【導(dǎo)讀】系統(tǒng)的實現(xiàn)展開研究。在機械系統(tǒng)設(shè)計方面，根據(jù)汽車技術(shù)理論，討論了機械系統(tǒng)參數(shù)。為了克服外界環(huán)境光的干擾，設(shè)計了濾波電路，提出了相應(yīng)的濾波算法。波電路耗電省，工作穩(wěn)定，抗干擾性強，探測距離與靈敏度可通過電路中參數(shù)來調(diào)節(jié)。測法和跟蹤邊緣檢測法的原理，提出了改進型二值化算法。該算法在攝像頭傾斜檢測時，PID控制算法數(shù)學(xué)模型。完成了我校競賽用智能車全部軟硬件的設(shè)計與制造。

　　

【正文】 概括起來有兩大類：一是理論計算整定法。它主要是依據(jù)系統(tǒng)的數(shù)學(xué)模型，經(jīng)過理論計算確定控制器參數(shù)。這種方法所得到的計算數(shù)據(jù)未必可以直接用，還必須通過工程實際進行調(diào)整和修改。二是工程整定方法，它主要依賴工程經(jīng)驗，直接在控制系統(tǒng)的 試驗中進行，且方法簡單、易于掌握，在工程實際中被廣泛采用。 PID 控制器參數(shù)的工程整定方法，主要有臨界比例法、反應(yīng)曲線法和衰減法。三種方法各有其特點，其共同點都是通過試驗，然后按照工程經(jīng)驗公式對控制器參數(shù)進行整定。但無論采用哪一種方法所得到的控制器參數(shù)，都需要在實際運行中進行最后調(diào)整與完善。現(xiàn)在一般采用的是臨界比例法。利用該方法進行 PID 控制器參數(shù)的整定步驟如下： (1) 首先預(yù)選擇一個足夠短的采樣周期讓系統(tǒng)工作； 安徽理工大學(xué)畢業(yè)設(shè)計 22 (2) 僅加入比例控制環(huán)節(jié)，直到系統(tǒng)對輸入的階躍響應(yīng)出現(xiàn)臨界振蕩，記下這時的比例放大系數(shù)和臨界 振蕩周期； (3) 在一定的控制度下通過公式計算得到 PID 控制器的參數(shù)。 增量型 PID 控制算法 增量型 PID簡介 在計算機控制系統(tǒng)中，數(shù)字 PID 控制算法通常又分為位置式 PID 和增量式 PID。本次設(shè)計中，采用增量式 PID。增量型算法與位置型算法相比，具有以下優(yōu)點：增量型算法不需要做累加，增量的確定僅與最近幾次偏差采樣值有關(guān)，計算精度對控制量的計算影響較小，而位置型算法要用到過去偏差的累加值，容易產(chǎn)生大的累加誤差；增量型算法得出的是控制量的增量，而位置型算法的輸出是控制量的全量輸出，誤動作影 響大；采用增量型算法，易于實現(xiàn)手動到自動的無沖擊切換。 增量型 PID算法 在實際的電機編程控制時，采用了基于 PWM 脈寬調(diào)制的 PID 閉環(huán)控制，主要實現(xiàn)對智能小車直流電機速度的閉環(huán)控制 。 控制編程依據(jù)： ( ) ( 1 ) [ ( ) ( 1 ) ] ( )[ ( 2 ) 2 ( 1 ) ( ) ]u n u n K p e n e n K i e nK d e n e n e n? ? ? ? ? ? ? ?? ? ? ? ? ? 其中： )(nu —— 為第 n 次輸出控制量； )1( ?nu —— 為第 n1 次輸出控制量； )(ne —— 為第 n 次偏差 ； )1( ?ne —— 為第 n1 次偏差； )2( ?ne —— 為第 n2 次偏差； Kp —— 為比例增益系數(shù)； Ki —— 為積分增益系數(shù)； Kd —— 為微分增益系數(shù)； 電機 PID 控制子程序流程如圖 42 所示。 安徽理工大學(xué)畢業(yè)設(shè)計 23 圖 42 PID 控制流程圖 增量型 PID應(yīng)用的程序編程 為了實現(xiàn)電機的連續(xù)閉環(huán)控制，單 片機需要實時對測速傳感器輸出的信號進行采樣， 通過對電機最大轉(zhuǎn)速、編碼器分辨率、單片機指令執(zhí)行速度等參數(shù)進行分析，結(jié)合以往電機控制中的經(jīng)驗，每次采樣的周期定為 4 毫秒，即電機控制周期為 4 毫秒。以下是增量型 PID 應(yīng)用的程序編程。 void Pid(void) { Speed Different[0]=SpeedSpeedMeasure。 //e(n) Date=SpeedDifferent[0]SpeedDifferent[1]。 //P Date_I=SpeedDifferent[0]。 //I Date_D=SpeedDifferent[0](SpeedDifferent[1]1)+SpeedDifferent[2]。 //D PWMOut=PWMOutLast+Const_P*Date_P+Const_D*Date_D+Const_I*Date_I。 //facti on PWMDTY45=PWMOut。 //輸出執(zhí)行 PWMOutLast=PWMOut。 //保存結(jié)果 SpeedDifferent[1]=SpeedDifferent [0]。 } 最終增量型 PID 控制算法在小車上的應(yīng)用成功，小車速度得到很好的控制。 安徽理工大學(xué)畢業(yè)設(shè)計 24 5 智能車的軟件設(shè)計 智能車的軟件設(shè)計前提是系統(tǒng)的初始化，然后進入各個功能模塊的編成，基于攝像頭檢測的智能車的編成的功能實現(xiàn)只要分為五大部門：攝像頭信號采集和電機速度測量，賽道信息提取，賽道信息濾波，賽道特征識別，最后為舵機轉(zhuǎn)向執(zhí)行和電機速度 PID調(diào)節(jié)。其軟件編 程功能執(zhí)行流程圖如圖 51 所示。 開 始傳 感 器 信 號 采 集 和電 機 速 度 測 量舵 機 執(zhí) 行 轉(zhuǎn) 向通 過 P I D 調(diào) 節(jié) 電 機 速 度賽 道 信 息 提 取賽 道 信 息 濾 波賽 道 特 征 識 別 圖 51 功能模塊執(zhí)行流程圖 采集數(shù)據(jù)處理流程 攝像頭行數(shù)據(jù)通過 LM1881 的行場分離信號觸發(fā)行中斷，使用中斷服務(wù)程序進行采集并處理。 安徽理工大學(xué)畢業(yè)設(shè)計 25 開 始清 中 斷 標(biāo) 志 ， 行 計數(shù) r o w c o u n t e r + +采 樣 行 設(shè) 定 行 標(biāo)志 s a m p l e f l a g = 1 ?關(guān) 閉 A / D 采 樣置 s a m p l e f l a g = 0采 樣 到 設(shè) 定 最 后 一 行r o w _ m a x = 2 4 0 ?關(guān) 行 中 斷復(fù) 位 I D T 7 2 0 5延 遲 消 隱 區(qū) 5 . 6 u s 開啟 p p 7N等 間 隔 采 樣1 2 行 ？行 計 數(shù) 等 于 設(shè)定 采 樣 行 ？s a m p l e _ f l a g = 1采 樣 行 計 數(shù)s a m p l e _ r o w _ j + +復(fù) 位 I D T 7 2 0 5延 遲 消 隱 區(qū) 5 . 6 u s開 啟 A D 采 樣允 許 采 樣 標(biāo) 志f l a g _ s a m p l e _ e n a b l e = 1 ?s a m p l e _ f l a g = 1YYNYNYN返 回YN 圖 52 攝像頭中斷服務(wù) 程序流程圖 安徽理工大學(xué)畢業(yè)設(shè)計 26 賽道信息提取 這 一步驟主要對攝像頭采集的數(shù)據(jù)進行處理，得到黑線偏差，然后利用黑線的偏差對轉(zhuǎn)向舵機進行控制。賽道信息提取流程圖見圖 53。 攝像頭每行采集 120 個點，將他們存儲在數(shù)組 a[n]中，開始處理時計數(shù)標(biāo)志 i++，然后利用第 i 個點的灰 度值與第 i+2 個點的灰度值作差并與設(shè)定的閾值進行比較判斷當(dāng)前點是否為黑線起始位置，若不是，則 i+1 再重復(fù)上述步驟，若是黑線起始位置則記錄當(dāng)前點偏差到 j，并開始將第 i+2 個點的灰度值與第 i 個點的灰度值進行比較，來尋找黑線結(jié)束位置的偏差則本行的黑線的偏差值為 (i+j)/2。當(dāng)一場數(shù)據(jù)的各行偏差都找到，并可以利用偏差進行舵機的轉(zhuǎn)向控制，也可以進行擬合以便判斷賽道類型，方便對驅(qū)動電機的速度進行控制。 賽道特征識別 依據(jù)賽道信息來看，賽道具有明顯的特征，比如：小 S 彎道，大 S 彎道，長直道等。為了更好的控制智能小 車的轉(zhuǎn)向和速度，進行賽道特征的識別是非常有必要的，根據(jù)賽道的特征，以及具有明顯特征的賽道類型對小車的轉(zhuǎn)向、速度的要求，我們將賽道的特 征分為三類：直道，彎道和丟失數(shù)據(jù)時的壞道，這三種類型賽道對小車快速行駛的轉(zhuǎn)向、速度要求具有明顯的不同。 對于可以較快采集到較多數(shù)據(jù)的攝像頭智能車來說，利用最小二乘法來判斷賽道類型較為方便簡單。其一般形式為00y a b x??，即以下行列式： 020i iii i im yx abyxx x???? ?? ?????????????????? （ 51） 對于不同的 賽道類型，其最小二乘法解得的 0a ， 0b 的值是固定范圍，所以便可以通過實驗所得數(shù)據(jù)設(shè)定的 0a ， 0b 的范圍來判斷賽道的類型。 舵機轉(zhuǎn)向和電機速度的控制 識別賽道的特征之后，舵機的轉(zhuǎn)向和電機的速度采用 PID 控制的方式，通過 PID 數(shù)據(jù)的運算可以得到動態(tài)的舵機偏轉(zhuǎn)參數(shù)和電機速度參數(shù)，不同的是舵機采用增量式 PI控制算法來確定舵機轉(zhuǎn)向值再賦 給舵機輸出，電機速度采用位置式 PD 控制來確定電機 速度。電機速度在三種不同的特征賽道上對應(yīng)有 3 個 參考速度，即直道速度，彎道速度，壞道速度。當(dāng)識別到彎道時，加大 PI 中的比例項系數(shù) P，使小車舵機快速反應(yīng)，同時電機速度切換到彎道速度，以便順利過彎。舵機轉(zhuǎn)向流程圖見圖 54。 安徽理工大學(xué)畢業(yè)設(shè)計 27 開 始i 1 1 8 ?a [ i ] a [ i + 2 ] 閾值 ?確 定 黑 線 起 始 位 置j = ij + +a [ i + 2 ] a [ i ] 閾 值 ？本 行 黑 線 偏 差為 （ i j） / 2結(jié) 束i + +NYNNYY 圖 53 賽道信息提取流程圖 安徽理工大學(xué)畢業(yè)設(shè)計 28 開 始此 幀 為 有 效 幀 ？根 據(jù) 速 度 選 擇舵 機 控 制 行P D 控 制 舵 機此 幀 完 全 丟 線 ？舵 機 控 制舵 機 保 持返 回YNYN 圖 54 賽道特征識別處理流程舵機轉(zhuǎn)向 安徽理工大學(xué)畢業(yè)設(shè)計 29 結(jié)論 本文主要介紹了基于單片機的智能尋跡小車的方案的控制系 統(tǒng)設(shè)計，包括各個主要模塊的控制原理和設(shè)計思路。系統(tǒng)采用 MC9S12XSl28 單片機做主控制器，直流電機做執(zhí)行元件，完成了智能車的硬件制作及軟件設(shè)計。在中間粘貼黑色引導(dǎo)線的白色 KT 板制成的車道上對智能車進行了測試，表明智能車在直道上可以達到很高的速度和穩(wěn)定性，在彎道上只要控制好車速，智能車也能平穩(wěn)地運行。 在論文的寫作過程中，我不僅把所學(xué)的理論知識應(yīng)用到了實際，還自學(xué)了大量新學(xué)科新知識。涉獵了控制、模式識別、傳感技術(shù)、汽車電子、電子信息、計算機和機械等多個學(xué)科，不僅開拓了視野，也提高了動手實踐能力。 雖然設(shè)計 了一整套較為完善可靠的軟件控制算法，但是由于受知識水平和時間上的限制，本方案還有很多不足之處，可以進行改進和提高： 連續(xù)路徑識別算法還可以做進一步改進； 閉環(huán)控制可以考慮采用模糊控制； 硬件電路上增加無線通訊模塊 ,可以在線進行系統(tǒng)調(diào)試與參數(shù)的修改； 攝像頭的選型、安裝方式還需要做更多測試實驗，以得到最優(yōu)的效果； 可以考慮采用 紅外與攝像頭混合檢測方式 進行賽道信息的采集，進一步增大小車的預(yù)測能力； 車速傳感器可以考慮采用霍爾元件，精確反饋小車當(dāng)前速度，提高小車行駛穩(wěn)定性； 在電源芯片 的選擇上，可以選用壓差小的芯片?？紤]到電路中的損耗，可選用輸出稍高于所需電壓的芯片； 機械結(jié)構(gòu)特性調(diào)節(jié)進一步優(yōu)化，增加小車的線性度。 安徽理工大學(xué)畢業(yè)設(shè)計 30 參考文獻 [1]吳曄，張陽，藤勤 ． 基于 HCS12的嵌入式系統(tǒng)設(shè)計 ． 電子工業(yè)出版社 .2020． [2]卓晴，黃開勝，邵貝貝等 ． 學(xué)做智能車 —挑戰(zhàn) “飛思卡爾 ”杯 ． 北京航空航天出版社，． [3]王曉明，電動機的單片機控制 [M]．北京航空航天大學(xué)出版社． 2020． [4]紹貝貝，單片機嵌入式應(yīng)用的在線開發(fā)方法 [M]．清華大學(xué)出版社， 2020． [5]陳杰，黃鴻．傳感器 與檢測技術(shù) [M]．高等教育出版社， 2020． [6]周斌，李立國，黃開勝．智能車光電傳感器布局對路徑識別的影響研究 [J]．電子產(chǎn)品世界， ： 139～ 140． [7]張文春，汽車?yán)碚?[M]．北京．機械工業(yè)出版社． 2020 [8]張幽彤，陳寶江，汽車電子技術(shù)原理及應(yīng)用 [M． 北京理工大學(xué)出版社 ． 2020． [9]童詩白，華成英．模擬電子技術(shù)基礎(chǔ) [M]．高等教育出版社． 2020． [10]安鵬，馬偉． S12 單片機模塊應(yīng)用及程序調(diào)試 [J]．電子產(chǎn)品世界． 2020．第 211期． 162163 [11]Motorola,“MC9S12DT128B Device User Guide ”,． [12]Freescale Semiconductor, Inc. MC9S12XS128 Device User Guide． [13]Sudarshan D． Solanki， Ravishankar Kunaraswamy,Signal intergrity check by simulation to impmve PCB performance， Proceeding of INCEMIC， 2020． [14]K． Kluge, Extracting Road Curvature and 0rientation From Image Edge Points Without Perceptual Grouping Into Features． Paris： InteIligent Vehicles 94 SyInposium， 1