【正文】 智能車已經(jīng)走過 1米多了 ,所以不能等到了彎道才開始轉(zhuǎn)彎 ,而是需要提前轉(zhuǎn)彎 ,而且速度越快 ,越是要提前得多 ,所以智能車轉(zhuǎn)彎提前多少就由速度控制 ,用比例控制就能收到很好的效果 ,而轉(zhuǎn)彎時(shí)轉(zhuǎn)多少卻僅僅受彎道的彎曲程度控制 ,彎曲程度越大 ,轉(zhuǎn)向角就也越大 ,彎 曲程度越小 ,轉(zhuǎn)向角也就越小。 急彎的方向控制算法 急彎的方向控制算法與大彎的方向控制算法相似 ,也是需要提前轉(zhuǎn)彎 ,而且提前多少轉(zhuǎn)彎也要受當(dāng)前速度的控制 ,速度越大 ,越要提前轉(zhuǎn)彎 ,轉(zhuǎn)向角也是用彎道的彎道程度來決定的 ,急彎比大彎的彎曲程度更加大 ,因此需要的轉(zhuǎn)向角也要相應(yīng)增大。 “大 S 型”道的方向控制算法 “大 S 型”道一般是指“ S 型”道最靠左的黑線和最靠右的黑線之 間相差的距離大于 60厘米 ,這是因?yàn)槿珖?guó)大學(xué)生智能車競(jìng)賽中的賽道為 60厘米 ,沖出賽道就算違規(guī) ,因此“大 S 型”道是不能直接沖的 ,但是我們可以轉(zhuǎn)盡量小的彎來使智能車通過的路線為最短 ,而且轉(zhuǎn)更小的彎也可以使得速度不至于減少太多 ,實(shí)現(xiàn)轉(zhuǎn)盡量小彎的方法是掃描最左邊和最右邊的點(diǎn) ,并得出這兩個(gè)點(diǎn)中離智能車最近的點(diǎn)是左邊還是右邊的 ,如果這個(gè)點(diǎn)是最右邊的 ,那么智能車的最佳行駛方向就為這個(gè)點(diǎn)靠左 30 厘米的方向 ,如果這個(gè)點(diǎn)是最左邊的 ,那么智能車的最佳行駛方向就為這個(gè)點(diǎn)靠右 30 厘米的方向。但是用這種算法智能車有可能偏離賽道的距離超過 30 厘米 ,為保險(xiǎn)起見 ,這個(gè)閾值最好設(shè)低一點(diǎn) ,根據(jù)賽車的運(yùn)行情況來看 ,將閾值設(shè)為 25 厘米就比較保險(xiǎn)了。因此 ,找準(zhǔn)“小 S 型”道的正中心顯得至關(guān)重要 ,因?yàn)橹挥姓覝?zhǔn)了“小 S 型”道的正中心 ,智能車才能不轉(zhuǎn)彎不減速地通過“小 S 型”道 ,如果“小S 型”道的正中心找得不準(zhǔn) ,那么 智能車就很容易沖出賽道。但是 ,由于 CMOS 圖像傳感器掃描到的圖像可能出線誤差 ,那么智能車就有可能產(chǎn)生誤判 ,而沖出賽道。通過本智能車的調(diào)試 ,建議當(dāng)“ S 型”道最靠左的黑線和最靠右的黑線之間相差的距離不大于 40到 50厘米才能采用這種算法。 速度控制方案 速度控制的重要性 要想智能車以最短的時(shí)間跑完整個(gè)賽道 ,不但要求優(yōu)越的方向控制算法 ,讓智能車盡量走更近的路 ,轉(zhuǎn)更少的彎。 在智能車沿著黑線行駛的過程中 ,速度不能夠恒 定不變 ,而應(yīng)該根據(jù)道路的具體形狀進(jìn)行適當(dāng)?shù)恼{(diào)整。因此不能夠始終給最快的速度。因此 ,速度應(yīng)該要隨著檢測(cè)到的道路形狀變化而變化。當(dāng)進(jìn)入彎道時(shí) ,應(yīng)該將PWM 波降到最低 ,讓通過主電機(jī)的反向電流達(dá)到最大 ,從而讓智 能車以最短的時(shí)間將速度降到理想狀態(tài)。而在某一時(shí)刻給出智能車的理想運(yùn)行速度以后 ,采用棒 棒控制與 PID 控制相結(jié)合的算法實(shí)現(xiàn)對(duì)智能車的速度調(diào)節(jié) ,以最短的時(shí)間使智能車達(dá)到這一理想速度。 智能車速度控制的程序流程圖如圖 所示。 棒 棒控制算法用于該賽車系統(tǒng) 本賽車系統(tǒng)的速度控制采用了棒 棒控制與 PID 控制相結(jié)合的方式。當(dāng)光電編碼器檢測(cè)到的速度與理想速度相差較遠(yuǎn)時(shí) ,采用棒 棒控制 。對(duì)主電機(jī) 的控制是通過一個(gè) H 橋 ,將 H橋的兩個(gè)口分別接單片機(jī)的兩個(gè)管腳 ,在本系統(tǒng)中 ,H橋的兩端分別接單片機(jī)口中的 PTP3 和 PTP1,當(dāng) PTP1 為高電平 ,PTP3 為高電平時(shí) ,主電機(jī)全速正轉(zhuǎn) ,當(dāng)PTP1 為低電平 ,PTP3 為低電平時(shí) ,主電機(jī)全速反轉(zhuǎn)。反之 ,就把 PTP3 置為高電平 ,從 PTP1 口輸出一路占空比很大的 PWM 波 ,從而讓電機(jī)以最大的加速度降速。正是出現(xiàn)一正一反的這種情況 ,對(duì)主電機(jī)以及主電機(jī)驅(qū) 動(dòng)電路的沖擊最大 ,既造成整個(gè)智能車功耗的增加 ,又可能導(dǎo)致主電機(jī)及主電機(jī)驅(qū)動(dòng)芯片因電流沖擊過大而燒壞。 PID 控制算法 PID 控制算法簡(jiǎn)介 PID 控制是工程實(shí)際中應(yīng)用最為廣泛的調(diào)節(jié)器控制規(guī)律。單位反饋的 PID 控制原理框圖如圖 所示。 對(duì)應(yīng)的模擬 PID 調(diào)節(jié)器的傳遞函數(shù)為 其中 ,為比例增益 ,與比例帶成倒數(shù)關(guān)系即 ,為積分時(shí)間常數(shù) ,為微分時(shí)間常數(shù) ,為控制量 ,為偏差。當(dāng)采樣周期相當(dāng)短時(shí) ,用求和代替積分 ,用后向 差分代替微分 ,使模擬 PID 離散化變?yōu)椴罘址匠獭? 由公式 、公式 、公式 可得數(shù)字 PID 位置型控制算式為 公式 表示的控制算法提供了執(zhí)行機(jī)構(gòu)的位置 ,所以被稱為數(shù)字 PID位置型控制算式。 根據(jù)公式 不難寫出的表達(dá)式 [8],即 將公式 和公式 相減 ,即得數(shù)字 PID 增量型控制算法為 其中稱為比例增益 稱為積分系數(shù) 稱為微分系數(shù) 我們?cè)趯?shí)際代碼實(shí)現(xiàn)時(shí) ,處理成 error[0]0。 error[2]0。 for。 error[1]error[2]。 PreU+*error[2]error[1]+*error[2]。 ?? 其中 ,error[2]為本次的偏差 ,error[1]為上一次的偏差 ,error[0]為上上次的偏差 ,PreU 為輸出的控制量。 運(yùn)用 PID 控制的關(guān)鍵是調(diào)整三個(gè)比例系數(shù) ,即參數(shù)整定。它主要是依據(jù)系統(tǒng)的數(shù)學(xué)模型 ,經(jīng)過理論計(jì)算確定控制器參數(shù)。二是工程整定方法 ,它主要 依賴工程經(jīng)驗(yàn) ,直接在控制系統(tǒng)的試驗(yàn)中進(jìn)行 ,且方法簡(jiǎn)單 ,我們采用了這種方法 ,同時(shí) ,我們先后實(shí)驗(yàn)了幾種動(dòng)態(tài)改變 PID 參數(shù)的控制方法[8]。特別是過渡過程時(shí)間 ,該智能車的速 度時(shí)時(shí)刻刻都需要發(fā)生變化 ,所以還等不到速度穩(wěn)定便又要變化 ,由仿真結(jié)果可見 ,該智能車速度調(diào)節(jié)的快速性很好 ,能夠完全滿足調(diào)速的要求。該算法的基本策略是急彎降速 ,直道和小彎提速 ,由于我們的攝像頭掃描到的范圍較寬 ,所以在過急彎道時(shí)可以提前減速 ,先把掃描到的圖像進(jìn)行處理 ,然后得出經(jīng)過反復(fù)實(shí)驗(yàn) ,將圖像經(jīng)過算法處理后得到的黑線位置和對(duì)應(yīng)的速度 PID 參照速度處理成二次曲線的關(guān)系 。 但是 ,存在的局限一方面是車在彎道進(jìn)直道后的加速和直道入彎道的速度控制并達(dá)不到最好的控制效果 ,彎道入直道減速不夠快速 ,直道入彎道加速得時(shí)機(jī)也不夠及時(shí)。 另一方面是沒有考慮到實(shí)際比賽中長(zhǎng)直道急速?zèng)_刺的情況 ,賽前在程序中人為設(shè)定直線速度不夠靈活合理 ,所以在程序中根據(jù)賽道狀態(tài)動(dòng)態(tài)提高 直線速度 ,使得我們可以在長(zhǎng)直道的賽場(chǎng)充分發(fā)揮車的潛能。積分控制的作用是 ,只要系統(tǒng)存在誤差 ,積分控制作用就不斷地積累 ,輸出控制量以消除誤差 ,因而 ,只要有足夠的時(shí)間 ,積分控制將能完全消除誤差 ,積分作用太強(qiáng)會(huì)使系統(tǒng)超調(diào)加大 ,甚至使系統(tǒng)出現(xiàn)振蕩現(xiàn)象 。而在該智能車系統(tǒng)調(diào) 速的過程中 ,由于快速性是最重要的指標(biāo)之一 ,因而應(yīng)主要考慮其快速性 ,在調(diào)試的過程中 ,把參數(shù)調(diào)得較大 ,這是為了增大速度調(diào)節(jié)的快速性 ,將參數(shù)調(diào)得較為適中 ,因?yàn)槌丝焖傩砸酝?,最重要的就是要減少系統(tǒng)的超調(diào)量 ,而將參數(shù)調(diào)得較小 ,因?yàn)樵谠撍俣日{(diào)節(jié)中 ,并不需要達(dá)到靜態(tài) ,由于理想速度就在時(shí)時(shí)刻刻發(fā)生變化 ,所以也不可能達(dá)到靜態(tài)。 控制系統(tǒng)實(shí)時(shí)性能分析 智能車系統(tǒng)的控制周期為 20ms,也就是每一場(chǎng)對(duì)車的轉(zhuǎn)向和速度進(jìn)行控制。在這20ms 中單片機(jī)能否完成上面所說的任務(wù)是需要通過分析所得的。如果可以在低于 20ms 的時(shí)間內(nèi)完成任務(wù) ,那么系統(tǒng)就能夠按照一定的時(shí)序有條不紊的運(yùn)行?？梢杂?jì)算出系統(tǒng)的負(fù)載 L 大約為 ,能夠滿足系統(tǒng)穩(wěn)定性的要求。而這一系列工作也是反復(fù)循環(huán)進(jìn)行的 ,在調(diào)試過程中對(duì)設(shè)計(jì)方案進(jìn)行修改 ,然后重新仿真制作后再進(jìn)行新一輪的調(diào)試。由于我們所使用的攝像頭輸出的是 PAL 制式的圖像 ,和我國(guó)電視機(jī)采用的制式是一樣的 ,因此 ,我們利用視頻采集卡將攝像頭的視頻圖像轉(zhuǎn)接到電腦上 ,并用視頻采集卡配套的軟件對(duì)圖像進(jìn)行觀察、截圖等操作。 軟件系統(tǒng)調(diào)試 本文之前已經(jīng)詳細(xì)的討論了智能小車的硬件結(jié)構(gòu)和圖像處理算法、控制算法等 ,但是這些算法都需要用軟件即使用程序語言來實(shí)現(xiàn)。 IAR Systems 是全球領(lǐng)先的嵌入式系統(tǒng)開發(fā)工具和服務(wù)的供應(yīng)商。如圖 所示 ,圖中是 IAR Systems 集成開發(fā)環(huán)境 (IDE)。 圖 軟件系統(tǒng)的調(diào)試 賽車具體參數(shù) 項(xiàng)目 參數(shù) 路徑檢測(cè)方法 (賽題組 ) 攝像頭 車模幾何尺寸 (長(zhǎng)、寬、高 )(毫米 ) 300*190*250 車模軸距 /輪距 (毫米 ) 200(軸距 ),140(前輪距 ),130(后輪距 ) 車模平均電流 (勻速行駛 )毫安 1200 電路電容總量 (微法 ) 940 傳感器種類及個(gè)數(shù) 攝像頭 1 個(gè) ,光電編碼 器 1 個(gè) 新增加伺服電機(jī)個(gè)數(shù) 0 個(gè) 賽道信息檢測(cè)空間精度 (毫米 ) 20 賽道信息檢測(cè)頻率 (次 /秒 ) 20 主要集成電路種類 /數(shù)量 BTN7971 4 車模重量 (帶有電池 )(千克 ) 總結(jié)與展望 總結(jié) 要實(shí)現(xiàn)對(duì)高速行駛汽車的自主智能控制并不是一個(gè)簡(jiǎn)單的自動(dòng)控制問