【智能车算法】电磁杆差比和差调参经验

差比和差

前言

在参加电磁循迹智能车竞赛的过程中，偶然间看到了卓晴大佬的差比和差算法，该算法能很好的实现对电磁赛道的数据整合，可惜调试时在网上找不到任何的调参资料，故在此处总结一下调参规律

原理

这是差比和差的公式

$err=(A(L-R)+B(LM-RM))/(A(L+R)+C|LM-RM|)$

它在差比和公式之上变化而来

$err=(A(L-R)/(A(L+R))=A((L-R)/(L+R))$

此处，$L-R$代表了它左右电感的插值，$err$表示差值占两端电感传感值的比例，实现了归一化

在此基础上，我们加入$LM$和$RM$两个八字电感，由于其有一定的角度，这两个电感对弯道更加敏感，在直道上和两侧普通电感一样

在差比和中添加它的值

$err=(A(L-R)+B(LM-RM))/(A(L+R))$

这样会导致归一化失效，当$B(LM-RM)$较大时，分子会大于分母

为了解决这个问题，在分母等大地加上$C|LM-RM|)$即可

调参指南

首先，调节A参数，BC置零，若存在后级pid，将i和d置零，p调整到在静止状态下，左右摆动车体时舵机能够灵活响应。随后将车放到直道上试跑，A参数决定其对直道的响应，故此时在弯道处丢弯正常。

下一步，增大B参数，同时增大C参数，保持比例$B/C\le 1$，此时观察车在弯道处的响应，增大$A/B$将增强LR两个电感的作用，增大$B/C$将提高车“切弯道倾向”，该值越大，经过弯道时车将更贴近凹陷侧。之后根据实际情况权衡即可

版权声明
首发于https://lazurit.top/ , csdn是为伸手党准备的，所有资料均在github上开源
所有文章及代码若无特殊说明，均遵守CC-BY-NC-SA 4.0版权协议，搬运请注明出处