智能车模型控制系统(精选十篇)
智能车模型控制系统 篇1
一系统总体设计
采用MC9S12XS128MAL芯片作为基本控制单元, 通过CCD信号、电感式接触开关等器件来采集各类信息, 送入主控单元芯片, 处理数据后完成相应动作, 以达到自身控制。具体地说, 就是通过摄像头传感器对汽车行驶的模拟路况进行智能化判断, 通过芯片对智能车车速的快慢以及是否转弯进行操纵, 同时还将利用太阳能装置对太阳能进行收集, 将收集到的太阳能有效地加载在智能车模型的摄像头、电机驱动电路以及控制电路, 这样不仅实现了电动汽车的智能化控制, 而且合理有效地利用了太阳能资源。
二基本模块的设计
第一, 智能化控制。通过摄像头对外界路况进行信息收集, 之后反馈给智能车芯片, 芯片根据程序作出一系列反馈, 让电机驱动和舵机作出反应, 有效控制车速以及是否转弯, 以达到智能化操作的效果。
第二, 车速检测模块。在智能车模型的车轮的齿轮部分安装编码器, 编码器有效的测试车速, 及时准确地将数据反馈给芯片, 让芯片更加准确地作出合理的判断, 使得有效地控制车速。
第三, 太阳能集电装置。通过太阳能电池板有效地将太阳能收集起来, 并得以储存, 再将储存的太阳能以5.0V的大小输出, 在智能车自带电池电量不足时, 供给智能车模型的驱动模块以及其他控制电路, 实现太阳能资源与电动汽车的有机结合。
通过摄像头准确有效的确定了外界道路情况, 提供准确数据让芯片作出判断, 并让智能车进行正确有效的操作, 也将太阳能技术与电动汽车有机结合, 不仅可以有效的行驶, 而且可以有效地利用能源。安装于智能车模型设备上的摄像头对路况进行分析, 通过CCD传感器将信息输给CCD模块, 对此作出判断反馈, 之后输给控制核心芯片, 让芯片综合来自于编码器的信息作出有效的判断, 之后通过输出装置传给电机驱动模块和其他部件, 让智能车模型达到最适宜的速度朝既定方向行驶, 并有效利用了太阳能资源。
三控制系统的工作流程
第一步:信号的收集。安装在智能车模型的CCD传感器拍摄道路图像, 并以PAL制式信号输出到CCD信号处理模块进行二值化并进行视频同步信号分离。
第二步:信号的转换及传递。二值化后的数据和同步信号同时输入到控制核心芯片, 进行进一步处理以获得图像信息。
第三步:信号的分析与处理。控制核心芯片对数据作出判断后反馈给各个执行元件。
第四步:命令的发出及执行。控制核心芯片完成信号分析处理后, 发出命令信号, 通过电机驱动模块、舵机以及其他模块做以输出, 合理有效地控制智能车的转向与车速。
四具体实施方式
智能车模型采用核心芯片结合汽车电子, CCD传感控制技术, 将模拟路况与本系统相结合, 并将太阳能集电装置与电动汽车有机结合, 实现了能源的有效利用。
通过CCD传感器拍摄赛道图像并以PAL制式信号输出到CCD信号处理模块进行二值化并进行视频同步信号分离, 二值化后的数据和同步信号同时输入到控制核心芯片, 进行进一步处理以获得图像信息。
第一, CCD传感器拍摄赛道图像并以PAL制式信号输出到CCD信号处理模块进行二值化并进行视频同步信号分离, 二值化后的数据和同步信号同时输入到控制核心芯片, 进行进一步处理以获得图像信息。
第二, 通过光电转速传感器检测车速, 并采用核心芯片的输入捕捉功能进行脉冲技术计算速度和路程。
第三, 通过片上AD检测电池电压;舵机转向采用分段PID控制;电机转速控制采用PID控制, 通过PWM控制驱动电路调整电机的功率。
第四, 车速的目标值由默认值、运行安全监控和基于路径记忆优化策略综合控制。
第五, 通过太阳能集电装置收集电量, 在智能车电量不足的情况下, 太阳能电池集电装置可补充一定的电量, 使其得以正常运行。
核心芯片电子控制的核心在于精确合理地输入判断信息以及完善的处理程序, 智能车模型在智能化控制车速转向的同时, 还参考了汽车自身结构对惯性的利用。为避免智能车供电电池电量过低的情况, 特添加了太阳能集电装置, 通过太阳能集电装置收集电量, 合理有效地储存, 使本套装置更倾向于智能化与清洁化。
该智能控制系统融入了自动控制、人工控制、传感器技术、图像处理技术等多门学科, 在添加太阳能电池板的外在设备的条件下, 使得太阳能技术与电动智能车有机结合。增加了太阳能集电装置, 可以有效利用太阳能资源, 让智能车在不工作的状态下收集能源, 这些能源可以合理利用在智能车模型的电机驱动模块以及给芯片供电, 达到智能化的效果。
参考文献
[1]康华光、陈大钦.电子技术基础 (模拟部分) [M].北京:高等教育出版社, 1999
[2]谢自美.电子线路设计·实验·测试[M].武汉:华中科技大学出版社, 2000
[3]胡汉才.单片机原理及系统设计[M].北京:清华大学出版社, 2002
[4]王晓明.电动机的单片机控制[M].北京:北京航空航天大学出版社, 2011
智能车模型控制系统 篇2
目前的汽车防盗系统主要分为四种类型: 机械式防盗装置、电子防盗报警装置、芯片式防盗装置、网络式防盗系统,目前比较流行的是网络式汽车防盗系统。GPS防盗系统具有车辆寻迹、定位、截停和车况报告的功能。通过卫星对车辆全天候监测实现盗后精确定位、快速寻回车辆。GPS 防盗系统技术先进,防盗效果好,但是价格昂贵,需要支付高昂的服务费用而无法普及;GSM 网络防盗系统利用全球无线通信网络,可很好地预防车辆被盗,而且成本很低。在警情发生的几秒钟内通过发短信或拨通车主手机进行报告,同时切断汽车点火启动电路,使汽车无法启动,通过网络实现不限时间、不限距离的远程防盗,使人车“ 形影不离”,实现真正意义上的防盗功能。车联网的兴起,为网络式防盗系统提供了有力的技术支持。本文借鉴电子式和网络式防盗的优点,设计了一款基于车联网的汽车智能防盗系统,并完成了系统仿真,搭建了硬件实验平台,经过仿真和实验,验证了该系统的稳定性、远程防盗及失盗追踪性能。系统设计
1.1 系统总体方案设计
车联网包括车内网、车车网和车外网,本系统基于车联网设计,主要包括中央控制模块、传感器检测模块、iOS平台模块、断电控制模块、报警及通信模块。本系统采用51 单片机做为控制器,高效、稳定、性价比高。模块化设计利于系统测试及维护,稳定性好;利用现有通信网络平台,信号稳定,大大节约成本。系统可实现功能: 当人下车后,车内系统处于睡眠状态降低耗电量;当车主的智能钥匙进入有效范围,汽车自动解锁,直线位移传感器检测到车门车锁的动作,并将信号传给单片机,1 min 后若驾驶座压力传感器压力值达到设定范围,经过单片机将两种传感器信息融合处理后,控制防盗模块关闭防盗系统;若未检测到车锁动作,则通过振动传感器以及红外人体感应传感器来判断是否有人强行侵入,如果有人强行侵入,则唤醒防盗系统,开启断点控制以及手机模块启动防盗追踪,并通过GSM 将设定信息发送到车主设定手机;车主可随时通过手机远程开启车内的防盗系统、查询车辆状况,可解决钥匙丢失带来的隐患。
1.2 系统控制模块设计
本系统主板由AT89C51 控制芯片和扩展电路组成,它是下位机车载系统的控制核心;扩展电路根据下位机控制设计要求,尽量保证控制系统的简单和可靠。该系统分为4 个模块:I/O 模块、A/D 模块、通信模块及单片机最小系统,如图2 所示。光敏电阻能够检测到车主是否有指示信号发送,来确定是否开启防盗装置;断电装置可以切断蓄电池电路,来阻止盗贼启动车辆。redc 引脚用来控制红外线装置开启关闭,sc 引脚用于控制D触发器的重置,GPSC 引脚用于控制GPS、拍照装置以及断电装置在手机信号单独触发下的开启关闭。紧急报警按键实现车主发生突发事件(如遭遇抢劫或交通事故)时自动向公安机关报警及发出求救信号。
1.3 传感器检测信息融合设计
多传感器信息融合是一门新兴技术,可有效地降低不确定性,提高决策的精确性, 大大降低误报率,本系统采用光敏电阻、红外人体感应、直线位移、振动和压力传感器,利用这些传感器提供的局部信息存在冗余和互补,将其加以综合,形成与系统环境一致完整描述,可降低其不确定性,提高了决策、规划和反应的快速性,提高了防盗报警器的精确性。
(1)光敏电阻能够检测到车主是否有指示信号发送,来确定是否开启防盗装置。
(2)直线位移传感器能够检测到锁扣动作判断智能钥匙是否在有效范围内,确定车辆是安全状态下打开后关闭防盗装置,以防止误报。本设计采用soway 磁致伸缩位移传感器,其使用寿命长,环境适应性强,不需要定期维护,绝对量输出,重启无须重归调零位。具有高精度、高稳定性、高可靠性、高重复性。
(3)振动传感器可以检测到是否车辆有大幅度振动,例如由强行撬开车门、砸碎车窗玻璃而引起的车身剧烈震动,来确定是否是有人想要非法强行进入或移动车辆。
(4)红外人体感应电路和驾驶座压力传感器电路综合检测判断是否有人在非法上车,增强了系统的可靠性。人体感应传感器采用DYP-ME003,其可靠性强,灵敏度高,超低电压工作模式,其特点有: 全自动感应、光敏控制、温度补偿等。
1.4 GSM 通信模块设计
系统采用SIEMENS 公司的新一代无线通信模块TC35i,配合相应的外围电路可实现SMS 消息服务功能。TC35i共有40 个引脚, 通过zlF 连接器分别与电源、启动和关闭、SIM 卡、数据通信、状态指示等电路连接。TC35 GSM模块提供的命令接口符合GSM 07.05 和GSM 07.07 规范。在短消息模块收到网络发来的短消息时, 能够通过串口向数据终端设备发送指示信息,数据终端设备可以使用GSM AT 指令通过串口向GSM 模块发送各种命令。通过AT 指令可以控制SMS 消息的接收与发送。系统处于设防状态,警情发生时,人体感应模块、振动传感器模块采集车信息,通过GSM 通信模块发送到车主手机,控制器启动声光报警模块进行报警;车主也可通过GSM 短信息随时查询汽车安全状态,当GSM 模块收到车主信息时,发送一个巡检信号给单片机,单片机经过处理发出控制信号唤醒防盗系统,拍摄5 张照片和GPS 电子截图传到云端账号,车主根据云端照片信息可以快速确定车辆状态,若是被盗可立即报警。
1.5 远程防盗追踪模块设计
远程防盗追踪模块主要由三部分组成: 断电控制模块、充放电模块以及iOS平台模块。手机控制电路可以根据信号拨打车主电话报警,自动开启照相装置对犯罪嫌疑人连单片机控制系统框图续拍照,并自动上传至网络账号。随即自动开启GPS 软件追踪车辆位置,并将信息借由图片发送到网络上供车主查看,根据照片信息可快速定位被盗车辆的位置及状态,及时报警,可快速追回车辆并快速锁定盗车疑犯。本系统采用的是Photo Stream(照片流)的功能通过这一服务,所有iPhone 拍摄的照片会自动推送至服务器,然后服务器会将这些内容再推送到使用个人ID登录过的每个苹果设备上或者装有mac os x 的苹果电脑或者Windows 系统的电脑。在拍摄犯罪嫌疑人的照片以及GPS 跟踪信息截图后,图片都会由iCloud 发至每个appleid 账号设备,机主可以通过在mac 电脑上登录appleid 或者持有相同apple id 的iPhone 或者iPad 来查看照片,可快速锁定车贼追回车辆。
1.6 iOS 模块控制设计
iOS 模块控制设计框图。通过光敏电阻开关控制TP5046 模块的开启关闭,实现给iOS 模块供电以及控制activator 软件的动作的功能,再通过activator软件控制GPS 以及照相机的开启并将数据通过iCloud传输到iOS 设备中。当车主发现车钥匙丢失时可以通过手机遥控iOS 模块,iOS 模块收到指示后会通过来电闪电路发出光亮,被光敏电阻感知后开启前置照相机对犯罪嫌疑人拍照,之后开启GPS。
1.7 断电控制电路设计
根据点火原理设计的断电控制电路,将断电装置继电器放置于蓄电池与点火线圈之间,由单片机控制继电器动作,防盗装置开启时继电器断开,点火电路断路不能点火;防盗装置关闭时继电器闭合,点火电路断路可正常点火。此电路的设计可以增强车辆的安全性,车辆非法进入时,自动切断启动电路阻止被盗。系统软件设计
防盗系统的软件设计主要分为两部分,即信号检测处理及防盗装置控制。信号检测处理部分为直线位移传感器和振动传感器信号A/D 转换以及信号接收处理,红外发射信号以及红外接收信号的处理。防盗装置控制为控制断电装置以及GPS、拍照功能的开启及数据传输。
2.1 软件设计及流程图
首先确保装置未启动, 取消置1 端的作用确定D 触发器SD/RD 无效,检测压力传感器信号,低电平表示压力传感器动作,汽车正常解锁应关闭防盗装置,此时还需判断是否有来电,低电平表示有来电,要开启GPS 以及拍摄功能。如果压力传感器没有动作,表示车没有解锁,此时还需判断是否有来电,0 表示有来电,开启GPS以及拍摄功能,检测振动传感器输入信号,低电平表示振动传感器动作,启动红外装置,如果有高低电平跳变表示有人侵入,开启防盗装置。
2.2 系统仿真及分析
利用单片机开发软件Keil 编写程序并调试成功,在仿真软件Proteus 中进行仿真,取得了较好效果,系统的整体仿真如图4 所示,redc、ch1、ch2、ch3、ch4 分别模拟的是红外发光管、红外接收管、红外重启开关、振动传感器以及光电传感器。此截图为有盗贼非法进入车辆,防盗系统工作图,此时红外人体感应工作,GPS 启动运行,LED 灯D1 代表GSM 向车主发送车辆被盗信息,此时红外感应器工作,battery 启动摄像机拍照并开启GPS,声光报警启动,GPS 卫星电子地图截图以照片流方式自动上传云端服务账号;LED 灯D2 代表车主向GSM 模块发送车辆查询信息。
2.3 系统测试及分析
根据仿真实验结果,通过制作实物,进行了多次实验,实验结果表明该系统报警精准度为92%,定位精度可达5 m,证实了该系统比较稳定。车辆被盗后,传感器信息引发单片机启动GPS 电子地图,每隔几分钟连续截图上传到云端账号,车主可以通过手机、电脑、平板等终端登录查看车辆位置信息,及时报警追回车辆。云端存储容量大,而且不收费,只要注册一个账号即可,免去了昂贵的GPS 服务费。结论
智能车模型控制系统 篇3
到目前为止,工程师们已经开发出多种预防撞车的安全系统,包括自动巡航控制系统、以雷达或激光为基础的传感器系统、接近其他车辆时可减速的系统以及盲点预警系统等。这些系统一般采用闪灯或鸣笛的方式提醒司机注意其他车辆,或者在车辆出现打滑或转向失控时自动刹车。
不过上述系统都面临一个共同的挑战,那就是在设计中如何处理过度安全保护的问题。如果一个安全系统过度灵敏,将会对每一辆驶来的汽车发出警报。如果司机认为安全系统会不断发出不必要的警报,就会倾向于认为安全系统不可靠,这样就会导致驾驶员忽视安全系统的警告,進而导致安全系统名存实亡。
因此,研究人类驾驶模式成为开发汽车安全系统的重要基础工作。为了建立安全系统的算法模式,麻省理工学院的德•维克沃和沃玛将人类的驾驶行为分为两种模式:刹车和加速。他们先建立在不同驾驶模式下,汽车在特定时间内,如十分之一秒或十秒后的车辆位置的有限集合;再结合驾驶员的驾驶习惯,如遇到路口的加速或减速措施,构建了汽车安全系统的新算法模型。在这种算法模型中,路口被定义为危险区域。装有防撞车智能安全系统的汽车遇到路口时,能根据路边或交通灯上的传感器判断其他车辆的行动,进而采取一定的防撞车措施。如果两台均配备了防撞车智能安全系统的汽车同时到达路口,会交换位置信息,以合作的方式通过路口,避免发生交通事故。
为了测试其新算法,德•维克沃和沃玛在实验室建立起小型模拟交通道路,两辆小型迷你车在其上行驶。其中一辆车为全自动驾驶,另一辆由人来操控。为了体现出不同的驾驶习惯,实验人员还挑选了8名志愿者。在100次测试中,该系统避免了97次撞车事故。研究人员分析后发现,3次撞车事故主要是由于信息传递延迟所导致,因为路面基础设施捕获未配备智能系统车辆的位置和速度并传递到智能防撞系统中需要一定的时间,导致系统出现误判。研究人员正在设法改进系统,以解决信息延迟问题。
目前,研究人员已经开始对该系统进行实地实时测试,重点是获取人类驾驶的反应数据,以确定智能安全系统发出警报的时间及采取安全措施的时间。此外,研究人员还希望该系统能将道路情况及天气情况考虑在内,以便能够作出更为明智的决策。
智能车模型的设计与制作 篇4
一、系统基本原理
该模型以单片机STC89C51作为控制核心,电路分为电机驱动模块,寻迹模块,检测铁片模块,路程及时间显示模块。实现了小车的沿轨迹行驶、探测金属、金属累计显示、路程及时间显示等功能。系统原理图见图7(P49)。
根据光敏电阻检测到的黑带反射信号,经单片机判断处理后控制小车前进方向,以使其沿着轨迹行进。当金属探测器检测到铁片时,接近开关发出一个低电平信号,作为一个外部中断信号处理,执行停车5s及发光提示,并交替显示路程和时间。光电传感器接收部分用于采集黑白信号,通过接收到的一系列脉冲进行计程并显示。系统框图如图1。
二、系统硬件部分
1. 电机驱动模块
小车电机为直流减速电机,带有齿轮组,考虑不需调速功能,采用H桥电机驱动芯片L293D。L293为单块集成电路,高电压,高电流,四通道驱动,设计用来接收DTL或者TTL逻辑电平,驱动感性负载(比如继电器,直流和步进马达)。内部包含4通道逻辑驱动电路。其额定工作电流为1A,最大可达1.5A,Vs s电压最小4.5V,最大可达36V;Vs电压最大值也是36V,经过实验,Vs电压应该比Vss电压高,否则有时会出现失控现象。通过改变芯片控制端的输入电平,即可以对电机进行正反转操作,很方便单片机的操作。芯片外围电路如图2。
2. 寻迹模块
本制作采用光敏电阻探测法,利用光的反射原理,当光线照射在白纸上,反射量比较大;反之,由于黑色对光的吸收,反射量比较少,这样阻值就会出现差别。将阻值的变化值经过比较器转换为高低电平并反馈给单片机,单片机通过判断,发出控制信号来控制小车的前进方向,实现了全自动沿轨迹行驶。为提高灵敏度,该轨迹探测模块共用5个光敏电阻,呈弧形排布,1支置于轨道中间,另外4支分开置于其两侧,当小车脱离轨道时,两侧中任意一只检测到黑带后,即做出相应的转向调整,如:左外、左内检测到黑带时,小车左转,左边方向灯亮。当右外、右内检测到黑带时,小车右转,右方向灯亮。直到中间的光敏电阻重新检测到黑带(即回到轨道)后,再恢复正向行驶。寻迹电路如图3。
3. 金属探测模块
本制作采用了一只电感式金属探测传感器,型号:LJ12A3-4-Z/BX。由电路图可以得出,当有金属被其探测到时,CD4069芯片第8脚输出一个低电平,将此信号传送给单片机,即可实现计数和控制。为提高检测金属片的准确性,本制作采用了两个传感器,并通过试验合理设置其安装位置。图4上半部分是金属接近开关探测电路原理图。
4. 行程测量
计程模块主要是由光电传感器st198和贴于车轮上的黑白码盘组成,通过计算车轮的转数间接测量距离,当车轮转动时,光电传感器通过采集黑白信号不断地输出脉冲,通过单片机对脉冲计数,再经过一个数据的处理过程:
其中S=N/2πrn,S为路程,N为脉冲个数,n为一个码盘的黑白交替次数。即脉冲个数;
r为车轮半径。
这样就可把小车走过的距离计算出来。并通过LED显示,测试数据如表1。
s t198外围电路如图5所示。
5. 显示模块
采用LED七段数码管,用经典电路译码和驱动,电路结构简单,并且通过74HC573隔离控制,实现单片机I/O口的并用,显示效果直观,明亮,调试容易。
三、软件部分
本设计采用C语言程序控制,通过定时器来控制行进时间。用查询方式来检测光敏电阻信号和铁片,并做出相应的操作。主程序流程图见图6。
四、调试及性能分析
整机焊接完毕,首先对硬件进行检查联线有无错误,再逐步对各模块进行调试。首先载入电机控制小程序,控制其正反转,停机均正常。加入寻迹子程序,发现有时小车会跑出黑带,经判断是因为光敏电阻灵敏度不高,更换后问题还是没有解决。疑是受环境光影响,在光敏电阻旁加入了超亮发光二极管后问题解决。加入显示时间子程序,发现显示时会有阴影存在,经调整动态显示时间,显示趋于正常。铁片检测依靠接近开关,对检测信号进行处理并实时显示和发光提示,无异常状况。路程显示部分是用红外对管对码盘脉冲进行计数,调整码盘的分割数,直到精确度达到最高。
智能车模型控制系统 篇5
关键词 智能辅助教学系统;学生模型;认知评价
一、引言
在智能辅助教学系统(简称ICAI系统)中,为了做到因人而异的个别化教学,必须了解当前的教学对象,这就要求将学生的情况用适当的数据结构记录下来,作为ICAI系统进行教学决策的依据。这种用于记录学生情况的数据结构称作“学生模型”。学生模型反映了学生的学习进度、知识的熟练程度、存在的误解以及与期望目标之间的差距。这些信息被教师模块作为教学决策的依据,使系统能正确评价学生的理解程度,诊断其错误,为每个学生提供最适合、有效的教学材料。可以说,学生模型在智能化的教学中扮演着非常重要的角色。
二、传统学生模型的建立方法
目前有好几种建立学生模型的方法,分别是:
1.覆盖模型(Overlay Model)
覆盖模型是最早的基于人工智能的学生模型,它是基于学生掌握的知识总是正确的专业领域知识的一个子集来构建的。基于这种模型的系统可以根据领域知识结构图和学生的知识状态图间的比较,得到学生的知识结构缺陷,推荐学生当前应学习的内容。覆盖模型的优点是比较容易构造,不过,这种模型不能捕捉学生的错误知识。
2.偏差模型(Buggy Model)
偏差模型是通过把学生的错误概念表示为领域专家知识的偏差而获得学生行为的模型。为了解决覆盖模型的缺点,许多研究者将研究集中在构造一个学生误解或偏差的数据库,称之为偏差库(Bug Library )。该库描述学生可能出现的所有偏差类型,并且针对每种错误类型,提供相应的补救策略,这是此种模型的优点,但这也是系统的难点。
3.贝叶斯网络模型 (Bayesian Network Model)
贝叶斯网络是一种概率推理机制,它在概率论的基础上进行不确定推理。贝叶斯网络为在某一特定应用领域中描述随机变量之间的概率依赖性提供了一个图形化的表达方式,以及利用这些依赖进行复杂的概率推理的算法。这种方法是目前研究的热点,它不仅能获得学生的知识情况,而且还可以推出学生出错的原因,比较适合于过程性知识。
4.认知模型(Cognitive Model)
认知模型是基于美国著名心理学家布卢姆的认知理论建立起来的学生模型,主要反映学生认知能力的模型。学习者的认知能力怎样以及处于什么阶段,对学生和老师来说都是很重要的。学生需要了解自己哪一方面的能力差,有针对性的学习补救,而老师也只有在了解学生的认知能力之后,才能确定学生的学习行为,诊断犯错的根源,以便采取相应的教学策略和方法。
5.归纳法(Induction)
随着机器学习技术的发展,研究人员使用称为归纳法的机器学习技术来动态的补充偏差库,或者是从零开始对学生的误解和错误进行建模。归纳法是以动态地对学生进行建模,与动态偏差模型不同,归纳法不依赖于人的指导,但是归纳法需要大量的实例来保证产生正确的结果。
6.理论改进(Theory Refinement)
理论改进是一种较新的机器学习技术,以解决归纳法中需要较多例子的缺点。它将理论分析与实际中的学习方法集成起来,独立于知识域。它以有效利用以前的经验,以对多个学生中发现的共性问题进行建模。但是缺点是算法复杂,实现非常困难。
三、改良的学生模型
从上面的分析可以看出不同的建立方法各有所偏重点,应该说建立完整的学生模型時最好还是综合采用几种方法。在本文的研究中,考虑自身系统学生模型的建立需求,综合采用了上述6大学生模型的建立方法中的覆盖模型和认知模型,并增加了一个测试评价模型:通过覆盖模型反映学生的知识学习情况即知识水平,认知模型则反映学生的认知能力,测试评价模型作为一个辅助工具模型实现认知水平的测试评价。这样就构成一个基本完整的学生模型。我们给出学生模型的完整形式化描述如下:
学生模型={基本信息模型,安全模型,学习状况模型}
基本信息模型={学号,姓名,院系,专业,班级,年龄,性别,爱好,学习风格…}
安全模型={学号,姓名,登录账号,密码}
学习状况模型={覆盖模型,认知模型,测试评价模型}
覆盖模型={学号,姓名,课程,学习进度,…}
认知模型={学号,姓名,课程,识记能力,理解能力,应用能力,评价能力,分析能力,综合能力,总体能力}
测试评价模型={学号,姓名,练习时间,练习得分,测试时间,测试得分…}
改良后的这个学生模型不仅可以记录学生的知识掌握能力和学习历史,还可以记录学生的认知能力。更贴切地刻画学生的学习情况和学习行为,而且也方便实现。
参考文献:
[1]赵洁.基于认知理论和随机开放性测试的动态学生模型研究[J].计算机工程与应用.2003.(34):95~98
[2]刘爽英,闫莹.ICAI系统中学生模型与教学策略的设计[J].华北工学院学报.2003, 24(4):291~293
[3]谢中新,王林泉,葛元.智能教学系统中认知型学生模型的建立[J].计算机工程与应用.2005.3:229~232
智能车速度控制系统设计与实现 篇6
在智能车竞赛中, 速度控制不能采用单纯的PID, 而要采用能够在全加速、紧急制动和闭环控制等多种模式中平稳切换的“多模式”速度控制算法, 才能根据不同的道路状况迅速准确地改变车速, 实现稳定过弯。
系统硬件设计
按照竞赛要求, 本文设计的智能车速度控制系统, 以飞思卡尔MC9S12DG128单片机为核心[1], 与车速检测模块、直流电机驱动模块、电源模块等一起构成了智能车速度闭环控制系统。单片机根据赛道信息采用合理的控制算法实现对车速的控制, 车速检测采用安装于车模后轴上的光电编码器, 直流电机驱动采用了由四个MOS管构成的H桥电路如图1所示, 电源模块给单片机、光电编码器和驱动电机等供电。
系统建模
一个针对实际对象的控制系统设计, 首先要做的就是对执行器及系统进行建模, 并标定系统的输入和输出。为了对车速控制系统设计合适的控制器, 就要对速度系统进行定阶和归一化[2]。对此, 分别设计了加速和减速模型测定实验。通过加装在车模后轮轴上的光电编码器测量电机转速。编码器齿轮与驱动轮的齿数比为33/76, 编码器每输出一个脉冲对应智能车运动1.205mm。车模可以通过调节加给电机的PWM波的占空比进行调速。单片机上的PWM模块可以是8位或16位的, 为了提高调速的精度, 电机调速模块选用16位PWM, 其占空比调节范围从0到65535, 对应电机电枢电压从0%到100%的电池电压。
将车模放置在一段长直跑道上, 采用开环方式给驱动电机加上不同的电压, 记录车模在速度进入稳定后的速度值。然后将所测得的电枢电压与车速进行拟合的曲线如图2所示, 由图1可将智能车加速模型近似为线性模型。
根据实验数据可以确定车速执行器系统的零点和增益。车速V与占空比PWM_Ratio的关系见公式1:
其中:PWM_Ratio的取值范围为0-65535
车模减速有三种方法:自由减速、能耗制动和反接制动。自由减速动力来自摩擦阻力, 基本认为恒定。能耗制动是将能量消耗到电机内阻上, 制动力随着车速的降低而降低, 也可通过控制使加速度减小得更快。反接制动通过反加电压实现, 制动力与所加的反向电压有关。
由于轮胎抓地力有限, 制动力超过一定值后会发生轮胎打滑的情况。一旦发生打滑, 会使刹车距离变长, 过弯半径变大。如果能使刹车力始终控制在临界打滑点上, 则可以获得最短的刹车距离。在这三种减速方法中, 只有反接制动可以根据不同的车速给出不同的反接刹车力, 让车速以最大斜率下降。因此, 通过大量实验测定出不打滑的最高刹车电压, 最高不打滑划占空比约为55000。因为不同赛道会有差异, 在编程时留有了余量。以震荡作为识别车模在刹车时是否打滑的标志。可以分取几个典型的车速, 让车模在直道上加到预设的速度, 然后分别用一组反接电压进行反接制动, 观察并记录最高不打滑的刹车电压。这样, 每个典型车速都得到一个对应的最大刹车电压。将最大不打滑反接电压与车速对比后, 发现最大不打滑反接电压与车速成比例关系。考虑直流电机的模型, 外部电压加到电机电枢上时, 电机转子开始转动, 产生反电势, 此电压与车速成正比例关系。当转子上产生的反电势等于外加电压后, 电机速度达到稳态。因此, 反接制动电压减去电机产生的反电势之后剩下的电压部分才是用于减速的。在车模要减速的时候, 可以先通过当前车速计算出转子的反电势, 然后在这个基础上再叠加一个反接制动电压, 送到执行器上。
车模前进的阻力主要分为地面滑动摩擦力和风阻, 车模在行驶过程中质量保持恒定不变。在车速较低的情况下, 风阻也可认为是恒值。结合以上实验数据和推理可知, 车速模型的主要部分为一阶惯性环节。
速度控制策略
经分析, 赛道大致分为直道, 90度和90度以上的弯道和S形弯道等类型, 要想在不同道路上发挥出最大速度, 关键问题是如何判断出道路的情况, 以下是几种道路的判断条件和通过策略。
a.直道的判断条件和通过策略
当小车在中间三个光电管的检测范围内检测到黑线, 则认为小车行驶在直道上, 满足直道的条件就使小车加速, 直至加到某个较大的值时满足刹车的条件。如果连续几十个周期都检测到了黑线, 说明小车行驶在长直道上, 而转弯时需要刹车。
直道最高限速度是赛车从长直道入弯时不冲出弯道的最高速度, 小车行驶时不能高于这个速度。当然, 刹车越及时, 越灵敏, 则直道上速度就可以越大。实验得到约为55000 (对应PWM的占空比) 。
需要刹车的最小速度是让小车从长直道入弯, 不用刹车时能够顺利通过弯道的最高速度。当车的瞬时速度高于这个速度入弯时, 启动刹车, 反之, 不用刹车。实验测得长直道入弯最高速度不超过50000 (对应PWM的占空比) 。
b.弯道判断条件和通过策略
当小车不满足直道的条件时, 则行驶在弯道上。由于弯道的曲率半径和角度的不同分为90度和90度以上的弯道和S形弯道。当小车行驶在弯道时, 只有某一边的传感器连续检测到黑线, 再根据两边的传感器检测到黑线时间的长短来确定弯道角度的大小;如果小车行驶在S形弯道上, 则传感器检测到的值会在水平偏差范围内连续变化。总之在弯道上, 要以弯道最大速度行驶。
弯道最大速度是让小车在弯道上一直加速, 直至冲出赛道的速度。当赛车在弯道上的速度小于弯道最大速度时, 就要调整PWM信号的占空比, 使小车逐渐加速。实验测得所有弯道最大速度不超过32000 (对应PWM的占空比) 。
c.交叉线识别
按比赛规则, 还有交叉线, 但由于是直角交叉, 因此只需要在多个传感器都检测到黑线的情况下保持原来的行进方向和速度继续前进即可。
结语
全国智能车竞赛最终比的是速度, 要想取得好成绩就要让小车在不同的道路上都能以极限速度行驶。通过大量的实验得出小车在不同形状道路上的极限速度参数, 根据不同道路的判断条件选择合适的参数, 再根据速度值来调节PWM, 从而实现智能车的快速稳定巡线行驶。
参考文献
[1].邵贝贝.单片机嵌入式应用的在线开发方法[M].北京:清华大学出版社, 2004.10
[2].卓晴、黄开胜、邵贝贝.学做智能车[M].北京:北京航空航天大学出版社, 2007.3
[3]Metrowerks.Metrowerks Codewarrior IDE
[4]Freescale.MC9S12DG128Datasheet
车联网智能交互系统设计探索 篇7
目前, 车联网产业在我国尚处于起步阶段, 车联网核心技术尚不成熟。同时, 由于车联网涉及多行业、多应用领域的交叉融合, 车联网系统的设计实现难度也较大。从2013年8月“车联网产业技术创新战略联盟”在北京正式成立, 到2014年4月交通运输部发布了《关于加快推进城市公共交通智能化应用示范工程建设有关事项的通知》, 车联网的发展速度飞快。本文通过对车联网智能交互系统的了解和探索, 在这里提出初步的设计方案。
2 系统设计
2.1 概述
2.1.1 系统简述
车联网智能交互系统是基于Android系统在物联网汽车领域的应用而设计的一整套系统解决方案。系统方案分为:服务器端管理系统、车载硬件交互系统 (Android智能平台) 、便捷管理软件 (智能手机客户端) 三大部分。服务器端管理系统是方案的核心, 负责协调、管理车载硬件交互系统与便捷管理软件之间的数据交换。它的稳定高效运行对整个系统的正常运转起着举足轻重的作用。
2.1.2 设计目标
(1) 整体设计, 确保各个子系统之间实现最优组合。
(2) 后台服务系统需稳定、高效、健壮, 便于后期扩展。
(3) 与终端通讯高效、便捷, 保证数据完整性的前提下节省流量。
(4) 客户端数据统计分析图形化显示。
2.2 总体设计
2.2.1 系统结构图
2.2.2 车载硬件交互系统 (车载终端)
车载硬件交互系统作为车联网系统的重要组成可以实现以下功能:
(1) 车辆信息全掌握:实时显示车辆运行信息, 如:当前车速、温度、轮速等。
(2) 车况信息实时上传:车辆运行信息、故障信息等。
(3) 车辆控制:在完成基本功能基础上, 可以考虑加入车辆控制功能, 即:接收服务器端管理系统、手机客户端发送的控制指令, 完成对车辆的控制。
(4) 活动信息接收:接收服务器端管理系统推送的各种服务信息。
(5) 行车轨迹记录及查阅:按天、周、月、年分类记录行车历史轨迹, 可按时间段进行查询;历史轨迹包括:时间、位置、行车数据等信息。
(6) 视频安全功能:未来提供扩展功能, 支持行驶记录仪接入。
(7) 车辆维修信息管理:提供指定或周边4S店、维修厂信息, 可方便车主预约维修并记录车主维修记录。
(8) 车辆保养信息信息管理:车主可以在线方便进行保养记录、保养预约、保养提醒等。
(9) 便捷求助:一键求助4S店、维修厂、拖车公司等, 也可以一键报警。
(10) 其他:在特殊情况下 (车辆故障) 获取定位数据并在求助时上传, 方面救援。
(11) 车载系统提供的其他辅助应用。
2.2.3 服务器端管理系统
2.2.3. 1 核心功能
(1) 统一管理所有安装车载硬件交互系统的车辆, 可以开放给车主、4S店。
采集车载硬件数据并分组管理。
(2) 辅助完成车载硬件的部分功能。
(3) 完成车主用户手机客户端功能服务。
(4) 完成行业客户应用端功能服务。
(5) 实时掌握所有车辆运行情况;
(6) 查看车辆运行信息, 如位置、线路;权限管理, 对平台运维人员、合作伙伴、4S店、甚至车主等不同角色做权限控制。
(7) 扩展功能:提供决策数据帮助平台运维, 接受车辆远程求助、安全报警等。
2.2.3. 2 数据传输
采集车载硬件的GPS、北斗定位数据, 及车辆资料等信息建立数据库 (采用2G或3G数据卡:GPRS/EVDO/EDGE/3G传输) ;综合考虑实现的功能应用所需要的数据, 做最优化的分组管理。
2.2.3. 3 车辆信息管理
(1) 基础数据管理:车辆档案信息 (车辆信息录入、删除、修改、批量导入) 等。
(2) 车辆运行信息管理:采集车载硬件数据并进行分析、分类、图形化处理之后做数据保存。
(3) 日常管理:车辆出车记录、加油记录、维修记录、保养记录、违章记录、事故记录、年检记录、保险记录。
(4) 统计分析:日常处理中的相关报表, 以及车辆运营明细表和车辆费用统计表, 供运维管理参考。
2.2.3. 4 行车轨迹
基于电子地图的车辆运行轨迹显示功能, 实时、准确、直观的显示车辆运行情况;
2.2.3. 5 服务推送
(1) 实现与车载设备及车主手机客户端的信息互通功能;
(2) 基于车辆信息的多种提醒服务, 如:年检到期提醒、保险到期提醒、保养到期提醒等。
(2) 运输公司活动发起、组织、实施管理应用。
(4) 针对个别服务质量监控的预警服务。
2.2.3. 6 扩展功能
考虑到车辆的安全, 以下功能可以作为后期扩展功能:
(1) 远程控制:如手机远程启动车载某些功能应用;
(2) 运维管理:基于车辆信息的统计分析, 提供运维管理的决策数据。
(3) 安全管理:车况实时监控、远程协助、一键报警。
2.2.3. 7 注意事项
服务器端管理系统的设计应注意以下几点:
(1) 服务器的搭建要综合考虑后期用户增加扩容的需要, 后期软件二次开发新功能的扩展。
(2) 车载硬件分布于全国各地, 服务器的搭建需要考虑数据采集的时效性。
(3) 服务器数据库的架构合理性、维护方便性、运行安全性的考虑。
2.2.4 便捷管理软件
便捷管理软件为针对Android、IOS平台智能设备开发的车联网系统配套软件, 主要功能有:
(1) 车队SNS社区功能应用模块, 及车友资料的互通。
(2) 手机GPS定位与车辆GPS定位数据间的运算服务。
(3) 车辆相关数据的查询及控制指令。
(4) 车辆GPS数据应用:定位、轨迹、栅栏。
(5) 行车秘书:需要服务器支持的相关数据库建设——违章查询、车辆估值、保养常识、用车记录、车险服务、生活服务、后续开发的功能应用。
3 综述
车联网智能交互系统可以是针对不同行业、不同车辆量身打造的智能交互式管理系统, 可广泛应用于长途客车、长途运输车、公交车、出租车、警车、私家车、火车、地铁等各种交通工具。为物流运输、长途客运、城市公交、出租车、汽车4S维修店以及汽车生产厂商等行业客户服务。本系统的设计方案除了初步的应用功能设计考虑之外, 仍然有更多的技术方案设计需要深入研究, 需要在日后的工作中进行深入研究探索。
参考文献
[1]刘鹰, 李一彪.车联网业务发展模式分析[J].广东通信技术, 2012, 32 (5) :7-9.
[2]郑智, 魏爱国, 高文伟.车联网技术与发展[J].军事交通学院学报, 2014, 16 (3) .
[3]王景东.车联网:引领网络汽车新时代[J].运输经理世界, 2011 (02) :117-118.
智能车模型控制系统 篇8
随着我国社会、经济的快速发展,汽车作为一种最常见、最便利的交通运输工具,正被越来越多的普通民众所掌握和使用,但随之而来的道路交通安全问题也日益险峻。改革开放以来,我国道路交通安全形势日趋严峻,2013年道路交通事故统计年报数据显示,我国平均每起交通事故死亡约0.3人,在去除违法行为制因外,仍有36.17%占比的交通事故是在驾驶人仍保持清醒时发生[1]。如何减少道路交通事故的发生,保障机动车驾驶安全,已经成为社会各界关注的焦点议题。
道路交通事故中,人车碰撞占有重要比例,而此类事故致因多为驾驶人分神、疲劳以及违规等。为了降低这类事故的发生,各种智能车载安全辅助驾驶设备被集成到车辆中,用于提高车辆的安全性。目前车载车辆识别的辅助传感器设备主要有视频、雷达、微波、红外等,而随着这些基础硬件平台的不断发展与搭建,车载安全辅助驾驶技术、行人检测及碰撞预警系统、车路协同预警等成为当下研究的热点[1,2]。
目前,行人检测与碰撞预警算法是车辆碰撞避免、事故预防的研究热点,也取得了较大研究成果。例如,Chen等[3,4,5]分别采用模式识别和阈值比较的方法对车辆和行人的碰撞进行风险识别、预测并判断;王建强等[6]针对复杂路况提出了主动汽车避撞报警方法;Lyu等[7]提出在车路协同环境下根据行人、车二者所处的车道、横向与纵向距离、相对速度来判断碰撞风险,并采用较简单的分级预警;Ma等[8,9]采用车路协同技术检测行人并对行人位置进行预测,结合车辆位置、速度、方向等信息得出人车冲突区域,以此作出报警等等。Yu等[10]提出全新的基于AdaBoost学习算法的车辆分层检测技术结合粗搜索与精细搜索的技术并于快速检测循环中获得优化的目标检测,在连续图片中提取目标后部特征与目标前部特征的实时目标跟踪算法。但由于视频图像中待识别的目标部位较低,容易被遮挡,导致检测的准确率较低。道路行人识别的角度存在相同的偏低问题,遮挡带来的识别率的降低使得Harr特征结合AdaBoost分类器识别行人的方法受到限制。Tian[11]提出了一种使用多传感器节点来完成目标识别。基于不同节点所具有的目标特征不同的匹配结果,这种方法决定了目标状态并修正单个目标特征信息。笔者应用多传感器识别行人,在提高识别的准确率的同时,提高行人位置检测精度,更好地预防人车碰撞概率。
虽然基于行人检测与预警的避碰研究已经很多,但最终要使车辆避免碰撞行人,仍需要驾驶人进行操作,这一过程中由于人为错误操作、分神、疲劳等,导致车辆碰撞到行人的风险仍然存在,而且现有的算法和系统无法进行纠错和避免。笔者以基于图像处理的行人检测为基础,研究碰撞风险预警并根据驾驶人反应提出智能紧急制动算法,从而实现危机状态下的自动驾驶,减少人为因素而产生的风险,避免车辆与行人车辆间的碰撞。论文将从车载行人及车辆的检测,碰撞风险识别与处理,智能车辆控制方法,实车实验四个方面进行阐述。
1 车载行人检测方法
目前车载行人识别的方法很多,这些检测方法因检测设备的不同而具有不同的特点。机器视觉因其具有设备经济、安装方便、信息量大等优点,已经成为车载行人检测的主要技术手段。基于计算机视觉的行人检测算法目前已趋于成熟,而且就系统搭建的可行性和稳定性等方面综合考虑,本系统采用高清摄像头作为检测设备。
目前行人检测算法主要有两类:第一类为基于视频运动信息的目标检测算法,例如,背景帧差、背景差分,混合高斯模型(GMM)建立背景模型等的背景差分等;第二类为基于检测目标的特征信息,设计、训练相应的分类器进行检测,例如利用纹理Harr特征、局部二值化模式(local binary pattern,LBP)特征进行检测,利用边缘特征梯度方向直方图(histogram of oriented gradient,HOG)等特征进行检测。对于车载运动环境下的行人检测,第二类检测效果比较好。通过调研,基于HOG特征的行人检测算法具有较高的准确率并能达到实时性要求,因此笔者采用基于HOG特征的视频检测识别行人。
1.1 行人目标特征提取
HOG特征描述局部区域特征,它通过计算局部区域上的梯度方向直方图来显示并描述人体特征,能够很好地描述人体的边缘信息,且光照变化和小量的偏移变化对HOG描述文件影响不显著。输入图像中像素点(x,y)的梯度为
式中:Gx(x,y)、Gy(x,y)、H(x,y)分别为输入图像中像素点(x,y)处的水平方向梯度大小、垂直方向梯度大小和像素值。图像中像素点(x,y)处的梯度大小为
像素点(x,y)处的梯度方向为
HOG特征提取步骤具体如下:(1)把样本图像分割为若干个8×8像素的单元,把[-π/2,π/2]的梯度方向平均划分为9个区间,在每个单元内对所有像素的梯度幅值在各个方向区间进行直方图统计,得到一个9维的特征向量;(2)每相邻4个单元为一个块,把4个单元的特征向量联起来得到块的36维特征向量;(3)128×64像素的窗口设为一个基本窗口,一共组成3 780维的特征向量;(4)采用窗口对样本图像进行扫描,扫描步长为一个单元,每次扫描可以得到窗口内图像的HOG特征,以进行行人检测。
为了提高计算速度,在计算HOG特征时引入积分向量图,先用9个积分直方图来分别表示各像素点在9个梯度方向的梯度积分图。利用积分图对任何一个矩形区域内的直方图统计用4个角的积分值可快速计算得到,这样避免了由于块的重叠造成的重复计算,提高了计算速度。
通常,HOG特征的训练分类器为SVM,采用分级训练的方式得到图片信息中的行人向量描述子文件,进而对图片中的纹理特征进行分析,达到检测目标行人的目的。
1.2 行人目标特征识别
鉴于支持向量机(support vector machine,SVM)在解决小样本、非线性及高维模式识别问题中的优越性能,笔者选用基于径向基核函数SVM对图像中的特征进行分类,判断其是否为人体目标,最终实现红外图像中的人形检测。可以定义如下的最优分类函数来进行行人检测。
对于样本集中的多数样本(非支持向量),式(5)中的结果都等于0。因此式(5)中只是针对于小部分支持向量计算求和。而b*是分类的阈值,可以取一个支持向量即可计算得出,或者在两类样本集中任取一组支持向量,计算中间值即可以。
上述检测算法依赖于SVM的训练。在HOG行人检测算法中,Dalal将正样本和负样本的HOG特征以及正负样本的标记信息送入线性SVM分类器训练,得出分类器的模型,即上面陈述的最优分界面,该分类面的维度为3 780维。本文采用上述维度进行SVM的训练。通过上述视频检测的HOG算法,即可得到车辆前方的行人检测信息,如图1所示。对图像进行标定后,以目标检测框的底部中点为特征位置点,采用直接线性变换(direct linear transformation,DLT)[12,13,14]方法得到行人相对于车辆的具体位置;在近距离场景中直接线性变化方法可达到90%[2]的标定精度,SVM结合HOG特征在大数据场景下的实车实验中车辆检测精度可达89%。
2 碰撞风险识别与处理
基于车载摄像头行人车辆检测的风险识别方法,主要基于目标与车辆的纵向与横向位置,步骤如下:(1)工控机上的程序进行图像处理,识别出行人,并根据距离算法,得到行人此时与本车的纵向距离和横向距离;(2)将距离数值代入风险识别算法中,进行风险判断;(3)通过得到的风险判断结果,程序进行相应的策略控制,实现车辆的智能避碰;(4)实车实验表明检测前方障碍物碰撞本车时间节点可分为2种:第一碰撞时间间隔2.7s与第二碰撞时间间隔0.6s分别代表一级制动与二级制动的时间节点。具体流程如图2所示。
2.1 碰撞风险识别预警
1)系统检测行人,计算得到目标距离车辆的垂直距离Y,和水平距离X,以本车中心为坐标原点,车辆的宽度D为碰撞范围。
2)将每个目标的X逐一与D进行比较,得到X在D内且Y最小的一组人车距离X1和Y1,此时行人处于危险状态。
3)Y1车速得到每个时刻车辆碰撞到行人的时间为Tv(s),将Tv作为危险判断级别,Tv越小则危险级别越高,当小于2.7s时进行警报。
4)若在Tv大于2.7s的情况下X1不在D的范围内时,则取消警报,将此行人坐标忽略,跳转到1重新进行检测。若Tv小于0.6s仍在D范围内,则开始进行智能刹车。
具体地,如图3所示:图3(a)中,行人1的预测行走轨迹与车辆行驶轨迹有冲突,用矩形框标记,而行人2与行人3的预测行走轨迹与车辆不产生冲突,无碰撞危险,未标记矩形框。图3(b)中,当行人处于风险区域内且行人与车辆纵向距离小于紧急制动距离,则判定当前行人处于紧急制动危险等级范围内,行人1用粗矩形框标记,系统实施避碰制动,目的在于通过系统强行紧急制动避免碰撞事故的发生或减轻对行人的伤害。
根据城市交通中机动车在没有限速标志标线的情况下,没有道路中心线的城市道路规定最高时速为30km;机动车在没有限速标志标线的道路情况下,如果同方向只有1条机动车道的城市道路规定最高时速不超过50km。即将碰撞时间(time to collision,TTC)能够反映换道车辆与目标车辆间的相对速度和相对距离,在车辆纵向碰撞安全性相关分析中得到广泛应用。引用TTC′描述人车即将碰撞时间。系统根据车速30km/h以下及TTC′大于2.7s和30km/h以上50km/h以下及TTC′小于2.7s大于0.6s分为一级缓冲减速和二级缓冲减速2种智能减速方法。图4(a)所示为一级缓冲减速过程,图4(b)所示为二级缓冲减速过程。
采用以上2种方式可以使车辆能够在不同车速标准情况下实现平稳制动,在整个制动过程中,缓冲制动方案使车辆能够安全平稳的制动,使驾驶员感到安全与舒适。
3 智能控制方法
3.1 车载系统架构
基于车载目标识别算法和车辆目标冲突识别算法,开发了车载人车碰撞风险识别与控制系统。在实时检测车辆和前方行人、车辆运动信息基础上,通过控制器局域网络(CAN)传送中央处理模块,建立车辆运动和前方人车运动信息数据库,再依据运动学理论,实时计算车辆与行人间的相对运动是否有危险冲突,若存在冲突,通过语言和图形形式向驾驶人预警,在预警后驾驶人未采集相应措施避免冲突,则系统自动减速或刹车进而保证行车安全。
系统中包括2台工控机,一台用于图像信息的处理,主要是高清摄像机进行图像信息的处理,完成人车的识别;另一台用于各种非图像信息的采集、多元信息的融合、各执行器件的控制等。车载系统的总体结构框图,见图5。
3.2 车速控速算法
基于车辆动力学模型,建立了车速自适应控制模型,开展了仿真实验,并将算法移植到实车实验平台。
1)车辆耦合模型。根据牛顿矢量方法,建立包括纵向、横向、横摆三自由度的车辆动力学模型。如式(6)所示。
式中:m为车辆的质量;Cf,Cr分别为前后轮轮胎的侧偏刚度;lf,lr分别是前后轮轮距;kL,kD分别为空气水平阻力和垂直升力系数;a1,a2,a3,a4,a5是车辆系数;μ为滑动摩擦系数;vx为车辆纵向速度;vy为车辆横向速度;为车辆横摆角速度;F为车辆牵引/制动力;δ为车辆前轮转角。
2)智能车速调控器设计。根据建立的车辆耦合模型,假设不考虑对车辆牵引力进行建模,并对车辆控制系统的输入做如下变换,见式(7)。
那么,道路可变工况下的车辆耦合模型可具体表示为
式中:x[x1,x2,x3]为车辆控制系统的状态变量,;μ为滚动阻力系数,θs为道路坡度角。
在对车辆加速度进行控制时,还需要考虑舒适性条件的约束(加速度变化一般在±2 m/s2),对实际加速度计算进行限幅,如式(9)所示。
刹车控制根据Δv绝对值的由大渐小分级输出由大渐小的刹车力度,非紧急情况时刹车减速度控制在2.5m/s2以下,紧急情况时提供一定的辅助刹车并发出报警,兼顾考虑了乘客的舒适性和行驶安全性。
4 实车实验及分析
4.1 车速控制算法测试
基于长安汽车悦翔1.5AT开发了车载行人、车辆检测与风险预警控制系统,实现了所述控制算法,见图6。
测试平台包括2台工控机,1台用于图像信息的处理,完成人车的识别;1台用于各种非图像信息的采集、多元信息的融合、各执行器件的控制等。车载测试平台加装传感器主要有Basler IP摄像机、RT 2500惯导设备等;车辆纵向控制及执行机构采用清华大学汽车系开发的EVB(electronic vacuum booster),可实现对油门和真空助力器的协同控制。
在大数据的环境下对10 594个正样本、31 534个负样本图像进行了SVM的训练,正样本大小、质量相同,为80×80像素,负样本大小、质量相同,为160×120像素,得到13 782维特征向量。实车实验中,动态情景下,达到89%的精度,每200ms数据更新一次,能够做到实时检测前方行人并反馈数据,实验具有可操作性。
在实际道路上开展了车速控制算法测试,以动态车速曲线作为目标车速,其实际速度相应如图7所示。由图可知,在实际车辆测试中,车速能够在一定时间内达到预定速度,具有良好的动态相应性能和舒适性。
4.2 行人避碰控制测试
试验车以至少20km/h的速度行驶于直行路段,试验车行驶过程中,2名行人出现在距其50m内的前方路段上。其中1名行人站在路边或试验车左右相邻车道上,不会与试验车冲突,另外1名行人位于试验车所在车道的正前方。
要求试验车能够识别其所在车道正前方的这名行人,利用其车载传感得到它与这名行人可能发生冲突。实验场景如图8所示。
根据实地实验,可以得到如下实验结果:
1)静态环境下,能识别10~45 m范围内行人,准确率为95%左右。
2)动态环境下,随着相机抓拍图像质量的下降,图像中包含的梯度描述子信息质量有所降低,故识别行人的远近距离与准确率相对降低,能识别10~35m范围内行人,准确率89%左右。
3)行人识别每帧处理时间在200ms以内。
4)行人识别系统,摄像头-工控机-CAN卡可作为单独整体,视为传感器,通过CAN总线输出行人的x,y等信息。
5)主控制系统,可依据纵向时间和横向偏移量识别碰撞风险,可以进行碰撞预警,也可以对紧急情况进行刹车控制。
实验同时采用了另一实地演练,驾车自和平大道铁机路转二环线路段,测试前方行人并成功实施二级制动。实际场景图见图9。
图10中,纵坐标为实验持续时间采点数,至第1.639×105~1.6395×105时段,前方出现行人,图中第一次出现制动点约在1.632×105时刻,表现为人车冲突—人车即将碰撞时间(TTC′)小于0.6s,为一级制动执行区域,实施相应紧急制动方案。车辆与行人即将碰撞时间TTC′迅速提高,远离危险碰撞状态。随即,第二个行人进入车辆前行区域,与本车产生路线冲突,显示即将碰撞时间突然降至一级制动执行阈值0.6s以下,系统对本车实施一级制动,在小于采集下一个采集点的时间段100 ms中,成功实现紧急一级制动,TTC′迅速增大,脱离危险状态。
5 结束语
笔者设计了一个基于行人检测与风险预警的车辆智能制动系统,在车辆与行人将要发生碰撞的危机时刻,车辆能够自动地进行速度自适应的紧急制动。在本系统中,系统通过车辆上装载高清网络摄像头,采用基于SVM方法分类HOG特征,进而实现精准的行人识别;风险预警模块以最危险状况为判断点,在整个风险预警判断中不断对最危险状况进行实时监测,由于一次风险预警进程仅实时对一个目标进行监控,从而使得整个风险预警策略具有较高的稳定性和精准的实时性;智能制动模块通过建立车辆耦合模型和道路几何模型,设计出车速调控器,达到平滑稳定的控制车速,实现安全舒适的紧急智能制动;实车实验部分展示了车辆速度控制效果,在车速调控器的控制下,车速的变化具有良好的动态相应性能和舒适性。本文相较LYU[7]提出的车辆危险状态下的一级制动能够更好地适应于道路场景,实现车辆的自适应控制。图像标定在近距离的准确率与实时性较传统的张正友标定法[15]有相应的提高。
本文中的智能车速控制是在直行道路下的风险预警策略中进行的,如果是在复杂的道路环境下,其风险预警策略和智能车速控制方法并不适用,在这些方面还有很多工作值得我们进行深入研究。
摘要:为了减少道路行人与车辆碰撞,智能辅助驾驶系统采用行人检测与预警方式提醒驾驶人,从而降低人车碰撞风险。但在驾驶人意识模糊时,这种方式存在一定的不可靠性。以行人检测和碰撞风险预警为基础,基于车辆动力学模型提出一种智能车辆制动控制系统。在该系统中,通过视频传感器和图像的方向梯度直方图(HOG)特征,结合SVM识别算法,在大量图像样本量的前提下对行人进行目标识别与跟踪;运用碰撞风险识别与预警算法对最危险目标碰撞态势进行实时判断;采用车辆动力学模型开发的车速分级控制器实现车辆速度的自适应控制,实现不同风险状态下的车速智能控制。实车实验结果表明,基于该方法开发的系统能够快速并精准地检测行人,动态情况下行人识别准确率达到89%;基于风险预警判断进行车辆安全平稳的紧急制动,实现危险碰撞态势下的辅助操作,从而降低车辆与行人之间的碰撞概率。
智能车计时系统的设计与实现 篇9
全国大学生智能车竞赛是受教育部高等教育司委托, 高等学校自动化专业教学指导委员会负责主办的赛事。该项比赛以“注重内涵, 追求突破, 立足培养, 重在参与”为目的, 已列入教育部主办的全国五大竞赛之一。由于涉及控制、模式识别、传感技术、汽车电子、电气、计算机和机械等多个学科, 对学生的知识融合和动手能力培养效果显著, 对控制及汽车电子学科学术水平的提高, 具有良好的推动作用, 受到高等学校的普遍关注。
此项赛事要求参赛队必须使用大赛组委会统一提供的竞赛车模, 采用飞思卡尔1片16位微控制器作为核心控制单元, 但需自主构思控制方案, 并进行控制系统设计, 包括传感器信号采集处理、控制算法及执行、动力电机驱动和转向舵机控制等, 最终实现一套能够自主识别路线, 并且可以实时输出车体状态的智能车控制硬件系统[1]。
根据全国大学生智能车竞赛规则, 比赛时智能车在赛道上连续跑两圈, 且在过终止线后停止在1m内, 取两圈成绩的最好成绩为最终的比赛成绩。为了有效评价控制与调试结果, 需要得出成绩, 即需要一套计时系统对智能车进行计时, 以便比较各种控制方案, 确定最优控制策略。
1 智能车计时系统的方案设计
比赛成绩是智能车性能的主要评价指标, 计时系统完成对智能车调试结果的评价。因此, 计时系统应满足的功能需求是:以比赛规则为依据, 模拟真实比赛流程, 记录比赛成绩。
根据比赛规则要求, 计时系统需完成对车通过起始线和终止线时刻的检测, 并记录通过起始到终止的时间 (该时间即为单圈比赛成绩) 。由于比赛为闭环赛道, 起始线与终止线为同一位置。因此, 计时系统分为下位机计时单元、上位机 (PC机) 计时管理系统两部分 (图1) 。其中计时单元主要完成起始线检测、计时、数据通信、现场LED显示;上位机完成数据通信、比赛成绩管理、数据存储。
计时由单片机完成, 为缩短开发时间和降低开发成本选择Freescale公司的MC9S12NE64单片机, 与上位机的通信也采用以太网方式。为增强可观性, 需要将结果投影在大屏幕上, 同时用点阵LED现场显示。上位机采用LabVIEW开发平台, 在赛道起跑线加装对射式红外光电传感器来检测车开始到结束比赛全过程, 最终完成基于智能车比赛规则要求的比赛流程。
2 下位机计时单元的实现
下位机计时单元用于记录智能车完成一圈所消耗的时间, 主要完成计时、起始线检测、向上位机发送当前状态与计时信息、接收上位机发来的命令和驱动点阵LED显示。
对于整个计时系统而言, 起始线检测是最基本传感功能, 需完成对车通过起始线时的感应并将信号输出到计时单元, 用于触发或终止计时。这类检测可使用激光传感器和红外传感器。激光传感精度高距离远, 但价格较昂贵, 且在市场上不容易买到;红外传感器成本较低且抗干扰能力强, 因此选择基于红外的接近开关作为起始线的检测传感器。
接近开关有反射式和对射式两类, 其中对射式检测可靠性高, 感应距离远, 因此本次选择对射式红外检测。对射式光电开关包含在结构上相互分离且光轴正对放置的发射器和接收器 (图2) 。当被检测物体经过发射器和接收器之间且阻断光线时, 光电开关就产生开关信号。当检测物体是不透明时, 对射式光电开关是最可靠的检测模式。
当智能车通过起始线时, 接近开关的光线给智能车所阻断, 所以在接收端电路上产生一个电平的跳变。把该信号连至MC9S12NE64单片机的外部中断引脚, 当智能车通过起始线时发出IRQ中断请求, 在此中断中完成起始线的检测、停止线的检测、状态的转移等, 其流程如图3所示。MC9S12NE64单片机有一个实时中断, 所以计时功能在实时中断 (RTI) 中实现。考虑到智能车竞赛的要求, 中断周期设置为1ms。在智能车通过起始线后进行计时, 在每次中断将计时寄存器加1, 并向上位机发送状态。第一圈结束时, 计时器清零重新计时, 当第二圈结时, 停止计时。RTI中断子程序流程如图4所示。
3 以太网通信模块的设计与实现
为了实现下位机计时单元与上位机计时管理系统的实现通信, 在两者之间采用以太网方式。MC9S12NE64单片机片上集成了10 M/100 M 自适应的以太网控制器 (EMAC) 和物理层收发器 (EPHY) , 支持所有的标准以太网, 快速以太网及其他全双工标准模式的连接。
要实现系统与以太网上其他设备 (如PC机) 的通信, 只需要实现TCP/IP协议栈就可以了。由于单片机内部资源的不足, 难以支持完整的TCP/IP协议栈, 故针对各个系统的特点和功能来设定特定的TCP/IP协议栈, 仅实现与需要相关的协议即可, 如ARP协议、IP协议、ICMP协议、TCP协议、UDP协议等。
对于以太网传输部分来说, 主要有两个作用:一是对要发送的数据按照以太网数据帧格式进行封装并发送;二是对接收的以太网数据帧进行解包供应用程序使用。主程序通过嵌入TCP/IP协议来实现单片机的以太网通信。选用开放源代码的OpenTCP协议栈, 作为针对嵌入式应用的TCP/IP协议族的实现, TCP/IP协议族分层结构如图5所示。其中, ARP协议为以太网地址与IP地址映射管理协议;而ICMP为数据包传输状态协议;IGMP为组管理协议, 用于实现多播通信;IP协议完成基于IP地址数据包通信;UDP协议为不可靠的数据传输协议, 实现端到端的无连接数据传输;TCP协议为连接的可靠的数据传输协议;为实现基本连接与网络管理ARP, ICMP, IP协议必不可少, 而为实现数据传输, 可供选择的有UDP和TCP协议, 出于实时性考虑, 选用传输层UDP协议完成数据传输, 与TCP相比, UDP单传输速度高于TCP, 实时性优于TCP, 而当网络不繁忙的情况下, UDP同样也具有较好的可靠性。
4 上位机计时管理系统的设计
上位机计时管理系统实现与下位机的数据通信, 接受下位机发出的数据, 将所得数据以一定形式显示, 并根据智能车比赛流程传送控制指令。
LabVIEW是一个的图形化开发环境, 它内置信号采集、测量分析与数据显示功能, 摒弃了传统开发工具的复杂性, 为您提供强大功能的同时还保证了系统灵活性。LabVIEW将广泛的数据采集、分析与显示功能集中在了同一个环境中, 让您可以在自己的平台上无缝地集成一套完整的应用方案。所以采用LabVIEW来完成上位机计时管理系统的设计。
LabVIEW提供的通信模块中包括UDP通信, 而且实现比较方便, UDP通信过程为打开UDP端口→读取数据 (写入数据) →关闭端口。LabVIEW可以通过ADO、DAO或ADO.NET等方法与数据库连接。其中ADO是使用最为广泛的技术, 因为Windows操作系统已经包含了ADO组件, 而且ADO通过与ODBC连接能访问任何支持ODBC的数据库。因此本次使用ADO访问数据库。LabSQL是一个基于ADO的LabVIEW数据库访问包。计时程序主VI流程如图6所示。
5 结语
智能车计时系统是智能车调试过程中的一个重要工具, 是智能车竞赛中评价智能车性能的唯一方法。首先对智能车计时系统的关键问题进行了研究, 根据智能车比赛流程及硬件要求, 设计基于以太网技术的计时工具。此计时系统已应用于东南大学的第二届智能车校内竞赛, 得到参赛队员的一致好评。其应用界面如图7所示。
摘要:计时系统是智能车竞赛中评价智能车性能的唯一方法。介绍了基于以太网的智能车计时系统, 给出了该系统的整体设计方案, 以及该系统中下位机计时单元、以太网通信模块、上位机计时管理系统的实现方法。该系统以比赛规则为依据, 记录比赛成绩。
关键词:智能车,UDP,以太网
参考文献
[1]第三届“飞思卡尔”杯全国大学生智能汽车竞赛秘书处[EB/OL].第三届“飞思卡尔”杯全国大学生智能汽车竞赛比赛规则, 2007-11.
[2]卓晴, 等.学做智能车———挑战“飞思卡尔”杯[M].北京:北京航空航天大学出版社, 2007:12-13.
[3]喻凡, 林逸.汽车系统动力学[M].北京:机械工业出版社, 2005:211-227.
[4]黄开胜, 金华民, 蒋狄南.韩国智能模型车技术方案分析[J].电子产品世界, 2006 (5) :150-152.
[5]Freescale semiconductor.MC9S12DT128 Datasheet[EB/OL].ht-tp://www.freescale.com/files/microcontrollers/doc/data_sheet/9S12DT128_ZIP.zip?fsrch=1&WT_TYPE=Data sheets&WT_VENDOR=FREESCALE&WT_FILE_FORMAT=zip&WT_AS-SET=Documentation, 2006-06-18.
智能车模型控制系统 篇10
本文的背景是“飞思卡尔”杯全国大学生智能汽车竞赛,大赛要求实现智能车对道路的自动识别及寻迹。本次大赛的赛道是一个白底和黑色中心线的道路。在整个智能车控制系统中,如何准确地识别道路及实时地对智能车的速度进行控制是整个控制系统的关键。路径常用的传感器检测器件主要有光电传感器和C C D图象传感器。而光电传感器方式检测道路信息以其具有的电路原理简单、安装方便、检测速度快等优点而得到广泛的应用。本文介绍一种基于ST188光电传感器的智能车路径识别控制系统。
2 系统的总体设计方案
2.1 系统的总体构架设计
系统的硬件框架如图1所示。系统以飞思卡尔公司的16位单片机MC9S12DG128B为控制核心,由单片机模块、电源模块、显示模块、传感器检测模块、直流电机驱动模块、舵机控制模块等组成。单片机通过光电传感器采集道路信息,根据算法分析得出此时的智能车与道路的偏离状况,然后再据此采用一定的控制算法控制智能车的舵机转向和直流电机的速度,从而实现智能车对路径的自动识别与寻迹。
2.2 MC9S12DG128B芯片介绍
本系统设计采用飞思卡尔公司推出的高性能16位单片机MC9S12DG128B为控制核心。MC9S12DG128B单片机的具体特点有:采用增强型的16位HCS12 CPU,片内总线时钟可达25MHZ;具有128K的FLASH,8K的R A M以及2K的E E P R O M存储器;具有两个S C I、S P I通信接口,一个8通道的P W M模块,一个8通道的输入捕获输出匹配的增强型定时器,两个8通道10位精度的A D转换器以及两个8位或1 6位的脉冲累加器。
3 系统的硬件部分设计
3.1 电源模块设计
智能车的总电源采用一个7.2伏的镍铬电池供电。系统需供电的模块包括:微控制器、路径识别传感电路、车速检测传感电路、舵机控制电路以及直流电机驱动电路。其中微控制器、光电传感器的接收管以及测速传感器采用5伏的电源,光电传感器的发射管采用2伏的电源,舵机和直流电机则直接用7.2伏的电源。具体分别选择LM2940和LM2576作为5伏以及2伏的稳压芯片。各模块和电源的关系如图2所示。
3.2 传感器检测模块设计
3.2.1 传统的光电传感器检测应用方案
传统的光电传感器应用方案主要是根据光电传感器在不同的路况下,接受管接收到的电压将会有所不同的特点,通过单片机的普通I/O口采集接收管的电压后进行分析便可简单的判断出此时传感器是否位于标记线(黑线)上方,大概地判断出小车相对于道路的位置信息,以此作为控制小车转向和速度的依据。但是由于这种简单的采集方法仅能采集到一些离散的位置信息,而无法提供相邻的传感器间的路径信息,所以采用这种离散的路径信息对小车进行控制将会对小车的运行性能产生不利影响。
3.2.2 本系统采用的光电传感器检测方案设计
通过深入研究光电传感器的特性可知,实际上红外光电传感器的接受管电压的大小与其距离黑色路标线的水平距离是有关系的,传感器离黑线越近,则接受管的电压越低,相反传感器离黑线越远,则接受管的电压越高[1]。所以只要能测出传感器电压与偏移距离的关系,就可以获得小车相对路标线的位置,得到连续分布的路径信息,这样就可以极大地提高路径的探测精度,有利于保证小车前进过程中的控制精度和响应速度。
本系统的设计采用了ST188型号的光电传感器作为路况信息的采集工具。具体的实现则采用了单排共7个光电传感器。由于传感器的发射和接受光都是成一定的锥角的,所以要得到较宽的检测范围则必须提高传感器的离地高度。而ST188传感器的有效检测距离仅为4—13毫米,但是由于传感器的检测距离与其发射管的工作电流成正比关系,所以通过增强其发射管的工作电流即可提高传感器的检测距离。但实际上ST188传感器能正常工作的极限电流仅为50毫安左右,所以为了保证足够的检测距离以及不损坏光电传感器,系统采用了脉冲大电流调制发光的控制方式。实际工作中采用1KHZ的信号作为发光调制信号。经过测试发光管发光时其两端的压降约为2伏,经过的电流约为400毫安。部分传感器电路如图3所示。
3.3 直流电机驱动模块设计
电机驱动采用摩托罗拉公司的MC33886作为驱动芯片,通过改变从单片机输入到芯片的P W M波的占空比来控制对电机的供电电压的大小,从而控制电机的转动速率。并通过向IN1、IN2口送出PWM波来控制电机的正反转,实现赛车的直道加速,弯道减速功能。在实际的设计过程中,采用两片MC33886芯片并联的工作方式,以降低其工作时的导通电阻,增强其驱动能力,从而有效地降低电机频繁的正反转时驱动芯片的发热程度。
3.4 舵机控制模块设计
在智能车转向控制中,利用单片机产生的P W M控制信号占空比的变化来改变舵机转动的角度,从而实现智能车的实时转向。智能车采用了日本S A N W A公司的SRM-102型舵机,其正常工作电压为4.8—6伏,响应速度为0.2S/60°。由于舵机的响应速度直接影响着智能车通过弯道的最高速度,所以提高舵机的响应速度是提高智能车的平均速度的关键【2]。在实际设计过程中,我们采用了三项措施来提高舵机的响应速度:一、直接用蓄电池7.2伏的电压给舵机供电。二、把其PWM波的频率从原来的50HZ提高到100HZ,以减少舵机控制环节的延时。三、把舵机升高以提高舵机的传动比。
4 系统的算法软件部分设计
4.1 路径识别算法
要获得路径的具体信息,首先要通过A/D转换将光电传感器电压转换为数字量读入单片机中。而由于器件制造工艺的问题,各个光电传感器的性能特性存在着很大的差异。因此,为了消除传感器差异造成的影响及给数据处理带来方便,我们经过测试选取了一组电压特性相近的传感器作为路径识别器件。同时在测试时,记录下各个传感器在白底黑线的赛道上扫描时单片机采样到的输出最大值(对应读到白色赛道的情况)和输出最小值(对应读到黑线中心的情况)。在计算智能车的位置偏差时,采用的是传感器的相对输出值。其计算公式为:相对输出值=(当前输出值-输出最小值)/(输出最大值-输出最小值)。
本文采用的具体位置算法为:首先给智能车的各个传感器定坐标值,具体方法是给智能车中心位置的传感器定坐标值0,其左侧传感器的坐标定为负值,右侧传感器的坐标定为正值。接着判断出此时相对输出值最小的传感器,也就是离黑线中心最近的传感器BLACK,然后计算传感器BLACK及其两旁的传感器此时距离黑线中心位置偏差,如果B L A C K右侧的传感器输出值大于其左侧传感器的输出值,则黑线中心的位置坐标的计算公式为:位置坐标=(BLACK的坐标-BLACK与黑线中心的偏差+B L A C K左侧传感器的坐标+B L A C K左侧传感器与黑线中心的偏差)/2,否则其位置计算公式为:位置坐标=(BLACK的坐标+BLACK与黑线中心的偏差+B L A C K右侧传感器的坐标-B L A C K右侧传感器与黑线中心的偏差)/2,然后根据得出的位置偏差改变舵机的P W M占空比以控制其转向。算法流程图如图4所示。
4.2 转向及速度控制算法
提高舵机的响应速度是提高智能车的平均速度的关键。在实际设计过程中,为了简化智能车参数的调试设计,系统只采用P算法来控制舵机转向以进一步提高智能车整体的转向灵敏度,而实践也表明,采用P参数算法已经足以满足智能车的转向要求。
为了进一步地提高智能车的整体速度,系统必须能对直道、弯道等各种路况进行识别,实现直道加速,弯道减速。而在正确识别路况后,采用适当的速度控制算法就成为系统整体提速的关键。在实际设计过程中,系统采用了P D算法来控制直流驱动电机的转速,实际调试过程表明,采用P D参数的控制算法能够较好满足智能车的速度控制要求[3]。
4.3 软件部分设计
智能车控制系统的软件用C语言设计而成,采用模块化编程和结构化编程,即将程序分解成若干个小模块,各个模块保持相对的独立性,只靠少量的出入口参数联系这样使程序的调试、修改、维护都比较方便;各个模块利用严格的转移和调用语句组成一个严密的整体。软件系统主要由主程序、子程序和中断服务程序组成。
4.3.1 主程序设计
主程序里主要包括单片机的A/D转换、P W M、定时器等模块的初始化,传感器部分P W M调制信号的使能,A/D转换通道的使能,在主循环里对A/D采样数据进行处理,分析得出位置速度信息并对舵机转向和直流电机速度进行调度控制。主程序的流程图如图5所示。
4.3.2 子程序设计
子程序模块包括I/O口初始化子程序、定时器子程序、A/D转换初始化子程序、P W M初始化子程序、锁相环子程序、速度采样子程序、位置偏差计算子程序等。各个模块相对独立又通过一定的参数出入口联系。
4.3.3 中断程序设计
中断程序包括实时时钟中断处理程序、A/D转换中断处理程序、输入捕获中断处理程序等。
5 结束语
在系统设计完成后,经过多次的调试运行,智能车系统在遵守比赛规则正确寻迹的前提下,弯道速度可以达到1.8米/秒,而在直道上,智能车的速度可以达到2.2米/秒,表明系统设计可靠、智能车运行良好。但是从总体上来说,本系统的设计还有许多可以改良的地方。比如在路径识别传感器的选择上,由于采用的光电传感器工作在脉冲的大电流下,系统消耗的电能较大及工作时间长后传感器容易老化或损坏,所以今后可考虑采用摄像头传感器来代替,而在速度控制算法上也可以考虑引入模糊控制等手段来更好的对智能车进行实时控制,以提高智能车的总体性能。
摘要:介绍了一种基于光电传感器及连续路径识别算法的智能车控制系统。首先对系统设计的总体方案及主芯片MC9S12DG128B进行介绍,然后介绍了具体系统的硬件设计和软件设计,重点对关键的电路和算法的实现进行了详细的阐述。最后给出了实验的调试结果。
关键词:光电传感器,路径识别,mc9s 12dg 128b,智能车
参考文献
[1]卓晴,黄开胜,邵贝贝.学做智能车——挑战“飞思卡尔”杯[M].北京:北京航空航天大学出版社,2007.
[2]宗光华.机器人的创意设计与实践[M].北京:北京航空航天大学出版社,2002.
相关文章:
新型智能网络技术01-13
新型智能节水环保厕具的应用01-13
浅谈我国企业会计信息化——基于会计沙盘模型和云会计大数据智能01-13
不同紫花苜蓿品种叶片旱生结构的比较01-13
论高校创新型教师与创新型教师的培养01-13
新型玻璃作文:印象深刻的新型玻璃公开课01-13
新型城镇化背景下农村新型生育文化建设研究01-13
智能决策模型01-13