树莓派小车python pid_教你10分钟完成智能小车的PID调速

简介

今天来分享一下我是如何用最短的时间进行智能小车的PID调速的。在疫情期间比较无聊,在某宝买了一个智能小车底盘和一堆零件,基于Arduino Due和树莓派进行开发,Due负责底层控制,树莓派进行上层控制器开发,比如斯坦利控制器或者模型预测控制器进行轨迹跟踪。

本次采用Simulink工具链完成,小车的所有代码均基于Simulink Target Support Package完成。

所需要的硬件&软件

1.普通带编码器的直流电机。

2.Arduino Due控制板及数据线(类似dSPACE MAB进行RCP开发,但是性能完全没有可比性,开个玩笑)。

3.Matlab&Simulink R2019b (民间通用版本即可)。

4.电脑一台。

前期准备工作

(1)安装Arduino硬件支持包

这并不是本文的重点,网上有许多这方面的教程,包括MATLAB录制的研讨会均有类似的视频教程。有意的同学可以自行查阅相关资料,十分简单。如下类似教程。

https://blog.csdn.net/u013732401/article/details/70161200

(2)Simulink模型

新建Simulink Model,并且打开Library Browser。找到Simulink Supprot Package for Arduino Hardware

按照下图搭建模型。其中Tachometer模块在硬件支持包中的Sensor模块里(2019b有,低版本2018a并没有,需要自己通过编码器脉冲的

  • 1
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
很抱歉,我无法提供具体的汽车空调智能控制系统程序框图。然而,我可以为你解释一种基于神经网络和PID算法的汽车空调智能控制系统的工作原理。 在这种系统中,神经网络被用来学习汽车内部和外部环境的特征,并根据这些特征预测最佳的空调设置。PID控制算法则用于根据实时测量值和期望值之间的误差来调整空调设置。 以下是一种可能的程序框图示例: 1. 数据采集:系统从汽车内部和外部环境中采集相关数据,如车内温度、湿度、车外温度、太阳辐射等。 2. 特征提取:采集到的数据经过预处理和特征提取,以便神经网络能够理解和学习。 3. 神经网络训练:使用标记好的数据集,将特征输入神经网络进行训练,以建立起特征与最佳空调设置之间的关联。 4. 空调设置预测:训练完成后,神经网络可以根据实时输入的特征值预测最佳的空调设置。例如,根据当前的温度、湿度和太阳辐射预测最适合的风速、温度和风向。 5. 实时控制:根据神经网络的预测结果和当前的实际测量值,使用PID控制算法计算出调整空调设置的控制信号。 6. 空调设置调整:根据PID算法计算得到的控制信号,调整空调设置,如调节风速、温度和风向。 7. 循环反馈:系统不断地采集实际测量值,并将其与期望值进行比较,以便持续优化神经网络和PID算法的性能。 请注意,这只是一个简化的框图示例,实际的汽车空调智能控制系统可能还包括其他功能和模块。具体的程序框图可能会因应用需求和设计选择而有所不同。
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