智能小車自主尋優(yōu)控制實驗系統(tǒng)研究

黃 丹, 羅文廣, 文家燕, 藍(lán)紅莉

(廣西科技大學(xué) 電氣與信息工程學(xué)院, 廣西 柳州 545006)

為在電氣信息類本科生的“計算機(jī)控制技術(shù)”課程中實施研究性教學(xué),筆者曾開發(fā)了LED照明閉環(huán)控制實驗系統(tǒng)[1]。提高學(xué)生的學(xué)習(xí)興趣和自主學(xué)習(xí)能力,又研究開發(fā)了一個難度稍大、趣味性較強(qiáng)的智能小車自主尋優(yōu)控制實驗系統(tǒng)。智能小車又稱輪式機(jī)器人,早期主要應(yīng)用于惡劣環(huán)境或人類難以工作的環(huán)境,如高地壓、瓦斯、太空等環(huán)境,主要進(jìn)行相關(guān)的服務(wù)與檢測。隨著科學(xué)技術(shù)的發(fā)展,智能小車已得到廣泛的應(yīng)用[2],但對其功能的要求也越來越高,例如自定位功能、動態(tài)隨機(jī)避障功能和實時適應(yīng)導(dǎo)航功能等?？刂葡到y(tǒng)是智能小車的關(guān)鍵部件,對于高年級本科學(xué)生和低年級的研究生來說,設(shè)計和制作該控制系統(tǒng)具有一定的難度,但卻更適合學(xué)生進(jìn)行研究性學(xué)習(xí)。

1 智能小車自主尋優(yōu)控制實驗系統(tǒng)總體設(shè)計

1.1 設(shè)計要求

智能小車控制系統(tǒng)的設(shè)計要求是能使智能小車實時避障、測距和路徑跟蹤,應(yīng)用人工勢場路徑規(guī)劃法,根據(jù)障礙物距離及目標(biāo)位置距離,判斷出最優(yōu)路徑,并以最快、最穩(wěn)的方式到達(dá)終點(diǎn)。

1.2 設(shè)計方案

根據(jù)設(shè)計要求以及路徑規(guī)劃的基本設(shè)計方法,制訂了實驗系統(tǒng)的設(shè)計方案。

(1) 智能小車車體結(jié)構(gòu)和控制系統(tǒng)原理。傳感器、電機(jī)、電源安裝在底盤下部,控制電路板與底盤分上下兩層安裝,為使結(jié)構(gòu)簡單且具有平穩(wěn)性,使用3輪結(jié)構(gòu)車體,其中前排左輪和右輪為驅(qū)動輪,后方中心裝有萬向輪起支撐作用(見圖1)。控制系統(tǒng)的硬件原理如圖2所示。

圖1 智能小車車體結(jié)構(gòu)

圖2 控制系統(tǒng)硬件原理框圖

(2) 測距及避障設(shè)計方案。為了提高智能小車避開障礙物的準(zhǔn)確度,可同時采用紅外線和超聲波傳感器的測距方案[2-3]。紅外線能夠檢測到較遠(yuǎn)距離的障礙物,而超聲波則能夠較精確地測距。兩者結(jié)合可有效地實施測距和避障[4]。本實驗系統(tǒng)設(shè)計智能小車與障礙物直線距離5 cm時進(jìn)行避障。

(3) 路徑規(guī)劃算法選擇。能夠選擇最優(yōu)路徑到達(dá)給定的目標(biāo)位置。人工勢場法主要將小車運(yùn)動假想為引力場中的運(yùn)動。一般來說,應(yīng)用該算法會產(chǎn)生一條比較平滑且安全的路徑,但存在局部最優(yōu)點(diǎn)問題。已有學(xué)者解決此問題,可利用Matlab仿真驗證。

(4) 智能小車車體方位確定。完成車體方位計算的基本數(shù)據(jù)是車輪前進(jìn)或后退的距離,這是通過對驅(qū)動車輪的電機(jī)轉(zhuǎn)動角度的周期性采樣而獲取的。光電編碼器(光碼盤)連接在左右電機(jī)軸上,隨電機(jī)的轉(zhuǎn)動,光電編碼器發(fā)出A、B兩相脈沖,相位的超前或滯后關(guān)系代表了電機(jī)的正轉(zhuǎn)或反轉(zhuǎn)。鑒相電路與脈沖計算電路相結(jié)合,以增加或減小的形式發(fā)出十六進(jìn)制代碼,從而可判斷出左右電機(jī)正、反轉(zhuǎn)的角位移變化情況。在車輪不打滑和車輪直徑參數(shù)準(zhǔn)確的情況下,電機(jī)軸的角位移與左右驅(qū)動輪行走的距離存在比例關(guān)系。將上述光碼盤發(fā)出的脈沖計數(shù)處理后所得之信息傳輸給小車控制系統(tǒng),便可實現(xiàn)小車的路徑跟蹤實時控制。為實現(xiàn)這一功能,建立小車運(yùn)動數(shù)學(xué)模型,并進(jìn)行積分公式的適當(dāng)離散化,構(gòu)造合適的算法,并在車載微處理器上實現(xiàn)。

2 實驗系統(tǒng)詳細(xì)設(shè)計

2.1 系統(tǒng)的硬件電路設(shè)計

智能小車自主尋優(yōu)控制實驗系統(tǒng)以STC89C52單片機(jī)為控制核心,其電源是由7805穩(wěn)壓芯片提供的5 V電壓。其他主要電路包括電機(jī)驅(qū)動電路、測距和避障電路等。

電機(jī)驅(qū)動電路如圖3所示。電路主要由功率三極管(T1—T8)以及與門、非門電路構(gòu)成,用于提供足夠大的輸出功率驅(qū)動電機(jī)運(yùn)行。圖3中,信號端ENA、IN1、IN2用于控制左電機(jī),信號端ENB、IN3、IN4用于控制右電機(jī),這些信號端都由單片機(jī)提供。ENA、ENB為使能端,僅當(dāng)它們?yōu)楦唠娖健?”時才可驅(qū)動電機(jī)轉(zhuǎn)動。IN1、IN2和IN3、IN4用于控制左、右電機(jī)的轉(zhuǎn)速以及正反轉(zhuǎn),由單片機(jī)提供給這些端子PWM脈沖信號來控制電機(jī)的轉(zhuǎn)速。當(dāng)PWM脈沖信號占空比較小時,三極管的導(dǎo)通時間較短,智能小車的行走速度較慢；當(dāng)占空比較高時,三極管近似導(dǎo)通,智能小車的行走速度最快。設(shè)計時提供不同占空比的PWM脈沖信號,將速度分為8個等級。小車直走時左右輪電機(jī)速度均為同一速度；轉(zhuǎn)向時,通過控制左右輪電機(jī)速度差來實現(xiàn)車體的轉(zhuǎn)向。例如當(dāng)左輪電機(jī)速度大于右輪時,車體會向右轉(zhuǎn)向。

圖3 H橋電機(jī)驅(qū)動電路

測距和避障電路主要由紅外線傳感器和超聲波傳感器模塊構(gòu)成。紅外傳感器能夠檢測到較遠(yuǎn)前方的障礙物[5]。障礙物的顏色均設(shè)為黑色,當(dāng)有障礙物時,傳感器接收反射回來的紅外光很少,達(dá)不到傳感器動作的水平,使傳感器輸出高電平。單片機(jī)通過檢測傳感器的輸出端是高電平“1”或低電平“0”來判斷有無障礙物。

超聲波模塊包括超聲波發(fā)射器、接收器與控制電路。超聲波發(fā)生器內(nèi)部有2個壓電晶片和一個共振板。當(dāng)施加于壓電晶片兩極的脈沖信號頻率等于其固有振蕩頻率時,壓電晶片將產(chǎn)生共振并帶動共振板振動,便產(chǎn)生超聲波。如果兩電極間未外加電壓,當(dāng)共振板接收到超聲波時,將壓迫壓電晶片振動,將機(jī)械能轉(zhuǎn)換為電信號,就成為超聲波接收器。只需提供一個脈寬10 μs以上的脈沖觸發(fā)信號,該模塊內(nèi)部將發(fā)出8個40 kHz周期電平并檢測回波,回波信號的脈沖寬度與所測得距離成正比。在超聲波測距測電路中,發(fā)射端得到輸出脈沖為一系列方波,其寬度為發(fā)射超聲的時間間隔,被測物距離越大,脈沖寬度越大,輸出脈沖個數(shù)與被測距離成正比。超聲波傳播速度v近似為v=331.5+0.607T(T為現(xiàn)場的溫度),測出發(fā)射和接收回波的時間差t,即可計算出距離為S=vt/2。

2.2 路徑規(guī)劃

應(yīng)用人工勢場法進(jìn)行路徑規(guī)劃[6]。智能小車在人工勢場中的受力如圖4所示。人工勢場法在小車的運(yùn)動空間創(chuàng)建了一個勢場。Fa表示目標(biāo)對小車的引力,隨著與目標(biāo)距離增加而單調(diào)遞增。Fr表示目標(biāo)對小車的斥力(亦即障礙物對小車的引力),隨著小車與障礙物的距離增加而單調(diào)遞減。F表示引力和斥力的合力,小車沿著合力的方向運(yùn)動。

圖4 智能小車受力圖

小車受到的合力:

F(X)=Fa(X)+Fr(X)

(1)

式中,X表示運(yùn)動小車在工作空間中的位置。

定義勢場函數(shù)為:

U(X)=Ua(X)+Ur(X)

(2)

式中,Ua(X)、Ur(X)分別為目標(biāo)點(diǎn)和障礙物對智能小車的引力勢場和斥力勢場。

定義引力勢場為:

(3)

式中,K為大于0的引力勢場常量；Xg為目標(biāo)點(diǎn)位置。

定義引力為勢場的負(fù)梯度

Fa(X)=-grad(Ua(X))=K(Xg-X)

(4)

定義斥力勢場為:

(5)

式中,m為大于0的斥力勢場常量；ρ為障礙物的范圍；X0為障礙物位置。

定義斥力為勢場的負(fù)梯度

(6)

合力F決定了智能小車的運(yùn)動。用Matlab進(jìn)行仿真實驗,結(jié)果如圖5所示。圖中,圓圈表示已設(shè)定好的障礙物坐標(biāo),曲線表示最優(yōu)路徑,該智能小車能夠?qū)崿F(xiàn)自主避障、尋找最優(yōu)路徑到達(dá)終點(diǎn)。

圖5 Matlab人工勢場法仿真結(jié)果

2.3 智能小車實時方位確定

在障礙物位置坐標(biāo)已知的情況下,智能小車的運(yùn)動控制實質(zhì)是跟蹤人工勢場法確定最優(yōu)路徑。智能小車每遇到障礙物時,傳感器測得實時位置信息,并將期望路徑的位置信息修正為實時位置信息,實現(xiàn)跟蹤控制[7-8]。

如圖6所示,O′點(diǎn)為車體位置參考點(diǎn),車體中心線O′A與橫向坐標(biāo)軸的夾角θ(t)代表車體方向,X(t)、Y(t)、θ(t)代表了車體的方位。其坐標(biāo)系的狀態(tài)由前軸中點(diǎn)坐標(biāo)(x,y)及θ表示,即

W=[X(t),Y(t),θ(t)]T

令位姿矢量W=[X(t),Y(t),θ(t)]T,速度矢量u=(VL,VR)T,其中從VL、VR分別為小車的左輪平移速度和右輪平移速度,則小車的運(yùn)動學(xué)模型為:

(7)

伺服系統(tǒng)的反饋信號分別取自安裝在兩個電機(jī)軸上的光電編碼器,其中一個電機(jī)用作左輪驅(qū)動用,另一個電機(jī)作右輪驅(qū)動用。這兩個輪上分別安裝了光電編碼器作為位置測量傳感器。

圖6 車體計算坐標(biāo)圖

車體方位計算是路徑軌跡推算導(dǎo)向法的基礎(chǔ)[8-9]。本文采用光碼盤作為傳感器的車體方位推算導(dǎo)向技術(shù)?；炯僭O(shè)如下:

(1) 路面為光滑平面；

(2) 車輪在運(yùn)動過程中,在縱向(輪面所處方向)作純滾動,在橫向無側(cè)滑運(yùn)動；

(3) 車體有關(guān)參數(shù),如左右輪直徑相等，均為D,左右輪間距在車體負(fù)載與空載情況下相同。

在車體左右輪不發(fā)生側(cè)滑的情況下,車體方位與左右輪運(yùn)動速度VL和VR具有如下關(guān)系:

?

(8)

在車輪作純滾動的情況下,輪軸中心點(diǎn)在縱向經(jīng)過的距離SA,應(yīng)與車輪與地面接觸之外沿任一固定點(diǎn)繞車輪圓心O′在環(huán)向所經(jīng)過的距離SC相等,即SA=SC。

(9)

式中

在區(qū)間[tn,tn+T]內(nèi),對cos(t)進(jìn)行線性插值:

所得:

(10)

式(10)最終化簡得到:

(11)

同理得:

(12)

根據(jù)左右輪驅(qū)動電機(jī)光碼盤發(fā)出脈沖的個數(shù)m,即可求得SR,n，SR,n+1，SL,n，SL,n+1,從而求出車體方位(X(t),Y(t),θ(t))。

3 結(jié)果和結(jié)論

按以上設(shè)計要求和設(shè)計方案制作的智能小車樣機(jī)如圖7所示,經(jīng)過功能性測試,該小車達(dá)到了設(shè)計要求。整個系統(tǒng)的難點(diǎn)在于測距和避障功能。例如在實際測試中,傳感器的安裝位置會產(chǎn)生一定的影響:若紅外線傳感器安裝過高,會導(dǎo)致無法檢測到障礙物(視其自身的高度)；安裝過低時,會導(dǎo)致機(jī)器人過于敏感,抖動比較嚴(yán)重。因此,要根據(jù)障礙物的大小和高度進(jìn)行必要的安裝調(diào)試。經(jīng)過多次測試,確定傳感器離地面的最佳高度為3 cm。

圖7 智能小車樣機(jī)

通過智能小車控制系統(tǒng)的研制,可以得到以下結(jié)論:

(1) 整個智能小車的研制不僅包括硬件電路的設(shè)計、制作,還包括電機(jī)的控制方法、路徑規(guī)劃和避障方法等理論內(nèi)容,因此適合于高年級本科生或低年級研究生進(jìn)行該項目的研究性學(xué)習(xí)。智能小車的開發(fā)具有更多的趣味性,能使學(xué)生的學(xué)習(xí)興趣和研究興趣更大、自主能動性更大,有利于學(xué)生的實際動手能力、知識應(yīng)用能力和創(chuàng)新能力得到更大提高。

(2) 在智能小車的設(shè)計制作過程中,學(xué)生的學(xué)術(shù)研究素養(yǎng)也得到很大提高。學(xué)生不僅能夠進(jìn)行深入理論知識的學(xué)習(xí),還要進(jìn)行方法的選擇和應(yīng)用,例如路徑規(guī)劃方法、避障方法等。學(xué)生還可以對更多的其他方法進(jìn)行比較研究,使智能小車這個研究性學(xué)習(xí)平臺表現(xiàn)出更多的研究屬性。

References)

[1] 黃丹,羅文廣,陳文輝,等.LED照明閉環(huán)控制實驗系統(tǒng)研究[J].實驗技術(shù)與管理,2016,33(8):82-86.

[2] Soorki M N, Talebi H A, Nikravesh S K Y. A Leader-following Formation Control of Multiple Mobile Robots with Active Obstacle Avoidance[C]//Iranian Conference on Electrical Engineering,2011:1-6.

[3] 薛晗,馬宏緒. Swarm Intelligence Based Dynamic Obstacle Avoidance for Mobile Robots under Unknown Environment Using WSN[J]. Journal of Centtral South University of Technology,2008(15): 860-868.

[4] 張咪咪.基于多傳感器信息融合的智能小車避障[J].計算機(jī)系統(tǒng)應(yīng)用,2012(11):94-97.

[5] 秦志強(qiáng).智能傳感器應(yīng)用項目教程[M].北京:電子工業(yè)出版社,2010.

[6] 陳立彬,尤波.基于改進(jìn)人工勢場法的機(jī)器人動態(tài)追蹤與避障[J].控制理論與應(yīng)用,2007,26(4):8-10.

[7] 劉彩虹.智能小車路徑跟蹤技術(shù)的研究[D].杭州:浙江大學(xué),2007.

[8] 劉開緒,韓志友.基于AT89C51的尋跡小車掉頭運(yùn)動系統(tǒng)設(shè)計與實現(xiàn)[J].長春工業(yè)大學(xué)學(xué)報(自然科學(xué)版),2009,30(1):78-82.

[9] 崔明月.復(fù)雜環(huán)境下不確定輪式移動機(jī)器人運(yùn)動控制的研究[D].重慶:重慶大學(xué),2012.