raidens-pid

Implementacoes de controlador PID para navegacao autonoma de robos.

---

Sobre

O raidens-pid implementa controladores PID (Proporcional, Integral, Derivativo) para tarefas comuns de robotica: seguir linha, manter distancia e manter angulo.

Como funciona o PID

O PID calcula uma saida de controle baseada em tres termos:

• P (Proporcional): Reage ao erro atual. Se o erro e grande, a correcao e grande.
• I (Integral): Acumula erros passados. Elimina erro estacionario que o P nao resolve.
• D (Derivativo): Preve tendencias do erro. Suaviza a resposta e reduz overshoot.

Formula: saida = Kp * erro + Ki * integral(erro) + Kd * derivada(erro)

---

Estrutura

raidens-pid/ ├── src/ │ ├── pid.py # PID basico │ ├── pid_advanced.py # PID com anti-windup e filtros │ ├── cascade_pid.py # PID em cascade (duas camadas) │ ├── tuner.py # Sintonizacao automatica │ └── __init__.py ├── examples/ │ ├── seguidor_de_linha.py │ ├── controlador_de_distancia.py │ └── controlador_de_angulo.py ├── configs/ │ ├── pid_linha.yaml │ └── pid_parede.yaml └── README.md

---

Modulos

pid.py - PID Basico

`python from src.pid import PID

pid = PID(kp=2.5, ki=0.8, kd=0.3, setpoint=0) saida = pid.compute(medicao) `

Metodos:

• compute(measurement) - Calcula saida PID

eset() - Zera acumuladores

• set_gains(kp, ki, kd) - Atualiza ganhos
• set_limits(min, max) - Define limites de saida
• get_components(measurement) - Retorna P, I, D separados

pid_advanced.py - PID Avancado

Adiciona funcionalidades ao PID basico:

• Anti-windup: Limita acumulador integral para evitar saturacao
• Filtro derivativo: Suaviza o termo D para reduzir ruido
• Derivative on measurement: Calcula D sobre medicao ao inves de erro
• Rate limit: Limita velocidade de variacao da saida

`python from src.pid_advanced import PIDAdvanced

pid = PIDAdvanced(kp=2.0, ki=0.5, kd=0.2) pid.set_integral_limits(-50, 50) pid.set_derivative_filter(0.3) pid.set_rate_limit(30) `

cascade_pid.py - PID em Cascade

Duas camadas de controle para sistemas de dois estagios.

`python from src.cascade_pid import create_distance_controller

controller = create_distance_controller() saida = controller.compute(distancia_parede, velocidade_motor) `

Exemplos:

• create_distance_controller() - Controle de distancia de parede
• create_line_controller() - Seguidor de linha

tuner.py - Sintonizacao Automatica

Metodo de Ziegler-Nichols para encontrar ganhos otimos.

`python from src.tuner import PIDTuner

tuner = PIDTuner(setpoint=0) pid = tuner.auto_tune(plant_func, method="PID") `

Procedimento:

1. Aumenta Kp ate oscilacao sustentada (Ku)
2. Mede periodo de oscilacao (Tu)
3. Calcula ganhos: Kp=0.6Ku, Ki=2Ku/Tu, Kd=Ku*Tu/8

---

Tabelas de Ganhos

Ziegler-Nichols

Metodo	Kp	Ki	Kd
P	0.5 * Ku	-	-
PI	0.45 * Ku	1.2 * Kp / Tu	-
PID	0.6 * Ku	2 * Kp / Tu	Kp * Tu / 8

Ganhos Recomendados

Aplicacao	Kp	Ki	Kd
Seguidor de linha	2.5	0.8	0.3
Controle de distancia	2.0	0.5	0.2
Controle de angulo	3.0	0.5	1.0

---

Exemplos

Seguidor de Linha

�ash python examples/seguidor_de_linha.py

Simula robo com 5 sensores IR seguindo linha preta. PID ajusta direcao dos motores.

Controle de Distancia

�ash python examples/controlador_de_distancia.py

Simula robo mantendo 30cm de distancia de parede. Usa PID avancado com anti-windup.

Controle de Angulo

�ash python examples/controlador_de_angulo.py

Simula robo mantendo orientacao de 0 graus. Usa controle diferencial de motores.

---

Dependencias

Nenhuma dependencia externa. Apenas Python 3.7+ padrao.

---

Equipe

RAIDENS - SESI Aluminio 192

Desenvolvido para uso interno da equipe. Licenciado sob MIT.