此文为某零基础17th恩智浦智能车大赛拟参赛者（很有可能没有参赛资格…），在大学智能车队摸爬滚打的学习笔记。

车队学长要求我们使用PD控制器来控制舵机转向，然而我是没上过自动控制原理的大二学生，只能照猫画虎写了一个这个样子的：

/servo_motor_duty = (90.0 + ((servomotor_kp)*pub_track_error) / 5000.0 + ((servomotor_kd_1) * (pub_track_error - track_error_last)) / 5000.0);

servo_motor_duty就是输出的PWM值（按角度计量，90.0是保持小车直走的舵机中心值），servomotor_kp和servomotor_kd就是PD控制的比例参数和微分参数，pub_track_error是当前误差，track_error_last是前一误差。对此，我的理解是：

Kp项是控制器主体，Kd项是弯道入直道时抑制振动的（误差减少会输出负值抑制车辆左右摇摆），当然在误差突然变大时也可以使小车转向反应更快。

但是，估计是我的图像算法中的误差计算部分有瑕疵，弯道和直线的误差相差不大（改进了，还是拉不开差距），导致了PD控制器效果不好，要么转向不足，要么直线摇摆，很尴尬。

所以，我就想使输出值在小车入弯时呈现爆炸式的上升，而在直线上更快地衰减。于是，我决定使用非线性的，而且更符合人类经验思维的，模糊控制器。

最简单的纯比例项（P项）模糊控制器应该是这样的：

if (error...)//误差在什么范围内
{kp=...;//kp取什么量
}
else if(error)
{kp=...
}

这样类似于一个Kp值表，在不同误差处取不同的值。

然而，我发现这样无法从微分项中得到信息，而且很“僵硬”，非线性特质太强了，所以控制鲁棒性很差…

为了解决上述问题，我改成了使用二维模糊表，横轴代表误差值的“等级”，纵轴代表误差变化速率的“等级”，并由直接计算Kp的值改为使Kp增加或减少一个值来进行迭代（可以当作是平滑处理，只不过这个控制器的输出曲线两边陡峭中间平缓）。

而且因为我的Kp是没有正负性质的，我也怕麻烦没有使用隶属度这个概念，我的模糊表和理论上的模糊表不太一样（按照个人经验调的）。

最后成了这样：

int16 fuzzy_table[7][7] ={{PL, PL, PL, NL, NL, NM, NM},{PL, PL, PM, NM, NO, NO, PS},{PL, PM, PS, NM, NO, NO, PM},{PL, PM, PM, NS, PM, PM, PL},{PM, NO, NO, NM, PS, PM, PL},{PS, NO, NO, NM, PM, PL, PL},{NM, NM, NL, NL, PL, PL, PL}}; //y轴为变化率；x轴为偏差值；
uint8 to_fuzzy[16] = {NL_POS, NL_POS, NM_POS, NM_POS, NS_POS, NS_POS, NO_POS, NO_POS, NO_POS, PS_POS, PS_POS, PM_POS, PM_POS, PL_POS, PL_POS};
void servomotor_control_1() //位置式PD控制器；
{float servomotor_kd_1 = 0;uint8 fuzzy_error = 7 + pub_track_error / 400;if (fuzzy_error < 0){fuzzy_error = 0;}else if (fuzzy_error > 15){fuzzy_error = 15;}uint8 fuzzy_delta = 7 + (pub_track_error - track_error_last) / 100;if (fuzzy_delta < 0){fuzzy_delta = 0;}else if (fuzzy_delta > 15){fuzzy_delta = 15;}servomotor_kp += fuzzy_table[to_fuzzy[fuzzy_delta]][to_fuzzy[fuzzy_error]];if (servomotor_kp < 50){servomotor_kp = 50;}else if (servomotor_kp > 250){servomotor_kp = 250;}servo_motor_duty = 90.0 + ((servomotor_kp)*pub_track_error) / 5000.0;

PL：正大（就是正的很大的值，比如弯道的误差值…）
PM：正中
PS：正小
NO：就是零值附近啦
NS,NM,NL以此类推。

对于一次误差值的输入，我们先进行“模糊化”，也就是“分等级”，比如对我来说2500这个误差很大，定为正大。

然后依据“等级”做处理，比如两个都是正大级别，表示这车不仅现在的位置往右偏，而且还在继续往右偏，速度还蛮大！那不得输出一个巨大的控制量把他扭回来，于是给Kp加上20，继续这样就继续加，直到上限为止（大概一秒迭代50次，响应还是很快的）。要是发现误差不大了调节速度还很大，就使Kp衰减。基础原理就这样，很简单，符合人类思维…

最后的效果嘛，直线抑制振动的效果很好，过连续弯道也很漂亮…(不过还是神经刀神一会鬼一会的)。听说模糊控制是智能车高速控制的神，现在还看不出来…

没学过相关理论知识，只是借鉴了一下模糊控制的思路，大佬不要喷啦。

祝我跑圈验收顺利吧好心人…

先写这么多，这段时间考试有亿点忙…