基于電磁三輪系統(tǒng)智能車的傳感器排布方案與控制策略

魏磊，李興旭，高琴，張猛

?

基于電磁三輪系統(tǒng)智能車的傳感器排布方案與控制策略

魏磊，李興旭，高琴，張猛

（防災(zāi)科技學(xué)院，河北 廊坊 065200）

智能車系統(tǒng)的傳感器排布設(shè)計和控制策略直接決定著系統(tǒng)動態(tài)和穩(wěn)態(tài)性能，基于第十三屆全國大學(xué)生“恩智浦”杯智能車競賽電磁導(dǎo)航組賽道中環(huán)島、十字彎道、直角彎道和直道的磁場分布差異，設(shè)計出應(yīng)對不同賽道元素的傳感器排布方案和判別算法。利用Ackermann轉(zhuǎn)向模型對三輪系統(tǒng)進行分析，結(jié)合分段式PID控制器實現(xiàn)方向控制，增量式PID實現(xiàn)速度控制，經(jīng)過賽場上實際測試，該智能車系統(tǒng)可以穩(wěn)定高速運行。

三輪系統(tǒng)智能車；電感排布設(shè)計；環(huán)島判別；分段式PID

隨著電子技術(shù)、智能控制算法和工業(yè)制造技術(shù)的快速進步，智能車控制技術(shù)的應(yīng)用領(lǐng)域也得到了不斷拓展，向結(jié)構(gòu)簡單化和控制方案多樣化的方向發(fā)展，并開始廣泛應(yīng)用于工業(yè)生產(chǎn)領(lǐng)域。

本文就電磁導(dǎo)航三輪系統(tǒng)智能車的傳感器排布，探索了一套由一字電感、八字電感和豎直電感組成的傳感器排布方案，提出了將線性Ackermann模型和分段式PID控制器相結(jié)合的轉(zhuǎn)向控制方案和由增量式PID實現(xiàn)的速度控制方案，既使智能車具有Ackermann幾何模型良好的穩(wěn)定性，又具備分段式PID控制器響應(yīng)速度快和適應(yīng)性強的優(yōu)點，從而使智能車系統(tǒng)具有良好的靈敏性和魯棒性。

1 電磁傳感器的排布方案

1.1 導(dǎo)線周圍磁場分析

1.2 傳感器檢測原理

圖1 檢測原理圖

1.3 傳感器排布及元素判別

在電磁傳感器的排布設(shè)計中，考慮到賽道中環(huán)島、十字彎道、直角彎道等元素的磁場分布復(fù)雜，單一的電感擺放方式無法適應(yīng)全程賽道，所以，綜合各類型電感排布的特性如下：①一字電感。直道磁場的靈敏度高，穩(wěn)定性強，可屏蔽大部分相鄰賽道干擾，不易竄道。②豎直電感。直道磁場的靈敏度低，在疊加場中易屏蔽直道磁場的影響。③八字電感。特性介于一字電感和豎直電感之間，彎道磁場的靈敏度高。傳感器排布方式如圖2所示。設(shè)計出的電感排布方式使智能車具有良好的前瞻性，實現(xiàn)了對賽道元素特征的預(yù)測功能，并且為速度調(diào)整提供了充足時間。

1.3.1 環(huán)島判別

環(huán)島元素類似于直線與圓相切的幾何結(jié)構(gòu)，其主要磁場特征是切點處由兩個同向磁場疊加，切點兩側(cè)同時具備直道和彎道的磁場特點。智能車進入環(huán)島分為兩個重要環(huán)節(jié)：①利用傳感的前瞻性，預(yù)測路況信息，實現(xiàn)環(huán)島判別；②切換循跡模式，以屏蔽直道干擾，將智能車引入環(huán)島。因此，提出利用中間一字電感采集切點處磁場特征，經(jīng)實測切點信號幅值是直道最大幅值的兩倍，具有唯一性，可作為入環(huán)特征判別條件。利用動態(tài)峰值和冒泡算法實現(xiàn)環(huán)島判別，程序如圖3所示。

圖2 傳感器排布方案

圖3 環(huán)島判別代碼

切點兩側(cè)直道與彎道的磁場疊加，利用豎直電感能夠很好地屏蔽直道影響，使智能車以彎道磁場作為主要信號輸入，引入環(huán)島。

1.3.2 十字彎道判別

1.3.3 直角與彎道判別

直道與彎道過渡區(qū)間的輸入信號由階躍輸入切換為斜坡輸入，單一的磁場偏差，無法實現(xiàn)精確判斷，且需要超前控制，因此，引入磁場偏差變化速度′和磁場偏差變化加速度"作為判別依據(jù)，由磁場偏差、磁場偏差變化速度′和磁場偏差變化加速"共同構(gòu)成特征域。通過劃分特征域確定塞道元素判別條件，劃分公式如下：

n={（>）∩（′>）∩（"<）}∪

{（<）∩（′<）∩（">）}.

，，，，，分別由不同賽道元素之間的磁場偏差特征決定，因此需要通過上位機采樣分析來確定。

2 控制策略

本文選用第十三屆“恩智浦”杯智能車競賽F車模，該三輪系統(tǒng)智能車機械結(jié)構(gòu)主要由一個前置雙排萬向輪和后置雙RS380馬達驅(qū)動組成，針對于三輪系統(tǒng)智能車將驅(qū)動輪和轉(zhuǎn)向輪合并的機械特點以及傳感器的排布設(shè)計所具備的良好預(yù)測性，制定出三輪系統(tǒng)智能車的控制方案，車模速度控制通過增量式PID實現(xiàn)，車模方向控制由經(jīng)典電子差速方案Ackermann轉(zhuǎn)向模型與分段式PID相結(jié)合實現(xiàn)，最終將速度和方向的控制量線性疊加以PWM波的形式輸出。

2.1 方向控制策略

根據(jù)三輪系統(tǒng)智能車的機械結(jié)構(gòu)特點，構(gòu)建了如圖4所示的結(jié)構(gòu)模型，并且參考Ackermann轉(zhuǎn)向模型進行合理推導(dǎo)，使其更加適應(yīng)三輪系統(tǒng)。

圖4 差速轉(zhuǎn)彎模型結(jié)構(gòu)

所以可以推出：

根據(jù)圖4模型結(jié)構(gòu)和上述所推導(dǎo)的公式可以很容易地解算出兩個輪子的轉(zhuǎn)向差速，然后利用編碼器采集兩個輪子的實際速度，將解算出的轉(zhuǎn)向差速與實際速度作差，通過這一模型即可將傳感器采集的磁場強度偏差精確地轉(zhuǎn)化為完成轉(zhuǎn)向的所需的速度偏差，最后將這一偏差量送入到PID中進行運算?？刂平Y(jié)構(gòu)如圖5所示。

1.2.4 電泳檢測。PCR擴增產(chǎn)物采用6%的變性聚丙烯酰胺凝膠進行電泳檢測。點樣后，1 000 V電泳預(yù)熱30 min，上樣后穩(wěn)壓1 000 V電泳60～90 min。電泳完畢后，用10%冰醋酸溶液(1 L)固定30 min，用2%硝酸銀溶液染色30 min，用預(yù)冷的3%無水碳酸鈉溶液顯色，ddH2O漂洗1～5 min，室溫下自然晾干。拍照、觀察帶型、統(tǒng)計結(jié)果數(shù)據(jù)。

我國大部分高校雙創(chuàng)教育培養(yǎng)形式較為單一，教學(xué)體系不完善。主要表現(xiàn)在，我國大部分高校的雙創(chuàng)教育基本采用課堂理論講授方式進行。任課教師在講授雙創(chuàng)課程時，基本上就是根據(jù)教學(xué)大綱、查找一定的實例進行任務(wù)化教學(xué)。雙創(chuàng)教學(xué)體系所授內(nèi)容和學(xué)生雙創(chuàng)需求有一定的脫節(jié)滯后。創(chuàng)新教育，基本上沒有特定的雙創(chuàng)教學(xué)體系，而是分布于日常的教學(xué)過程中，存在于每一講課，每一門課程，每一個教學(xué)活動中。

圖5 控制結(jié)構(gòu)圖

智能車在不同賽道元素的速度上限是不同的，勻速控制策略不能有效地提升智能車的平均行駛速度。根據(jù)這一現(xiàn)象以及文章所述的傳感器排布方案和元素判別策略，具備良好前瞻性，為轉(zhuǎn)向環(huán)精確的過程控制提供了硬件基礎(chǔ)，因此，采用分段式PID進行轉(zhuǎn)向控制，數(shù)學(xué)表達式如下：

式（1）中：E（0，1，2）為動態(tài)速度期望；i（0，1，2）為動態(tài)積分常數(shù)；D（0，1，2）為動態(tài)微分常數(shù)；n（0，1，2）為偏差特征域；為磁場偏差。

根據(jù)傳感器采集到的賽道數(shù)據(jù)信息對賽道元素進行判斷，動態(tài)配置速度期望值和PID控制參數(shù)，達到變速控制的目的，使系統(tǒng)的控制特性在各種情況下都能保持最優(yōu)。

2.2 速度控制策略

為了使智能車的實現(xiàn)全程高效的變速運動，采用傳統(tǒng)的位置式PID無法滿足變速過程中響應(yīng)時間快、與過去的狀態(tài)無關(guān)、被控量不會累加、超調(diào)量比較小要求，因此選用增量式PID作為速度控制策略。

如果用K-1表示上次的輸出控制信號那么當(dāng)前的輸出值應(yīng)該為K這兩者之間的關(guān)系為：

K=K-1+△（2）

式（2）中：?為應(yīng)該輸出的增量值。

式（2）變形得：

△K－K-1.

第次的位置式算法輸出：

第－1次的位置式算法輸出：

兩式即得到相鄰兩次的增量：

式（3）（4）（5）中：P為比例系數(shù)；K為第次的偏差；k-1為第－1次的偏差；i為積分常數(shù)；D為微分常數(shù)；k-2為第－2次的偏差。

通過最終的推導(dǎo)結(jié)果可以看出增量式PID算法簡單，對歷史偏差數(shù)據(jù)量的需求較少，節(jié)約計算時的存儲資源，同時提高計算機的執(zhí)行效率。

3 結(jié)論

基于三輪系統(tǒng)電磁導(dǎo)航智能車的設(shè)計，結(jié)合不同特性電感的優(yōu)勢，可以實現(xiàn)對賽道元素精確的判斷，作出較為完整的過程控制，通過Ackermann公式和分段式PID相結(jié)合的復(fù)合控制模式，有效地解決了三輪系統(tǒng)嚴重的彎道側(cè)滑的問題，為三輪系統(tǒng)智能車的實際應(yīng)用做出了較為全面的探索。

［1］肖祖勛，肖本賢.三輪全轉(zhuǎn)向叉車的轉(zhuǎn)向控制策略研究［J］.合肥工業(yè)大學(xué)學(xué)報（自然科學(xué)版），2017（10）：1349-1354.

［2］吳文灝.電磁導(dǎo)引線位置檢測中的傳感器排布設(shè)計［J］.科技與創(chuàng)新，2016（11）：91-92.

［3］李衛(wèi)碩，徐穎，郭超，等.基于阿克曼算法的輪轂電動汽車控制方法研究［J］.測控技術(shù)，2017（3）：59-62.

［4］王能才.基于電磁導(dǎo)航的智能車信號檢測與控制策略研究［D］.蘭州：蘭州理工大學(xué)，2014.

2095－6835（2019）02－0021－03

TP275

A

10.15913/j.cnki.kjycx.2019.02.021

魏磊（1996—），男，河北張家口人，防災(zāi)科技學(xué)院本科在讀，研究方向為嵌入式開發(fā)。李興旭（1997—），男，四川成都人，防災(zāi)科技學(xué)院本科在讀。高琴（1982—），女，湖北天門人，防災(zāi)科技學(xué)院副教授。張猛（1998—），吉林白山人，防災(zāi)科技學(xué)院本科在讀。

〔編輯：嚴麗琴〕