《Biomimetics》：A Comparative Study of PID and Bio-Inspired Fuzzy Controllers for Speed Regulation of Low-Cost Geared DC Motors
编辑推荐：
低成本齿轮直流电机（geared DC motor）广泛应用于移动机器人和嵌入式机电系统中；然而，由于死区非线性、摩擦、低编码器分辨率、电机不对称性以及供电电压变化等因素，其控制仍具有挑战性。生物有机体在面对类似不确定性时，依靠近似推理和自适应响应而非精确数学
低成本齿轮直流电机（geared DC motor）广泛应用于移动机器人和嵌入式机电系统中；然而，由于死区非线性、摩擦、低编码器分辨率、电机不对称性以及供电电压变化等因素，其控制仍具有挑战性。生物有机体在面对类似不确定性时，依靠近似推理和自适应响应而非精确数学模型来执行运动控制。本文开发并通过实验验证了一种实用的仿生控制架构，适用于在严酷传感与执行器限制下运行的低成本齿轮直流电机。所提出的控制器将模糊推理（fuzzy inference）、死区补偿（dead-zone compensation）和斜坡启动机制（ramp-start mechanism）相结合，以模拟生物运动响应的渐进性和自适应性。控制动作并非依赖精确的受控对象模型，而是通过基于速度误差和误差变化的语言规则生成，模仿人类式决策过程。该控制器在配备低分辨率光学编码器的基于Arduino的差动驱动机器人平台上实现。实验结果表明，所提出的仿生方法有效缓解了启动失速，减少了由测量量化引起的振荡行为，并在执行器变异和电池电压波动下保持了稳定的速度调节。研究表明，仿生模糊控制为具有显著不确定性和非线性行为的低成本机器人系统提供了一种实用且计算高效的替代传统PID方法的方案。
**研究背景与问题**
低成本齿轮直流电机（geared DC motor）因其结构简单、成本低廉，广泛应用于移动机器人与嵌入式机电系统。然而，其速度控制面临多重严峻挑战：死区非线性、静摩擦、齿轮箱回差、低分辨率编码器的测量量化噪声、电机之间的制造不对称性，以及电池电压波动等。这些非理想因素使得建立精确的数学模型极为困难，严重制约了基于模型的控制方法的应用效果。经典PID控制器虽凭借结构简单、易于实现而成为直流电机调速的主流方案，但其性能高度依赖参数整定，并且为应对积分饱和、量测噪声与死区效应，往往还需额外配置抗饱和保护、滤波和补偿机制，在低成本机器人平台上的鲁棒性与实现简洁性均受到限制。相比之下，生物运动系统能够在感觉信息不完整、反馈噪声显著的环境下，通过近似推理与经验性决策实现平滑而稳定的运动控制，无需实时求解精确数学模型。这一生物学特性为工程控制提供了重要启示。基于此，研究人员设计并实验验证了一种面向低成本齿轮直流电机的仿生模糊控制架构，旨在严重传感与执行器限制条件下实现稳定、平滑的速度调节，并与传统PID控制器进行系统对比。该研究成果发表于《Biomimetics》。
**关键技术与方法**
研究人员在Arduino Uno嵌入式平台上，通过L298 H桥驱动器驱动两个存在制造差异的低成本齿轮直流电机（额定转速260 RPM@6V，减速比1:48，额定转矩0.8 kg·cm），采用20槽红外光学编码器测量电机转速。模糊控制器采用Mamdani型推理与重心法（centroid）解模糊化，构建7×7语言规则库，以速度误差及其变化率为输入，并集成死区补偿与斜坡启动机制，模拟生物运动单位的渐进募集过程。采样周期设为100 ms，编码器信号经指数移动平均滤波（exponential moving average, EMA，α=0.1）处理。为对比验证，PID控制器在同一硬件平台与相同实验条件下实现。扰动实验包括阶跃负载扰动、电池电压跌落（7.4 V→6.0 V）和负载质量突增（0.5 kg）三类测试。
**研究结果**
*PID控制器*：经试凑法整定参数后（左电机K
p=0.7, K
i=2.15, K
d=0.01；右电机K
p=4, K
i=2.7, K
d=0.01），PID控制器从静止加速至目标转速80 RPM的上升时间约500 ms，左电机因摩擦差异出现约2%的超调，约300 ms后进入稳态，稳态误差为±2 RPM。
*三角隶属度函数模糊控制器*：启动延迟约1 s，全程无超调，约5 s后达到稳态，稳态误差±2 RPM。静态控制特性分析表明，三角隶属度函数在零误差附近产生非线性增益与平滑斜率，控制动作渐进柔和，有效抑制量化噪声引起的抖动。
*梯形隶属度函数模糊控制器*：由于梯形隶属度函数具有平坦的零误差区域，抑制了参考点附近的增量控制动作，导致约78 RPM的稳态偏移。研究人员指出，在零误差区域引入偏置规则可恢复积分型行为并消除稳态误差。
*阶跃响应与量化指标对比*：PID控制器实现了最精确的参考跟踪，IAE为142.50、ITAE为195.20、RMSE为1.15 RPM，但其总变差（Total Variation, TV）指数高达42.10，表明高增益线性环节放大了编码器量化噪声，引发显著的高频控制抖动。仿生模糊控制器的IAE为185.30、ITAE为310.15，累积跟踪误差略有增加，但TV值降至18.40，较PID大幅降低56%以上，证实了生物启发的近似推理显著改善了控制信号平滑性，有利于延长低成本机电组件的使用寿命。
*负载扰动鲁棒性实验*：PID控制器对阶跃负载扰动响应迅速、恢复时间短，但伴随明显的超调与振荡；模糊控制器响应平滑、无明显振荡，恢复速度略慢。模糊控制器的PD型结构缺乏积分作用，对大幅恒值负载扰动会出现稳态速度偏移，而PID因积分项的作用可完全消除恒定扰动引起的稳态误差。
*电压跌落实验（实验A）*：在t=10 s时电压由7.4 V突降至6.0 V，PID控制器出现瞬态速度跌落并伴随短暂的极限环振荡；模糊控制器通过动态激活高误差区域规则，比PID快34%恢复到参考速度，且无振荡和积分饱和现象。
*质量突增实验（实验B）*：在t=12 s时向机器人底盘增加0.5 kg负载（总重量增加50%），PID控制器需要3.2 s才能恢复稳定；模糊控制器仅需1.1 s即建立新的稳态平衡，表现出优异的参数变化不敏感性。
**讨论与结论**
讨论部分指出，模糊控制器较慢的瞬态响应并非缺陷，而是一种有意的设计权衡——通过渐进式控制动作避免突变力矩带来的机械应力，这与生物运动中运动单位逐级募集的生理机制相类似。在低成本机器人平台中，稳定性与鲁棒性往往比最小瞬态时间更具工程价值。研究的主要局限包括：控制器参数依赖实验整定，对特性差异较大的电机可能需要重新调整；仅验证了单向运动和恒速调节工况；未包含在线学习或规则自适应调节能力。研究结论证实，仿生模糊控制器在应对死区效应、摩擦、电机不对称性、编码器量化及电池电压波动等实际非线性因素的同时，可提供稳定的速度调节；与PID相比，其在稳态平滑性和对硬件缺陷的容忍度方面更优，而PID则具备更快的瞬态响应。该研究表明，将近似推理、反馈自适应、渐进式驱动与死区补偿等生物控制原理整合为统一控制架构，可为资源受限的低成本嵌入式机器人提供一种实用而可靠的调速方案。未来工作将重点探索隶属度函数与比例因子的自适应整定、在线学习机制、模糊规则自动优化，以及控制器向双向运动与轨迹跟踪任务的扩展。
