先调节比例,再调节微分
PID 控制方法具有结构简单、调整方便等特点,被广泛应用。当被控对象的模型结构和参数不全,可以采用 PID 控制,其参数通过经验和现场调试来确定。
在路径跟踪控制中,根据轨迹的纵向/横向误差、角度/曲率误差或者若干车
辆姿态状态变量的综合误差,利用比例、积分、微分参数计算出跟踪已有路径所需的方向盘转角,完成机器人的轨迹跟踪目。
PID 控制算法在无人驾驶路径跟踪中普遍运用,apollo 的开源平台代码的轨迹跟踪部分的纵向控制便是基于三个 PID 控制环控制刹车、油门、档位等实现对车速的控制。PID 控制算法不需要被控对象的模型结构和参数,只需要得到车辆与目标轨迹之间的偏差就可以达到很好的控制效果。如图所示是基于机器人与路径横/纵向误差及航向量误差综合控制律简单实现的 PID 路径跟踪仿真图。
PID 算法的缺点在于,针对不同的模型或者路径状况,可能需要不同的 PID参数才能实现稳定控制,PID 参数的标定有时需要大量的实验测试;同时纯 PID的鲁棒性并不好,抗干扰能力不强,由于是基于反馈控制的方式,控制量是滞后输出的。PID 控制的一些改进控制方式包括模糊 PID,神经网络 PID 等。
这里附上参考博客:
基于pid的路径跟踪_智驾技术 | 路径跟踪控制
这里附上相关仿真代码链接:
1.pp跟踪仿真代码链接(非免费哦,技术问题可以私信交流)
2.pid仿真代码链接(非免费哦,技术问题可以私信交流)