1、第三届“飞思卡尔”杯全国大学生智能汽车邀请赛技 术 报 告附件【C】：一种使用光电管对赛道精确定位的方法学 校：哈尔滨工程大学队伍名称：极品飞车2号参赛队员：刘建旭 高晗 谭吉来带队教师：管凤旭 张爱筠关于技术报告和研究论文使用授权的说明 本人完全了解第二届“飞思卡尔”杯全国大学生智能汽车邀请赛关保留、使用技术报告和研究论文的规定，即：参赛作品著作权归参赛者本人，比赛组委会和飞思卡尔半导体公司可以在相关主页上收录并公开参赛作品的设计方案、技术报告以及参赛模型车的视频、图像资料，并将相关内容编纂收录在组委会出版论文集中。参赛队员签名： 带队教师签名： 日 期： 目 录第一章 引 言1第二章 路径
2、识别方案论证32.1 路径识别的方案设计论证32.2 路径识别的改进方法42.3 加大前瞻方法52.4起跑线识别方案52.5 系统分析6第三章 系统硬件电路设计73.1、电源分配电路73.2、 图像采集电路83.3、电机驱动电路93.4、速度采集模块93.5、最小系统板93.6、主板电路103.7、硬件电路技术参数11第四章 系统软件设计与控制方案134.1、程序流程图134.2、控制方案144.2.1、图像采集144.2.2、图像处理方案154.2.3、 双系统耦合关系处154.2.4、低速和高速调速方法的改变以及由此带来的好处164.2.5、PID控制方法在智能控制中的应用173 PID控
3、制算法及其改进形式的应用174.3.1、PID控制算法174.3.2、积分饱和及其抑制194.3.3、PID算法的其他改进形式204.3.4、针对智能车的PID算法改进22第五章 机械结构调整235.1、 舵机的改造235.2、 底盘高度及轮距调整235.3、 减轻重量235.4、 重心调整245.5、 前轮定位24第六章 系统测试与分析276.1 实验测试276.1.1、测试环境简介276.1.2、测试结果276.1.3、测试中出现的问题及解决276.2 智能车主要技术参数28第七章 结论29参考文献30附录A：智能车实物照片I附录B：程序源代码III附件C：研究论文i 第一章 引 言本文详
4、细阐述了第三届全国大学生“飞思卡尔”杯智能汽车竞赛作品极品飞车2号的设计、制作以及调试过程。文中介绍了基于MC9S12DG256（以下简称S12）单片机设计的基于红外传感器的循线竞速智能车系统。为保证系统在稳定的前提下获得更远距离的前瞻，设计了新颖有效的路径识别模块。通过对光电模块模拟量的采集以及抽象函数处理方法，实现了精确的路径识别。这样不仅保证了所采集数据的准确性，而且提高了采集速度，使智能车获得一个比较好的前瞻，易于实现系统的实时控制。测速模块采用稳定可靠的增量式光电码盘测速方式。直流电机采用PI控制算法，实现电机速度快速响应与稳定控制。各功能模块的紧密配合，实现了路径的准确识别、电机的
5、快速响应和舵机的精确控制。本文还对模型车的机械结构调整进行了说明。关键词：飞思卡尔；MC9S12DG128；循线；红外传感器阵列；PI控制算法25 第二章 路径识别方案论证第二章 路径识别方案论证路径识别模块是智能车系统的关键功能之一。路径识别功能的好坏，直接关系到整体性能的优劣。根据项目要求，选用红外传感器阵列作为识别策略。以下对路径识别的方案作简单介绍，辅以改进的采集处理方法，为处理器提供准确的路况信息。2.1 路径识别的方案设计论证 光电传感器的排列方法、个数、彼此之间的间隔都与控制方法密切相关。但一般的认识是：在不受到外部因素影响的前提下，能够感知前方的距离越远，行驶效率越高。由于光电
6、传感器电路板不可能伸出车体太远，因此大多制作者调整了光电传感器电路板与地面的夹角，使光电传感器可以感知更远一点的跑道情况。图2.1、图2.2是两种典型的光电循迹方案。图2.1中模型车采用了8对光电传感器且分布得较宽，图2.2中模型车只采用了3对光电传感器，放置在向外伸出的小电路板上，探测的范围较小。具体何种方案合适，与光电传感器扫描前方的距离和宽度以及控制策略密切相关。 基于反射式红外传感器的光电传感器阵列的路径检测方法具有较高的可靠性与稳定性，信息更新速度快且易于单片机处理。但是它易受环境光线干扰，而且存在着检测距离近的问题，硬件电路复杂。为了获得远方的信息需要将传感器伸得尽可能远，从而增加
7、了车体高速行驶时的转动惯量，限制了智能车的最高速度。因此在设计中，应着意解决这些问题。 图2.1 光电传感器方案（8对） 图2.2 光电传感器方案（3对）2.2 路径识别的改进方法极品飞车2号的控制方法在设计中遵循了简单、有效、快速的原则，所有的控制规律都用线性方程表示，且各系统之间存在互相制约关系在以往的巡线车制作中，采集赛道信息使用的普遍方法为：将红外传感器检测到黑线和白线时的两种电压通过比较器，输出高低电平，再送入单片机经行处理。但是这种方案存在的问题在于：1、精度不高。对于低速而言上述方法可行。但是此次比赛的目的在于竞速，要想提高赛车速度，需安装多个传感器来采集路况信息，所带来的问题就
8、在于同时会有多个传感器检测到黑线，如果将这种信息转换为单纯的高低电平，判断精度必然不高。2、前瞻距离短。要想提高赛车速度，据需要尽可能远地采集到路况信息，即增大前瞻量，这样才能提前进行判断，做出转向、加速或减速等动作。然而增大前瞻量，首先要解决的问题是，由于红外传感器的输出电压与采集到的红外光强度成正比，增大前瞻量，会使接收管接收到的红外光强度大大降低，检测到黑线和白线时的电压差会明显减少，直至难以通过比较器比较出来。为了提高赛道信息的采集精度，我们去除了比较器，而是将红外传感器的输出电压经过一级跟随器后，直接用单片机内自带A/D采集，采集来的是模拟量。起跑前，需将赛车在赛道上摆动几次进行初始
9、化，使各接收管都能检测到黑线和白线，并将检测到黑线和白线时的管电压，记录下来作为阈值保存。赛车行驶时，将各接收管接收到的电压与阈值进行比较得出一个百分比，当该值与程序中设定的黑线阈值比较，判断检测到的是黑线或是白线。这种方法对不同赛道环境的适应能力强，更换场地后，仅需根据场地情况，改变黑线阈值即可使赛车运行正常。接收管在检测到黑线、黑白线交界处以及白线时，电压变化线性度很好，采集模拟量控制舵机转动，可使舵机运行更加平滑，对弯道响应更灵敏，转弯半径可自由控制，不会出现以数字量采集赛道信息控制舵机时出现的舵机阶跃式摆动。实验证明，此种方案效果很好。传感器阵列方案选择上，我们做了两种实验。一种是采用
10、弧形阵列，一种是直线型阵列（如图2.32.6）。弧形阵列的优点在于检测范围大，但是各接收管与地面距离不同，因此造成电压阈值不同。在上坡时，这种现象将使程序进行错误判断，赛车将冲出跑道。直线型阵列比弧线形阵列更加稳定，故最后选择直线型阵列。 图2.3 弧形光电传感器方案 图2.4 弧形光电传感器方案（俯视） 图2.5 直线阵列光电传感器方案 图2.6 直线阵列光电传感器方案（俯视）2.3 加大前瞻方法 红外发射管发射出的红外线投射到跑道上，为一锥形；同样，接收管接收到的光线也成锥形。接收管距离跑道越高，检测黑线和白线时，电压差越小。那是因为锥形的红外光能将白色底板和黑线同时照到，接收管接收到的光
11、线中同时含有白板与黑线的反射成分。为提高检测精度，我们在接收管外套一黑色套管，使接收管接收到的光线更趋近于平行光，实验证明，接收管检测到黑线与白班时的电压差明显增大，对增大前瞻有很大帮助。2.4起跑线识别方案 在起跑线识别中，我们的策略为：当位于最左和最右的3个接收管检测到黑线时，进入起跑线检测程序；起跑线检测程序的内容是：检测使码盘产生5000个脉冲的距离内，位于阵列中央的接收管是否检测到白线，如果有，则判断为起跑线；没有，则判断为十字交叉线。2.5 系统分析 1）最小转弯半径：用单片机给舵机一个最大转角信号，使智能车匀速运行作圆周运动。分别记录左转弯和右转弯的轨迹直径，可计算模型车的最小转
12、弯半径： 2)引导前瞻：将红外传感器阵列所能检测到的最远距离到前轮轴心的距离，即为前瞻距离。测得距离=215mm 第三章 系统硬件电路设计第三章 系统硬件电路设计智能车系统是以单片机MC9S12DG256为核心，MC9S12单片机的主频高达25MHz，同时片上还集成了许多标准模块，包括2个异步串行通信口SCI、3个同步串行通信口SPI、8通道输入捕捉/输出比较定时器、2个10位8通道A/D转换模块、1个8通道脉宽调制模块、49个独立数字I/O口(其中20个具有外部中断及唤醒功能）、兼容CAN20A/B协议的5个CAN模块以及一个内部IC总线模块；片内拥有256kB的Flash EEPROM，1
13、2kB的RAM、4kB的EEPROM。这些资源能够满足完成智能车所需要的所有的条件。配合有红外传感器阵列、转速传感器、直流电机、舵机、电池以及相应的驱动电路构成。总体硬件框图如图3.1所示图3.1 系统整体硬件框图3.1、电源分配电路电源分配电路中，所用电池为电压7.2V，容量1800mAh的六芯镍镉电池组。电池可直接给红外传感器和直流电机供电。而通过 稳压至5V给单片机和光电码盘供电，由于舵机电流较大，为避免对单片机产生影响，所以给舵机单独供电。如图3.2所示：3.2 电源分配电路3.2、 图像采集电路传感器阵列使用10个接收管。由于决定光电传感器采集信号好坏的关键因素在于发射与接收距离，发
14、射管功率越大，接收管接收到的光线锥度越小，采集到的赛道信息越清晰，距离越远。为了增大红外线发射功率，我们采取的策略为：每个接收管周围放置四个发射管，每3个发射管为一组，用一个三极管放大电流。此时发射功率大，红外发射管阵列发射的红外光足以抵消环境中红外光的影响，抗干扰能力强图3.2图像采集电路红外传感器返回的电压又单片机内自带AD直接采集。为了使采集来的模拟量更稳定，防止受到单片机I/O口电流影响，我们在接收管与单片机之间加了一级跟随器。3.3、电机驱动电路极品飞车2号的电机驱动使用的MC33886。为了获取足够的驱动电流，采用了两片驱动芯片脚对脚并联的方式。这样做在提高了驱动能力的同时，降低了
15、发热量。电路如图3.3所示。图3.3电机驱动电路3.4、速度采集模块极品飞车2号采用500线光电码盘对车速进行测量。码盘的输出送入单片机的脉冲计数器中，通过周期性的读取计数器的值，获得速度信息，用计数器值作为速度的度量。3.5、最小系统板为了尽量减少车体重量，我们没有使用所购买的最小系统板，而是根据系统需要，只保留所需引脚的接口：PA0/PA1外接按键，用于初始化后启动赛车；PA4-PA7外接拨码开关，可实现8种模式选择；PP5/PP7分别控制舵机和电机；PT7用于码盘计数；PAD0-PAD9用于采集光电管信号。在精简了系统的同时，着力提高稳定性。经测试，系统版稳定性良好。可以倍频至24MHz
16、。电路如图3.4所示：图3.4精简系统版3.6、主板电路主板将电机驱动及电源模块、光电传感器模块与S12最小系统模块连接在一起，其上放置了各必要接口于单片机外围系统，包括跟随器、按键、拨码开关和LED。图3.5主板电路3.7、硬件电路技术参数为提高车模的控制电路的稳定性，极品飞车2号安装的稳压芯片为LM2940，该稳压片为低压差稳压片，能在压差高于1V的条件下稳定工作，能够输出最大1A的输出电流。在电路的设计过程中，还需要考虑电机对电池电压的影响。车模在连续的加减速过程或启动过程都会使电车电压突然下降，虽然这只是瞬间响应，但是足以使单片机复位。为解决上述现象，须在电路中加入大的电容，使电路稳定
17、。比赛规则中限制了电容的使用，极品飞车2号的电容分配如下：各逻辑电路、单片机使用电容容量为小于100微法，5V电源使用113.7微法，电池两端使用1000微法。极品飞车2号总电容使用量小于2200微法，符合比赛规则要求。 第四章 系统软件设计与控制方案第四章 系统软件设计与控制方案极品飞车2号的软件部分主要包括：路径识别、方向控制、速度测量和速度控制四个模块。这里先介绍了总程序流程，然后重点介绍了红外传感器阵列图像信息的数据采集与处理软件设计流程图。4.1、程序流程图软件流程可以分为以下几部分：初始化，得到路况偏差并转化为角度偏差，根据角度偏差控制舵机，根据角度偏差和当前速度控制直流电机转速和
18、制动,如图4.1。图4.1 总程序流程图总程序中的图像采集环节的处理软件流程如图4.2。图4.2 红外传感器阵列采集与处理流程图4.2、控制方案极品飞车2号的控制方法在设计中遵循了简单、有效、快速的原则，所有的控制规律都用线性方程表示，且各系统之间存在互相制约关系4.2.1、图像采集为了提高赛道信息的采集精度，我们将红外传感器的输出电压经过一级跟随器后，直接用单片机内自带A/D采集，然后通过传感器实时采集的电压与初始化后的电压阈值进行比较运算，得到精确的偏差信号，进行路况判断。为了提高系统对不同赛道、不同光线环境下的适应能力，我们没有设定传感器输出电压的阈值，而是在每次上道时，先进行初始化，将
19、每个传感器采集到黑线和白色跑道时的电压记录下来，放入寄存器，求出电压最大值和最小值之间的差值作为阈值，与预设阈值的方案相比，这种方案避免了更换比赛场地所造成的环境因素的影响，同时也避免了各传感器输出电压不同所造成的影响。运行时，将各个传感器返回的电压值与阈值电压进行比较，用比较值来控制舵机。实验证明，此种方案效果很好。4.2.2、图像处理方案初始化时，将赛车放置在跑道上左右移动几次，使每个接收管都能检测到黑线和白色跑道，检测到黑线和白色跑道时记录下的电压即为接收管返回电压的最大值和最小值。将二值做差，求出接收管电压阈值，完成初始化。赛车在行进时，检测每个接收管的电压，将每次检测到的管电压放入数
20、组中记录下来，以此为依据求出黑线相对于车体的位置。电压最高的接收管即为检测到黑线的接收管，并与上一次记录的各管电压值比较，若管电压最大的接收管与前一时刻不同，则说明赛车进入弯道。根据管电压最大接收管位置的变化情况，可求出赛道的走势，并以此信息控制舵机转向。由于赛道上有半圆型弯道，所以会出现所有接收管同时检测不到黑线的情况，此时若不加以判断，则赛车必将冲出跑道。此时我们采用的方法为：将各个管进行标号，从左到右的管标号为1到10。由于检测到黑线的管会随着赛道的走势而连续变化，故当所有接收管同时检测不到黑线是时，若前一时刻是做左侧的接收管检测，则此时舵机向左转最大值；反之亦然。4.2.3、 双系统耦
21、合关系处车辆在变速行驶过程中，几乎所有的参数都要随着速度的变化而变化，同时，驾驶方法也要随之变化，才能应对各种紧急状况。极品飞车2号也是如此。速度环和位置环存在明显的耦合关系，他们的参数之间互相影响，互相制约。对于速度环，该控制系统的输入来自位置环，极品飞车2号的速度环的输入由位置环中的微分项计算得出速度环输入期望最高车速*位置环微分项该算式中通过试验获得，期望最高车速为车模的直线最高行驶速度，速度换的输出为实际车速，实际车速决定位置换的PID算式参数；对于位置环，输入来自红外传感器阵列，但是PID算式的参数需要随着速度的改变而改变，尤其是微分项，在微分项不变的情况下提高初速，位置环势必发散，
22、这里的解决办法为将微分系数Kd改为 Kd/车速这样，随着速度的提高，微分作用被削弱，使系统能够始终保持稳定，比例项和积分项主要影响系统的稳态性能，因此无须作上述处理，同时，微分项经过运算作为速度环的输入。4.2.4、低速和高速调速方法的改变以及由此带来的好处为了能让极品飞车2号在各种赛道上都有良好的调速性能，为其设计了两种速度控制方案，或者说是两种选择。对于车模在赛道上行驶，引导线的位置作为位置环的输入，位置环的微分项又是速度环的输入的函数，速度环的输出同时间接影响位置环的参数。对于极品飞车2号的控制系统，在赛道上并没有直道和弯道之分，赛道能够为车模提供的信息只有偏差，极品飞车2号内部的控制策
23、略将根据偏差信号的变化输出相应的控制信号，控制车模快速灵活的严格按照比赛规则沿着赛道前进。当车模在赛道内沿引导线前进时，输入偏差信号的稳定程度直接决定了车模的可能最高速度。仅对于偏差e的特征，赛道可分为两种，一种是直道，另一种是弯道。直道内，e的绝对值较小，且其稳定程度较好即直道内的微分项较小；在弯道内e的绝对值较大，但同样较稳定，微分项较小。在这两种情况下，由于偏差信号e的绝对值相对比较稳定，也即直道内和弯道内微分项较小，这时位置环的输出基本保持不变，即舵机无动作，这时车模可以全速前进。当车模由直道驶入弯道或从弯道内使出进入直道，这时的e的大小变化较大即微分项会出现很大的波动，由于舵机的角度
24、这时需要从一种稳定状态变化到另一种稳定状态，需要消耗一定的时间，这时如果仍然全速前进，车模就会在进入新的稳定状态前冲出跑道。所以这时车模需要减速慢行，以保证舵机有足够的相应时间。上述分析中，不断地补充的各种状态下微分项的变化情况，因为它是判断车模是否发生从一稳态行驶状态稳态到另一稳定行驶状态变化过程的标志。稳定状态下，微分始终维持在一个较小的范围内，当引导线特征发生变化时，微分项的时间绝对值曲线会出现一个大的脉冲，脉冲的大小反映了引导线变化的剧烈程度。如图5.1所示。图4.3 微分项绝对值-时间曲线示意图极品飞车2号的控制方法中，位置环的微分项作为速度环的输入，控制车模的运动速度，这一过程也是
25、一个性不定常方程，确定一个较好的线性方程对其进行大致的估算不失为一种快捷的控制方案。程序中采用了算式期望车速最高限速微分项绝对值速度进行描述，通过调整的大小可以调整车模对赛道变化的敏感程度。4.2.5、PID控制方法在智能控制中的应用极品飞车2号的控制方法为PID控制方法。它由速度闭环控制和位置闭环控制两个部分组成，以下简称速度环和位置环。速度环使用传统的PI控制算式，为了提高车模对速度的阶跃信号的快速响应，电机驱动使用的两片MC33886，连接方式为脚对脚并联。同时，算式中的比例系数Kp被设置的较大，用以改善电机的硬度。位置环负责对车模在赛道中的行进位置进行调节。使用了PD算式，并作了改进。
26、传统的PD算式中微分项的响应时间仅为一个采样周期，可能还没有达到好的控制效果时，微分输出已经消失。车模在高速行驶过程中，需要灵活的应对各种路况，这就需要在低速状态下具有快速的转向性能。因此对微分部分进行改进是十分必要的。具体改进方法在第三节将详细叙述。3 PID控制算法及其改进形式的应用4.3.1、PID控制算法PID 控制是工业过程控制中历史最悠久，生命力最强的控制方式。这主要是因为这种控制方式具有直观、实现简单和鲁棒性能好等一系列的优点。位置式PID算式连续控制系统中的PID控制规律是 4.1式中：比例增益，的倒数称为比例带；：积分时间常数；：微分时间常数；：控制量；：偏差，等于给定量与反
27、馈量的差。其中是偏差信号为零时的控制作用，是控制量的基准；利用外接矩形法进行数值积分，一阶后向差分进行数值微分，当选定采样周期为T时，式4.1可离散为下面的差分方程 4.2增量式PID算式。根据式4.2得出 4.3于是 4.4式4.3的计算结果，反映了第k和第k1次输出之间的增量，所以称为增量算式。这个算式的结果是可正可负的。利用增量算式控制执行机构，执行机构每次只增加一个增量，因此执行机构起了一个累加的作用。对于整个系统来说，位置和增量式两种算式并无本质区别，只是将原来全部由计算机完成的工作，分出一部分由其他元件去完成。然而，虽然增量式算式只是算法上的一点改进，却带来了不少优点：算式只与最近
28、几次采样值有关，不需要进行累加，不易引起误差累积，因此容易获得较好的控制效果。计算机只输出增量，误动作时影响小，必要时可加逻辑保护，限制或禁止故障时的输出。手动于自动切换时，由于步进电机具有保持作用，所以容易实现无扰动切换，机器故障时，也可以把信号保持在原位。由于增量算式有上述优点，在实际控制中，应用得比位置式更为广泛。式4.4还可进一步改写为 4.5其中： 4.6 4.7 4.8于是编程和计算可以得到进一步的简化。4.3.2、积分饱和及其抑制控制系统在开工、停工，或者大幅度提降给定值等情况下，系统输出会出现较大的偏差。这种较大的偏差，不可能在短时间内消除，经过积分项积累后，可能会使控制量x（
29、k）很大，甚至超过执行机构由机械或物理性能所决定的极限。当负偏差的绝对值较大时，也会出现的另一种极端情况。显然，当(或)时，控制量并不能真正取得计算值，而只能取或,所以控制作用必然不及计算值理想，从而影响控制效果。下面以给定值突变为例说明：假定设定值从0突变到R。首先假定执行机构不存在极限，则当有R突变量时，便产生很大的偏差e，从而使控制量很大，输出量c因此很快上升。然而在相当一段时间内，由于e保持很大，因此控制量x保持上升。只有当e减小到某个值后，x才不再增加，然后开始下降。当c等于R时，由于控制作用x很大，所以输出量继续上升，使输出量出现超调，e变负，于是使积分项减少，x因此下降较快。当c
30、下降到小于R时，偏差又变正，于是x又有所回升。之后，由于c趋向稳定，因此x趋向于。但是x是存在极限值的，因此当设定值突变时，x只能取。在的作用下，系统输出将上升，但不及在计算值x下作用迅速，从而使e在较长时间内保持较大的正值，于是又使积分项有较大的积累值。当输出达到设定值后，控制作用使它继续上升。之后，e变负，不断减小，可是由于前面积累得太多，只有经过相当长的时间后，才可能使而使系统回到正常的控制状态。可见，主要是由于积分项的存在，引起了PID运算的“饱和”，因此这种饱和称为积分饱和。积分饱和增加了系统的调整时间和超调量，称为“饱和效应”，对控制系统显然是不利的。有许多克服积分饱和的方法，这里
31、介绍应用较多的两种方法。积分分离法。将4.2式改写为 4.9其中：为门限电压式4.9称为积分分离PID算式。其控制思想是，当偏差大于某个规定的门限值时，删去积分作用，从而使不至于过大。只有当较小时，才引入积分作用，以消除静差。引入积分分离后，控制量不易进入饱和区，即使进入了也能较快退出，所以系统的输出特性比单纯PID控制得到改善。门限值的选取，对克服积分饱和有重要影响，门限值可通过试验确定。遇限削弱积分法。遇限削弱积分法的思想是，当控制量进入饱和区后，只执行削弱积分项的累加，而不进行增大积分项的累加。为此计算x(k)时，先判断x(k-1)是否超过或，若已超过，值累计负偏差；若小于，只累计正偏差
32、。这种方法也可避免控制量长时间停留在饱和区。和位置算式相比，增量式算法没有累加和式，因此不会由于积分项引起饱和。但是在增量算式中，当给定值突变时，比例微分项的计算值也可能引起控制量超过极限值的情况，从而减慢系统的动态过程。4.3.3、PID算法的其他改进形式对于干扰除了采用抗干扰措施，进行硬件软件滤波外，还可以通过对PID算法进行改进，进一步克服干扰的影响。在PID算式中，差分项(特别是二阶差分项)对数据误差和干扰特别敏感，因此在数值PID控制中，干扰主要是通过微分项起影响的。但是由于微分作用的重要性，不能因噎废食，去掉微分项。通常是用四点中心差分法，或采用不完全微分的PID算式，对微分项进行
33、改进，降低其对干扰的敏感程度。四点中心差分法。在四点中心差分法中，一方面将取得略小于理想情况；另一方面，在组成差分时，不是直接引用现实偏差，而是用过去四个时刻的偏差的平均值作基准。 4.10在通过加权平均和构成近似微分项 4.11将式4.11代替式4.2中的微分项，就得到修正后的PID算法 4.12其中：PID增量算式的改进形式，可用和式4.12相应的式子代替式4.4中的差分项及二阶差分项而得 4.13不完全微分的PID算式。不完全算法的思想是依照模拟调节器的实际微分调节器，以克服完全微分的缺点。不完全微分的PID算法的传递函数 4.14其中称为微分增益不完全微分的PID位置算式为 4.15式
34、中：其中是偏差为0时的控制作用。不完全微分的PID增量算式为 4.16将完全PID算式和不完全微分型PID算式的控制作用比较，在发生阶跃变化时，完全微分作用自在扰动发生的一个周期内起作用；而不完全微分作用按指数规律逐渐衰减到零，可以延续几个周期。延续时间的长短与的选取有关，大，延续时间短；小，延续时间长。一般取1030。从改善系统动态性能的角度看，不完全微分的PID算式较好。因此在控制质量要求较高的场合，常采用不完微分的PID算法。当然，完全微分型算式比较简单，系数设置方便，计算过程占用的内存也少。不完全微分算式则相反。4.3.4、针对智能车的PID算法改进极品飞车2号的控制算法中，速度环和位
35、置环都采用的PID控制方法。速度环使用的是基本的PI算式，在积分项处理上，积分项智能在积分限内变化。整个控制算式的比例系数Kp较大，给调速系统带来较好的相应速度，虽然在空载下调节时间较长，但是车模本身对于调速系统来说是一个很大的惯性负载，系统的带载特性的调节时间主要取决于电池的供电能力。对于速度环，由于需要对高速行驶过程中突然出现的大的微分信号即赛道的特性发生变化说出快速的相应，因此不仅需要对积分部分加入积分限，还要有一个性能稳定的微分项的支持。微分项的作用是获知e的变化趋势，以提前做出反映。那么通过增大舵机的连杆长度和增加前瞻距离达到同样的效果，相当于给系统增加两个固有的微分环节。第五章 机
36、械结构调整第五章 机械结构调整为了增加智能车的可控性和动力性能，对智能车做了如下的机械调整。5.1、 舵机的改造极品飞车2号的平均速度很大程度上取决于其在通过弯道时的最高速度。其中，提高舵机的响应速度进而提高前轮转向速度是关键。为解决这个问题我们采取的方法如下：在舵机的输出盘上装一个较长的输出臂，将转向传动杆连接在输出臂末端。这样就可以在舵机输出较小转角下，取得较大的前轮转角，从而提高了整个车模转向控制的速度。如图7.1所示 图7.1 舵机结构调整5.2、 底盘高度及轮距调整按照车辆运动学理论，降低底盘离地间隙，能够提高形式稳定性并减小侧滑。但是跑道中加入了坡路，则需考虑智能车的通过性，适当地
37、提高了底盘高度。同时增大后轮距也能减小智能车的侧滑。5.3、 减轻重量车模在整个竞赛过程中，加速加速度和减速加速度的大小将直接决定车模在全程中的平均速度，要想提高车速就必须提高这两个加速度。在硬件系统确定的情况下，欲提高车模的加速度，最直接的办法就是降低车模的重量。极品飞车2号在降低重量方面的操作原则为在不违反比赛规则和不影响正常行驶的情况下，减轻所用材料的重量，拆除所有多余零件，同时不安装无用零件。如车模前端的防撞杆、后部的部分安装支架都拆除了；除电路板和红外传感器没有安装任何其他零件。在电路板的设计过程中，为了减少车体的重量，在保证正常工作的情况下，采用的最简单的电路和最少的元器件。同时，
38、在电源及驱动部分，为了不安装散热片，对功率集中的器件群进行了冗余设计，使其散热量降低。在布局上，使用的双面紧凑布局的方法，最大限度上减小电路板的面积，减轻重量。5.4、 重心调整车辆重心的前后方向调整，对智能车行驶性能有很大影响。按照车辆运动学理论，车身重心前移，会增加转向，但会降低转向的灵敏度，同时降低后轮的抓地力；重心后移，会减少转向，但会增大转向灵敏度，后轮抓地力也会增加。因而调整合适的车体重心，让智能车更加适应跑道是很关键的。根据实际调试经验，鉴于当前舵机响应较迟缓，因此，需要将车的重心前移，增加转向性能。5.5、 前轮定位现代汽车在正常行使中，为了使汽车直线行使稳定，转向轻便，转向后
39、能自动会正，并减少轮胎和转向系统零件的磨损等，在转向轮、转向节和前轴之间须形成一定的安装位置，叫车轮定位，其主要定位参数包括：主销后倾、主销内倾、车轮外倾和前束。本次比赛中的所使用的车模的这四个参数均可调整。各定位参数的作用如下：1、主销后倾角汽车在车轮偏转后，会产生一回正力矩，纠正车轮的偏转。欲使车模转向灵活，主销后倾角可设定为0。同时过大的主销后倾角会使转向沉重，由于车模舵机性能偏软，主销后倾角会对转向性能带来不利的影响。极品飞车2号主销后倾角为0；2、主销内倾角主销内倾角也会使车轮具有自动回正的作用，当转向轮在外力的作用下发生偏转时，由于主销内倾角的原因，车轮连同整个车模的前部将被抬起一
40、定的高度，当外力消失后，车轮就会在重力作用下，回复到原来的中间位置。极品飞车2号的主销内倾角也为0；3、前轮外倾角前轮外倾角一方面可以在车模重载时减小主销与衬套、轮毂与轴承等处的装配间隙，使车轮接近垂直路面而滑动，同时减小转向阻力，使车模转向轻便；另一方面还可防止由于路面对车轮垂直反作用力的轴向分力压向轮毂外端的轴承，减小轴承及其锁紧螺母的负荷，从而增加这些零件的使用寿命，提高车模的安全性。由于车模用于竞赛，负载较轻，极品飞车2号的前轮外倾角设定为0；4、前轮前束为了减小由于前轮外倾带来的转向轮的磨损，前轮前束应该与前轮外倾角配合。极品飞车2号的前轮前束因此设定为0。综上，为了提高车模的转向灵
41、活性，并没有对前轮进行机械调整。由于没有会正力矩，当车模在直线行驶中，将主要靠舵机对前轮的转角进行束缚，并通过位置闭环控制，使转角稳定。第六章 系统测试与分析在智能车制作完成后，进行了大量的实验对小车进行测试，其中最重要的是对控制算法的改进。通过不断的实验，做了很多修改，小车的性能得到了一定的提高。6.1 实验测试6.1.1、测试环境简介测试跑道如图6.1。具体参数为：跑道全长46m，最大半径600mm，最小半径300mm。由直道、弯道和蛇形道由三种路况构成。 图6.1 测试跑道 图6.2 测试跑道 6.1.2、测试结果经过不断测试与改进算法，目前智能车跑完全程需19s，平均速度2.41m/s
42、。6.1.3、测试中出现的问题及解决1)MC33886发热问题智能车在运行一段时间后驱动芯片MC33886会出现发热现象，这是因为它的内阻较大，电机频繁地加速或减速使MC33886负荷增大，导致芯片严重发热。为了解决这个问题，我们使用了两片MC33886并联的方法来驱动电机。 2)制动问题刚开始调试时，智能车在过弯时总超调，甚至冲出跑道。后来发现，只需要修改部分算法即可实现入弯时的提前减速。另外比赛中规定，在终点处需自动刹车，此时只需对终点标记加以判断，电机停转即可。 3）在舵机控制算法上优化，使之过弯道走内弯、S型曲线直接冲过，其中心目的就是使赛车少走弯道，缩短行驶距离。我们在实验中曾发现，
43、如果不进行控制算法的优化，单纯增加赛车的直线速度并不总是能缩短单圈的时间，因为速度快到一定程度后，赛车在过弯时将发生侧滑，赛车走过的距离增加了，抵消了速度增加带来的优势。4）记忆算法。如果能够事先知道赛道的形状，我们甚至可以不用寻线传感器而就能完成比赛。基于既定环境的控制显然要比环境未知的控制来的简单，效果要好。但是比赛赛道在比赛前是不对外公开的，于是就有了这么一种可能：赛车行驶第一圈时把赛道情况记录下来，第二圈就相当于是在既定环境中进行控制了。让赛车把赛道情况记录下来并不难，难的是如何确保记录准确性，以及如何根据记录选择控制策略。因为比赛的实质是一种寻优，这种寻优包括对路径的寻优和对速度的寻优，但不是二者简单的相加，二者之间存在着一定的约束关系。由于实际的对象非常复杂，而算法不可能太复杂，所谓的“最优”几乎是难以实现的，我们只能退而求其次，只要求达到“更优”就可以了。由于赛车初圈记忆的准确性难以保证，第二圈基于记忆的控制策略是存在一定风险的。特别是赛车在比赛场地上很难对自己进行全面的定位，更难以对整个赛道进行整体的把握，所以路径寻优十分困难。相比之下，速度的寻优容易一些，只要知道前方弯道的大体位置就
