劉萍，魏瀅，繆斌

(廈門大學(xué)嘉庚學(xué)院信息科學(xué)與技術(shù)學(xué)院, 福建漳州363105)

?

電磁組智能車控制策略探討及實現(xiàn)

劉萍，魏瀅，繆斌

(廈門大學(xué)嘉庚學(xué)院信息科學(xué)與技術(shù)學(xué)院, 福建漳州363105)

在對電磁組智能車?yán)碚撗芯康幕A(chǔ)上，通過反復(fù)實踐，提出了一套穩(wěn)定、可行的控制策略。為系統(tǒng)且全面闡述控制策略，從賽道類型入手，分析得出十字彎道是軟件處理的難點；從電感檢測特性入手，提出電感擺放位置策略；重點闡述舵機打角控制策略：按照軟件控制流程，分別闡述采集數(shù)據(jù)的歸一化算法、數(shù)據(jù)的差比和算法、丟線判斷算法、一字電感和豎直電感權(quán)重融合的原因和算法、偏差補償?shù)脑蚝退惴?、偏差合成算法、舵機控制信號算法；最后簡述速度PID控制策略。實踐表明，各控制策略有效結(jié)合，能實現(xiàn)對智能車的高效控制。

電磁；PID；智能車；控制

引言

“飛思卡爾”杯電磁組智能車的硬件系統(tǒng)設(shè)計相對比較成熟[1]，因此，車子能否跑出好的成績關(guān)鍵在軟件部分的設(shè)計。目前，對軟件部分做全面、細(xì)致分析的文獻(xiàn)很少[2]，本文將對經(jīng)反復(fù)實踐及不斷優(yōu)化的可行性的控制策略進(jìn)行深入剖析：(1)首先對最困難的十字賽道進(jìn)行一針見血的分析；(2)接著對硬件系統(tǒng)中比較靈活的電感擺放位置進(jìn)行闡述，淺顯地指出一字、八字、垂直電感的各自應(yīng)用場合；(3)緊接著著重分析舵機打角控制策略：從數(shù)據(jù)采集到舵機輸入控制信號，各個環(huán)節(jié)都做了有效闡述；(4)最后簡要分析速度控制策略。整套控制策略穩(wěn)定度高，邏輯思路簡單，適合對智能車感興趣的朋友揣摩，也能對他們提供一些幫助。

1　賽道分析

圖1與圖2是離地面20 cm的磁場強度方向的模擬圖，從圖中可以清晰地看出比賽規(guī)定的賽道的磁場強度及方向，其中，圖1包含的賽道類型較多，但賽道較簡單，類似于最后比賽的預(yù)賽賽道，很有參考價值；圖2以直角和十字為主，適合平時訓(xùn)練，以便更深入地掌握電磁車的循跡規(guī)律。

圖1　賽道模擬圖1

圖2　賽道模擬圖2

在各種賽道類型控制中，難度最大的是十字賽道控制[3]。從圖1、圖2可看出，在十字處，電磁場的強度變大，方向更是以十字45°對稱，而不是以車模實際前進(jìn)方向(即進(jìn)入十字前的直道)對稱。根據(jù)實際調(diào)試，得到如下結(jié)論：

(1)直入十字情況：若是用一字電感或是豎直電感，因兩個電感受磁場的影響一樣[4]，最后算出來的偏差非常小，不會影響車模進(jìn)入十字；若此時用八字電感，得到的電感測量值會出現(xiàn)一邊特別大，一邊特別小的情況，與實際不符；若此時車模前進(jìn)速度大，進(jìn)入十字很正，會看到車模向一邊抖一下，影響車模的整體速度[5]。

(2)彎入十字：若還是使用八字電感，當(dāng)彎入十字且不是正對十字進(jìn)入時，車模會直接把十字判定為大彎或是直角，不能按照比賽要求循跡，會直接犯規(guī)出局；若此時使用豎直電感，因為兩邊受的影響幾乎一樣，車模在彎入十字的時會誤判為直道，一樣也不能完成比賽；只有一字電感在此時的測量值更為接近真實值。所以，在彎入十字時要想好策略，要么判別賽道類型，要么找到通用的方法，這部分是電磁車軟件部分的一大難題[6]。

2　電感的擺放位置策略

電感作為電磁車的眼睛，其擺放位置值得深究。常見的電感擺放類型有：一字電感(水平放置)、八字電感(兩電感按八字對稱擺放)、豎直電感(垂直放置)。這些擺放方式在車隊平常的訓(xùn)練過程中反復(fù)測試，發(fā)現(xiàn)一字電感穩(wěn)定性最好、不易竄道，但感應(yīng)距離短，打角來不及；豎直電感感應(yīng)距離遠(yuǎn)，但容易感應(yīng)到周圍賽道的磁場從而發(fā)生竄道，在直道上幾乎不起作用；八字電感靈敏度介于前兩者之間，適合打角[7]，但在十字會出現(xiàn)與事實賽道不符的測量值，需要更進(jìn)一步處理才能使用。綜上所述，電感的擺放不是單一的擺放方式就能適應(yīng)全程賽道，而是要多種方式取長補短，經(jīng)過算法的優(yōu)化來相互配合，才達(dá)到理想的效果。圖3為2015年校內(nèi)賽電磁車，每輛車的電感布局和設(shè)計都有不同，但只要與算法合理配合，都能達(dá)到較好的效果。如圖4所示，為了讓賽車順利通過十字賽道，電感僅采用水平和垂直電感，本文以此來探討控制策略的實現(xiàn)。

圖3　校內(nèi)賽電磁車

圖4　電感擺放示意圖

如圖4所示，標(biāo)號4、5的電感具有前瞻性，可實現(xiàn)預(yù)測功能；標(biāo)號1的電感能用來輔助判斷賽車的位置，具有標(biāo)定的作用，這里稱為參考電感；標(biāo)號2、3的電感可以結(jié)合參考電感進(jìn)而確定賽車的實際位置。不同的電感位置對應(yīng)不同的算法，有些時候，即使算法非常精確，卻因為擺放位置的限制而達(dá)不到理想的效果[8]，比如兩個電感擺放不能太近，會有干擾等，如出現(xiàn)這種情況就要考慮對電感擺放進(jìn)行優(yōu)化。

3　舵機打角控制策略

舵機打角控制就是賽車的方向控制，通過控制賽車的前輪轉(zhuǎn)向始終使賽車中心線逼近賽道的中線。系統(tǒng)采用穩(wěn)定的開環(huán)控制策略[9]，即通過判定賽車與賽道的相對位置，來確定舵機的打角。其控制策流程如圖5所示。

圖5　舵機打角控制流程圖

控制系統(tǒng)采用K60作為主控芯片，引入實用、簡單、可靠的“差比和”計算方法，即利用兩個電感“做差、做和、再相除”的思路對歸一化后的數(shù)據(jù)進(jìn)行處理。舵機打角控制策略沒有采用賽道判別的方法，還是采用對各類賽道通用的控制策略。

3.1數(shù)據(jù)采集

通過五路電感、電容組成的諧振電路采集賽道信號，放大之后送至單片機K60的輸入端口，對數(shù)據(jù)的處理如下：

(1)定義采集數(shù)據(jù)量的上、下限

floatad_max[5]={450.0,450.0,450.0,450.0,450.0,450.0,450.0};

floatad_max[5]={3600.0,3600.0,3600.0,3600.0,3600.0,3600.0,3600.0};

其中，ad_max是給定的下限值，ad_max是實測的上限值。

(2)對各通道數(shù)據(jù)歸一化處理

float ad1;//參考電感

float ad2;//一字左

float ad3;//一字右

float ad4;//豎直左

float ad5;//豎直右

ad1 = 1000.0*(ad1-ad_min[0])/(ad_max[0] -ad_min[0]);

if(ad1 <= 1.0)

ad1 = 1.0;

其它數(shù)據(jù)通道同上，數(shù)據(jù)歸一化處理是為了使智能車的整體性能不因賽道和外界環(huán)境的改變而發(fā)生顯著的變化，增強其魯棒性[10]。

3.2差比和計算

采集的數(shù)據(jù)分別水平和豎直電感的差比和算法，具體程序段如下：

parallel= ((ad1-ad2)/(ad1+ad2))-((ad1-ad3)/(ad1+ad3));

//一字電感差比和

vertical= ((ad1-ad4)/(ad1+ad4))-((ad1-ad5)/(ad1+ad5));

//豎直電感差比和

根據(jù)差比和結(jié)果可以較為準(zhǔn)確地判斷智能車與電磁線的相對位置。

3.3丟線判斷及偏差計算

丟線問題是控制部分的難點[11]，其丟線閾值的確定是關(guān)鍵，閾值大小可以通過實踐的測試確定。具體程序段如下：

float dev = 0;//偏差值(一定要有符號)

floatdev_old= 0;

floatdev_dev= 0;

float miss = 1000;//丟線閾值

if (ad1

{

LPLD_GPIO_Output_b(PTC, 10, 0);

if(ad4+ad2>ad5+ad1)

{dev = -20;}

else if(ad4+ad2

{dev = 20;}

else

{

if(dev_old>0)

{dev = 20;}

else if(dev_old<0)

}

}

3.4一字電感、豎直電感權(quán)重確定

為能正確處理一字電感和豎直電感采集的數(shù)據(jù)關(guān)系，在實踐過程中，通過不斷采集和記錄數(shù)據(jù)，并用Excel繪制如圖6、圖7的曲線。

圖6　單一差和比偏差值與小車離賽道中心的關(guān)系

圖7　權(quán)重融合下偏差值與小車離賽道中心的關(guān)系

圖6是計算的左右一字電感ad2、ad3的差和比，近似是一條線性的直線，即小車離賽道中心較近的時候偏差值小，離賽道中心較遠(yuǎn)的時候偏差值大。而在實際小車前進(jìn)的過程中，我們希望在小彎的時候打角小一點甚至不打角(小S彎當(dāng)直線過)，而在大彎的時候要及時打角，打大角，使小車在過大彎時能貼近內(nèi)側(cè)賽道，少跑距離，從而達(dá)到節(jié)省時間的目的。很顯然，單一的差和比做不到這一點；豎直電感靈敏度大，其在直道上的采集值大小幾乎為0，但一旦有彎道，其采集值便會出現(xiàn)明顯的變化，這一點與控制預(yù)期相符，因此，在數(shù)據(jù)處理時，可以輔助考慮豎直電感的差和比。將一字電感和豎直電感的差和比按照權(quán)重相加，融合得到的偏差結(jié)果近乎是一條二次曲線，如圖7所示，與控制期望的直道幾乎不打角、大彎打大角相符。因此，本系統(tǒng)采用權(quán)重融合的控制策略，權(quán)重計算的程序段如下：

float weight = 0;

weight = fabs(vertical);//豎直電感權(quán)重值計算

3.5補償計算

從圖6、圖7可以清晰地看出，在小車離賽道中心線的距離變化相同的情況下，偏差的變化量不同，且滿足小車偏離賽道越遠(yuǎn)，偏差變化量越小的規(guī)律。因為不管是采用單一差和比還是采用權(quán)重融合的差和比，本質(zhì)采用的都是差和比算法，電感在偏離中心磁導(dǎo)線的情況下，其感應(yīng)值會減小直到失去意義，所以單純的差和比只能解決小車偏離賽道不是很遠(yuǎn)的情況，如偏離賽道較遠(yuǎn)，還要另作補償計算[12]。為能有效地編寫補償算法，實測如圖8所示的中間電感與其離賽道中心的關(guān)系曲線。

圖8　中間電感采樣值與其離賽道中心距離的關(guān)系

從圖8可以看出，在車離賽道中心線的距離變化相同的情況下，小車偏離賽道越遠(yuǎn)，中間電感的采樣值減小量越小，恰好可以對差和比的值進(jìn)行補償。因此，結(jié)合ad1的值即中間電感值編制補償算法。具體程序段如下：

float magnetic = 6000;//磁場強度

float ad1_max= 1;

float ad2_max= 1;

float ad3_max= 1;

float ad4_max= 1;

float ad5_max= 1;

float compensate = 0;//丟線補償值

float bazi = 0.5;//補償比例值

magnetic = ad1_max+ad2_max+ad3_max;

if((ad1+ad2+ad3)<(0.8*magnetic))

{

compensate = (magnetic/(ad1+ad2+ad3))*bazi-0.7;

}

else

{

compensate=0;

}

if(compensate>20)

{

compensate = 20;

}

else if(compensate<0)

{

compensate = 0;

}

else

{

compensate=compensate;

}

if((parallel*(1-weight)+vertical*weight)<0)

{

compensate = -compensate;

}

else

{

compensate = compensate;

}

3.6偏差合成

將5個電感采集的信息合成，同時分配權(quán)重和累加補償信號，得到舵機控制信號的直接控制變量：偏差dev。具體程序段如下：

dev = parallel*(1-weight)+vertical*weight+compensate。

3.7舵機打角控制信號

偏差處理完成后，舵機打角控制采用常規(guī)PID控制。智能車特點是快，允許有微小偏差[13]，因此，控制算法選定為PD。程序段如下：

dev_dev= dev-dev_old;

pwm_ste=ste_mid+p_ste*dev+d_ste*dev_dev;

//變更FTM2模塊舵機輸出占空比

if(pwm_ste

{

LPLD_FTM_PWM_ChangeDuty(FTM2,TM_Ch0, (int)ste_min);

}

else if(pwm_ste>ste_max)

{

LPLD_FTM_PWM_ChangeDuty(FTM2,FTM_Ch0, (int)ste_max);

}

else

{

LPLD_FTM_PWM_ChangeDuty(FTM2,FTM_Ch0, (int)pwm_ste);

}

//保留上一次的偏差和輸出

dev_old= dev；

pwm_ste_old=pwm_ste；

4　速度控制策略分析

舵機的打角問題解決后，速度控制基本無技術(shù)難點，常見的速度控制方案有：入彎減速，出彎加速；直道高速、遇彎減速、彎道中等速度，出彎加速等。無論何種控制方案，速度控制都不應(yīng)像舵機打角控制那樣選擇開環(huán)控制，而應(yīng)選擇閉環(huán)控制。閉環(huán)控制方框圖如圖9所示。K60控制算法可采用PD控制，也可引入積分作用相對微弱的PID控制[14]。

圖9　速度控制方框圖

5　實驗結(jié)果

將上述的控制策略用于實際系統(tǒng)，小車的速度可穩(wěn)定達(dá)到2.8 m/s，若賽道簡單，如十字較少，速度可穩(wěn)定達(dá)到3 m/s以上，且小車在行進(jìn)過程中不犯規(guī)，更換賽道仍能達(dá)到較優(yōu)性能[15]，說明該套控制算法具有較強的適應(yīng)能力。

6　結(jié)束語

本文提出的控制策略來源于反復(fù)的實踐，是一套行之有效的控制策略?？刂撇呗缘暮诵奶幚韱栴}是一字電感、豎直電感權(quán)重確定和補償計算，希望本文能對讀者起到拋磚引玉的作用。

[1] 吳祥,王冠凌.基于電磁導(dǎo)航智能車的控制研究及實現(xiàn)[J].四川理工學(xué)院學(xué)報:自然科學(xué)版,2015,12(6):42-46.

[2] 李曉帆,許暢.小車遠(yuǎn)程控制及自主尋路系統(tǒng)的設(shè)計與實現(xiàn)[J].計算機科學(xué),2015,42(12):98-101.

[3] 朱昌平,李永強,單鳴雷.＂飛思卡爾＂智能車常見技術(shù)問題與解決方案[J].實驗室研究與探索,2012,31(4):45-49.

[4] 劉雪揚,張文斌,尹志宏.電磁傳感器的循跡特性分析[J].傳感器與微系統(tǒng),2014,33(7):35-41.

[5] 魯云,趙亮,陳曉東,等.基于磁導(dǎo)航的兩輪智能車系統(tǒng)設(shè)計[J].湖南師范大學(xué):自然科學(xué)學(xué)報,2013,36(1):17-21.

[6] 陳梅,陳艷燕.兩輪智能車跟蹤控制系統(tǒng)的研究[J].合肥工業(yè)大學(xué)學(xué)報:自然科學(xué)版,2015,38(3):319-324.

[7] 競賽秘書處.電磁組競賽車模路徑檢測設(shè)計參考方案[Z].北京:競賽秘書處,2010.

[8] 劉濤,呂勇,劉立雙.智能車路徑識別與控制性能提高方法研究及實現(xiàn)[J].電子技術(shù)應(yīng)用,2016,42(1):54-57.

[9] 姜巖,王琦,龔建偉.無人駕駛車輛局部路徑規(guī)劃的時間一致性與魯棒性研究[J].自動化學(xué)報,2015,41(3):518-527.

[10] 段建明,楊晨,李龍杰.智能車轉(zhuǎn)向系統(tǒng)的研究及設(shè)計[J].計算機測量與控制,2015,23(5)1780-1782.

[11] 玄建永,陸耿,王京春.基于縮微智能車的車輛跟隨控制系統(tǒng)[J].信息與控制,2014,43(2):165-170.

[12] 李愛娟,李舜銘,趙萬忠.基于最優(yōu)控制理論的智能車輛軌跡生成方法[J].吉林大學(xué)學(xué)報:工學(xué)版,2014,44(5):1276-1282.

[13] 向丹,遲永濱,李武波,等.電動助力轉(zhuǎn)向系統(tǒng)控制策略及其仿真研究[J].控制工程,2013,20(2):254-258.

[14] 盧京潮.自動控制原理[M].西安:西北工業(yè)大學(xué)出版社,2009.

[15] 楊顏鴻,牛亞洲.智能循跡車硬件電路設(shè)計與優(yōu)化[J].甘肅科技,2015,31(21):25-27.

Control Strategy and Implementation of Intelligent Vehicle Based on Electromagnetic

LIU Ping, WEI Ying, MIAO Bin

(School of Information Science & Technology, Xiamen University Tan Kah Kee College, Zhangzhou 363105, China)

On theoretical research about Intelligent Vehicle based on Electromagnetic, through repeated practice, a set of stable and feasible control strategies is put forward. For comprehensive exposition of the control strategy, from the track type analyzes, drawn cross curve is the difficulty in processing software. From the inductor detection feature, the inductor placement strategies is put foward. This paper focuses on steering angle control strategy:data collection normalization algorithm; algorithm for data reduction, division, addition; throw line determination algorithm; horizontal and vertical inductance weights causes and fusion algorithms; deviation compensation reason and algorithms; deviation synthesis algorithm and servo control signal algorithm are respectively elaborated according to the software flow control. Finally, velocities PID control strategy is briefed. Practice shows that the effective combination of various control strategies can achieve efficient control of the intelligent vehicle.

electromagnetic; PID; intelligent vehicle; control

2016-01-31

福建省高等學(xué)校教學(xué)改革研究項目(JAS14803)

劉 萍(1981-),女,江西豐城人,副教授,碩士,主要從事控制類和電源類方面的研究,(E-mail)152638961@qq.com

1673-1549(2016)02-0019-06

10.11863/j.suse.2016.02.05

TP273

A