基于Cortex-M3的礦井車循跡系統設計

楊偉鈞，楊 燕，林勵平

（廣州城市職業學院 廣東 廣州 510405）

隨著科技的發展、和諧社會的需求，在惡劣礦井下自動小車取代人力運作、保證礦工的人身安全成為了急需解決的問題。智能循跡小車為改善和提高礦井下運輸貨物，發揮了重要的作用[1]。其中，系統硬件設計及其運行穩定性是智能循跡小車系統的基本要素，而自動循跡的控制是其重要的方面。在礦井環境下，小車運行控制系統具有較強的非線性、模糊性和不確定性，一般路面的運載小車無法完成相應工作，用傳統的控制理論和方法很難對其進行有效的控制。

可見礦井惡劣環境下，智能小車自動循跡系統性能的設計變得非常重要。為了實現系統的穩定性，在做了具體環境分析和需求情況下，提出了一種智能小車系統的設計方案，該方案采用最新的ARM內核作控制端，紅外探測器和圖像傳感器等作為信息采集、傳輸與通訊，軟件上采用模糊控制策略實現。系統能完成在惡劣礦井環境下的自動循跡。

1 系統硬件設計

根據系統設計的需求，結合CPU的選型以及軟件控制算法的特點，對自動循跡小車硬件系統進行了整體的規劃設計[2]。系統由CPU處理模塊、紅外探測器、圖像傳感器、溫度傳感器、電機驅動、無線傳輸模塊以及存儲器模塊等組成。各模塊之間的聯系如圖1所示。

圖1 系統總體結構圖Fig.1 Structure diagram of the system

1）CPU處理模塊采用ARM最新內核Cortex-M3[3]，與其它處理器相比，優勢在于低功耗、低成本、高性能3者（或2者）的結合。在系統中其主要功能：實時采集各種傳感器的信息，根據系統模糊控制方法，作出系統的判斷、決策、相應數據的存儲或處理。

2）紅外探測器模塊是安裝在小車周圍的多組紅外收發模塊，通過即時的收發紅外信息，判斷路況。主要負責對小車路徑實時探測，并及時將信息反饋CPU進行處理。

3）圖像傳感器模塊采用高速采集、高分辨率、彩色圖像OV7725傳感器，按照CPU預先設定的采集參數，負責特殊場景的圖像采集，并保存在系統存儲器或上傳遠程終端。

4）無線Zigbee模塊是基于2.4 G的無線通信組網Zigbee技術，功能是將循跡小車系統的信息上傳遠程終端，或接收遠程終端的控制命令，完成系統的無線通信與整體組網。

5）存儲器模塊包括外部SDRAM和外擴DATA FLASH，前者用于系統CPU運算數據的臨時存儲，后者用于保存采集的重要圖像數據，以備遠程終端調用。

2 系統軟件設計

系統主控芯片為ARM公司的Cortex-M3控制器，負責整體系統的數據采集、運算控制、驅動調配與通信。軟件設計開發是基于集成開發環境Keil Uvision4完成，系統軟件設計的整體流程如圖2所示。

圖2 軟件設計的流程圖Fig.2 Flow chart of the software design

系統上電后初始化各寄存器，設置圖像傳感器OV7725采集參數，Zigbee模塊通信參數以及配置紅外傳感器的探測參數。進入工作狀態后，先通過無線Zigbee模塊檢查是否需要與遠程終端通信；判斷是否需要采集當前環境的圖像或溫度數據；通過分布在系統周圍的紅外收發模塊，探測小車運行軌跡，實時上傳數據到處理器；處理器根據紅外探測數據，采取模糊控制策略，輸出下一刻電機運行的狀態，從而控制小車運行的軌跡。

3 模糊控制決策輸出

系統軟件設計上，主控制器采集了實時探測的紅外信號，作為小車運動的方向判決，由于需要較強的實時性，因此本文提出的控制方法采用了模糊推理機制對參數進行處理[4-6]，得到模糊可靠的輸出，以滿足系統的實時性要求。模糊控制系統輸入為當前運行路徑與期望運行路徑的偏差以及偏差的變化率，系統輸出為所計算的控制量糾正量。輸入變量為A，B（路徑偏差、偏差變化率），輸出變量為 U（控制量糾正量）。控制規則表示為

其中Ai，Bj，Ck分別表示語言詞集。主通道模糊控制器的輸入為E和EC，輸出為U，設定E，EC和U的論域均為：{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}。 對應的模糊語言子集為{NB（負大）、N（負中）、NS（負小）、ZO（零）、PS（正小）、PM（正中）、PB（正大）}。 通過比例因子 ke和 kec將偏差 e和偏差變化率ec轉換為模糊學習控制器的輸入論域E和EC，通過量化因子ku將控制器的輸出轉化為實際控制量C。

根據在校正過程中要遇到的各種可能出現的情況和相應的調整策略得到控制規則表如表1所示。

表1 模糊規則表Tab.1 Fuzzy association rules

對于整個模糊控制器決策，在t時刻采樣周期內，由公式（2），根據路徑誤差和誤差變化率E，EC，由模糊判決表查出相應的U，并由量化因子ku計算得到實際控制輸出C。控制算法實現步驟如下：

1）計算擁塞控制系統的輸入狀態。

2）根據參考模型的輸出與實際對象輸出計算e，ec。

3）根據參考模型誤差和誤差變化率E，EC。

4）計算規則自校正模糊控制器的輸出U。

5）由模糊控制的量化因子計算最終的實際控制輸出C。

4 仿真研究

該系統設計及軟件算法研究在Matlab 7.0環境下進行軟件仿真。預先設定小車運行的期望軌跡為yd，根據模糊控制方法設計的小車實際運行軌跡為y，仿真的目的是檢驗該系統設計的小車，在運行過程是否能根據預設的軌跡運行。仿真的結果如圖3所示，橫軸為運行時間，縱軸為運行的距離。仿真結果顯示，小車運行初始狀態，不同出發點時與期望路徑有偏差，可能達到50%以上；在運行過程中，小車運行逐漸接近預設的軌跡，其后整體的偏差小于5%。系統運行穩定以后，在給定期望軌跡下，探測小車系統能較好的跟蹤期望軌跡。

圖 3 系統實際路徑 y（“-”）和期望參考路徑 yd（“-.-”）Fig.3 System trace y（“-”）and reference trace yd（“-.-”）

5 結 論

該小車探測系統采用基于高性能Cortex-M3處理器，圖像傳感器、溫度傳感器和紅外探測器綜合設計的硬件平臺，軟件設計采用模糊控制策略的思想，提高了系統的可靠性和穩定性。該測試系統在專業仿真軟件平臺Matlab下進行，仿真實驗結果表明，小車系統能較好的實現探測、數據采集、跟蹤軌跡等功能，達到了設計要求。

[1]王國宏，陸大金，彭應寧.多傳感器信息融合及應用[M].北京:電子工業出版社，2007.

[2]楊偉鈞.一種高性能指紋鎖硬件平臺的設計[J].電子設計工程，2010，18（4）:131-133.

YANG Wei-jun.A design of the platform about the highperformance fingerprint locks hardware[J].Electronic Design Engineering，2010，18（4）:131-133.

[3]王永虹，徐煒，郝立平.STM32系列Cortex-M3微控制器原理與實踐[M].北京：北京航空航天大學出版社，2007.

[4]Hollot C V，Misra V，Towsley D，et al.A Control Theoretic Analysis of RED [C]//Proc.of IEEE INFOCOM，’01.[s.l.].IEEE.Press，2001:1510-1519.

[5]楊海馬，劉瑾，吳文婕.基于模糊控制的恒壓供水智能監控系統的研究[J].儀器儀表學報，2006，27（6）:1870-1871.

YANG Hai-ma，LIU Jin，WU Wen-jie.Study on the intelligent detecting system for water supply of constant pressure based on the fuzzy control[J].Chinese Journal of Scientific Instrument，2006，27（6）:1870-1871.

[6]牛強，劉學平，向東，等.基于模糊控制的自動進料微控制器設計與實現[J].儀表技術與傳感器，2008，45（11）：93-95.

NIU Qiang，LIU Xue-ping，XIANG Dong，et al.Design and implementation of automatic loading microcontroller with fuzzy control[J].Instrument Technique and Sensor，2008，45（11）：93-95.