CN117950306A - 一种pid控制参数确定方法、装置、设备及介质 - Google Patents
一种pid控制参数确定方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117950306A CN117950306A CN202311746565.XA CN202311746565A CN117950306A CN 117950306 A CN117950306 A CN 117950306A CN 202311746565 A CN202311746565 A CN 202311746565A CN 117950306 A CN117950306 A CN 117950306A
- Authority
- CN
- China
- Prior art keywords
- control parameters
- parameter
- parameters
- control
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000012545 processing Methods 0.000 claims abstract description 38
- 230000010355 oscillation Effects 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000002922 simulated annealing Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 8
- 230000006870 function Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000009514 concussion Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明公开了一种PID控制参数确定方法、装置、设备及介质。本发明涉及汽车技术领域。该方法包括:获取至少两组控制参数;其中,每组所述控制参数中包括比例参数、积分参数和微分参数;对于每组所述控制参数,基于当前组的控制参数进行高斯回归处理,得到与所述控制参数相对应的轨迹预测数据;基于所述轨迹预测数据,确定与其相对应的车辆控制曲线的曲线属性;基于各所述曲线属性,从所述至少两组控制参数中确定至少一组目标参数。解决了现有技术中通过人工手动调参,导致调节难度高、成本高、效率低的问题,实现自动调节控制参数,降低调参成本,提高调参效率和准确性,从而提高PID控制的效果。
Description
技术领域
本发明涉及汽车技术领域,尤其涉及一种PID控制参数确定方法、装置、设备及介质。
背景技术
在车辆控制领域,通常会使用PID(Proportion Integral Differential,比例积分微分)控制器进行车辆控制。为了能够确保可以平稳且平滑进行车辆控制,需要在实验环节不断地调节PID控制参数,进行调参操作。
目前,调节PID控制参数的方式通常是由开发人员反复多次的基于实验结果进行手动调参,这种方式依赖于开发人员的经验与调试次数,不仅存在参数调节难度高的问题,还存在成本高、效率低的问题,从而会导致PID控制效果差的问题。
发明内容
本发明提供了一种PID控制参数确定方法、装置、电子设备及存储介质,以实现自动调节控制参数,降低调参成本,提高调参效率和准确性,从而提高PID控制的效果。
根据本发明的一方面,提供了一种PID控制参数确定方法,该方法包括:
控制参数获取模块,用于获取至少两组控制参数;其中,每组所述控制参数中包括比例参数、积分参数和微分参数;
轨迹预测数据确定模块,用于对于每组所述控制参数,基于当前组的控制参数进行高斯回归处理,得到与所述控制参数相对应的轨迹预测数据;
曲线属性确定模块,用于基于所述轨迹预测数据,确定与其相对应的车辆控制曲线的曲线属性;
目标参数确定模块,用于基于各所述曲线属性,从所述至少两组控制参数中确定至少一组目标参数,以基于所述目标参数构建得到PID控制系统。
根据本发明的另一方面,提供了一种PID控制参数确定装置,该装置包括:
获取至少两组控制参数;其中,每组所述控制参数中包括比例参数、积分参数和微分参数;
对于每组所述控制参数,基于当前组的控制参数进行高斯回归处理,得到与所述控制参数相对应的轨迹预测数据;
基于所述轨迹预测数据,确定与其相对应的车辆控制曲线的曲线属性;
基于各所述曲线属性,从所述至少两组控制参数中确定至少一组目标参数,以基于所述目标参数构建得到PID控制系统。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的PID控制参数确定方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的PID控制参数确定方法。
本发明实施例的技术方案,通过获取至少两组控制参数;其中,每组所述控制参数中包括比例参数、积分参数和微分参数;对于每组所述控制参数,基于当前组的控制参数进行高斯回归处理,得到与所述控制参数相对应的轨迹预测数据;基于所述轨迹预测数据,确定与其相对应的车辆控制曲线的曲线属性;基于各所述曲线属性,从所述至少两组控制参数中确定至少一组目标参数,以基于所述目标参数构建得到PID控制系统,解决了现有技术中通过人工手动调参,导致调节难度高、成本高、效率低的问题,实现了通过对控制参数进行高斯回归处理,得到轨迹预测数据,进而通过轨迹预测数据拟合的车辆控制曲线的曲线属性,从控制参数中确定满足PID控制要求的目标参数,保证控制参数对应的车辆轨迹收敛状态为最优收敛状态,得到最优的控制参数,实现自动调参,降低成本的同时,提高效率低,从而提高了PID控制效果。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种PID控制参数确定方法的流程图;
图2是根据本发明实施例一所适用的车辆行驶轨迹示意图;
图3是根据本发明实施例一所适用的PID控制参数确定方法示意图;
图4是根据本发明实施例二提供的一种PID控制参数确定装置的结构示意图;
图5是实现本发明实施例的PID控制参数确定方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1是根据本发明实施例一提供的一种PID控制参数确定方法的流程图,本实施例可适用于调节PID控制参数的情况,该方法可以由PID控制参数确定装置来执行,该PID控制参数确定装置可以采用硬件和/或软件的形式实现,该PID控制参数确定装置可配置于计算设备中。如图1所示,该方法包括:
S110、获取至少两组控制参数。
其中,每组控制参数中包括比例参数(P)、积分参数(I)和微分参数(D)。比例参数P与PID控制系统误差(如车辆当前位置与理想轨迹规划位置的误差)成正比,决定了控制系统的灵敏度和响应速度,使反馈量快速接近目标值,但会导致震荡,仅用比例参数P作用的换道轨迹如图2(a)所示。积分参数I与误差积分成正比,可消除偏差,但其步伐较大,会导致超调,用比例参数P和积分参数I作用的换道轨迹如图2(b)所示。微分参数D与误差变化速度相关,用于防止积分超调,抑制比例震荡,加快收敛速度,提高系统稳定性,用比例参数P、积分参数I和微分参数D作用的换道轨迹如图2(c)所示。可使用本发明所提供的技术方案自动确定最优的PID控制参数,使控制系统的控制效果达到最佳。
在本实施例中,为了提高调节控制参数的准确性,可以获取包含所有取值范围的控制参数,如用X表示PID控制参数集,X={x1,x2,x3,……xn},x表示一组控制参数,该组中包括比例参数、积分参数和微分参数的值。
S120、对于每组控制参数,基于当前组的控制参数进行高斯回归处理,得到与控制参数相对应的轨迹预测数据。
需要说明的是,确定每组控制参数所对应的轨迹预测数据的方式均相同,可以将其中任一组控制参数作为当前组控制参数,以确定当前组的控制参数的轨迹预测数据为例进行介绍。
在本实施例中,为了能够通过PID控制,可以使用高斯过程回归技术基于当前组控制参数中的三个参数进行高斯回归处理,得到观测的函数值,可以将函数值作为轨迹预测数据,以使后续可以通过轨迹预测数据拟合轨迹曲线,来分析控制参数是否满足控制需求。
需要说明的是,控制参数中的三个参数的大小,与计算误差、比例系数、积分系数以及微分系数的大小相关。在同一计算误差下,不同的比例系数对应的比例参数不同,不同的积分系数对应的积分参数不同,不同的微分系数对应的微分参数不同。计算误差、比例系数、积分系数以及微分系数所对应的控制参数可以是预先确定好的,如计算误差1、微分系数A、积分系数B、微分系数C,对应一组控制参数(P1、I1、D1);也可以是基于PID计算公式确定的,如计算公式可以是:P=kp·Error;I=ki·∫Errordt;其中,kp表示为微分系数,ki表示积分系数,kd表示微分系数,Error表示计算误差,即目标值与反馈值的偏差,如Error为车辆当前位置与理想轨迹规划目标位置间的距离。
在本实施例中,基于当前组的控制参数进行高斯回归处理,得到与控制参数相对应的轨迹预测数据,包括:确定与控制参数相对应的偏差、比例系数、积分系数以及微分系数,并确定初始调节参数;基于高斯过程回归模型对偏差、比例系数、积分系数、微分系数以及初始调节参数进行处理,得到与控制参数相对应的轨迹预测数据;基于与各组控制参数相对应的轨迹预测数据,更新初始调节参数,并基于更新后的初始调节参数,重新执行基于高斯过程回归模型对偏差、比例系数、积分系数、微分系数以及初始调节参数进行处理,得到与控制参数相对应的轨迹预测数据的操作,直至达到预设停止条件时结束。
其中,初始调节参数包含比例调节参数、积分调节参数以及微分调节参数,比例调节参数用于调节比例系数,积分调节参数用于调节积分系数,微分调节参数用于调节微分系数。
在本实施例中,可以初始化一个初始调节参数,这个参数可以由用户设定,例如,初始化的初始调节参数可以是一个大于0的很小的数。进一步的,可以将控制参数所对应的偏差、比例系数、积分系数以及微分系数,以及初始调节参数作为高斯过程回归模型,进行高斯回归处理,可以得到一个观测函数,作为该组控制参数的轨迹预测数据。相应的,可以得到每组控制参数所对应的轨迹预测数据。考虑到初始调节参数的选取影响了轨迹预测数据,理想的轨迹预测数据对应的收敛曲线无震荡,因此,可以在得到每组控制参数所对应的轨迹预测数据之后,结合轨迹预测数据,更新初始调节参数,将更新后的初始调节参数作为高斯过程回归模型的入参,重新执行基于高斯过程回归模型对偏差、比例系数、积分系数、微分系数以及初始调节参数进行处理,得到与控制参数相对应的轨迹预测数据步骤,相应的,得到每组控制参数所对应的轨迹预测数据。可以通过每次所得到的轨迹预测数据对初始调节参数进行迭代更新,直至检测到达到预设停止条件时,迭代结束,得到最终的轨迹预测数据。可选的,预设停止条件可以是相邻两次迭代计算中同一控制参数的轨迹预测数据之间的误差小于预设误差,或者是迭代次数达到预设次数。
示例性的,参见图3,可以将控制参数对应的微分系数kp,积分系数ki,微分系数kd,偏差Error输入至高斯过程回归模型进行高斯回归。高斯过程回归模型可以为:
其中,ynew表示观测函数值,即轨迹预测数据,εp表示为微分调节参数,εi表示积分调节参数,εd表示微分调节参数,∫Errordt为对偏差的积分操作,为对偏差的微分操作,σ2为方差。
考虑到理想的轨迹预测数据对应的收敛曲线无震荡,收敛之前导数值为0的点仅有一个,震荡的PID收敛曲线将与x轴相交多次。因此,可以使初始调节参数服从一个数学期望E=0、方差为σ2的正态分布,记为N(0,σ2),可以计算轨迹预测数据的方差,通过方差得到正态分布,调整初始调节参数,使得调整后的初始调节参数服从该正态分布。
在本实施例中,基于与各组控制参数相对应的轨迹预测数据,更新初始调节参数,包括:分别对各轨迹预测数据进行求导处理,得到多个第一导数,并确定每个第一导数为预设阈值的解的第一数量;基于各第一数量以及控制参数的组数,确定方差;基于方差和预设期望值,更新初始调节参数。
具体来说,可以分别对每个轨迹预测数据进行求导处理,得到的导数作为第一导数。分别计算每个第一导数为预设阈值(预设阈值为0)的解的数量,作为第一数量。可对所有第一数量求和,得到的和值再与控制参数的组数作商处理,得到商值。可以将商值作为方差,进一步的,可以通过方差和预设期望值(预设期望值为0),确定正态分布,通过正态分布调节初始调节参数,使得调整后的初始调节参数服从该正态分布。
示例性的,方差σ2的计算公式为:
其中,xj为第j组控制参数的轨迹预测数据的导数(ynew′(xj))的解的数量,n为所有控制参数的总组数。
S130、基于轨迹预测数据,确定与其相对应的车辆控制曲线的曲线属性。
在本实施例中,在得到轨迹预测数据之后,可通过matlab对轨迹预测数据进行仿真观测拟合曲线,该曲线即为车辆控制曲线。可以通过车辆控制曲线分析曲线的收敛情况(如是否收敛、收敛时长等)、震荡情况(如是否震荡、震荡幅度等),从而分析得到曲线的曲线属性。
或者,也可以是通过解算轨迹预测数据的方式来确定相对应的车辆控制曲线的曲线属性。可选的,基于轨迹预测数据,确定与其相对应的车辆控制曲线的曲线属性,包括:对轨迹预测数据进行求导,得到第二导数;基于第二导数为预设阈值的解的第二数量,确定与轨迹预测数据相对应的车辆控制曲线的震荡属性;将震荡属性作为曲线属性。
具体的,可以对轨迹预测数据ynew进行求导,得到导数,作为第二导数。确定第二导数为预设阈值(预设阈值为0)的解的个数,作为第二数量。可以根据第二数量确定与轨迹预测数据相对应的车辆控制曲线的震荡程度,即震荡属性,可以将震荡属性作为曲线属性。例如,若第二导数y'new=0的解的数量为0(即无解),则说明车辆控制曲线连续无震荡。
S140、基于各曲线属性,从至少两组控制参数中确定至少一组目标参数,以基于目标参数构建得到PID控制系统。
在本实施例中,可以通过基于各控制参数所计算出来的曲线属性,确定控制参数是否参数PID控制要求,例如,判断曲线属性中的震动属性是否小于预设阈值。选取出满足要求的控制参数作为目标参数,通过目标参数来构建得到PID控制系统,提高系统控制效果。
为了保证能够自动找到全局最优的控制参数(使PID收敛最快,无震荡的控制参数),可以使用贝叶斯优化算法,利用前面已经搜索过的控制参数的表现(即轨迹预测数据),来推测下一组控制参数,判断下一组控制参数是否满足PID控制要求,从而减少搜索空间,提升搜索效率。
在本实施例中,基于各曲线属性,从至少两组控制参数中确定至少一组目标参数,包括:若当前组控制参数的曲线属性满足预设收敛条件,则将当前组控制参数作为待选择控制参数;确定当前组控制参数的下一组控制参数,并将下一组控制参数作为当前组控制参数,重复执行判断当前组控制参数的曲线属性是否满足预设收敛条件的步骤,直至最后一组控制参数,得到多个待选择控制参数;基于与各待选择控制参数相对应的曲线属性中的收敛时长,确定目标参数。
具体的,可以预先设置预设收敛条件,通过预设收敛条件分析当前组控制参数的曲线属性,判断该控制参数是否满足控制要求。若满足,则将当前组控制参数作为待选择控制参数。可选的,预设收敛条件中包括但不限于对震动属性小于预设阈值、收敛时长小于预设阈值等。进一步的,可以使用贝叶斯优化算法,根据当前组控制参数的轨迹预测数据,来推测当前组控制参数的下一组控制参数,进而可以将下一组控制参数作为当前组控制参数,重复执行基于当前组控制参数的曲线属性是否满足预设收敛条件的步骤。若满足,则将当前组控制参数作为待选择控制参数,继续推测当前组控制参数的下一组控制参数,重复操作,直至最后一组控制参数,相应的,可以得到多个待选择控制参数。
在本实施例中,确定所述当前组控制参数的下一组控制参数的实现方式可以是:确定与所述当前组控制参数相对应的邻域范围,并确定所述邻域范围内的候选组控制参数;确定所述当前组控制参数的轨迹预测数据与各所述候选组控制参数的轨迹预测数据之间的轨迹误差;基于各所述轨迹误差,从各所述候选组控制参数中,确定所述当前组控制参数的下一组控制参数。
具体的,可以将在当前组控制参数相对应的邻域范围内的控制参数作为候选组控制参数,例如,A组控制参数与B组控制参数间的误差值小于预设值,可认为B组控制参数在A组控制参数的邻域范围内;或者,还可以将每组控制参数作为一个离散点,得到点的分布信息,在该控制参数点的周围的点所属的控制参数作为候选组控制参数。进一步的,可以将当前组控制参数的轨迹预测数据分别与各所述候选组控制参数的轨迹预测数据做差,得到多个轨迹误差。通过激活函数对各轨迹误差进行处理,得到结果值,可以选取最小结果值所对应的候选组控制参数作为当前组控制参数的下一组控制参数。
示例性的,可以利用期望提升作为采集函数,以与期望值接近的值为优化方向:EIx(1:q)=Epost[minj∈(1,q){RELU(ynew(xj)-ynew(x+))}],EI给出了下一组控制参数x1:q,RELU表示为激活函数,x+表示为当前组控制参数,在当前组控制参数x+的邻域附近,比当前组控制参数的轨迹预测数据的导数y'new(x+)更接近期望值的控制参数即为x1:q。
需要说明的是,贝叶斯优化的一大缺点即为易陷入局部最优,为了提升参数优化程度,提升找到全局最优参数的概率,可以将启发式算法融合进PID参数自动优化过程中。可选的,可以在基于各轨迹误差,从各候选组控制参数中,确定当前组控制参数的下一组控制参数的过程中:基于模拟退火算法对各轨迹误差进行处理,从各候选组控制参数中,确定当前组控制参数的下一组控制参数。
本实施例中,在找到当前组控制参数的下一组控制参数之后,可以将该下一组控制参数作为局部最优解,可以以一定概率接受比当前结果差的控制参数,经过多次参数移动后即可跳出局部极值,找到全局最优参数。在本实施例中,接受概率p(Δynew)可以表示为:
其中,T表示为初始温度T,可设置为50,k=1。整个局域最值过滤过程最大迭代次数可设置为500,每次迭代后设置降温为T=αT,α=0.95。
在本实施例中,还可以预先设置参数栈,通过曲线属性中的震荡属性确定该组控制参数是否有入栈资格,例如,如果震动属性小于预设阈值,则将该组控制参数加入参数栈中,还可以曲线属性中的收敛时长确定该组控制参数是否有入栈资格,例如,若同样两组控制参数所对应的震荡属性均为无震荡,则基于收敛时长更短的控制参数执行入栈操作。最后留在参数栈内的控制参数,可认为是最优参数,即目标参数。
本发明实施例的技术方案,通过获取至少两组控制参数;其中,每组所述控制参数中包括比例参数、积分参数和微分参数;对于每组所述控制参数,基于当前组的控制参数进行高斯回归处理,得到与所述控制参数相对应的轨迹预测数据;基于所述轨迹预测数据,确定与其相对应的车辆控制曲线的曲线属性;基于各所述曲线属性,从所述至少两组控制参数中确定至少一组目标参数,以基于所述目标参数构建得到PID控制系统,解决了现有技术中通过人工手动调参,导致调节难度高、成本高、效率低的问题,实现了通过对控制参数进行高斯回归处理,得到轨迹预测数据,进而通过轨迹预测数据拟合的车辆控制曲线的曲线属性,从控制参数中确定满足PID控制要求的目标参数,保证控制参数对应的车辆轨迹收敛状态为最优收敛状态,得到最优的控制参数,实现自动调参,降低成本的同时,提高效率低,从而提高了PID控制效果。
实施例二
图4是根据本发明实施例二提供的一种PID控制参数确定装置的结构示意图。如图4所示,该装置包括:控制参数获取模块210、轨迹预测数据确定模块220、曲线属性确定模块230和目标参数确定模块240。
其中,控制参数获取模块210,用于获取至少两组控制参数;其中,每组所述控制参数中包括比例参数、积分参数和微分参数;轨迹预测数据确定模块220,用于对于每组所述控制参数,基于当前组的控制参数进行高斯回归处理,得到与所述控制参数相对应的轨迹预测数据;曲线属性确定模块230,用于基于所述轨迹预测数据,确定与其相对应的车辆控制曲线的曲线属性;目标参数确定模块240,用于基于各所述曲线属性,从所述至少两组控制参数中确定至少一组目标参数,以基于所述目标参数构建得到PID控制系统。
本实施例的技术方案,本发明实施例的技术方案,通过获取至少两组控制参数;其中,每组所述控制参数中包括比例参数、积分参数和微分参数;对于每组所述控制参数,基于当前组的控制参数进行高斯回归处理,得到与所述控制参数相对应的轨迹预测数据;基于所述轨迹预测数据,确定与其相对应的车辆控制曲线的曲线属性;基于各所述曲线属性,从所述至少两组控制参数中确定至少一组目标参数,以基于所述目标参数构建得到PID控制系统,解决了现有技术中通过人工手动调参,导致调节难度高、成本高、效率低的问题,实现了通过对控制参数进行高斯回归处理,得到轨迹预测数据,进而通过轨迹预测数据拟合的车辆控制曲线的曲线属性,从控制参数中确定满足PID控制要求的目标参数,保证控制参数对应的车辆轨迹收敛状态为最优收敛状态,得到最优的控制参数,实现自动调参,降低成本的同时,提高效率低,从而提高了PID控制效果。
在上述装置的基础上,可选的,所述轨迹预测数据确定模块220,包括系数确定单元、高斯处理单元和初始调节参数更新单元。
系数确定单元,用于确定与所述控制参数相对应的偏差、比例系数、积分系数以及微分系数,并确定初始调节参数;其中,所述初始调节参数包含比例调节参数、积分调节参数以及微分调节参数;
高斯处理单元,用于基于高斯过程回归模型对所述偏差、比例系数、积分系数、微分系数以及所述初始调节参数进行处理,得到与所述控制参数相对应的轨迹预测数据;
初始调节参数更新单元,用于基于与各组所述控制参数相对应的轨迹预测数据,更新所述初始调节参数,并基于更新后的初始调节参数,重新执行基于所述高斯过程回归模型对所述偏差、比例系数、积分系数、微分系数以及所述初始调节参数进行处理,得到与所述控制参数相对应的轨迹预测数据的操作,直至达到预设停止条件时结束。
在上述装置的基础上,可选的,所述初始调节参数更新单元,包括第一数量确定子单元、方差确定子单元和初始调节参数更新子单元。
第一数量确定子单元,用于分别对各所述轨迹预测数据进行求导处理,得到多个第一导数,并确定每个所述第一导数为预设阈值的解的第一数量;
方差确定子单元,用于基于各所述第一数量以及所述控制参数的组数,确定方差;
初始调节参数更新子单元,用于基于所述方差和预设期望值,更新所述初始调节参数。
在上述装置的基础上,可选的,所述曲线属性确定模块230,包括曲线属性、震荡属性确定单元和曲线属性确定单元。
第二导数确定单元,用于对所述轨迹预测数据进行求导,得到第二导数;
震荡属性确定单元,用于基于所述第二导数为预设阈值的解的第二数量,确定与轨迹预测数据相对应的车辆控制曲线的震荡属性;
曲线属性确定单元,用于将所述震荡属性作为曲线属性。
在上述装置的基础上,可选的,所述目标参数确定模块240,包括判断单元、下一组控制参数确定单元和目标参数确定单元。
判断单元,用于若当前组控制参数的曲线属性满足预设收敛条件,则将所述当前组控制参数作为待选择控制参数;
下一组控制参数确定单元,用于确定所述当前组控制参数的下一组控制参数,并将所述下一组控制参数作为当前组控制参数,重复执行判断所述当前组控制参数的曲线属性是否满足预设收敛条件的步骤,直至最后一组控制参数,得到多个所述待选择控制参数;
目标参数确定单元,用于基于与各所述待选择控制参数相对应的曲线属性中的收敛时长,确定目标参数。
在上述装置的基础上,可选的,所述下一组控制参数确定单元,包括候选组控制参数确定子单元、轨迹误差确定子单元和下一组控制参数更新子单元。
候选组控制参数确定子单元,用于确定与所述当前组控制参数相对应的邻域范围,并确定所述邻域范围内的候选组控制参数;
轨迹误差确定子单元,用于确定所述当前组控制参数的轨迹预测数据与各所述候选组控制参数的轨迹预测数据之间的轨迹误差;
下一组控制参数确定子单元,用于基于各所述轨迹误差,从各所述候选组控制参数中,确定所述当前组控制参数的下一组控制参数。
在上述装置的基础上,可选的,所述下一组控制参数确定子单元,用于基于模拟退火算法对各所述轨迹误差进行处理,从各所述候选组控制参数中,确定所述当前组控制参数的下一组控制参数。
本发明实施例所提供的PID控制参数确定装置可执行本发明任意实施例所提供的PID控制参数确定方法,具备执行方法相应的功能模块和有益效果。
实施例三
图5示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如PID控制参数确定方法。
在一些实施例中,PID控制参数确定方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的PID控制参数确定方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行PID控制参数确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种PID控制参数确定方法,其特征在于,包括:
获取至少两组控制参数;其中,每组所述控制参数中包括比例参数、积分参数和微分参数;
对于每组所述控制参数,基于当前组的控制参数进行高斯回归处理,得到与所述控制参数相对应的轨迹预测数据;
基于所述轨迹预测数据,确定与其相对应的车辆控制曲线的曲线属性;
基于各所述曲线属性,从所述至少两组控制参数中确定至少一组目标参数,以基于所述目标参数构建得到PID控制系统。
2.根据权利要求1所述的方法,其特征在于,所述基于当前组的控制参数进行高斯回归处理,得到与所述控制参数相对应的轨迹预测数据,包括:
确定与所述控制参数相对应的偏差、比例系数、积分系数以及微分系数,并确定初始调节参数;其中,所述初始调节参数包含比例调节参数、积分调节参数以及微分调节参数;
基于高斯过程回归模型对所述偏差、比例系数、积分系数、微分系数以及所述初始调节参数进行处理,得到与所述控制参数相对应的轨迹预测数据;
基于与各组所述控制参数相对应的轨迹预测数据,更新所述初始调节参数,并基于更新后的初始调节参数,重新执行基于所述高斯过程回归模型对所述偏差、比例系数、积分系数、微分系数以及所述初始调节参数进行处理,得到与所述控制参数相对应的轨迹预测数据的操作,直至达到预设停止条件时结束。
3.根据权利要求2所述的方法,其特征在于,所述基于与各组所述控制参数相对应的轨迹预测数据,更新所述初始调节参数,包括:
分别对各所述轨迹预测数据进行求导处理,得到多个第一导数,并确定每个所述第一导数为预设阈值的解的第一数量;
基于各所述第一数量以及所述控制参数的组数,确定方差;
基于所述方差和预设期望值,更新所述初始调节参数。
4.根据权利要求1所述的方法,其特征在于,所述基于所述轨迹预测数据,确定与其相对应的车辆控制曲线的曲线属性,包括:
对所述轨迹预测数据进行求导,得到第二导数;
基于所述第二导数为预设阈值的解的第二数量,确定与轨迹预测数据相对应的车辆控制曲线的震荡属性;
将所述震荡属性作为曲线属性。
5.根据权利要求1所述的方法,其特征在于,所述基于各所述曲线属性,从所述至少两组控制参数中确定至少一组目标参数,包括:
若当前组控制参数的曲线属性满足预设收敛条件,则将所述当前组控制参数作为待选择控制参数;
确定所述当前组控制参数的下一组控制参数,并将所述下一组控制参数作为当前组控制参数,重复执行判断所述当前组控制参数的曲线属性是否满足预设收敛条件的步骤,直至最后一组控制参数,得到多个所述待选择控制参数;
基于与各所述待选择控制参数相对应的曲线属性中的收敛时长,确定目标参数。
6.根据权利要求5所述的方法,其特征在于,所述确定所述当前组控制参数的下一组控制参数,包括:
确定与所述当前组控制参数相对应的邻域范围,并确定所述邻域范围内的候选组控制参数;
确定所述当前组控制参数的轨迹预测数据与各所述候选组控制参数的轨迹预测数据之间的轨迹误差;
基于各所述轨迹误差,从各所述候选组控制参数中,确定所述当前组控制参数的下一组控制参数。
7.根据权利要求6所述的方法,其特征在于,所述基于各所述轨迹误差,从各所述候选组控制参数中,确定所述当前组控制参数的下一组控制参数,包括:
基于模拟退火算法对各所述轨迹误差进行处理,从各所述候选组控制参数中,确定所述当前组控制参数的下一组控制参数。
8.一种PID控制参数确定装置,其特征在于,包括:
控制参数获取模块,用于获取至少两组控制参数;其中,每组所述控制参数中包括比例参数、积分参数和微分参数;
轨迹预测数据确定模块,用于对于每组所述控制参数,基于当前组的控制参数进行高斯回归处理,得到与所述控制参数相对应的轨迹预测数据;
曲线属性确定模块,用于基于所述轨迹预测数据,确定与其相对应的车辆控制曲线的曲线属性;
目标参数确定模块,用于基于各所述曲线属性,从所述至少两组控制参数中确定至少一组目标参数,以基于所述目标参数构建得到PID控制系统。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的PID控制参数确定方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的PID控制参数确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311746565.XA CN117950306A (zh) | 2023-12-18 | 2023-12-18 | 一种pid控制参数确定方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311746565.XA CN117950306A (zh) | 2023-12-18 | 2023-12-18 | 一种pid控制参数确定方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117950306A true CN117950306A (zh) | 2024-04-30 |
Family
ID=90797363
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311746565.XA Pending CN117950306A (zh) | 2023-12-18 | 2023-12-18 | 一种pid控制参数确定方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117950306A (zh) |
-
2023
- 2023-12-18 CN CN202311746565.XA patent/CN117950306A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113011155B (zh) | 用于文本匹配的方法、装置、设备和存储介质 | |
CN116307215A (zh) | 一种电力系统的负荷预测方法、装置、设备及存储介质 | |
CN112784739A (zh) | 模型的训练方法、关键点定位方法、装置、设备和介质 | |
CN115456167A (zh) | 轻量级模型训练方法、图像处理方法、装置及电子设备 | |
CN113204614A (zh) | 模型训练方法、优化训练数据集的方法及其装置 | |
CN117261880A (zh) | 一种车辆控制方法、装置、设备以及存储介质 | |
CN117950306A (zh) | 一种pid控制参数确定方法、装置、设备及介质 | |
CN115665783A (zh) | 一种异常指标溯源方法、装置、电子设备及存储介质 | |
CN114812576A (zh) | 地图匹配方法、装置及电子设备 | |
CN113313049A (zh) | 超参数的确定方法、装置、设备、存储介质以及计算机程序产品 | |
CN112925913A (zh) | 用于匹配数据的方法、装置、设备和计算机可读存储介质 | |
CN113361575A (zh) | 模型训练方法、装置和电子设备 | |
CN117589188B (zh) | 行车路径规划方法、装置、电子设备和存储介质 | |
CN114694138B (zh) | 一种应用于智能驾驶的路面检测方法、装置及设备 | |
CN114091128B (zh) | 一种排样方案的确定方法、装置及电子设备 | |
CN117289686B (zh) | 一种参数标定方法、装置、电子设备及存储介质 | |
CN116109991B (zh) | 模型的约束参数确定方法、装置及电子设备 | |
CN114771518B (zh) | 一种车道中心指引线的生成方法、装置、电子设备及介质 | |
CN118010049A (zh) | 轨迹规划方法、装置、电子设备及存储介质 | |
CN117553799A (zh) | 一种巡检机器人路径规划方法、装置、设备及存储介质 | |
CN112579842A (zh) | 模型搜索方法、装置、电子设备、存储介质和程序产品 | |
CN117271882A (zh) | 多目标融合处理方法、装置、电子设备及存储介质 | |
CN115329940A (zh) | 一种卷积算法的推荐方法、装置、设备及存储介质 | |
CN117953073A (zh) | 深度摄像头的校准参数确定方法、装置及电子设备 | |
CN117032137A (zh) | 一种广义条件反馈控制方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |