CAN通讯 PID控制 麦克纳姆轮

RM第一次培训

motor >> 8;//16位数据拆成两个八位数据

CAN总线通讯

//差分信号：两条数据线 CAN High和CAN Low
High>Low为1 High<Low为0
优点：抗干扰性强，适用于高速线路，长距离通讯
//异步通讯：没有时钟线
//全双工通讯
//总线架构：
发送主机先发送识别帧，挂载的设备判断标识符，来选择接受与否
DLC：Downloadable Content 可下载的内容
//CAN总线的接收时在中断里进行的
不会单独占据cpu线程
//数据冲突仲裁
类似与I2C，主机接收设备数据不会冲突（设备发送数据不会冲突）
从硬件上决定设备发送数据的优先级别（上拉电阻，电位阿巴阿巴）

闭环控制PID算法

PID；//Proportion Integral Differential \比例（P）、积分（I）和微分（D）

根据实际输出值和期望值来调整输入

比例控制算法
我们先说PID中最简单的比例控制，抛开其他两个不谈。还是用一个经典的例子吧。假设我有一个水缸，最终的控制目的是要保证水缸里的水位永远的维持在1米的高度。假设初试时刻，水缸里的水位是0.2米，那么当前时刻的水位和目标水位之间是存在一个误差的error，且error为0.8.这个时候，假设旁边站着一个人，这个人通过往缸里加水的方式来控制水位。如果单纯的用比例控制算法，就是指加入的水量u和误差error是成正比的。即
u=kperror
假设kp取0.5，
那么t=1时（表示第1次加水，也就是第一次对系统施加控制），那么u=0.50.8=0.4，所以这一次加入的水量会使水位在0.2的基础上上升0.4，达到0.6.
接着，t=2时刻（第2次施加控制），当前水位是0.6，所以error是0.4。u=0.50.4=0.2，会使水位再次上升0.2，达到0.8.
如此这么循环下去，就是比例控制算法的运行方法。
可以看到，最终水位会达到我们需要的1米。
但是，单单的比例控制存在着一些不足，其中一点就是 –稳态误差！（我也是看了很多，并且想了好久才想通什么是稳态误差以及为什么有稳态误差）。
像上述的例子，根据kp取值不同，系统最后都会达到1米，不会有稳态误差。但是，考虑另外一种情况，假设这个水缸在加水的过程中，存在漏水的情况，假设每次加水的过程，都会漏掉0.1米高度的水。仍然假设kp取0.5，那么会存在着某种情况，假设经过几次加水，水缸中的水位到0.8时，水位将不会再变换！！！因为，水位为0.8，则误差error=0.2. 所以每次往水缸中加水的量为u=0.50.2=0.1.同时，每次加水缸里又会流出去0.1米的水！！！加入的水和流出的水相抵消，水位将不再变化！！
也就是说，我的目标是1米，但是最后系统达到0.8米的水位就不在变化了，且系统已经达到稳定。由此产生的误差就是稳态误差了。
（在实际情况中，这种类似水缸漏水的情况往往更加常见，比如控制汽车运动，摩擦阻力就相当于是“漏水”，控制机械臂、无人机的飞行，各类阻力和消耗都可以理解为本例中的“漏水”）也就是输入的改变不会100%影响输出
另外，Kp增大能提高响应速度，但是Kp太大会导致超调
所以，单独的比例控制，在很多时候并不能满足要求。

积分控制算法
还是用上面的例子，如果仅仅用比例，可以发现存在暂态误差，最后的水位就卡在0.8了。于是，在控制中，我们再引入一个分量，该分量和误差的积分是正比关系。所以，比例+积分控制算法为：
u=kp*error+ ki∗∫∗∫error
还是用上面的例子来说明，第一次的误差error是0.8，第二次的误差是0.4，至此，误差的积分（离散情况下积分其实就是做累加），∫∫error=0.8+0.4=1.2. 这个时候的控制量，除了比例的那一部分，还有一部分就是一个系数ki乘以这个积分项。由于这个积分项会将前面若干次的误差进行累计，所以可以很好的消除稳态误差（假设在仅有比例项的情况下，系统卡在稳态误差了，即上例中的0.8，由于加入了积分项的存在，会让输入增大，从而使得水缸的水位可以大于0.8，渐渐到达目标的1.0.）这就是积分项的作用

微分控制算法

增量式PID

位置式PID
位置式PID是当前系统的实际位置，与你想要达到的预期位置的偏差
位置式 PID 适用于执行机构不带积分部件的对象，如舵机和平衡小车的直立和温控系统的控制
区别
增量式控制改变幅度，在上一次（或者上几次）的基础上进行微调
位置式直接改变输出值，每一次的输出值都是刷新的