Jak ustawić PID w robocie mobilnym?

Jak ustawić PID w robocie mobilnym, żeby koła nie szarpały, a robot trzymał tor jazdy bez nerwowych korekt? W praktyce problem zwykle nie leży w samym algorytmie, tylko w złym doborze P, I i D oraz w pominięciu ograniczeń silnika, enkodera i próbkowania. Pokażę Ci krok po kroku, jak stroję ten układ na hali i w laboratorium.

Najważniejsze informacje z tego artykułu:

• Regulator PID koryguje prędkość kół na podstawie uchybu między wartością zadaną a pomiarem z enkodera.
• Współczynnik P reaguje na bieżący błąd, I usuwa uchyb stały, a D tłumi oscylacje i zbyt gwałtowne zmiany.
• Strojenie PID zaczyna się od prostego testu napędu, a potem przechodzi do doboru P, I i D na podstawie reakcji robota.
• Źle dobrane nastawy widać po drganiach, przeregulowaniu, pływaniu wokół osi i zbyt ospałej reakcji.
• Na wynik mocno wpływają masa robota, przekładnia, martwy bieg silnika, próbkowanie i rozdzielczość enkodera.

Jak ustawić PID w robocie mobilnym krok po kroku?

Jak ustawić PID w robocie mobilnym w praktyce? Najszybciej dochodzi się do dobrych nastaw wtedy, gdy strojenie zaczyna się od jednego koła, jednego kierunku jazdy i jednej pętli prędkości. Taki układ od razu pokazuje, czy problem powoduje mechanika, pomiar z enkodera, martwy bieg silnika, czy sam regulator.

Ja zaczynam od jazdy na wprost z wyłączonym członem I i D. Dzięki temu widać czystą odpowiedź napędu. Dopiero później dokładam kolejne składniki, bo inaczej całka i różniczka maskują źródło problemu.

1. Ustal wartość zadaną prędkości lub skrętu.
2. Odczytaj prędkość z enkodera w stałym okresie próbkowania.
3. Policz uchyb jako różnicę między setpointem a pomiarem.
4. Ustaw tylko P i zwiększaj je aż robot zacznie reagować szybko, ale jeszcze bez wyraźnych oscylacji.
5. Dodaj małe I, gdy robot ma stały błąd po ustaleniu prędkości albo lekko zjeżdża z toru.
6. Dodaj D, gdy widzisz przeregulowanie, kołysanie albo zbyt agresywne dobicie do wartości zadanej.
7. Przetestuj robot na różnych nawierzchniach i przy niższym poziomie baterii.
8. Zapisz nastawy osobno dla jazdy prosto, skrętu i ewentualnie dla regulacji prędkości każdego koła.

W robocie mobilnym z napędem różnicowym nie ustawiam jednego PID dla całej maszyny. Stroję osobno lewy i prawy napęd, bo nawet drobna różnica w tarciu, przekładni albo geometrii koła powoduje, że identyczne nastawy dają inny ruch. Potem dopiero przechodzę do utrzymania toru jazdy.

Przy pierwszych testach dobrze działa taki porządek obserwacji:

• Reakcja na skok zadania – pokazuje, czy P jest za małe, czy za duże.
• Uchyb ustalony – podpowiada, czy potrzeba większego I.
• Przeregulowanie – zdradza zbyt słabe tłumienie albo zbyt agresywne P.
• Drgania pomiaru z enkodera – sugerują filtrację D albo zmianę okresu próbkowania.
• Nasycenie PWM – wskazuje, że całka wymaga ograniczenia anti-windup.

Dobra kolejność strojenia wygląda tak: najpierw szybka i stabilna odpowiedź na P, potem usunięcie stałego błędu małym I, a na końcu tłumienie D. To brzmi prosto, ale właśnie ta kolejność najczęściej oszczędza godziny walki z falowaniem robota.

W badaniach praktycznych nad napędem autonomicznego robota mobilnego dało się uzyskać średni błąd trasowania 2,5 cm przy prędkości 0,5 m/s i czas regulacji około 0,8 s. To pokazuje jedną ważną rzecz: dobrze ustawiony PID potrafi prowadzić robota precyzyjnie, ale tylko wtedy, gdy strojenie uwzględnia realny napęd, a nie sam wzór w kodzie.

Wskazówka: Zacznij od małego Kp i wyłącz I oraz D. Dzięki temu zobaczysz czystą odpowiedź napędu, bez maskowania błędów przez całkę i tłumienie.

Co robią człony P, I i D w ruchu robota?

Człon P reaguje na bieżący błąd, I usuwa błąd utrzymujący się w czasie, a D tłumi zbyt gwałtowne zmiany. W robocie mobilnym każdy z tych składników odpowiada za inny fragment zachowania napędu. Gdy jeden z nich dominuje, robot od razu pokazuje to ruchem, dźwiękiem silników i torem jazdy.

• P – zwiększa reakcję na aktualny uchyb, więc robot szybciej wraca do zadanej prędkości.
• I – sumuje błąd w czasie, więc kompensuje tarcie, spadek napięcia baterii i stałe różnice między kołami.
• D – reaguje na tempo zmian błędu, więc ogranicza przeregulowanie i uspokaja układ.

P ustawiam jako pierwszy, bo daje najbardziej czytelną informację o dynamice napędu. Za małe P oznacza ospałą reakcję i słabe trzymanie prędkości pod obciążeniem. Za duże P daje pogoń za wartością zadaną, szarpanie i wyraźne oscylacje.

Człon I poprawia dokładność, ale łatwo rozbujać nim układ. Gdy PWM dochodzi do granicy, całka nadal może narastać. To zjawisko nazywa się windup, czyli nasycenie członu całkującego. Potem robot długo wraca do normalnej pracy, mimo że zakłócenie już zniknęło. Właśnie dlatego w kodzie ograniczam sumę uchybu, zwykle do zakresu wynikającego z maksymalnego sterowania.

Działa tu dyskretna postać regulatora: u(k) = Kp · e(k) + Ki · Σ(e · Ts) + Kd · (e(k) – e(k-1)) / Ts, gdzie Ts oznacza okres próbkowania. W robotyce mobilnej Ts często mieści się w zakresie od 1 do 10 ms. Ta wartość nie jest detalem. Zmiana Ts zmienia realne działanie całki i różniczki.

D pomaga, gdy robot dobija do zadania zbyt agresywnie, ale ten człon źle znosi zaszumiony pomiar. Enkoder o niskiej rozdzielczości albo nierówny odczyt prędkości potrafią zamienić D w generator nerwowych korekt. Dlatego różniczkę dobrze jest filtrować, na przykład przez prosty filtr dolnoprzepustowy albo aproksymację z parametrem wygładzającym.

W praktycznych wdrożeniach spotyka się filtrację członu D z parametrem N w zakresie 5–10. To ogranicza wzmacnianie szumu i daje spokojniejszą odpowiedź napędu. Bez tego robot potrafi zachowywać się tak, jakby sterowanie wyprzedzało problem, którego jeszcze nie ma.

Wskazówka: Jeśli robot oscyluje wokół toru, zmniejsz P albo dodaj odrobinę D, a nie od razu zwiększaj I. Całka rzadko usuwa drgania, za to często je wydłuża.

Jak rozpoznać złe nastawy po zachowaniu robota?

Źle dobrane nastawy PID widać na podłodze szybciej niż na wykresie. Ja patrzę równocześnie na tor jazdy, dźwięk napędu i czas dochodzenia do zadanej prędkości. Taki zestaw zwykle wystarcza, żeby rozróżnić zbyt agresywne P, spóźnione D albo źle opanowaną całkę.

Gdy robot jedzie po łuku i zaczyna myszkować, najpierw sprawdzam, czy oba koła reagują podobnie. Bardzo często problem nie leży w samym regulatorze, tylko w tym, że jedno koło ma większy opór toczenia, słabszą przekładnię albo gorszy sygnał z enkodera. Wtedy identyczne współczynniki tylko pozornie wyglądają uczciwie.

W robocie balansującym objawy odczytuje się jeszcze surowiej. Spóźniona reakcja oznacza zwykle za małe P albo zbyt wolne próbkowanie. Szybkie bujanie wskazuje na zaszumione D, niestabilny czas pętli albo nadmierną agresję regulatora.

Badania porównawcze nad sterowaniem trajektorii pokazują ciekawy punkt odniesienia. W jednym z opracowań regulator PID osiągnął średni błąd trajektorii 4,1 cm, a regulator MPC był lepszy o około 15%. Wniosek jest prosty: PID nie wygrywa w każdej sytuacji, zwłaszcza przy silnych nieliniowościach i bardziej złożonej predykcji ruchu, ale w napędach kół nadal daje bardzo dobrą relację między prostotą implementacji a skutecznością.

Wskazówka: Mierz czas ustalania, przeregulowanie i błąd końcowy po każdym teście. Bez tych trzech liczb łatwo pomylić poprawę z przypadkowym trafieniem.

Jak dobrać nastawy do masy, silników i enkoderów?

Sprzęt wyznacza granice sensownych nastaw. Dlatego PID stroję zawsze razem z mechaniką i pomiarem. Cięższy robot ma większą bezwładność, więc reaguje wolniej i zwykle gorzej znosi agresywne P. Lekka platforma odpowiada szybciej, ale łatwiej wpada w oscylacje.

• Masa robota – zwiększa bezwładność i wydłuża czas reakcji.
• Przekładnia – podnosi moment obrotowy, ale może wprowadzać luzy i martwy bieg.
• Rodzaj silnika – silnik szczotkowy DC ma inną charakterystykę tarcia i dynamiki niż napęd sterowany bardziej zaawansowanym driverem.
• Rozdzielczość enkodera – wpływa na jakość pomiaru prędkości, szczególnie przy wolnej jeździe.
• Napięcie baterii – zmienia zachowanie napędu i utrudnia utrzymanie tych samych warunków pracy.

Mała liczba impulsów z enkodera utrudnia strojenie D, bo różniczkowanie wzmacnia skokowy pomiar. Wtedy pomaga wydłużenie okna pomiarowego, uśrednianie prędkości albo rezygnacja z mocnego D. Z kolei bardzo szybki i czysty pomiar pozwala tłumić układ precyzyjniej.

W napędach DC dochodzi jeszcze martwy bieg silnika, czyli zakres PWM, przy którym silnik jeszcze nie rusza. Bez kompensacji regulator długo pompuje sterowanie, a potem koło startuje skokowo. Taki objaw wiele osób bierze za źle ustawione P, choć problem siedzi w nieliniowości napędu.

Pomaga tu feedforward, czyli składnik wyprzedzający. W uproszczeniu daje on napędowi wstępne sterowanie zależne od zadanej prędkości, zanim jeszcze pojawi się uchyb. Przy robotach mobilnych z wyraźnym martwym biegiem albo dużą zmianą obciążenia feedforward często uspokaja start bardziej niż kolejne podkręcanie PID.

Z badań wdrożeniowych wynika też, że konkretne nastawy potrafią działać bardzo dobrze w określonej platformie, a potem kompletnie nie przenoszą się na inną. W jednej z implementacji Kp = 15, Ki = 0,5, Kd = 2 dały redukcję błędu prędkości o 85% w warunkach zakłóceń. To dobry punkt odniesienia, ale nie gotowy przepis. Właśnie masa, tarcie, enkoder i sterownik silnika decydują, czy takie liczby mają sens w innym robocie.

Jak stroić PID dla line followera, robota balansującego i jazdy na wprost?

Każdy typ robota stawia regulatorowi inne wymagania. I właśnie dlatego odpowiedź na pytanie, jak ustawić PID w robocie mobilnym, zawsze zależy od celu ruchu. Inaczej stroi się napęd do śledzenia linii, inaczej do balansowania, a jeszcze inaczej do stabilnej jazdy na wprost.

W line followerze regulator musi szybko reagować na zmianę położenia względem linii. Za duże I zwykle szkodzi, bo robot zaczyna nadrabiać dawny błąd wtedy, gdy zakręt już się skończył. Efekt? Wężykowanie i spóźnione korekty. Dobrze dobrane D pomaga wygasić gwałtowne zmiany z czujników.

W robocie balansującym liczy się szybka pętla regulacji i stabilny czas obliczeń. Każde opóźnienie wychodzi natychmiast. Dlatego utrzymuję minimalne I, pilnuję krótkiego Ts i czystego pomiaru kąta oraz prędkości. Tu nawet dobry regulator przegrywa, gdy pętla raz działa w 2 ms, a chwilę później w 8 ms.

W jeździe na wprost najważniejsza jest zgodność reakcji obu stron napędu. Samo trzymanie prędkości jednego koła nie wystarczy. Dwa koła muszą mieć podobną odpowiedź dynamiczną, bo inaczej robot pojedzie zygzakiem mimo poprawnych wykresów dla każdego silnika osobno.

Badania nad synchronizacją grup robotów laboratoryjnych pokazały, że dobrze dostrojony PID pozwalał utrzymać błąd pozycji poniżej 3 cm przy prędkościach do 1 m/s. To ważna wskazówka także dla pojedynczego robota: kiedy platforma porusza się szybciej, rośnie znaczenie stabilnego próbkowania, zgodności napędów i przewidywalnej dynamiki.

Wskazówka: Jeśli stroisz robota balansującego, najpierw sprawdź stałość czasu próbkowania. Nawet dobry PID zaczyna działać źle, gdy pętla liczy się raz szybko, a raz wolno.

Jak zaimplementować PID w kodzie mikrokontrolera?

PID w mikrokontrolerze musi działać w stałej pętli czasowej. Bez tego współczynniki tracą sens, bo całka i różniczka zależą bezpośrednio od okresu próbkowania. W Arduino i STM32 implementuję regulator jako funkcję wywoływaną timerem, zwykle co kilka milisekund, zamiast liczyć go przypadkowo w pętli głównej.

Praktyczny schemat wygląda tak:

1. Odczytaj enkoder i przelicz impulsy na prędkość.
2. Policz uchyb między wartością zadaną a zmierzoną.
3. Dodaj składnik proporcjonalny na podstawie bieżącego błędu.
4. Zsumuj część całkującą z ograniczeniem anti-windup.
5. Wylicz część różniczkującą na podstawie zmiany błędu.
6. Ogranicz wyjście do zakresu PWM.
7. Wyślij sygnał do mostka H albo sterownika silnika.

W kodzie pilnuję zmiennej Ts, czyli okresu próbkowania. Przy stałym Ts regulator zachowuje się przewidywalnie. Przy pływającym Ts człon D zaczyna wzmacniać szum, a człon I zbiera uchyb w złym tempie. To jeden z najczęstszych powodów, przez które poprawny wzór daje zły efekt na robocie.

Anti-windup realizuję przez ograniczenie sumy uchybu albo reset całki po wejściu sterowania w nasycenie. W praktycznych wdrożeniach takie zabezpieczenie potrafi skrócić powrót po zakłóceniu o 30–50%. Bez niego czas dochodzenia do równowagi po większym błędzie wydłuża się nawet kilkukrotnie.

Dla składnika różniczkującego stosuję filtrację. Zamiast liczyć surową różnicę błędu, wygładzam ją, bo enkoder i zakłócenia elektryczne potrafią mocno zaszumieć pomiar. W prostszych konstrukcjach wystarcza średnia ruchoma prędkości. W bardziej wymagających układach sprawdza się filtr dolnoprzepustowy, a czasem nawet filtr Kalmana.

Ta kolejność wywołań porządkuje implementację i ułatwia diagnostykę:

• Pomiar – odczytaj enkoder lub tachometr.
• Filtracja – wygładź szum, gdy pomiar skacze.
• Obliczenie uchybu – porównaj zadanie z wartością zmierzoną.
• Regulacja – policz P, I i D.
• Ograniczenie – przytnij wynik do bezpiecznego PWM.
• Aktualizacja napędu – wyślij sygnał do sterownika silnika.

W robocie z napędem różnicowym taka pętla działa osobno dla lewego i prawego koła. Potem warstwa wyżej wyznacza prędkość liniową i skręt. W uproszczeniu ruch do przodu zależy od średniej prędkości obu kół, a skręt od ich różnicy. Ta zależność sprawia, że nawet drobny błąd jednej strony od razu zmienia tor jazdy.

Jakie metody strojenia działają w praktyce?

W praktyce najlepiej działa połączenie strojenia ręcznego, testu skoku i prostych reguł startowych. Sama teoria daje punkt wyjścia. Ruch robota pokazuje, czy nastawy mają sens. Dlatego nie przywiązuję się ślepo do jednej metody.

• Metoda ręczna – dobra dla prostych platform i szybkiego uruchomienia.
• Ziegler-Nichols – przydatna jako punkt startowy, gdy da się bezpiecznie wywołać oscylacje.
• Auto-tuning lub strojenie offline – sensowne przy platformach powtarzalnych i przy zbieraniu danych z otwartej pętli.

Metoda ręczna sprawdza się najlepiej tam, gdzie liczy się zachowanie napędu w rzeczywistej pracy. Ustawiam P do momentu szybkiej reakcji bez wyraźnego falowania, potem dokładam niewielkie I, a D wprowadzam tylko wtedy, gdy układ rzeczywiście tego potrzebuje.

Ziegler-Nichols daje punkt startowy, ale w robotach mobilnych często prowadzi do zbyt agresywnych nastaw. Klasyczny wariant oscylacyjny polega na znalezieniu wzmocnienia granicznego Ku i okresu oscylacji Pu, a potem wyliczeniu nastaw startowych. Problem w tym, że robot z luzami, martwym biegiem i spadkiem napięcia baterii nie zachowuje się jak idealny obiekt liniowy.

W bardziej uporządkowanym podejściu zbieram odpowiedź skokową napędu w otwartej pętli, na przykład dla 20%, 50% i 80% PWM. Taki test pozwala ocenić opóźnienie, czas narastania i zakres nieliniowości. Potem strojenie ma sens, bo bazuje na realnym silniku, a nie na zgadywaniu.

Przy ocenie jakości regulacji patrzę na miary błędu, takie jak IAE i ISE. IAE sumuje moduł uchybu w czasie, a ISE mocniej karze duże błędy, bo liczy ich kwadrat. W praktyce świetnie widać po nich, czy poprawa dotyczy całej odpowiedzi, czy tylko ładniejszego początku wykresu.

Zauważyłem też coś powtarzalnego: wielu osobom wydaje się, że po pierwszym udanym przejeździe PID jest już ustawiony. A potem bateria siada, podłoże lekko się zmienia i cały spokój znika. Właśnie dlatego test po zakłóceniu i przy różnych warunkach mówi więcej niż jeden ładny przejazd po stole.

Wskazówka: Po każdym kroku zmieniaj tylko jeden parametr. Gdy ruszysz P, I i D jednocześnie, nie ustalisz, co naprawdę poprawiło albo zepsuło reakcję.

Jak sprawdzić, czy ustawienie PID działa poprawnie?

Dobrze ustawiony PID daje płynny start, krótki czas dojścia do zadania, małe przeregulowanie i spokojny powrót po zakłóceniu. Sama obserwacja liczb nie wystarcza. Potrzebny jest wykres i realny test jazdy, najlepiej w kilku warunkach.

1. Podaj skok prędkości, na przykład z 0 do wartości roboczej.
2. Obserwuj czas dojścia do 90–95 procent wartości zadanej.
3. Sprawdź, czy robot przekracza zadanie i o ile.
4. Powtórz test po zmianie poziomu baterii.
5. Powtórz test na innej nawierzchni, na przykład na gładkiej posadzce i na podłożu o większym tarciu.
6. Porównaj oba koła, jeśli pracują w układzie różnicowym.

Dobry wynik nie oznacza idealnie gładkiego wykresu. Oznacza powtarzalną, stabilną pracę w realnych warunkach. Robot ma utrzymać prędkość bez ciągłego myszkowania, wrócić po zakłóceniu bez nerwowych poprawek i zachować podobną jakość ruchu także przy słabszej baterii.

W praktyce można przyjąć prosty punkt odniesienia: dla typowego robota mobilnego ruch po skoku zadania nie powinien kończyć się długim falowaniem, a przeregulowanie dobrze utrzymać poniżej około 10% w zadaniach jazdy prędkościowej. Przy większym przeregulowaniu robot zwykle zaczyna wyglądać na nerwowy, nawet gdy średni błąd na wykresze nie wygląda źle.

Badania eksperymentalne pokazują, że dobrze dostrojony PID naprawdę działa użytecznie poza laboratorium. W jednym z opisanych przypadków osiągnięto średni błąd trasowania 2,5 cm przy 0,5 m/s, a w innym synchronizacja robotów utrzymywała błąd pozycji poniżej 3 cm. To nie są wyniki idealne. Są za to bardzo praktyczne, bo pokazują poziom dokładności wystarczający dla wielu platform mobilnych.

Gdy robot utrzymuje tor jazdy bez szarpania, po zmianie obciążenia szybko wraca do zadania i nie gubi stabilności po kilku minutach pracy, nastawy są blisko dobrego punktu. To właśnie odróżnia PID ustawiony na pokaz od PID ustawionego do jazdy.

Podsumowanie

Jeśli chcesz, mogę przygotować dla Ciebie gotowy przykład PID w Arduino albo STM32 z anti-windup i filtrowanym członem D.

FAQ

Q: Czy jeden PID wystarczy dla obu kół robota mobilnego?

A: Zwykle nie. Lewe i prawe koło mają inne tarcie, luzy i obciążenie, więc osobne nastawy dają lepszą kontrolę toru jazdy.

Q: Jak często liczyć regulator PID w robocie mobilnym?

A: Najczęściej co kilka milisekund. Ważne, żeby okres był stały, bo pływający Ts psuje całkę i człon D.

Q: Czy można stroić PID bez enkodera?

A: Można, ale sensownie tylko w prostych układach. Bez pomiaru prędkości tracisz punkt odniesienia, więc dokładność spada mocno.

Q: Co zrobić, gdy robot rusza poprawnie, ale po chwili zaczyna falować?

A: Zmniejsz P albo dodaj trochę D. Jeśli falowanie narasta po dłuższej jeździe, sprawdź też nasycenie całki i spadek napięcia baterii.

Q: Czy PID nadaje się do robota balansującego?

A: Tak, ale wymaga szybkiego próbkowania, małych opóźnień i ostrożnego I. W balansowaniu liczy się szybka reakcja i dobre tłumienie szumu.

Weryfikacja i redakcja

Za redakcję i weryfikację artykułu odpowiadają:

Joanna Lewandowska. Specjalistka ds. automatyki i integracji. Absolwentka kierunku Automatyka i Robotyka na Akademii Górniczo-Hutniczej im. Stanisława Staszica w Krakowie.

Piotr Woźniak. Doświadczony redaktor technologiczny. Absolwent kierunku Dziennikarstwo i Komunikacja Społeczna na Uniwersytecie Warszawskim.