0807智能车模的巡线算法设计.docx

智能车模的巡线算法设计与实现裴永斌1薄志强2姚世选1 常晓明11 (太原理工大学计算机与软件学院太原030024)2 (太原理工大学信息工程学院 太原030024)(E-mail: labxiaoming-)摘要：由于智能车模要在黑色引导线的识别过程中跑完全程，所以采用的寻线传感器主要是 光学传感器。本设计采用红外光电传感器，从直线和曲线方面探讨了智能车模的运行算法并用 模糊控制实现了算法。关键词：红外光电传感器，巡线算法，引导线，智能车模Design for Track-seeking Arithmetic of IntelligentSmart-Car ModelPei YOng-Bin1 Bo Zhi-Qiang2 Yao Shi-Xuan 1 Chang Xiao-Ming 1(College of Computer and Software,Taiyuan University of TechnologyTaiyuan 030024)2(College of Information Engineering,Taiyuan University of TechnologyTaiyuan 030024)(E-mail: labxiaoming-)Abstract The smart car black guide lines in the course of running the entire process of identification, the search line sensors used mainly optical sensors. The design using infrared photoelectric sensors, from the straight and curve explore smart car operational control algorithms and the use of vague achieved algorithms.Key words Infrared photoelectric sensor, track-seeking arithmetic, guide lines ,smart car.1引言本设计基于“飞思卡尔”杯全国大学生智能车模竞赛1，提出智能车模的基本运行算法。 智能车模要求在贴有黑色引导线的“指引”下运行。引导线有直线、曲线、起跑线、十字交 叉线。智能车模在跑道上运行会遇到各种情况，比如：智能车模与引导线平行、智能车模与 引导线有一定的角度、智能车模与引导线有过大的角度。那么智能车模应该能够检测到车身 与引导线的相对角度，并能给出合理运行指令。本文叙述了红外光电传感器布局的基础上制 定车模系统的巡线算法及模糊化实现。2硬件环境车模采用的传感器为红外收发管。14对红外收发管组成两列光电传感器阵列，分别安 装在车模的车前和车尾。如图1所示。比赛规定采用飞思卡尔16位微控制器MC9S12DG128B作为控制处理器，该单片机模 块丰富、I/O 口丰富、Flash空间大。该款单片机同时集成了模糊控制指令，对于本设计控制 车模的方向具有实际作用。3算法分析赛道由直线、曲线、起跑线、十字交叉线组成，其中直线和曲线为赛道的主要类型。当 智能车模平行于引导线时应该是直行的，如图2的(a)、(b)所示。814队)点行车模直行算法描述图2(a)中，智能车模平行于引导线，光电传感器S4与S11检测到黑线，此时车行方向为 直行。为了表述方便，在图中检测到黑线的传感器标注为黑点，而检测到白色跑道的传感器 标注为白点。舵机偏转角从最左端到最右端划分为7个档位，依次用N3, N2, N1，ZO， P1，P2, P3表示。为了避免车模在直行过程中发生小角度的左右偏转晃动，可以考虑前后 光电传感器阵列的对应管状态为直行方向，例如图2(b)所示传感器S2与S9同时检测到黑线 时表明为直行方向，另外还有S3与sio, S4与S11， S5与S12， S6与S13等情况也是如此。但 是考虑到赛道宽度的问题设定两种特殊情况：s1与s8和s7与s14检测到黑线时舵机需要偏 转一个小角度N1和P1，如图2(c)所示。3.1直线引导线偏转算法当智能车模偏转引导线时，舵机应该偏转一个对应的角度，如图3所示。(CJ右转(d)特妹也£右楮®齐轩图3车模直线引导线偏转算法描述舵机偏转角度的大小取决于智能车模相对于引导线的角度大小。但是也应该注意到一种 特殊情况：当智能车模的一个边角偏离引导线时，就只有前排光电传感器阵列可以检测到黑 线，如图3(d)所示，甚至有时会发生整个车模偏离引导线的情况。对此解决的方案如下：1) 当智能车模完全偏离引导线时，即至少有一排光电传感器阵列检测不到黑线，要求 边缘管S，S7, S8和S14状态量具有记忆功能，例如图3(d)的S14状态量可记忆引导线的偏 转方向；2) 在编程时要求S、S7、S8和S4检测状态变化时触发中断优先级高于其它光电传感 器。3.2曲线引导线偏转算法根据比赛规则中引导线最小曲率半径的要求，整个车模所覆盖的曲线引导线弯曲程度并 不很明显，可以采用直线的偏转算法。旭立厂(b .： L转fc) T7转(d)特保情况图4车模曲线引导线偏转算法描述曲线引导线示意如图4所示。智能车模的运行除要考虑直线、曲线等主要因素外还要考虑智能车模的速度、舵机偏转 角速度、外界的干扰等，为了更好地解决这些问题和提高智能车模的速度，采取以下方案：1)增加相应的传感器，尽量探测较远的路况，在算法中综合考虑 速度、加速度、舵机偏转角速度，给传感器加屏蔽罩等；2）建立路况记忆和分析算法，用较稳定的速度跑完第一圈后对整个路况进行分析，提 高第二圈的运行质量。4行进算法中的模糊控制与行进实测4.1单片机的模糊控制指令模糊化指令，根据隶属度函数求隶属度 模糊推理指令，按模糊逻辑规则求值 带权重模糊推理指令，按模糊逻辑规则求值 反模糊化指令，求重心，精确化，加权平均为了更合理地调整智能车模和更充分地利用该款单片机的性能，使用了该单片机提供的 模糊控制功能。该款单片机为模糊控制设计了 4条指令2 3MEMbership functionRule EvalutionRule Evaluation with WightedWeighed AverageMEMREVREVWWAV4.2模糊控制的实现智能车模的行进是通过前后面板的传感器采集路况，经过MCU处理后调整智能车模的 转向，是模糊控制中典型的2入1出。模糊控制由三步组成：模糊化、模糊规则推理、反模糊化。模糊化：如图5所示。模糊化阶段的任务是依据模糊输入隶属度函数对精确输入量求得隶属度。模糊输入隶属 度函数为：L2、L1、ZO、R1、R2。具体含义：L2智能车模最大左转向隶属度函数；L1智 能车模普通左转向隶属度函数；ZO智能车模直行隶属度函数；R1智能车模普通右转向隶属 度函数；R2智能车模最大右转向隶属度函数；模糊规则推理：表1模糊规则推理BiL2L1ZOR1R2L2N1ZOP1P2P3L1N1ZOP1P2P3ZON2N1ZOP1P2R1N3N2N1ZOP1R2N3N2N1ZOP1规则推理最重要的就是模糊规则库（Fi前面板，Bi后面板），因此，规则库的建立必须 是科学的并且必须切合实际。模糊输入量依据模糊规则库进行规则推理后得到的模糊输出 量。反模糊化：如图6所示。图6模糊输出函数模糊输出量经过模糊输出隶属度函数反模糊化后得到精确值。本设计采用的模糊输出隶 属度函数为单值函数。舵机转到最左端时对应得PWM脉宽为：1050；舵机转到最右端时对应 得PWM脉宽为：1650；对10501650进行7等份量化。对应的语言值为：N3、N2、N1、ZO、 P1、 P2、 P3。经过前面的模糊化、模糊规则推理、反模糊化后会得到一个模糊控制表。将该表添加进 控制软件，当有信号反馈给控制器时通过查询模糊控制表（表2）来实现。表2模糊控制表Bi *-3-2-10123-31430133013131254120211411050-21435135313301270122011601070-11494141413531297124711861094015511471141216561301124211551160515221461140713531297121021630155015111430148013411268316501570156014521400137312604.3行进实测模糊控制表作为一个二维数组添加进控制软件后，当有路况信号反馈给控制器，经过分 析、处理，将数组中特定的值付给舵机改变智能车模的转向。实际运行表明，智能车模的巡线算法和模糊化的结果是合理的。智能车模的行进也是按 照设计的算法运行的。5结论本文对基于前后两排红外光电传感器探测路面的智能车模的巡线算法进行了详细的设 计、并用模糊思想将其实现。概括起来主要有以下三点：1）分析了智能车模比赛中可能遇到的所有情况，建立了相应的算法。2）应用模糊控制实现了该算法，对智能车模进行了有效控制。3）给出了进一步提高车模运行质量的方法。References1. 第一届“飞思卡尔”杯全国大学生智能车邀请赛技术报告要求，Online, available: , July 25, 2006.2. 邵贝贝.单片机嵌入式应用的在线开发方法.北京：清华大学出版社,2004, 297322.3. 9S12Core User Guide.pdf, Online, available: ,August 17, 2000, 503530.常晓明：留学于日本信州大学，取得工学博士学位。现工作于太原理工大学计算机系，教授、博导，并任 教务处处长。主要研究方向为计算机监控与传感器和自动化检测技术与装置。(Chang Xiao-Ming is currently working as a professor in Taiyuan University of Technologin China. After having studied in Shinshu University in Japan for eight years he obtained his Doctorate of Engineering. Recently his researches are mainly in two directions. One is compter control and sensor and the other automatic detection technology and device.