决策规划算法相关知识之 PID算法

        (写给读者:本文旨在记录我自己对该算法(方法)的理解,用于面试中可能用得到的回答,因此尽量将该文写的口语化,尽量能懂,而不是高深的各种符号,但一些关键的公式还是会贴以加深记忆。)

思考问题及回答问题方式:是什么?为什么?怎么办?

PID公式:

u(t)=K_p(e(t)+K_i \int_{0}^{t} e(t)dt + K_d \frac{d e(t))}{dt})

1、是什么?

PID是非常经典的控制算法,包含三个部分,P比例,I积分,D微分,让系统输出更加平稳地接近并保持设定的目标输出值。

2、为什么?+怎么做?(P、I、D三个部分相互弥补)

比例部分P就是直观的让输出向目标值接近,当实际与目标存在误差时,就让输出按一定比例Kp接近目标值,这就是比例部分的意义。但是当系统内部存在稳态误差时,只依靠比例会让输出永远与目标值存在一定的误差,这时候引入积分部分I,对历史误差进行累计,同时按一定比例Ki累加至输出中,这样做可以消除系统中存在的静态误差。但是,积分控制会带来一定的过量控制,尤其是比例参数Ki设置不当的时候。因此引入微分控制,微分控制能够在误差减小的时刻对控制量进行回调,让输出平稳,不至于在目标值来回震荡。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
自动驾驶决策和控制算法是自动驾驶系统中的重要组成部分。它们负责根据感知到的环境信息,进行实时的决策和控制,以实现安全、高效的驾驶行为。 决策算法主要负责根据车辆周围的感知信息,如传感器数据、地图数据等,进行场景理解、目标识别和行为预测。常见的决策算法包括基于规则的算法和基于机器学习的算法。其中,基于规则的算法使用预定义的规则和逻辑来进行决策,例如优先让行、避让障碍物等。而基于机器学习的算法则通过训练模型来学习从感知数据到决策行为的映射关系,如深度学习算法和强化学习算法。 控制算法主要负责根据决策结果,生成车辆的控制命令,如油门、刹车、转向等。常见的控制算法包括经典的PID算法、LQR算法和MPC算法PID算法是一种基于误差和误差变化率的反馈控制算法,用于实现车辆的稳定行驶。而LQR算法则通过优化控制理论来设计最优的控制器。MPC算法则通过对未来的状态和控制命令进行优化,以实现车辆的轨迹跟踪和动态规划。 总结起来,自动驾驶决策和控制算法是通过对感知信息进行分析和处理,实现对车辆行为的决策和控制的关键算法。这些算法包括决策算法和控制算法,其中决策算法负责根据感知信息进行场景理解和行为预测,控制算法负责根据决策结果生成车辆的控制命令。这些算法的设计和优化是实现安全、高效自动驾驶的关键。<span class="em">1</span><span class="em">2</span><span class="em">3</span><span class="em">4</span>
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值