基于电磁寻迹和分段PID算法的智能车设计.pdf

第 5 卷 第 8 期 新一代信息技术 Vol.5 No.8 2022 年 4 月 NEW GENERATION OF INFORMATION TECHNOLOGY Apr.2022 基金项目:2021年安徽省高等学校大学生创新创业训练计划项目（项目编号：S202110360264）Foundation item:Innovation and Entrepreneurship Training Program Project for College Students in Anhui Province in 2021(No.S202110360264)通讯作者:吕真真(1998)，女，研究方向：测控技术与仪器。DOI:10.3969/j.issn.2096-6091.2022.08.001 基于电磁寻迹和分段 PID 算法的智能车设计 吕真真，黄晓辉，李 丹，朱小强，唐武雪(安徽工业大学，电气与信息工程学院，安徽 马鞍山 243032)摘 要：针对智能车使用摄像头寻迹、红外寻迹易受到外界环境影响，使寻迹不稳定的问题，本文给出了一种基于电磁导航并结合闭环 PID 算法和差速转向的智能小车循迹方法并通过调节 PWM 波的占空比实现智能小车的差速转向。实验表明该方案使智能车以平均 2.5 m/s 速度稳定完成出入库、环岛、坡道、曲线弯道、十字交叉路口等的寻迹过程。关键词：智能车；电磁寻迹；PID；闭环控制 本文著录格式：吕真真，黄晓辉，李丹，等.基于电磁寻迹和分段 PID 算法的智能车设计J.新一代信息技术，2022，5(8):01-05 中图分类号：TP23 文献标识码：A Intelligent Car Design Based on Electromagnetic Tracking and Segmented PID Algorithm LV Zhen-zhen,HUANG Xiao-hui,LI Dan,ZHU Xiao-qiang,TANG Wuxue(School of Electrical and Information Engineering,Anhui University of Technology,Anhui Maanshan 243032,China)Abstract:Aiming at the problem that the tracking of intelligent car is unstable due to the influence of external environment when using camera and infrared tracking,this paper presents a tracking method of intelligent car based on electromagnetic navigation combined with closed-loop PID algorithm and differential steering,and realizes the differential steering of intelligent car by ad-justing the duty ratio of PWM wave.Experiments show that the scheme enables the intelligent vehicle to stably complete the tracing process at an average speed of 2.5 m/s,such as entering and leaving the warehouse,roundabout,ramp,curve and inter-section,etc.Key words:smart car;electromagnetic tracking;PID;closed loop control Citation:LV Zhen-zhen,HUANG Xiao-hui,LI Dan,et al.Intelligent Car Design Based on Electromagnetic Tracking and Seg-mented PID AlgorithmJ.New Generation of Information Technology,2022,5(8):01-05 0 引言 智能车又叫轮式移动机器人，广泛应用于智能家居、智能导游、工业生产等领域。智能小车的设计开发涵盖了控制、模式识别、传感技术、电子、电气、计算机、机械及车辆工程等多个学科，目前还有些在此基础上搭配计算机视觉的研究1，其中控制算法对于智能车自主行驶的稳定性和流畅性起着关键作用。其中优秀的控制算法和稳定的外围电路是智能车自主行驶的重要保障。目前很多竞赛类智能小车一般会采用摄像头寻迹或者红外传感器来完成比赛。红外传感器利用不同颜色物体对红外光的反射特性不同来判断轨道和边界线，但是需要在自然光较弱情况下实验，而实际比赛时环境光线很难跟理想的一样2。摄像头作为路径识别传感器在智能机器人自主路径识别中具 有广泛的应用3-5。但是摄像头寻迹效果不仅易受到环境光线的影响，而且由于图像处理的数据相对很大，在芯片资源不够的情况下，势必造成数据处理耗费大量时间，系统实时性大大减弱。本方案设计一种仅采用电磁寻迹结合不同的算法处理赛道中元素的方法。电磁导航的智能车对外界环境的适应能力远远强于光线类的导航车，而且处理的数据相对较少，系统的实时性也可以兼顾。同时对于不同路径采用不同的控制算法，使得系统的稳定性大大提高。该设计具有不易受外界环境影响且实时性强、稳定性强等优点。1 整体设计 1.1 车体的结构设计 该智能车以英飞凌公司生产的 TC264 为核心控2 新一代信息技术 2022 年 制器，通过由高精度电感组成的电磁传感器采集电磁信息，对其进行滤波、放大，根据采集到数值控制智能车的转向。通过 1024 线高精度光电编码器来检测小车速度，实现闭环控制。总体组成及安装位置如图 1 所示。图 1 智能车安装摆放图 Fig.1 smart car installation and placement diagram 1.2 寻迹模块结构 根据麦克斯韦的电磁场理论，交变电流周围会产生交变的电磁场6-7。赛道中载流直导线周围磁场分布如图 2 所示。图 2 导线周围的电磁场分布 Fig.2 electromagnetic field distribution around the wire 本方案电磁传感器采用的是四路高精度工字电感，其中两路水平电感 ML、MR 和两路垂直电感LL、RR，相临的两个电感之间距离大于 3cm，避免电感之间相互干扰，电感在排布时，要实现中心对称，电磁运放模块在安装时，一定要位于车的正中间。具体排布如图 3 所示。图 3 电磁运放模块示意图（LL:ML:MR:RR:）Fig.3 schematic diagram of electromagnetic op amp module(LL:ML:MR:RR:)经电感采集的电磁信号经硬件的放大和滤波后，再经过软件对采集的信号值进行归一化处理，最后送至处理器进行判断，进而控制左右两个电机的速度。在智能小车遇到不同的赛道元素时所采集的电感值会有不同的变化，以此作为判断的依据，使程序进入到不同的子处理函数跑完不同的赛道元素。系统的总流程图如图 4 所示。图 4 智能车系统总流程图 Fig.4 the general flow chart of the smart car system 1.3 信号预处理及电感值的归一化 进行信号的预处理是电感信号经过运算放大器电路滤波放大后，经过程序处理获取数值、ADC 转换、均值滤波，送入单片机 ADC 信号接口，再经过二次滤波最终获取 LL、ML、MR、RR 的值。二次滤波的具体方案为：由上一次采集的信号数值0.2+本次采集信号数值0.8=最终代入公式计算的值，能够减少采集的异常点对结果的影响。由于各个电感的性能特性存在差异，其对电磁信号敏感程度不同会导致电压波动范围相差较大，因此为了给算法制定统一的标准，给数据处理带来方便，对 ADC 采集来的信号做归一化处理8。具体方法是通过公式将各传感器电压值都处理成相对该传感器的最大电压和最小电压，使得传感器输出电压值都保持在 0 到 100 之间。归一化如公式（1）所示。100%测量值最低电压相对值最高电圧最低电压（1）通过归一化处理，能保证运放模块适应更大的赛道电源电流参数范围，不易受不同电源的影响。2 基于分段 PID 的电机控制 数字 PID 控制在生产过程中是一种最普遍采用的控制方法9。本方案中根据赛道的元素采用分段8 期 吕真真等:基于电磁寻迹和分段 PID 算法的智能车设计 3 PID 对电机控制，为了使车体能够尽可能沿中间电磁线循迹而不出界，三轮车利用差速转向保持车体循线，为了达到这一目的，在算法上采用 PID 闭环控制用于电机差速转向。通过 ADC 采集电感信号值，利用差比和差公式，计算车体离中线的偏离值error。差比和差公式为()()error500()()ALLRRBMLMRALLRRCabs MLMR（2）ML 和 MR 是左中和右中两个电感输出值，LL和 RR 是左右两边的电感输出值，A、B、C 是加权系数。比较 error 与 0 的大小，判断车体是否在中线位置，并利用该值，通过 PID 闭环控制电机转向10。脉冲宽度调制(PWM)是一种对模拟信号电平进行数字编码的方法，通过高分辨率计数器产生的方波，占空比可以被大范围的改变，方波的占空比被用来对一个具体模拟信号的电平进行编码11。其整体公式如（3）所示：0()()()()(1)dTkPijTPWM kTKe ke je ke kT（3）其中 KP为比例系数；Ti为积分时间常数；Td为微分时间常数；e(k)为第 k 次控制器输入误差；e(k1)为第 k1 次控制器输入误差；e(k2)为第 k2次控制器输入误差；PWM(k)为第 k 次控制量。电机控制原理图如图 5 所示。图 5 电机控制原理图 Fig.5 motor control principle diagram 经典的 PID 算法简单实用，应用很广泛，但控制系统缺乏鲁棒性。在车速达到 2m/s 以上时，车身很难做出反应。特别是差速进行转向的系统，更是要求有很好的动态特性，所以采用分段 PID，结合实际需要，一般采用 PI、PD 或 PID 控制；对于 PD控制器和 PID 控制器，其基本原理是根据电磁传感器收集到的信号来判断车的姿态和位置信息，通过赛道当前位置与理想位置的差值大小进行分段控制。由 PD 控制器可构成超前校正，能够提高系统的稳定裕度，并获得足够的快速性，但稳态精度可能受到影响；而用 PID 控制器实现的超前滞后校正虽然兼有二者的优点，可以全面实现系统的控制性能，但具体实现与调试要复杂一些12-13。2.1 环岛与坡道的处理 PD 控制对环岛进行处理。智能小车进入环岛应首先解决行驶不稳定的问题。对于使用差速转向的智能小车来说，其方向控制转向的延迟效果远大于舵机控制转向的车模。一般的控制方式会导致车模左右摆动，无法稳定前进，这是解决三轮入环岛的重要问题。为解决此问题，在引入位置偏差的比例的同时，适合使用偏差量的微分，可以起到增加系统阻尼比，减小震荡的效果，即 PD 控制，通过此方法，智能小车能够稳定进出环岛。PID 可以对坡道进行处理。在坡道处，水平电感归一化后的值在坡道处与水平赛道相比会明显增加，将此特征作为判断条件，可以达到无误判效果。以该变化作为一个标志位，在判断循环中不断检测，当该标志位为 1 时，证明车已到达上坡，利用PID 速度闭环控制原理，使小车在上坡时加速而到达坡顶。2.2 出入库的处理 由于车库中没有电磁信号，因此出库时保持智能小车直行，并设置判断循环，当智能小车车模底部并联的干簧管检测到车库前的磁铁信号时，表明车体出库。此时控制左右电机转向至正常循线；入库时也是通过检测干簧管信号，然后入库通过闭环控制小车在检测到干簧管时的速度相同。通过对延时时间长短来判断何时作出打角转向。3 实验验证 3.1 采用循环测试赛道误判处理 在正常循迹过程中，根据电感值变化的特点判断车辆是否接近其他赛道元素，但在车辆接近环岛、十字交叉路口时会出现相似的判断条件，此时需要通过循环算法判断车辆真实经过的赛道元素，从而正确处理。为防止误判发生，采用最多 3 次的循环判断方法。3.2 测试环境 该方案采用 F 车模的三轮智能小车，实物图如图 6（b）所示。为测试该车的运行性能，将其放置于如图 6（a）所示的闭合跑道上进行实验，蓝色部分为坡道，从车库出发，车体依次经过直线赛道、曲线赛道、环岛、十字交叉路口、坡道，最后进入车库。图 6（a）赛道图（b）小车实物图 Fig.6 (a)track map(b)physical map of the car 4 新一代信息技术 2022 年 3.3 测试前电磁运放模块的调节 从道路元素来看，赛道一般可以分成直道、转弯、S 道、回环道等形式，其中直道是最简单的，因此，分析清楚直道情况下的传感器响应及赛车控制是基础。本组使用电磁循迹，在开始测试前应调节电磁运放模块，使其在正常循迹时采集值正常。将电磁杆安装在车上，调整车身位置，使得所需调节电感与电磁线方垂直，在调节运放模块电位器时，保证电感与车身高度一致。表 1 电磁运放模块调节记录 Tab.1 adjustment record of electromagnetic op amp module 电磁模块调节 电感电压值/V 2.4 1.8 1.6 1.5 直线中线处 ML 105 113 106 90 直线中线处 MR 113 126 123 103 环岛中心处 ML 127 189 246 201 环岛中心处 MR 127 189 234 204 电感采集效果 环岛处电感值无倍增 环岛处电 感值倍增 不明显 环岛处 电感值 倍增 环岛处电感值倍增，但采集值较为不稳定 由于电磁杆输入电压由主板 3.3 V 接口供电，所以调节电感时使每个电感信号经过运放放大后电压为 1.6 V（约为 3.3 V 的一半）。最初选定调节电位器至 2.4 V 电压，导致在环岛处采集数据没有达到理想的倍增效果；用电位器将运放放大电压值调节至 1.5 V 以下时，虽然能够达到 ADC 采集值的倍增效果，但是由于基值较小，电感采集值微小变化所占比重更大，导致车在运行时更易不稳定，左右抖动幅度增加，因此选择 1.6 V 为最适宜值，目的是在环岛处电感采集信号有明显的倍增，以便于识别环岛。图 7 所示为调试完成后，车身静止在直线赛道中线处的 ADC 采集值，出现两信号值不同的原因有电感位置、角度偏差，可以通过程序优化。图 7 静止时运放模块采集的 ADC 值 Fig.7 ADC value collected by op amp module at rest 3.4 赛道元素测试 3.4.1 出入库的检测 智能小车入库也是通过车模底部并联的干簧管检测停车位置，将电平信号传入 MCU，当检测到该信号时，控制电机反转。从测试和比赛时的结果来看，该方案稳定有效。考虑到每次出入库小车行驶位置有变动和三轮车前轮位置空间，实验检测采用品字安装，检测成功率最高。干簧管安装示意图如图 8 所示。图 8 干簧管安装示意图 Fig.8 schematic diagram of dry reed switch installation 3.4.2 环岛处的检测 设置 4 个标志位分别为准备进入环岛、进入环岛、准备出环岛和已出环岛，如图 9(a)图，利用上位机实时检测环岛处电感值的两次反馈图像如图 9(b)(a)环岛的四个标志位(a)four signs around the island(b)上位机反馈两次进出环岛处电感值图(b)the upper computer feeds back the inductance value diagram at the roundabout twice 图 9 环岛标志位和电感值流程图 Fig.9 flow chart of roundabout flag and inductance value 8 期 吕真真等:基于电磁寻迹和分段 PID 算法的智能车设计 5 图所示，USERDATA_1 和 USERDATA_3 分别代表ML 和 MR 两平行电感的信号采集值，USERDATA_2和 USERDATA_4 分别代表 LL 和 RR 两平行电感的信号采集值。当智能小车进入环岛时会检测到 ML和 MR 两路信号值有明显倍增。3.4.3 坡道的检测 上坡时两个平行的电感值有明显的变化，ML、MR 采集的信号会有明显的增大。以此作为处理信号，调用坡道子程序，进入坡道处理函数。图 10 ML、MR 信号采集值 Fig.10 ML,MR signal acquisition value 4 结论 本文详细阐述了仅采用电磁寻迹基于分段 PID控制的差速转向智能车循迹的设计，该设计详述了智能小车出入库、进出环岛、坡道的处理方法和过程，其中，该方案通过硬件的设计解决了不稳定的问题，通过循环判断解决环岛十字误判的问题，在具体模块上通过对电感信号多次滤波解决信号不稳定的问题。该设计能够适应较大变化的赛道环境，具有良好的稳定性。最后通过实验证明，该方案可以准确判断赛道中的元素，并且可以完整、稳定地完成赛道元素，使智能小车的速度可以达到 2.5 m/s，验证了该方案的可行性。参考文献 1 Wei-Peng Z,Li-Sha C,Er-Min L,et al.Design and Production of Tracking System Based on OpenMV Image RecognitionC.2020 IEEE 5th Information Technology and Mechatronics Engineering Conference(ITOEC).IEEE,2020:1198-1202.2 单希明,刘蓟南,张千宇.基于单片机的红外避障与循迹智能小车J.湖北农机化,2019,41(09):76.3 薛蕊,曾实现,宋森森.基于数字摄像头的智能车控制系统设计J.电子测试,2020,27(21):20-22.4 孙艺铭,宫成,王浩,等.基于视觉导引的智能车跟随控制方法J.电子制作,2020,27(17):34-35+17.5 马岩,王伟军,张辉,等.基于飞思卡尔智能车控制系统的设计J.汽车工业研究,2021,36(01):38-41.6 杨雪,高成恩,高攀,等.基于电磁场检测的寻迹智能车系统设计J.单片机与嵌入式系统应用,2011,11(12):61-64.7 武晓宇,马焘,潘怡瑾.基于电磁检测方法的智能寻迹车设计J.硅谷,2010,9(23):51+135.8 杨建民,赵玫,杨洪勇,等.电磁导航智能寻迹小车方向控制算法的分析与应用J.科学技术与工程,2016,16(33):71-78.9 胡寿松.自动控制原理(第6版).北京:科学出版社,2018.10 广 东 海 洋 大 学.一 种 基 于 电 磁 寻 迹 的 智 能 车:CN201520940301.2P.2016-09-07.11 李仕伯,马旭,卓晴.基于磁场检测的寻线小车传感器布局研究J.电子产品世界,2009,16(12):41-44.12 吴振宇,李胜铭.智能车设计与实践M.北京:高等教育出版社,2018.13 蔡春山,邢广伟,王佐勋,等.基于电磁寻迹的智能车仿真J.齐鲁工业大学学报(自然科学版),2017,31(01):73-77.吕真真(1998)，女，研究方向：测控技术与仪器。黄晓辉(2000)，男，研究方向：自动化。李丹(1972)，女，博士研究生，副教授，研究方向：嵌入式系统开发，自主导航。朱小强(1999)，男，研究方向：电子信息工程。唐武雪(1999)，女，研究方向：自动化。