兩輪直立光電導(dǎo)航智能車的研究與實現(xiàn)

武 峰，王冠凌（安徽工程大學(xué)電氣工程學(xué)院，安徽蕪湖 241000）

?

兩輪直立光電導(dǎo)航智能車的研究與實現(xiàn)

武 峰，王冠凌＊
（安徽工程大學(xué)電氣工程學(xué)院，安徽蕪湖 241000）

摘要：針對智能車系統(tǒng)運行穩(wěn)定性較差、速度較慢的問題，設(shè)計了一種基于線性CCD攝像頭傳感器的兩輪直立光電導(dǎo)航智能車系統(tǒng)．首先，自主設(shè)計了各個智能車模塊的電源穩(wěn)壓電路和電機H橋驅(qū)動電路，以保障硬件系統(tǒng)的穩(wěn)定與可靠；在此基礎(chǔ)上，采用互補濾波和清華濾波的方式來處理姿態(tài)檢測傳感器檢測到的信號，實現(xiàn)智能車的直立平衡；最后，利用實例來驗證該設(shè)計的有效性與可行性．

關(guān) 鍵 詞：智能車；直立；光電導(dǎo)航

智能車控制系統(tǒng)的研究是當前最為活躍的研究領(lǐng)域之一，它包含了自動控制、人工智能、傳感器、信息融合、圖像處理及計算機科學(xué)等多門學(xué)科的內(nèi)容．與此同時，智能車系統(tǒng)的研究對提高學(xué)生的科研能力和社會效益也具有著非常重要的意義．兩輪直立光電導(dǎo)航智能車系統(tǒng)所研究的導(dǎo)航技術(shù)是可移動智能設(shè)備完成很多復(fù)雜功能的基礎(chǔ)，在工業(yè)生產(chǎn)、生活、國防等領(lǐng)域都起著非常重要的作用．美國從20世紀中葉就一直致力于推動智能車穩(wěn)定運行技術(shù)的進一步發(fā)展，2010年早期由谷歌公司主持研制的智能車可根據(jù)谷歌地圖自主運行千公里，21世紀初至2010年，日本也決定在道路上有所突破，擬在全國范圍內(nèi)推行無人操縱的智能車道路設(shè)計計劃．

課題以第10屆全國大學(xué)生飛思卡爾大賽直立光電組為基礎(chǔ)，所涉及到的兩輪直立光電導(dǎo)航智能車系統(tǒng)在硬件方面改進了現(xiàn)有的電源穩(wěn)壓電路，同時自主設(shè)計了一種電機的H驅(qū)動電路，使得硬件電路信號更加穩(wěn)定高效．在此基礎(chǔ)上，用清華大學(xué)提出的濾波方案對智能車的直立平衡控制信號進行軟件處理，使得智能車在運行過程中的自平衡能力更強，為智能車系統(tǒng)在可移動智能設(shè)備方面的應(yīng)用提供了一種非常好的解決方案．

1 兩輪直立光電導(dǎo)航智能車總體設(shè)計

系統(tǒng)結(jié)構(gòu)圖如圖1所示．由圖1可知，該系統(tǒng)采用FreeScale的Kinetis K60作為主控芯片，其中，控制算法主要包括車體直立、車體運行、方向控制以及它們的歸一化融合處理和后期參數(shù)的調(diào)試與設(shè)置．微控制器中的高速ADC模塊能夠?qū)圀w的姿態(tài)進行信息采集并轉(zhuǎn)換作為車體直立控制的輸入量，運用正交解碼的方式對光電編碼器采集到的車輪速度進行速度閉環(huán)控制，同時，利用大津算法對線性CCD攝像頭傳感器采集到的信息進行處理，提取中線信息作為微控制器道路識別和決策的依據(jù)［1］．通過姿態(tài)融合算法和歸一化算法驅(qū)動電機，實現(xiàn)智能車的姿態(tài)保持和轉(zhuǎn)向以保證智能車平穩(wěn)前行．

2 系統(tǒng)硬件設(shè)計

2．1 電源模塊

兩輪光電導(dǎo)航直立智能車系統(tǒng)所有模塊包括Kinetis K60最小系統(tǒng)、陀螺儀和加速度模塊、電動機驅(qū)動模塊、編碼器及測速模塊及線性CCD模塊，其電源都來自于7．2V鎳鎘電池，但各個模塊的工作電壓各不相同，在硬件設(shè)計中有很多需要考慮的因素，如強弱電的分離、模擬數(shù)字信號的隔離等［2－3］，因此，要保證各個部件運行穩(wěn)定就要對電池電壓進行穩(wěn)壓和濾波，分別供給各個模塊使用．智能車系統(tǒng)采用MPU9150數(shù)字陀螺儀和陀螺ENC 03MB＋加速度MMA7361CL二合一模塊中的加速度計作為車體的姿態(tài)檢測傳感器．加速度計和陀螺儀的電源工作電路如圖2所示．使用TI公司的線性低壓差穩(wěn)壓器TPS7333把7．2V電池電壓穩(wěn)壓至3．3V，同時，使其輸出電流最大可達500mA，以滿足姿態(tài)模塊的電源需求．通過實踐檢驗證明其很好地解決了電源供電的問題．

圖1　系統(tǒng)總框圖

CCD攝像頭是由藍宙電子生產(chǎn)的高光譜靈敏度圖像傳感器，其最大分辨率為480＊752，同時還具有能夠在高速運動的過程中充分保持信號在傳輸時不失真的全局快門（總像素同時曝光系統(tǒng)）．考慮到CCD檢測方式的原因，為了獲得較大的視野，需要將攝像頭進行架高安裝，因此，智能車控制系統(tǒng)的整體重心將會上移，這對于車模高速平穩(wěn)行駛是很不利的，而CCD攝像頭的質(zhì)量和體積也比其他攝像頭要輕且小得多．另一方面線性CCD攝像頭對電源電壓的噪聲比較敏感，它的輸入電壓是3．3V，因此，需要對攝像頭的供電電源進行特殊處理．由圖2可知，在輸入輸出端加入濾波電容，并且使用低壓差穩(wěn)壓芯片TPS7333對電池電壓進行兩級穩(wěn)壓，從而保證攝像頭的圖像不會因電池電壓的波動受到影響．

圖2　CCD加速度計和陀螺儀供電電路

2．2 電機驅(qū)動模塊

電機H橋驅(qū)動電路原理如圖3所示．由圖3可知，首先，通過74HC02 4組二輸入端或非門邏輯芯片，在3A、3B和4A、4B端分別將智能車電機轉(zhuǎn)動方向信號和電機占空比信號輸入進來，然后，通過1Y和2Y端輸出到邏輯驅(qū)動芯片IR2184（s），其中，邏輯驅(qū)動芯片通過H橋驅(qū)動電機電路，一是保證始終都是對角側(cè)橋臂同時導(dǎo)通來控制電機的正反轉(zhuǎn)，二是確定同側(cè)橋臂不會同時導(dǎo)通來使電機短路．H橋的4個功率MOS管均采用頻率響應(yīng)較好、導(dǎo)通電流較大的N溝道型的MOS管，經(jīng)過這一系列的放大控制與驅(qū)動邏輯之后使得本H橋電路能夠控制輸出高達20A的直流電流，也可以接受最高可達400KHZ的兩路PWM信號來控制電機的速度與轉(zhuǎn)向，同時還具有過溫保護、欠電壓保護等功能．

2．3 測速模塊

在智能汽車設(shè)計中，速度反饋是一個重要的環(huán)節(jié)，良好的速度反饋值可以讓PID速度調(diào)節(jié)算法更加迅速地調(diào)節(jié)智能車的加速與減速，讓其既能夠在直線道路上加速行駛，在進入彎道前又能夠提前降低速度，保證穩(wěn)定過彎［3］．本設(shè)計采用的是歐姆龍公司EA62－CW3C型10位精度、500線的絕對式編碼器，該編碼器的供電電壓為5～12V，完全兼容智能車的電平，同時其還具有雙向測速功能，可直接輸出方波，通過兩路方波的相位差來識別轉(zhuǎn)動方向．在智能車實際運行過程中，微控制器利用SCI通訊協(xié)議來讀取編碼器當前的計數(shù)值，并且將其與上一次的計數(shù)值相減，這樣方可得到智能車的實時運行速度．

圖3　電機H橋驅(qū)動電路原理圖

3 系統(tǒng)軟件設(shè)計與算法實現(xiàn)

3．1 系統(tǒng)軟件流程及程序分配與中斷處理

系統(tǒng)軟件流程圖如圖4所示［4］．程序中車模的運行流程以及車模的信息顯示不需要精確的時間周期，可以放在主函數(shù)中完成，而各傳感器信號的采集處理，電機PWM輸出，車模運行的直立、速度、方向控制，都需要精確時間周期執(zhí)行，因此，在軟件設(shè)計中，利用Kinetis K60的NVIC中斷管理模塊，進行中斷分組和中斷優(yōu)先級分配，其中智能車直立控制和速度控制放在中斷優(yōu)先級較高的中斷里執(zhí)行，而在中斷優(yōu)先級相對低的中斷里進行CCD信息采集轉(zhuǎn)向控制．首先，采用所設(shè)置的優(yōu)先級最高的PIT可編程定時器中斷模塊，產(chǎn)生1ms的定時器中斷，角度計算、直立控制放在1ms中斷里1ms計算一次，速度控制也放在這個模塊里，將速度控制平均分配到20步5ms的控制周期中，每100ms進行一次計算．在另外一個優(yōu)先級相對較低的中斷模塊里進行CCD圖像的獲取、道路兩端黑線的采集、中線的判斷．根據(jù)算法計算出的中線信息將方向控制的輸出變化量平均分配到2步5ms的控制周期中，每10ms調(diào)用一次．

圖4　系統(tǒng)軟件流程圖

3．2 增量式PID

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，增量型算法與位置型算法相比，具有以下優(yōu)點：易于實現(xiàn)手動到自動的無沖擊切換；增量的確定僅與最近幾次偏差采樣值有關(guān)；增量型算法不需要累加；計算精度對控制量的計算影響較小等［4－5］．在實際智能車編程控制時，采用了基于PWM脈寬調(diào)制的PID閉環(huán)控制，主要實現(xiàn)對智能車直流電動機速度的閉環(huán)控制．控制編程依據(jù)：

式中，u（n）為第n次輸出控制量；u（n－1）為第n－1次輸出控制量；e（n）為第n次偏差；e（n－1）為第n－1次偏差；e（n－2）為第n－2次偏差；kp為比例增益系數(shù)；ki為比例增益系數(shù)；kd為微分增益系數(shù)．

3．3 攝像頭圖像處理與轉(zhuǎn)向控制

賽道由白色的KT板和貼在KT板兩邊的黑色邊沿組成，研究采用的是PAL制式的線性CCD攝像頭，這種灰度攝像頭的特性是圖像越白、電壓越高；圖像越黑、電壓越低［5］．大津算法采集到的圖像灰度信息圖如圖5所示．由圖5可知，兩邊的黑線為采集到的賽道KT板兩邊的黑色邊沿，通過AD采集來得到亮度信號，當采集到黑色邊沿時，圖像變暗，電壓就會變低，a線就會跳變，通過這種方式得到賽道兩邊的黑色邊沿進而計算出賽道中心位置．本次研究采用大津算法采集圖像信息，大津算法即最大類間方差法，首先采用遍歷的方法得到使類間方差最大的閾值T，然后將圖像中的灰度值0～255與T進行比較，按照大于T的像素點設(shè)定為純白色、小于T的像素點設(shè)定為黑色的方法，提取兩邊黑線信息，最后根據(jù)黑線信息計算出中線信息，作為智能車循跡轉(zhuǎn)向的標志．轉(zhuǎn)向控制實際計算如式（2）所示，其采用PID控制算法的P算法．

式中，Left＿Side為左邊黑線；Right＿Side為右邊黑線；dirc＿p為增量式PID的比例參數(shù)．

圖5　大津算法采集到的圖像灰度信息圖

3．4 兩輪平衡控制

通過負反饋來實現(xiàn)車模的直立，車模用兩個車輪來保持平衡，因此，車體只會在車輪滾動的方向上發(fā)生傾斜．直立的車模可以看成放置在可以左右移動平臺上的倒立著的單擺，而單擺能夠穩(wěn)定在垂直位置的條件有兩個：一是要受到與位移相反的回復(fù)力；二是要受到與運動速度相反的阻尼力［6］．這樣倒立擺能夠在垂直位置穩(wěn)定下來所受到的力為：

式中，θ為車模傾角；θ′為車模傾角加速度；k1、k2均為比例系數(shù)．

兩者的和作為車輪加速度的控制量：

只要保證k1＞0、k2＞0的條件下可以維持車模直立狀態(tài)即可．其中，k1決定了車模能夠維持在直立狀態(tài)的恢復(fù)力，它必須大于重力加速度；k2決定了車模回到垂直位置的阻尼系數(shù)，選擇合適的阻尼系數(shù)可以保證車模盡快穩(wěn)定在垂直位置．因此，控制車模穩(wěn)定需要下列兩個條件：一是能夠精確測量傾角θ的大小和角速度θ′的大??；二是控制車輪的加速度．為了克服車模本身運動對加速度計測量的傾角的干擾以及經(jīng)過積分計算對于陀螺儀測量的角速度信號形成的累積誤差，采用卓晴提出的濾波方案通過調(diào)節(jié)陀螺儀比例參數(shù)來得到角度融合的效果，運用PID控制中的PD控制來處理得到的角度值與角速度值，計算公式如下：

式中，CAR＿ANGLE＿SET為車模直立時的傾斜角度；g＿fCarAngle為車模運行時加速度計測量出的車模的傾斜角度；CAR＿ANGLE＿SPEED＿SET為車模直立時的初始設(shè)定角加速度；g＿fGyroscopeAngleSpeed為車模運行時通過陀螺儀測量出的角加速度；ANGLE＿CONTROL＿P和ANGLE＿CONTROL＿D分別為PID控制中的比例和微分參數(shù)．

圖6　清華濾波方案效果圖

適當調(diào)節(jié)陀螺儀比例參數(shù)可以使得通過陀螺儀計算出的傾斜角度能夠較好地跟蹤通過加速度計測量得到的角度，以得到更好的融合效果，從而使系統(tǒng)獲得更好的穩(wěn)定性．清華濾波方案效果圖如圖6所示．由圖6可知，平滑度不高的曲線表示加速度計測量出的車模傾斜角度，較為平滑的曲線為通過陀螺儀測量計算出的車模傾斜角度，其中，縱坐標為角度在調(diào)試過程中保持主板上點之后，通過人為任意改變車模的傾斜角度來觀察加速度計測量角度與算法測量角度的融合性．從圖6中還可以看出，其角度融合度較高，能夠為智能車提供更強的自平衡能力．

3．5 速度控制

智能車系統(tǒng)通過控制車輪速度來實現(xiàn)車模的運行速度，車模通過兩個后輪電動機經(jīng)由減速齒輪箱來驅(qū)動車輪，因此，車輪的運動控制可以通過控制車輪電動機的轉(zhuǎn)速來實現(xiàn)．電動機旋轉(zhuǎn)速度可以通過安裝在電動機輸出軸上的光電編碼盤獲得，利用Kinetis K60的脈沖累加器模塊測量在100ms時間間隔內(nèi)速度脈沖信號的個數(shù)即可得到電動機的轉(zhuǎn)速．電動機速度控制采用PI控制，其控制公式如下：

式中，CAR＿SPEED＿SET為給定速度；g＿fCarSpeed為車模運行速度；SPEED＿P和SPEED＿I分別為速度控制的比例和積分參數(shù)．

其中，為了保證車模的穩(wěn)定性，速度控制輸出量的變化被均勻分配在20個角度控制函數(shù)周期內(nèi)，這樣可以減少速度控制對于車模直立控制的影響．

3．6 車模直立行走控制算法融合

電動機最終輸出電壓控制量是將車模3種控制（直立、速度、方向）的控制量線性疊加在一起，速度和方向控制的輸出量直接疊加在電動機控制電壓上，假定直立控制會始終保持車模不跌倒［7］．在算法中直立控制是基礎(chǔ)，它的調(diào)整速度非?？欤俣群头较蚩刂葡鄬φ{(diào)整速度慢，直立控制會自動調(diào)節(jié)車模的傾角以適應(yīng)車模加速、減速和轉(zhuǎn)彎的需要．其控制框圖如圖7所示．左右電機最終輸出公式如下：

式中，fLeft和fRight分別為左右電機輸出總量．其中，智能車的直立控制量、速度控制量和方向控制量線性疊加起來，當左右電機輸出量不同時，即可在直立運行的基礎(chǔ)上實現(xiàn)方向控制的融合．

在此控制算法中，速度與方向控制將成為直立控制的外部干擾，直立控制用來維持車模保持直立狀態(tài)．為了確保車模能夠平穩(wěn)高速運行，外部的速度和方向控制算法調(diào)整速度不能過快、過于劇烈．

圖7　直立行走控制算法圖

4 結(jié)論

在全國大學(xué)生飛思卡爾杯智能汽車競賽的背景下，分析并設(shè)計了兩輪自平衡光電導(dǎo)航智能車．從原理、硬件、軟件3個方面闡述了光電自平衡智能車的制作過程．吳苗苗［7］提出了位置式PID的控制算法和卡爾曼濾波的控制算法，提高了智能車的動態(tài)性能，但其穩(wěn)定性方面未達到最佳效果，有時智能車會產(chǎn)生極環(huán)震蕩的現(xiàn)象．兩輪直立光電導(dǎo)航智能車系統(tǒng)在制作的過程中采用模塊化的思想，把車模運動控制的任務(wù)分解成3個基本控制任務(wù)：直立控制、速度控制、方向控制．在研究實現(xiàn)各個穩(wěn)定硬件電源模塊的基礎(chǔ)上，通過陀螺儀和加速度計利用清華濾波控制算法進行智能車的直立姿態(tài)融合控制，通過編碼器利用速度閉環(huán)的方式實現(xiàn)車模的速度控制，最后再通過線性CCD采集到的路況信息進行轉(zhuǎn)型控制．經(jīng)過調(diào)試和測試，不僅可以實現(xiàn)智能車的穩(wěn)定高速運行，速度可達2．8m／s，同時還能適應(yīng)多種賽道類型的識別和循跡．

參考文獻：

［1］ 隋金雪，楊莉，張巖．“飛思卡爾”杯智能汽車設(shè)計與實例教程［M］．北京：北京航空航天大學(xué)出版社，2014．

［2］ 費探，楊會成，楊惠．基于圖像傳感器的智能車硬件系統(tǒng)沒計［J］．工業(yè)控制計算機，2012，25（5）：107－108．

［3］ 候代坡．兩輪直立電磁導(dǎo)航智能車的研究與實現(xiàn)［D］．蘭州：蘭州理工大學(xué)，2013．

［4］ 滕彥飛．基于K60系統(tǒng)版的智能小車控制系統(tǒng)設(shè)計［D］．青島：青島理工大學(xué)，2014．

［5］ 于彥華．基于視覺導(dǎo)航的兩輪自平衡智能模型車的設(shè)計與實現(xiàn)［D］．西安：長安大學(xué)，2014．

［6］ 趙韶華，黃金明，劉鵬，等．倒立擺理論在直立自平衡智能車系統(tǒng)中的應(yīng)用［J］．電子技術(shù)，2014（2）：38－41．

［7］ 吳苗苗，沈世斌，王亮，等．基于CMOS攝像頭的直立循跡智能車系統(tǒng)設(shè)計［J］．工業(yè)控制與應(yīng)用，2014（7）：59－61．

Research and implementation of intelligent vehicle with two wheel upright photoelectric navigation

WU Feng，WANG Guan－ling＊
（College of Electrical Engineering，Anhui Polytechnic University，Wuhu 241000，China）

Abstract：A two－wheel linear CCD camera upright photoelectric sensor smart car navigation system is designed to improve the smart car system＇s poor operation stability and slow speed．Firstly，the power regulator circuit for each module of the smart car and the motor H－bridge driver circuit are designed independently to guarantee the stability and reliability of the hardware system．Based on this，complementary filtering and tsinghua filtering is used to deal with the signal detected by the pose detection sensor to achieve the upright balance of the smart car．Finally，the example is presented to verify the effectiveness and feasibility of the design．

Key words：intelligent vehicle；up rightness；photoelectric navigation

通訊作者：王冠凌（1971－），男，安徽廬江人，副教授，碩導(dǎo)．

作者簡介：武 峰（1991－），男，安徽亳州人，碩士研究生．

收稿日期：2016－01－10

文章編號：1672－2477（2016）01－0053－06

中圖分類號：TP249

文獻標識碼：A