机器人和视觉系统的PID控制器设计

1、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

2、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 b

3、een 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

4、setting, you can achieve satisfactory results, with a great deal of adaptability and flexibility. Machine vision systems are systems that usecomputers to achievement of human visual function, which use computers to achieve of the objective recognition of three dimensional world. According to present

5、 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 understan

6、ding of.This 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：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(

7、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ZieglerNichols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

8、：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=1 num=1/a; %判断设计P 控制器 elseif key=2 Kp=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 key case 1num=Kp;den=1; % P控制器 case 2num=Kp*Ti,1;den=Ti,0; %

9、 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

10、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

11、=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