智能汽车控制策略及PID算法分析
PID及模糊控制算法
第3章 智能汽车设计基础—软件
第3章 智能汽车设计基础—软件
1 3.1 编程语言简介
2 3.2 控制算法
3
思考题
3.1 编程语言简介
1
3.2.1 PID控制算法
2
3.2.2 模糊控制算法
3
3.2.3 其它智能 控制算法
图3.1 常规PID控制系统原理框图
r(t)
u(k
)
Kp
e(k
)
T Ti
j
k 0
e(
j
)
Td T
[e(k
)
e(k
1)]
(3.11)
期T与式被中控，对u(象k)时为间第常数k 比个较采相样对时较刻小的，控那制么量这。种如近果似采是样合周
理的，并与连续控制的效果接近。
模拟调节器很难实现理想的微分
，而利用计算
3.2.1 PID控制算法
图3.6 增量型算法流程图
3.2.2 模糊控制算法
•可编辑
3.2.2 模糊控制算法
图3.7 模糊控制基本结构图
3.2.2 模糊控制算法
3.2.2 模糊控制算法
（2）描述输入、输出变量的词汇
在模糊控制中，输入、输出变量大小是以语言形式描述的，因 此要选择描述这些变量的词汇。我们的日常语言中对各种事物和变量 的描述，总是习惯于分为三个等级，例如，物体的大小分为大、中、 小；运动的速度分为快、中、慢；年龄的大小分为老、中、青。实际 应用中一般都选用“大、中、小”三个词汇来描述模糊控制器的输入、 输出变量的状态，再加上正、负两个方向和零状态，共有7个词汇，即
e(k )
基于LQR的智能驾驶汽车横纵向控制研究
基于LQR的智能驾驶汽车横纵向控制研究
高爱云;肖寒;付主木
【期刊名称】《河南科技大学学报(自然科学版)》
【年(卷),期】2024(45)2
【摘要】为了提高智能驾驶汽车跟踪控制器的稳定性和跟踪精度,提出了一种基于线性二次型调节器(LQR)控制算法和驾驶员预瞄模型的横向跟踪控制策略,结合纵向比例-积分-微分(PID)控制算法实现横纵向控制。
首先建立带有前馈的LQR控制器,采用梯度下降优化算法优化LQR控制器权重参数,并在此基础上引入驾驶员预瞄模型,设计了基于经验的预瞄距离自适应控制器;其次建立双PID纵向控制器进行速度控制。
最后通过Carsim和Matlab/Simulink联合仿真以及实车测试验证,结果表明:仿真工况下最大横向偏差小于0.035 m,最大航向偏差小于0.09 rad,实车测试工况下也能够良好遵循规划轨迹的整体趋势,速度跟踪效果良好且前轮转角与横摆角速度变化平稳。
因此,该控制器能够保证较高精度且平稳的轨迹跟踪,在高速状态下更为明显。
【总页数】17页(P30-43)
【作者】高爱云;肖寒;付主木
【作者单位】河南科技大学车辆与交通工程学院;河南科技大学信息工程学院【正文语种】中文
【中图分类】TP273
【相关文献】
1.基于模型预测控制的无人驾驶汽车横纵向运动控制
2.基于模型预测控制的智能车横纵向控制器设计
3.连续工况下基于PID+LQR算法的自动驾驶车辆横纵向耦合控制
4.基于横纵向综合控制的智能汽车路径跟踪
5.基于模型预测控制的智能车辆横纵向综合控制研究
因版权原因，仅展示原文概要，查看原文内容请购买。
智能车路径识别及控制策略的研究
２１ ０ ２年 ７月
机床与液压
ＭＡＣＨＩ ＮＥ ＯＯＬ ＆ ＨＹＤＲＡＵＬ ＣＳ Ｔ Ｉ
Ｊ １２ ２ ｕ ． ０１
Ｖｏ ． ０ Ｎｏ １ １４ ． ３
第４ Ｏ卷 第 ｌ 期 ３
ＤＯ ：１ ． ９ ９ ｊｉｓ． ０ １—３ பைடு நூலகம் ． ０ ２ １ ． ２ Ｉ ０ ３ ６ ／．ｓｎ １０ ８ １ ２ １． ３ ０ ５
ｏｇ ｉｉｎ． Ｔｈｅｆ ｚ ｙ ａｇ ｒｔ ｍ ｎ ｈｅ ｆｌ ｒｎｇ ｐ ｏ ｅ ｓｎ ｒ ｄｏ ｅ ｏｆｎｄ ｔ ｔ ｓｔｏ ｄ ｄｒ ｃｉ ｎ． Ｔｈ ｎ ｔｏ ｕ ｚ ｌｏ ｈ ａ ｄ ｔ ｔｉ ｒ ｃ ｓ ｉ ｇｗｅ ｅａ ｐｔｄ ｔ ｉ ｉ ｅ ｉ ｈｅｐａｈ ｐｏ ｉｉｎ ａ ｉｅ ｔｏ ｎ ｅ ＰＤ ｏ ｔｏ ｔａｅ ｙ ｃ ｎ ｒ ｌｓｒ ｔｇ
硬件设计包括信号调理 电路 、电源和电机驱动的设计等 。实验结果证 明，按该 方案设计 的智 能车 能够快速稳定运行 。 关键词 ：智能车 ；激光传感器 ；路径识别 ；模糊算法 ；控制策略
PID算法在智能车方向控制中的应用
PID算法在智能车方向控制中的应用智能车是指能够感知、分析、决策和执行动作的汽车。
它可以通过集成传感器、图像识别、机器学习和控制算法来实现自主导航和安全驾驶。
在智能车的控制系统中，方向控制是一个重要的组成部分。
PID算法是智能车方向控制中常用的一种算法，它能够通过实时调整车辆转向角度来实现车辆的精确控制。
PID算法是一种反馈控制算法，它通过不断地对系统输出与期望输出的差异进行检测和调整，以实现控制系统的稳定。
PID算法由比例控制、积分控制和微分控制三个部分组成。
比例控制部分根据系统输出与期望输出的差异进行比例调整，积分控制部分根据系统输出与期望输出的累积差异进行积分调整，微分控制部分根据系统输出与期望输出的变化速率进行微分调整。
这三个部分共同作用，通过实时调整控制信号来达到期望输出。
在智能车的方向控制中，PID算法可以通过以下步骤应用：1.传感器数据获取：智能车通常配备了多种传感器，如惯性传感器、陀螺仪和激光雷达等，用于感知车辆的运动状态和周围环境。
PID算法需要读取传感器数据作为反馈信号。
2.设置期望输出：根据预定的路线或目标，可以设置一个期望的转向角度作为系统的期望输出。
3.计算误差：将传感器数据中获取的实际转向角度与期望转向角度进行比较，计算得出误差。
误差可以表示为实际转向角度减去期望转向角度的差异。
4.比例控制：根据误差的大小，比例控制部分会调整控制信号的大小，从而影响车辆的转向角度。
比例系数越大，车辆的响应速度越快，但可能会引起过冲或震荡现象。
5.积分控制：积分控制部分会通过累积误差来调整控制信号，从而消除系统的稳态误差。
积分系数越大，车辆的稳定性越好，但可能会引起过冲现象。
6.微分控制：微分控制部分会通过测量误差的变化率来调整控制信号，从而降低车辆的震荡现象。
微分系数越大，车辆的稳定性越好，但可能会引起过度补偿。
7.发送控制信号：根据比例控制、积分控制和微分控制的结果，生成控制信号并发送给车辆的转向系统，从而实现转向角度的调整。
智能车辆感知与控制技术研究
智能车辆感知与控制技术研究随着科技的不断发展，智能车辆成为未来交通的重要发展方向。
智能车辆通过感知环境和控制行为来实现自主驾驶，并将具有更高的安全性、效率和舒适性。
智能车辆感知与控制技术是实现自动驾驶的核心，本文将探讨该技术的研究进展、挑战和未来发展。
一、智能车辆感知技术1.传感器技术传感器是智能车辆感知环境的重要工具。
目前，常用的传感器主要包括摄像头、雷达、激光雷达和超声波传感器。
摄像头能够获取图像信息，通过图像处理算法实现障碍物检测、车道识别等功能；雷达和激光雷达能够精确测量物体的位置和速度；超声波传感器主要用于近距离的障碍物检测。
传感器技术的不断创新将进一步提高车辆对环境的感知能力。
2.计算机视觉技术计算机视觉技术在智能车辆感知中发挥着重要的作用。
通过对摄像头获取的图像进行分析和处理，可以实现车辆的目标检测、车道检测、行人识别等功能。
其中，深度学习算法的应用使得计算机视觉技术取得了巨大的进步，能够更准确地检测和识别目标。
3.环境建模与定位智能车辆需要对周围环境进行建模和定位，以保证车辆行驶的安全和可靠性。
环境建模通过将感知到的环境信息进行抽象和表示，构建地图等模型。
定位技术则用于确定车辆在地图中的位置。
其中，Simultaneous Localization and Mapping（SLAM）算法被广泛应用于智能车辆的环境建模和定位任务。
二、智能车辆控制技术1.路径规划与决策智能车辆的路径规划决策是实现自动驾驶的关键。
路径规划算法通过分析环境信息和目标，确定最优的路径。
决策算法则根据当前环境和交通情况，做出相应的驾驶决策。
同时，智能车辆还需要实时更新路径和决策，以应对动态变化的道路和交通状况。
2.控制与执行智能车辆的控制与执行是将决策转化为实际行动的过程。
控制算法通过调节车辆的转向、加速和刹车等动作，实现车辆的精确控制。
常用的控制算法包括Proportional-Integral-Derivative（PID）控制和模型预测控制等。
简述智能汽车自动驾驶的控制方法
简述智能汽车自动驾驶的控制方法本文将针对智能汽车自动驾驶的控制方法进行简要分析和探究，旨在有效提升汽车自动驾驶技术的应用效果，为智能汽车创造更加广阔的发展空间。
标签：智能汽车;自动驾驶;控制方法引言随着人们生活水平的不断提升，对于出行工具的选择提出了更高的要求。
现代科学技术的发展使得越来越多的智能汽车被广泛应用于人们的日常生活，而自动驾驶技术的应用与发展更加提升了智能汽车的使用性能。
通过智能汽车自动驾驶的控制系统能够有效满足智能汽车自动驾驶的需求，明确自动驾驶控制的方法，并在仿真验证分析中，有效提升智能汽车自动控制的效果，提高汽车自动驾驶的水平。
1 智能汽车自动驾驶车辆控制模型的构建在对智能汽车自动驾驶系统监督的过程中，系统的控制运行中转向和转角与对车辆的控制存在一定关系，因此，要想提升汽车运行控制的监督质量，需要在建立智能汽车自动驾驶系统控制模型的过程中，根据道路行车的实际控制情况、汽车方向盘转角的控制和汽车间距的控制构建模型。
接下来，根据智能汽车自动驾驶控制的实际需求，根据大地坐标系将整个汽车驾驶控制中的坐标体系模型进行构建，并对坐标系的控制数据模型进行适当调整，确保在对模型的控制与调整工作中有效提升对智能汽车自动驾驶控制系统的控制效果。
在对系统描述功能进行控制的过程中，能够对智能汽车自动驾驶控制系统进行监督。
根据图1可看出，在构建数据模型时，严格根据汽车仿真系统的构建要求，对汽车自动驾驶控制系统控制中的数据和模型做出了有效调整，并根据智能汽车自动驾驶控制的实际需求，开展车辆自动驾驶控制中的行驶模型的设计工作，同时，对汽车自动驾驶系统控制的过程中，对汽车的控制状况、道路情况以及仿真信息进行全面分析，确保在智能汽车自动驾驶的过程中，使汽车对前方路况的监督状态以及系统的控制反馈为一个整体，并通过调节汽车的反馈系统对汽车的智能化监督控制体系进行相应调整，进而提升对整个车辆的自动控制效果。
2 智能汽车自动驾驶车辆道路状况的识别在智能汽车自动驾驶过程中，需要明确掌握前方道路的具体情况，因此，需要通过对道路状况信息的处理与识别，确保汽车运行的安全性和稳定性。
汽车PID巡航系统控制策略浅析
汽车PID巡航系统控制策略浅析本文介绍了汽车巡航的功能，组成，作用和原理，分析了其中的传感器，控制器，执行机构的工作原理;通过对比PID控制，模糊控制，迭代学习控制和自适应控制的工作特点，分析了各种巡航控制策略的优劣。
标签：巡航;控制;PID0 引言汽车巡航控制是当下汽车发展中正在普及的一项技术，这项技术在汽车长途行驶中降低驾驶员疲劳驾驶，降低一些外在因素而发生的事故。
但是汽车巡航控制系统并没有发展完善，很多问题伴随驾驶員驾驶汽车时而产生。
巡航制控系统（Cruise Control System）简称CCS（车辆速度控制系统），是指在驾驶员不需要踩油门通过巡航控制器设置一个特定的车速而使行驶车辆车速不断在接近设定车速限制内行驶的控制装置[1]。
驾驶汽车在高速公路上行驶，虽然外界因素相对稳定，但驾驶时间长了还是需要适当的更改汽车行驶速度，长时间驾驶车辆对人各方面都会有一定的影响，容易出现不利于驾驶的因素产生，因此在汽车上安装巡航系统。
汽车巡航问世之后也伴随着一些问题的出现，比方巡航系统打开无法关闭，巡航系统在不同操作系统下的关闭方法不同。
在技术上也有一定的进步例如从以前单方面的让车保持一种车速下行驶到现在跟车定速等。
不管从巡航系统的不足到问题的分析还是从巡航系统的技术升级，我们都应该对汽车巡航系统控制系统进行分析，从而加强对技术的学习与研究深度，提升分析和解决问题的能力。
1 巡航系统发展方向进入21世纪以来，由于汽车电子元件越来越普遍地应用在汽车上以及各地公路、高速公路的不断发展，使得定速巡航系统已经逐步变得成熟，系统的电路以及布线有了很大的进步，控制部分更加快捷与精确，多路传送系统的技术变得更加成熟，故障自动报警系统发展得更加精准[2]。
总体看来，巡航系统的发展方向具体有以下几点：1.1 先进控制方法的引进车辆在行驶过程中的实际工况是很复杂的，它主要受到车载人员的人数、发动机的当前状况等因素的影响，驾驶员对舒适性的要求更高了，引入新技术的巡航控制系统在以传统的控制原理为基础，又引入不少先进的控制理论，目前，PID 控制，自适应控制和模糊控制等原理先后被研发使用[3]。
纯电动汽车自动驾驶功能设计
AUTO TIME97NEW ENERGY AUTOMOBILE | 新能源汽车时代汽车 纯电动汽车自动驾驶功能设计李小润 钟日敏 黄祖朋 赵小羽 沈阳上汽通用五菱汽车股份有限公司技术中心 广西柳州市 545007摘 要： 针对纯电动车自动驾驶功能，设计一种利用PID 算法对车辆的驱动扭矩进行控制的系统，使得车辆的实际速度与驾驶员的期望速度一致，实现车辆自动驾驶的功能。
通过实车验证和调试，该控制系统具有良好的响应精度。
相较于传统汽车通过控制喷油量的多少来控制车速，具有更好的鲁棒性和实时性。
关键词：纯电动车 自动驾驶 PID 控制1 引言在节能减排的法规日益严格及智能驾驶不断兴起的背景下，全球汽车行业关于纯电动车的关注和投入火速增加。
美国学者麦肯锡预测，到2025年无人驾驶汽车可以产生2000亿～1.9万亿美元的产值；市场研究公司IHS 预测， 2035年4级完全无人驾驶车每年销量可达480万辆。
对任何一个行业而言，这都具有足够的市场诱惑。
[1]当前各主机厂都投入了大量的人才及资源进行开发。
无人驾驶，是指通过给车辆装备智能软件和多种感应设备，包括车载传感器、雷达、GPS 以及摄像头等，实现车辆的自主安全驾驶，安全高效地到达目的地并达到完全消除交通事故的目标。
[2]无人驾驶的一大核心功能是实现汽车自动驾驶功能，能实现脱离油门踏板，以驾驶员通过上位机发出的任何期望速度行驶。
并使得驾驶员能脱离转向系统、制动系统、换挡装置和油门踏板等，自动实现车辆的起步、换挡、加减速、停车等功能。
如图1。
鉴于传统车在实现自动驾驶的PID 模块中，通过控制喷油量来调节车速，固然有一定的可靠性。
然而出现不同工况或路况时，相同的喷油量输出的扭矩也必然不一样。
会使得控制器缺乏精准的鲁棒性和实时性。
文章对于纯电动车，设计一种自动驾驶控制系统，直接输出对电机的扭矩请求值驱动车辆，具有更好的响应精度。
2 自动驾驶功能结构模块设计自动驾驶功能控制系统的硬件模块主要包括：1、整车控制器（Vehicle Control Unit，简称VCU）；2、电机控制器（Motor Control Unit，简称MCU）；3、驱动控制器（Drive Control Unit，简称DCU）；4、车速传感器；5、驱动电机。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
作者：王保磊机电1103-11221077目录背景简介一．智能汽车竞赛简介： (1)系统建立二．控制策略： (1)2.1：理论分析 (2)2.2 ：PID控制规律的离散化 (3)2.3 ：matlab分析 (4)2.4 ：系统校正 (9)总结三．总结： (14)一．智能汽车竞赛简介。
全国大学生“飞思卡尔”杯智能汽车竞赛是在规定的模型汽车平台上，使用飞思卡尔半导体公司的8位、16位微控制器作为核心控制模块，通过增加道路传感器、电机驱动电路以及编写相应软件，制作一个能够自主识别道路的模型汽车，按照规定路线行进，以完成时间最短者为优胜。
因而该竞赛是涵盖了控制、模式识别、传感技术、电子、电气、计算机、机械等多个学科的比赛。
摄像头组比赛规则：采用模拟或数字摄像头对赛道信息进行采集，通过硬件二值化并进行软件信息处理，获得赛道信息，采用规定的舵机和电机控制小车的行走。
相同的赛道，竞速，完成赛道时间短的队伍获胜。
下图为赛道示意图和实际赛道照片。
为保证小车一直沿着黑色引导线快速行驶，系统主要的控制对象是小车的转向和车速。
即应使小车在直道上以最快的速度行驶。
在进入弯道的时刻尽快减速，且角度的转向要适合弯道的曲率，确保小车平滑地转弯，并在弯道中保持恒速。
从弯道进入直道时，小车的舵机要转向至中间，速度应该立即得到提升，直至以最大的速度行进。
为实现上述控制思想，我们采用不同的控制方法来控制小车的转角和速度。
下图为小车的实物模型：二．控制策略。
2.1：理论分析：Ov7620数字摄像头采集到的赛道信息为采集点灰度值，这些灰度值与设定的阀值进行比较转化为二进制信息，利用这些二进制信息可以确定赛道黑线位置，进而确定小车当前位置及理想通过曲线。
求得理想通过曲线上各点的斜率进而确定赛道类型，通过算法控制电机转速，以保证小车安全通过赛道防止侧翻和打滑。
计算小车的当前位置横坐标值即摄像头视野中线与理想通过曲线与横坐标交点的差值。
利用该差值控制舵机转角进而控制小车转向，在前进过程中向理想通过曲线靠拢。
通过以上分析，系统的模型可基本建立。
如图所示矩形ABCD 代表ov7620摄像头的采集范围。
令：e=X2-X1。
将e 作为系统的输入变量即偏差，计算该偏差的值利用PID 算法计算出输出U 的值，U 为当前输出控制舵机的PWM 值与上次的差值。
根据该差值可得控制舵机转角的PWM 值。
以上模型可以抽象为解决以e 为输入函数，U 为输出函数的系统稳定问题。
由以上分析得到了舵机的控制信号，及解决了小车的转向难题。
解决小车的速度问题方法与此类似。
根据理想通过曲线上不同点的斜率与适当阀值进行比较确定赛道类型，进而控制小车电机的PWM 信号达到车速控制目的。
其控制算法亦可用PID 算法。
本文仅对小车的舵机PID 算法进行分析研究。
接下来就是系统传递函数的建立。
2.2 PID 控制规律的离散化。
PID 控制器是一种线性调节器，这种调节器是将系统的给定值r 与实际输出值y 构成的控制偏差y r c -=的比例（P ）、积分（I ）、微分（D ），通过线性组合构成控制量，所以简称PID 控制器。
连续控制系统中的模拟PID 控制规律为： ])()(1)([)(0dtt de T dt t e T t e K t u DtIp ++=⎰（式1）式中)(t u 是控制器的输出，)(t e 是系统给定量与输出量的偏差，P K 是比例系数，I T 是积分时间常数，D T 是微分时间常数。
其相应传递函数为： )11()(s T sT K s G D I p ++= （式2）在系统中加入积分环节，微分环节会达到不同的调节效果。
如下进行介绍。
比例调节器、积分调节器和微分调节器的作用：（1）比例调节器：比例调节器对偏差是即时反应的，偏差一旦出现，调节器立即产生控制作用，使输出量朝着减小偏差的方向变化，控制作用的强弱取决于比例系数P K 。
比例调节器虽然简单快速，但对于系统响应为有限值的控制对象存在静差。
加大比例系数P K 可以减小静差，但是，P K 过大时，会使系统的动态质量变坏，引起输出量振荡，甚至导致闭环系统不稳定。
（2）比例积分调节器：为了消除在比例调节中的残余静差，可在比例调节的基础上加入积分调节。
积分调节具有累积成分，只要偏差e 不为零，它将通过累积作用影响控制量u ，从而减小偏差，直到偏差为零。
如果积分时间常数I T 大，积分作用弱，反之为强。
增大I T 将减慢消除静差的过程，但可减小超调，提高稳定性。
引入积分词节的代价是降低系统的快速性。
（3）比例积分微分调节器：为了加快控制过程，有必要在偏差出现或变化的瞬间，按偏差变化的趋向进行控制，使偏差消灭在萌芽状态，这就是微分调节的原理。
微分作用的加入将有助于减小超调，克服振荡，使系统趋于稳定。
由于计算机系统是一种采样控制系统，只能根据采样时刻的偏差值计算控制量，因此，利用外接矩形法进行数值积分，一阶后向差分进行数值微分，当采样周期为T 时，)]([10-=-++=∑i i Dij j Ii p i e e TT e T Te K u （式3）如果采样周期足够小，这种离散逼近相当准确。
上式中i u 为全量输出，它对应于被控对象的执行机构第i 次采样时刻应达到的位置，因此，上式称为PID 位置型控制算式。
可以看出，按上式计算i u 时，输出值与过去所有状态有关。
当执行机构需要的不是控制量的绝对数值，而是其增量时，可导出下面的公式： )]2([2111----+-++-=-=∆i i i D i I i i p i i i e e e TT e T Te e K u u u （式4） 或)]2([2111----+-++-+=i i i D i I i i p i i e e e TT e T Te e K u u （式5）式4称为增量型PID 控制算式；式5称为递推型PID 控制算式； 增量型控制算式具有以下优点：(1)计算机只输出控制增量，即执行机构位置的变化部分，因而误动作影响小； (2)在i 时刻的输出i u ，只需用到此时刻的偏差，以及前一时刻，前两时刻的偏差1-i e 、2-i e ，和前一次的输出值1-i u ，这大大节约了内存和计算时间；(3)在进行手动—自动切换时，控制量冲击小，能够较平滑地过渡；控制过程的计算机要求有很强的实时性，用微型计算机作为数字控制器时，由于字长和运算速度的限制，必须采用必要的方法来加快计算速度。
下面介绍简化算式的方法。
按照式5表示的递推型PID 算式，计算机每输出一次i u ，要作四次加法，两次减法，四次乘法和两次除法。
若将该式稍加合并整理写成如下形式： 211)21()1(---++-+++=i D p i D p i DI p i i e TT K e T T K e T T T T K u u 221101---+-+=i i i i e a e a e a u （式6）式中系数0a 、1a 、2a 可以离散算出，从而加快了算法程序的运算速度。
按式6编制的数字控制器的程序框图如下图所示。
由于输出信号U 作为舵机PWM 值的变化量，小车实际位置与理想通过曲线与横坐标交点的差值e 作为输入误差值，选择增量式PID 算法。
因此其传递函数为增量式PID 传递函数。
输出与输入的关系为)]2([2111----+-++-=-=∆i i i D i i i p i i i e e e TT e T Te e K u u u ，其中Kp*T/Ti=Ki，Kp*Td/T=Kd其传递函数为：G（s）=Kp+Ki/s+Kd*s.2.3 matlab分析。
系统的输入函数是不确定的，因为对于小车循迹的过程中在某一时刻的偏差对应一个PWM差值，影响下一时刻的信息采集，采集的的信息经过二值化处理进行计算可得下一时刻的偏差，该偏差不仅受上一次输出值的影响还受外界环境的影响，是一个不确定的值，因此输入函数是不确定的。
在这里仅对小车做静态的PID算法分析，即设定输入函数为一定值。
进行matlab分析如下：设定传递函数为G(s)=10/[s(s^2+3s+2)].编写以下程序：clear;num=10;den=conv([1,0],[1,3,2]);G1=tf(num,den);figure;step(feedback(G1,1));figure;margin(G1);grid;在matlab中运行，可得下图图像：由该图可知系统是不稳定的。
其bode图为：2.4 系统校正。
为使系统变为稳定系统现增加一PID调节环节，此时系统传递结构框图变为：在matlab中编写以下程序：clear;Kp=8;Ki=12;Kd=1.90;s=tf('s');Gb=Kp*(Ki*Kd*s*s+Ki*s+1)/(Ki*s);figure;margin(G1*Gb);grid;figure;step(feedback(G1*Gb,1));G1=G1*Gb;接下来要做的是调节PID参数，使系统变得稳定。
工程上确定PID参数的方法为试凑法，具体实现如下：（1）先整定比例部分：将比例系数p K 由小调大，并观察相应的系统响应趋势，直到得到反应快、超调小的响应曲线。
如果系统没有静差或静差已小到允许范围之内，同时响应曲线已较令人满意，那么只须用比例调节器即可，最优比例系数也由此确定。
（2）如果在比例调节的基础上系统的静差不能满足设计要求，则须加入积分环节。
整定时一般先置—个较大的积分时间系数I T ，同时将第一步整定得到的比例系数p K 缩小一些（比如取原来的80％），然后减小积分时间系数使在保持系统较好的动态性能指标的基础上，系统的静差得到消除。
在此过程中，可以根据响应曲线的变化趋势反复地改变比例系数p K 和积分时间系数I T 从而实现满意的控制过程和整定参数。
（3）如果使用比例积分控制器消除了偏差，但动态过程仍不尽满意，则可以加入微分环节，构成PID 控制器。
在整定时，可先置微分时间系数D T 为零，在第二步整定的基础上，增大微分时间系数D T ，同时相应地改变比例系数p K 和积分时间系数I T ，逐步凑试，以获得满意的调节效果和控制参数。
值得一提的是，PID 三个参数可以互相补偿，即某一个参数的减小可由其他参数增大或减小来补偿。
因此用不同的整定参数完全可以得到相同的控制效果，这也决定了PID 控制器参数选取的非唯一性。
另外，对无自平衡能力的对象，则不应包含积分环节，即只可用比例或比例微分控制器。
在实时控制过程中，只要被控对象的主要性能指标达到了设计要求，就可以选定相应的控制器参数为最终参数。
目前，工程上仍广泛使用实验方法和经验方法来整定PID 的调整参数，称为PID 参数的工程整定方法。