【PID控制】基于PID 算法控制两轮驱动小车附Matlab代码

✅作者简介：热爱数据处理、建模、算法设计的Matlab仿真开发者。

🍎更多Matlab代码及仿真咨询内容点击 🔗：Matlab科研工作室

🍊个人信条：格物致知。

🔥 内容介绍

通过仔细研读相关要求，我们需要明确小车大致需要完成两个任务。第一是从起始点逐步移动到目标点，第二 则是在移动到目标点时需要保证小车朝向预定方向。根据网上所找到的资料来看，大部分对两轮小车的控制方法并 没有对小车最后的方向进行限制，即控制小车跑到目标位置即可，显然这并没有完全满足大作业的要求，我们需要 对方法进行完善。 如果要完成大作业中的两个任务，我们有两个选择，第一个是将两个任务合二为一同时完成，即最后到达目标 点的时侯小车朝向也完全正确；第二个是先执行小车移动到目标点的操作，控制其移动至目标点，等到了目标点之 后在进行方向的对准。第一个选择看似方便，但是我对第一个方法进行仿真过后发现它存在很大的问题。小车在运 动过程中的方向可以逐渐收敛于目标方向，但无法到达目标点，即小车的运动被方向限定死了，只能在平行于过目 标点的一条直线上运动。虽然在仿真中恰好可以完成大作业的目标，但是这只是因为起始点和目标点的特殊关系才 能完成，并不能完成大部分其它任意点到任意点的任务，不具有普适性。而第二种方法则将两个任务分开进行，相 对来说可行性更高，普适性也更强，最后通过仿真也证明了第二种分开控制的方法更好，所以最后我选择用第二种 方法来对小车进行控制。 本篇文章分四个部分对小车的运动及控制进行了分析、建模、设计、仿真，证明我的设计能完全满足大作业的 要求，同时也发现了本方法有继续改进和提升的空间。

⛳️ 运行结果

🔗 参考文献

[1] Youssef,M.A,Moftah,等.较高温度下混凝土的一般应力-应变关系曲线[J].钢结构, 2008, 05(No.107):82-83.DOI:CNKI:SUN:GJIG.0.2008-05-043.

[2] 刘金琨.先进PID控制及其MATLAB仿真[电子资源][M].电子工业出版社,2003.

[3] 仇成群,刘成林,沈法华,等.基于Matlab和模糊PID的汽车巡航控制系统设计[J].农业工程学报, 2012, 28(6):197-202.DOI:10.3969/j.issn.1002-6819.2012.06.032.

🎈 部分理论引用网络文献，若有侵权联系博主删除

 

🌈 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位

🌈 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌈图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌈 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

🌈 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

🌈 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌈 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌈电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电

🌈 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌈 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌈 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP