自适应递归PID跟随控制器

平均距离误差降逾四成

在遮挡、多人或形变场景下，用视觉识别与递归记忆持续锁定跟随目标，以自整定滤波抑制数据波动，输出更稳的控制量。

李文锋 · Zhou, Jinglong · Shaoyong, Jiang · Chaoqun, Wang · Anning, Yang

IEEE Transactions on Human-Machine Systems 2024

参数信息

平均距离误差降低（转向，对比传统PID）

64.29 %

平均距离误差降低（转向，对比分数阶PID）

57.14 %

平均距离误差降低（转向，对比虚拟弹簧模型）

60.52 %

平均距离误差降低（直行，对比传统PID）

42.86 %

技术优势

对抗遮挡与多人干扰

使用人员重识别与YOLOv8进行检测跟踪，即使目标被部分遮挡或场景中有多人，仍能持续识别并锁定跟随目标。

数据波动自动滤除

自整定滤波器可自适应调节参数，降低传感器数据波动，减少相对位姿不稳定的负面影响，输出更平稳的控制量。

控制精度显著提升

在转向工况下平均距离误差比传统PID低64.29%，比分数阶PID低57.14%，比虚拟弹簧模型低60.52%，控制更精准。

抗扰能力增强

自适应递归机制记忆历史相对位姿，使控制器根据当前系统状态自适应输出控制量，在直行工况下误差也降低40%以上。

应用场景

• 人机跟随机器人：在人员遮挡或多人场景下持续跟随指定用户，适合导览、陪伴等机器人。
• 服务机器人运动控制：用更平稳的控制输出提升服务机器人在动态环境中的跟随稳定性。
• 视觉伺服控制：以视觉信息闭环控制位姿，抑制深度数据波动，增强视觉伺服的鲁棒性。
• 移动机器人导航：跟随过程中自适应调整速度与转向，减少距离误差，提升导航精确性。