楊明達(dá)，楊舟，黃永霖

（東北師范大學(xué) 物理學(xué)院，長春 130024）

楊明達(dá)（本科生），研究方向為自動控制。

引 言

以往的智能車競賽分為光電組、攝像頭組及電磁組。在本屆比賽中，光電組首次嘗試小車直立行走，并且首次采用線性CCD作為圖像采集傳感器。本文介紹以飛思卡爾Kinetis K10為主控芯片，如何使用線性CCD所采集的圖像進(jìn)行數(shù)據(jù)處理的過程以及基于獨(dú)創(chuàng)的雙速度控制算法，從速度控制上解決了智能車過障礙的問題。

1 設(shè)計原理

1.1 數(shù)據(jù)采集算法

檢測路徑參數(shù)可以使用多種傳感器件，如光電管陣列、CCD圖像傳感器、激光掃描器等。各種檢測方法都有相應(yīng)優(yōu)缺點(diǎn)，其中最常使用的方法為光電管陣列和CCD圖像傳感器。如何有效利用單片機(jī)內(nèi)部資源進(jìn)行路徑參數(shù)檢測，是確定檢測方案的關(guān)鍵。［1］

CCD傳感器是一種新型光電轉(zhuǎn)換器件，它能存儲由光產(chǎn)生的信號電荷。當(dāng)對它施加特定時序的脈沖時，其存儲的信號電荷便可在CCD內(nèi)作定向傳輸而實(shí)現(xiàn)自掃描。CCD有面陣和線陣之分，面陣是把CCD像素排成1個平面的器件；而線陣是把CCD像素排成1直線的器件。本設(shè)計中使用線性CCD作為圖像傳感元件。

在本設(shè)計中選用TSL1401CL線性CCD，TSL1401CL線性傳感器陣列由一個128×1的光電二極管陣列、相關(guān)的電荷放大器電路和一個內(nèi)部的像素數(shù)據(jù)保持器構(gòu)成。該陣列由128個像素組成，其中每一個像素的光敏面積為3 524.3μm2，像素之間的間隔是8μm。該芯片操作簡單，只需要一個串行輸入信號和一個時鐘信號即可進(jìn)行數(shù)據(jù)的讀取。

在CCD采集上，所采用的曝光時間自適應(yīng)策略如圖1所示。

圖1 自適應(yīng)算法過程圖

從圖1可看出，該曝光時間自適應(yīng)策略就是一個典型的閉環(huán)控制，控制對象是線性CCD模塊的曝光時間，反饋是線性CCD感應(yīng)到的曝光量。調(diào)節(jié)的目標(biāo)是設(shè)定曝光量?？刂破鞯墓ぷ髟硎菍⒃O(shè)定的曝光量減去實(shí)際曝光量，差值即為曝光量的偏差e，曝光量調(diào)節(jié)器用Kp乘以e再加上上次的曝光時間作為新的曝光時間進(jìn)行曝光，曝光時間調(diào)整后直接影響實(shí)際反饋的曝光量，如此反復(fù)進(jìn)行調(diào)節(jié)就能達(dá)到適應(yīng)環(huán)境光的目的。我們的做法是取一次采集到的128個像素電壓的平均值作為曝光量當(dāng)量，設(shè)定的曝光量也就是設(shè)定的128像素點(diǎn)平均電壓。

1.2 數(shù)據(jù)處理算法

在圖像處理中，采用邊緣檢測法檢測賽道。因為賽道采回圖像電壓值不同，白色賽道與黑色賽道邊緣的交界處會出現(xiàn)圖像的凹槽，也就是圖像數(shù)值的下降沿。將CCD的128個圖像點(diǎn)進(jìn)行坐標(biāo)標(biāo)注，由0～127，就可以確定出兩邊黑線的左右值。

得到左右坐標(biāo)，根據(jù)公式“中線＝（左坐標(biāo)＋右坐標(biāo)）／2”，就提取到了中線。當(dāng)然還要考慮邊線丟失的情況，我們采取補(bǔ)線的策略，如果這一時刻坐標(biāo)丟失就采用上一時刻未丟失的坐標(biāo)代替，這樣無論在十字彎、直道、彎道還是虛線，都可以實(shí)現(xiàn)很好的識別與控制，適應(yīng)各種不同的賽道要求。

對電機(jī)的控制上，采用傳統(tǒng)的PID控制算法。PID控制是最早發(fā)展起來的控制策略之一。PID控制器綜合了關(guān)于系統(tǒng)過去（I）、現(xiàn)在（P）和未來（D）三方面的信息，控制效果令人滿意。工業(yè)控制95%以上都采用了PID結(jié)構(gòu)，具有簡單、魯棒性好和可靠性高的優(yōu)點(diǎn)。［2］

PID算法示意圖如圖2所示。

圖2 PID算法示意圖

其中，所采用的數(shù)字PID算法公式如下：

綜上所述，在小車控制系統(tǒng)的閉環(huán)部分均采用了傳統(tǒng)數(shù)字PID算法或改進(jìn)型智能PID算法。

2 雙速度控制算法方案設(shè)計

2.1 傳統(tǒng)速度控制算法

由于車模的整個行駛過程是時刻變化的，在賽道構(gòu)成復(fù)雜且車模運(yùn)行速度很高的情況下，對于系統(tǒng)的響應(yīng)要求很快。因此速度控制必須具有迅速、準(zhǔn)確、響應(yīng)快的特點(diǎn)。由PID原理知：I（積分項）的遲滯效果會讓控制系統(tǒng)響應(yīng)變慢，因此為適應(yīng)直立車模高速運(yùn)行下的各種不同類型賽道，放棄官方設(shè)計方案中所推薦的PI控制，而采用反應(yīng)更迅速、調(diào)節(jié)速度更快的PD控制。

直立車模是雙電機(jī)分別控制左右輪，并且通過左右輪的差速進(jìn)行轉(zhuǎn)彎。在直立車的電機(jī)控制中，PWM波的輸出是由直立控制量、速度控制量與轉(zhuǎn)向控制量共同組成的，即：

由上式可知，實(shí)際值為左右輪速度的平均值。得到速度控制量同時加給左右電機(jī)，即左右電機(jī)速度控制量始終相同，由此可知左右電機(jī)速度控制量始終相同。在傳統(tǒng)速度控制算法下，轉(zhuǎn)向控制量相對于速度控制量來說相當(dāng)于是一種擾動量。

2.2 雙速度控制算法

我們所設(shè)計雙速度控制的思想如下：

因為在小車行駛過程中，小車保持直立，因此在小車直立行駛狀態(tài)下，直立值為固定值，所以：

左、右輪速度值均由該輪速度控制量與轉(zhuǎn)向控制量同時給定。

由此可知：

則實(shí)際上，轉(zhuǎn)向控制量為速度控制閉環(huán)中一部分，在C語言實(shí)現(xiàn)時，將兩控制量由同一控制算法計算。最終輸出量為：

電機(jī)輸出量＝直立控制量＋速度與轉(zhuǎn)向控制量

由原理可知，在直道上行駛時，因為轉(zhuǎn)向控制量接近于零，所以傳統(tǒng)速度控制與我們所使用雙速度控制下的速度輸出量相同。轉(zhuǎn)向時，由于圖像采集后的PID控制產(chǎn)生轉(zhuǎn)彎控制量，形成左右輪差速，實(shí)現(xiàn)車模轉(zhuǎn)彎。傳統(tǒng)速度控制模式下轉(zhuǎn)彎控制量并不受速度控制調(diào)整，轉(zhuǎn)彎量相對速度控制參數(shù)來說是一種擾動量，在雙速度控制算法下，轉(zhuǎn)彎量因?qū)Ξ?dāng)前輪胎轉(zhuǎn)速造成影響，故受到該輪速度控制調(diào)節(jié)。雙速度控制下，當(dāng)車模運(yùn)行轉(zhuǎn)彎時，雙速度控制實(shí)際上會減緩車模入彎控制速度，加快車模出彎控制速度。實(shí)驗效果上，因雙速度控制減緩車模入彎控制量，則在很大程度上減小了車模因快速入彎而造成的側(cè)滑以及側(cè)翻，而對于出彎的快速調(diào)整，使車模可以在出彎后更快地調(diào)整車模位置，便于處理連續(xù)彎道及出彎后的障礙、虛線、起跑線等特殊賽道情況。因此，雙速度控制下，轉(zhuǎn)彎時速度控制量不為零，相當(dāng)于系統(tǒng)轉(zhuǎn)彎時始終有速度閉環(huán)存在，輪子的左右差速由速度閉環(huán)控制。

3 實(shí)驗數(shù)據(jù)

以下為各種不同道路情況下，測得系統(tǒng)在不同路況下所能通過的最短時間，由光電門測量計時，如表1所列。

表1 不同速度控制算法在不同路況下車模行駛時間

由以上數(shù)據(jù)可以看出，在彎道越多時，雙速度控制所帶來的速度提升越明顯，而在連續(xù)小S彎道時所帶來的提升不大。

在本屆智能車競賽中，對光電平衡車來說，對于速度提升最大的考驗是本屆智能車首次加入的障礙部分。障礙部分最大的難點(diǎn)在于，車模直立狀態(tài)經(jīng)過障礙時，不可預(yù)測是車模的左輪還是右輪先經(jīng)過障礙。在車模高速行駛經(jīng)過障礙時，會出現(xiàn)車模騰空、車模電機(jī)失速的現(xiàn)象。當(dāng)電機(jī)失速時，車模落地時左右輪哪一個先落地同樣不可控，由此車?；貧w地面速度不可控，造成車模倒地或側(cè)翻。

雙速度控制在很大程度上可以減小車模在過障礙時的失速。當(dāng)車模經(jīng)過障礙時，無論是左輪還是右輪先經(jīng)過障礙，車輪失速、雙速度控制下，雙電機(jī)的速度控制是獨(dú)立的，又由于對電機(jī)的控制采用調(diào)節(jié)速度很快的PD控制，可以控制電機(jī)在失速回歸地面后迅速調(diào)整車身姿態(tài)，在車身重心較低情況下，高速通過單個障礙。經(jīng)反復(fù)試驗，PD控制下的雙速度控制可以很好地克服車模過障礙時對車模產(chǎn)生的影響，效果很好。

結(jié) 語

本屆競賽，組委會首次要求光電組直立，本設(shè)計基于飛思卡爾K10芯片，首次嘗試使用線性CCD作為圖像處理傳感器。根據(jù)線性CCD所采圖像，通過PID控制原理，采用雙速度控制算法對高度復(fù)雜的不同路況、障礙等情況都實(shí)現(xiàn)較好處理，效果良好。

［1］卓晴，黃開勝，邵貝貝.學(xué)做智能車［M］.北京：北京航空航天大學(xué)出版社，2007.

［2］蔡述庭.“飛思卡爾”杯智能汽車競賽設(shè)計與實(shí)踐——基于S12XS和Kinetis K10［M］.北京：北京航空航天大學(xué)出版社，2012.