响较大。另一方面，调整好的PID参数并不能有效的自适应系统和周围环境中的干扰变量，在传统智能车程序中，实际采集到的电磁信号在车速过快的情况下会“跳变”，此时以期望目标值与实际值做差得到误差值的方法不太合理，传统PID控制算法基于得到的误差值在进行输出限幅后无法使系统快速反应。此外，用于智能车的模糊PID和神经网络算法实际调参和获得训练集比较麻烦。为了更快地调试参数和提高直立智能车对外界环境的抗干扰能力，提出ADRC-PID串级控制算法。实验结果证明，直立智能车有较强的抗干扰性，可实现自主循迹。

1 智能车硬件系统设计

在搭建直立智能车时要保证其稳定，就必需降低重心。设计硬件电路的首要目标是检测到正确完整的信号，一味追求精简将得不偿失。硬件电路主要由电源模块、运放模块、主控模块、驱动模块、速度检测模块（编码器）、倾角传感器（陀螺仪和加速度计）、干簧管、通信模块、操作模块等构成。使用7.2 V/2 000 mA·h电池供电，经电源模块得到3.3 V和5 V电压为其他硬件模块供电。智能车硬件系统结构如图1所示[1]。

图1 智能车硬件系统结构

1.1 电源模块

一个控制系统能否正常工作与电源模块有着重要关系。由于电源波纹会影响传感器性能，所以采用无干扰、无噪音，具有较高稳定性和较小波纹的线性电源技术。该模块采用TPS76850和TPS76833稳压器分别提供5 V和3.3 V电源，其中，主控模块、倾角传感器模块、运放模块使用3.3 V电源，编码器使用5 V电源。电源模块电路如图2所示。

图2 电源模块

1.2 驱动模块

直立智能车需要驱动2个电机并实现正反转，为提高MOSFET开关速度，提高调制频率，模块采用HIP4082IBZT作为驱动芯片，以提高系统的可靠性。选择IR公司出品的LR7843型SOT252封装的NMOS场效应管组成全桥电路。驱动模块电路如图3所示。

图3 驱动模块

2 方向控制器和速度控制器设计

采用20 kHz的正弦电磁波作为引导信号，使用LC并联谐振电路采集选定频率信号，并滤除外界其他频率信号。直立智能车共使用4组LC谐振电路，包括4个配对电感。将4个电感水平一字排列在前瞻处，左右两边电感距离约为7 cm。通过运放模块放大信号并输入主控芯片ADC通道。

2.1 方向串级PD控制器设计

将谐振电路采集的感应电压作为方向引导指标，将输入值进行归一化处理后，通过左右电感差比和相应算法得到误差值，使用增量式PD（也可以只有P参数）作为方向外环进行控制，通过陀螺仪采集的角速度作为PD方向内环控制车模方向，最终使得直立智能车中线始终保持在预定电磁线上[2]。

2.2 速度PI控制器设计

编码器测得的车模运动时产生的脉冲信号由主控芯片捕获后将进行自动控制。为消除直立智能车最终运动倾角和设定倾角之前的角度差值，直立车会向一个方向进行加速运动。对于类似直立智能车的非最小相位系统，速度控制要平稳缓和，不能影响直立控制。

3 ADRC-PID串级直立控制器设计

传统直立车一般使用PID串级控制实现直立平衡，即采用2个PID控制器串联进行控制，以角度环作为外环控制器，以角速度环作为内环控制器，外环的输出为内环的设定值，由内环进行动态操作，进而使角度外环得到更好的控制，具有良好鲁棒性。鉴于PID控制受误差影响大，参数调整困难，现设计内环采用角速度ADRC控制，外环采用角度PD控制。对于直立平衡车而言，需要在最短时间内快速调节偏差角度，所以取消了积分环节。ADRC-PID串级直立控制器如图4所示[3]。

图4 ADRC-PID串级直立控制器结构

3.1 外环角度PD控制器设计

陀螺仪和加速计测得的角速度和加速度进行二阶互补滤波融合，计算出直立智能车实时倾角θ2，设定好期望倾角θ1，对2个倾角之差进行PD控制，得到外环输出角度。

3.2 内环角速度ADRC控制器设计

自抗扰控制器由微分跟踪器（TD）、扩张状态观测器（ESO）、非线性状态误差反馈控制（NLSEF）组成[4]。外环角度PD控制器的输出角度值作为内环角速度ADRC控制器的期望参数，ADRC控制器最终输出控制信号给电机，实现直立智能车的动态平衡[5]。

3.2.1 微分跟踪器（TD）

安排过渡过程，通过微分跟踪器提取输入角度微分信号，获得输入信号动态变化过程，以便控制器能够根据外界变化程度和噪声影响，提前预判控制力度，使得参数的选择范围更大。由于直立智能车在运行过程中无持续的激烈变化，所以选择合并TD与“安排过渡过程”。

在内环角速度ADRC控制器中，φx为设定的期望值，即外环角度PD控制器输出角度。安排过渡过程，并输入期望角度值，由跟踪微分器得到v1最速跟踪状态量，v2最速跟踪状态微分量。速度因子r由被控对象自身承受能力决定，这里取r=40，h=0.005。

3.2.2 扩张状态观测器（ESO）

作为自抗扰控制的核心，扩张状态观测器根据系统自身状态量与外界干扰量估算出扰动，对系统进行补偿。

TD得到v1和v2后将其作为ESO的输入信号，进而得到反馈信号的扩张状态，即状态观测器各状态变量zi(t)（包括 z1、z2、z3）。fal(ε, α, δ)函数中，参数 α1=0.5，α2=0.25，无需调试整定。β1、β2、β3为状态器的反馈增益，由系统所用采样步长决定，不超过采样频率的数量级即可，分别取值为400、450、2500。补偿系数 b=1。

3.2.3 非线性组合（NLSEF）

得到系统当前的误差信号及误差微分信号后，采用非线性组合的方式能够计算出随系统动态变化程度所需输出的抗扰动控制值。

ESO中z1、z2分别与TD中得到的v1，v2做差后，通过fal(ε, α, δ)函数进行非线性组合，得到原始控制量u0。式中：b0为补偿因子；增益系数为k1，控制系统可迅速达到目标值，但过大会产生振荡；增益系数k2抑制超调振荡，类似于PID中的微分系数D，增益系数分别取值为5，5；α1，α2基本无变化，取α1=0.8，α2=1.25；为避免原点处fal函数出现过振动，取δ0=50；fst(v1, v2, r, h)为最速跟踪函数，r为速度因子，h 为滤波因子。控制器中 fst(v1, v2, r, h)，fal(ε, α, δ)定义如下 ：

3.3 实验仿真结果

在本算法中设定内环角度ADRC控制器参数时，真正需要调整的参数只有TD的r，h与NLSEF中的k1，k2，其他参数基本不变。r，h由系统的承受能力决定，变化不大。k1，k2影响最终输出结果，但有较大的调参范围，容易找到。从仿真波形可以看出，内环角度ADRC控制器的输出信号曲线能够快速平稳跟踪输入信号（正弦函数），仿真波形如图5所示。

图5 仿真波形

4 结 语

本文提出了一种基于ADRC-PID串级直立控制器的可自主循迹直立智能车。相比串级PID控制，该控制算法的自抗扰控制器参数便于调整，大幅降低了调参难度，同时由于参数调整范围大，当存在外界干扰时直立智能车适应能力更强。可以看出，自抗扰控制器应用于直立智能车将使其更加智能，未来，这一技术将被运用到更多领域。