机器人和视觉系统的pid控制器设计

机器人和视觉系统的 PID 控制器设计摘要PID控制是最早发展起来的经典控制策略, 是用于过程控制最有效的策略之一。由于其原理简单、技术成功，在实际应用中较易于整定, 在工业控制中得到了广泛的应用。它最大的优点是不需了解被控对象精确的数学模型,只需在线根据系统误差及误差的变化率等简单参数, 经过经验进行调节器参数在线整定, 即可取得满意的结果, 具有很大的适应性和灵活性。机器视觉系统是指用计算机来实现人的视觉功能，也就是用计算机来实现对客观的三维世界的识别。按现在的理解，人类视觉系统的感受部分是视网膜，它是一个三维采样系统。三维物体的可见部分投影到网膜上，人们按照投影到视网膜上的二维的像来对该物体进行三维理解。 本文使用 PID控制器对机器视觉系统进行调节，使其优化，并使用 MATLAB对系统进行建模仿真。关键字：PID 控制器 机器视觉系统 MATLABAbstractClassical control strategy of PID control was first developed, is one of the most effective strategies for process control. Due to its simple in principle, technology success, and in practice easier setting, it has been widely used in industrial control applications. Its greatest advantage is that do not need to know precise mathematical model of the object being controlled just online based on a change of system errors and error rate and other simple parameters, after the experienced regulator parameters line setting, you can achieve satisfactory results, with a great deal of adaptability and flexibility. Machine vision systems are systems that use computers to achievement of human visual function, which use computers to achieve of the objective recognition of three dimensional world. According to present understanding, feel part of the human visual system is the retina, which is a three dimensional sampling system. Three dimensional on the visible part of the object projected onto the retina, people follow the two dimensional projected onto the retina as the object to be three dimensional understanding ofThis article uses adjusted PID controller for machine vision systems, optimization, and modeling and simulation of systems using MATLAB.Keywords: PID controller , Machine vision system, MATLAB 已知机器人系统为单位反馈系统，被控对象为机器臂，其传递函数为： )15.0)(ssGo使用 MATLAB对对象进行分析：1.开环传递函数的零极点分布图及其根轨迹图如下：程序为：num=1;den=0.5,1.5,1;G=tf(num,den);figure(1)pzmap(G);figure(2)rlocus(G);图 1 零极点分布图图 2 根轨迹图2对其绘制阶跃响应曲线，程序如下：num=1;den=0.5,1.5,1;G=tf(num,den);step(G)图 3-1阶跃响应曲线图 3-2 阶跃响应曲线及 K,T,L对应值从图 3-1,3-2中, 我们可以近似地提取出带有延迟的一阶环节模型 L=0.315, T=2.25, K=0.9993已知被控对象的 K、L 和 T 值后, 我们可以根据 Ziegler Nichols整定公式编写一 个 MATLAB函数 ziegler_std ( )用以设计 PID控制器。该函数程序如下：function num,den,Kp,Ti,Td,H=Ziegler_std (key,vars)Ti= ;Td= ;H= ;K=vars(1) ;L=vars(2) ;T=vars (3);a=K*L/T;if key=1num=1/a; %判断设计 P 控制器elseif key=2Kp=0.9/a;Ti=3.33*L; %判断设计 PI 控制器elseif key=3, Kp=1.2/a;Ti=2*L;Td=L/2; %判断设计 PID控制器end switch keycase 1num=Kp;den=1; % P控制器case 2num=Kp*Ti,1;den=Ti,0; % PI控制器case 3 % PID控制器p0=Ti*Td,0,0;p1=0,Ti,1;p2=0,0,1;p3=p0+p1+p2;p4=Kp*p3;num=p4/Ti;den=1,0;end故 PID控制器的参数，可以由函数 Ziegler_std ( ) 得到。在 Matlab命令窗口输入 K=0.999;L=0.315;T=2.25;num,den,Kp,Ti,Td=Ziegler_std (3,K,L,T)运行结果如下:num =1.3514 8.5800 27.2381den =1 0Kp =8.5800Ti =0.6300Td =0.15754为完成对系统的 PID 控制，我们可在动态仿真集成环境 Simulink 下构造系统模型( 如图 4 所示，图 4-1 为未加 PID 控制系统仿真，图 4-2 为加入 PID 控制系统仿真) 。图 4-1 未加 PID控制系统仿真图 4-2 加入 PID控制系统仿真5 在 Simulink窗口下点击开始仿真按钮, 双击 SCOPE图标, 即得到阶跃响应曲线( 如图 5所示) 。其中, 图 5-1为未接入 PID 的阶跃响应曲线 , 图 5-2为接入 PID 的闭环响应曲线。图 5-1未接入 PID 的阶跃响应曲线图 5-2接入 PID 的闭环响应曲线由上图可得超调量约为 20.12%，调节时间约为 5s，上升时间约为 1.8s。更改参数使系统优化，当 Kp=8.5800,Ti=0.3333,Td=1.5750时由上图可知超调量约为 3%，调节时间约为 3s，上升时间约为 2.1s。当 Kp=10.000,Ti=0.3333,Td=1.5750时由上图可知超调量约为 4%，调节时间约为 2.5s,上升时间约为 1.9s。6结论：未加 PID 时的系统分析为：L=0.315, T=2.25, K=0.999加入 PID后的系统分析为：Kp =8.5800Ti =0.6300Td =0.1575超调量约为 20.12%，调节时间约为 5s，上升时间约为 1.8sKp=8.5800,Ti=0.3333,Td=1.5750超调量约为 3%，调节时间约为 3s，上升时间约为 2.1sKp=10.000,Ti=0.3333,Td=1.5750超调量约为 4%，调节时间约为 2.5s,上升时间约为 1.9sPID 控制中的积分作用可以减少稳态误差, 但另一方面也容易导致积分饱和 , 使系统的超调量增大。微分作用可提高系统的响应速度, 但其对高频干扰特别敏感, 甚至会导致系统失稳。通过调节参数值使机器臂方位定位更精准。7参考文献：自动控制原理 胡寿松著MATLAB 辅助分析与设计软件PID 控制器设计/jueyuezhao/blog/item/183eba340eda4f8da61e12