基于線性CCD 傳感的實訓類智能車系統的搭建與調控

何恩節，鄭磊

（安徽科技學院電氣與電子工程學院，鳳陽233100）

0 引言

智能車系統的搭建與調控是一項綜合了傳感器技術、自動控制、模電等多學科知識的系統工程。近年來，該領域需求與日俱增，這也在很大程度上推動了智能車的迅速發展。當前，隨著電子技術的快速發展，各類特別是實訓類智能車變得越來越智能化和信息化。此外，走在智能車發展前端的實訓類智能車的發展趨勢與技術變革也日趨多樣化[1]。

在實訓類智能車系統設計與調試的研發中，電路布局、信息采集與處理、機械校正、算法優化更是智能車總體方案設計中的重點，其優劣程度直接影響系統動態響應的性能。當前研究基于實訓教學的實踐經驗，系統討論了一種新穎的實訓類CCD 智能車系統的搭建與性能調控優化。

1 機械調校

整個車體由車底盤、軸承、齒輪、連桿、支架、固定部件以及車輪組成。車后輪由電機通過齒輪帶動，后輪旋轉以摩擦力為動力前進；前輪以數字舵機為核心，車輪、連桿等轉向機構輔助實現轉向功能。

1.1 舵機

舵機是智能車轉向的直接驅動裝置，其性能的優劣關系到車體的轉向響應和過彎時車輛的穩定性，其固定方式也在一定程度上決定了小車的整體轉向性能。舵機固定方式共有三種：立式安裝（圖1）、臥式安裝（圖2）、側（躺）式安裝（圖3）。

圖1 立式安裝

圖2 臥式安裝

圖3 側式安裝

小車轉向需受力，且所受力需傳遞至車輪。下面從力矩、連桿和車輪響應角度對比分析三種安裝方式的優劣。

立式安裝：固定至車體正中間位置，用兩根等長的拉桿牽住前輪。優點：力臂長，前輪的響應速度快。若舵機輸出的力F 一定，連接臂長L 可變，則運用杠桿原理，易知連接臂輸出給車輪的力。可見過長的力臂會致使舵機輸出給車輪的力減小，導致力矩減小，在轉向中前輪轉不到位，高速狀態下易使小車偏離道路中心線。立式安裝時，要考慮到舵機力臂與轉向機構的響應速度和舵機輸出到車輪的力矩之間的關系，故需選取合適的力臂（通常選取3-4cm），且兩連桿長度相同。方向前輪左右最大轉動角度相同，當舵機轉動時，拉桿帶動車輪機械部件做曲線運動，符合阿克曼原理；立式安裝占車體縱向空間較后敘兩種方式小。缺點：車體前部重心略高，經實際測試對車體行進影響不大。

臥式安裝：固定至車體正中間位置，舵機輸出軸朝下。優點：優勢與立式安裝大體相同，同時克服了立式安裝重心略高的缺點。缺點：由于臥式安裝的安裝高度不同，會使連桿與水平面呈現夾角α，由力學分析可知：車輪受到的力F1=f cos α，其中，連接臂輸出到車輪的力會有所衰減；臥式安裝占車體縱向空間最大，不便于安裝調試以及后期的維護、更換以及檢修等操作。

側式安裝：舵機側躺安裝。優點：鏈接在連接臂上的連桿左右長度不相同，有助于轉向；側式安裝舵機側面緊貼車體底部，車體前部重心最低，有利于車體轉向穩定。缺點：調試難度大。較另外兩種固定難度大；舵機連接臂很短，舵機工作轉角與車輪響應轉角差距過大，導致車前輪響應差。

三種安裝方式各有優劣，綜合比較立式安裝最為簡單有效，這也是是多數智能車采用的方案。

1.2 車輪固定

智能車行進過程中，后輪為驅動輪，前輪為方向輪，車輪的參數整定主要以前輪為主，同時又以四個指標衡量車前輪調校效果：主銷內傾、主銷后傾、車輪外傾、前輪前束。

主銷內傾（圖4）：從車前端正視車輪，可知主銷內傾是將主銷向車內中心傾斜一個角度，傾斜后，主銷與車輪中心垂線的夾角即為主銷內傾角。當車前輪轉向時，由于存在主銷內傾，車輪和車體前部被抬起一定高度，方向輪回正時，車輪會在重力作用下恢復至原來位置。通常智能車的主銷內傾角為0-3°。

圖4 主銷內傾角示意圖

圖5 主銷后傾角示意圖

主銷后傾（圖5）：從車側端側視車輪，將主銷向車后傾斜一個角度，傾斜后，主銷與車輪中心垂線的夾角即為主銷后傾角。由于存在主銷后傾的作用，車輪偏轉后會產生回正力矩，這個回正力矩會使方向輪出完后自動回正，有利于小車出彎咬線直行。后傾角越大，回正力矩越大，但過大的后傾角會導致方向輪出彎回正過猛，車輪猛擺，引起小車系統震蕩，同時過大的力矩也會使轉向困難，增加了轉向機構的響應時間。通常智能車主銷后傾角為1-3°。

車輪外傾（圖6）：從車前端正視車輪，前輪中心線向車外側傾斜，使車輪不與地面垂直貼合，外傾為正角，內傾為負角。車輪外傾角可以減小前輪的轉向阻力，也降低了轉向機械部件的負荷，增加了機械的使用壽命。但對于實訓類的智能競速小車來說，一般采用車輪內傾（外傾為負角），相當于給方向輪接地面積留下一入彎的提前量。當車以較高的速度入彎時，隨著方向輪的偏角逐步增大，原本方向輪底部較小的接地面積會逐步增大，使車重心更靠近彎道圓心，輪胎與賽道的附著力隨之增大，車在彎道時的高速穩定性得到顯著提升。通常車輪內傾1-2°。

圖6 車輪外傾實物圖

圖7 前輪前束實物圖

前輪前束（圖7）：從上車頂端俯視車輪，左右輪前端距離略小于后端距離，呈現出內“八”，一般取6-10mm。前輪前束的作用減輕了因車輪外傾導致增大前輪磨損的副作用，與車輪外傾共同作用下，保證了前輪在小車行進過程中的滾動。前輪前束能夠保證車在直線加速時減少細微抖動，保持直行穩定，通常前輪前束為3°左右[2]。

1.3 車胎處理

行進過程中車胎與地面直接接觸，因此在高速狀態下，車胎的處理顯得尤為重要，若某一個速度比為一道鴻溝，則車胎的處理過程，就是在逾越這道鴻溝。

常規的輪胎一般是套在輪轂上，但是車輪在高速旋轉的情況下，車胎會逐步脫離輪轂并向輪轂外側滑動，與輪轂產生相對的橫向位移，在車輪空轉情況下車胎會在短時間內脫落。對此，需要使用膠將輪轂與輪胎貼合處粘合，避免橫向位移的產生。

全新的車胎其摩擦系數最小，新車胎使用一段時間后，摩擦系數會逐步提升，同樣的軟件、硬件條件下，小車行進會穩定很多。隨著小車路程的增加，車胎的摩擦系數會呈現“小→大→小”的變化趨勢。

在調車的過程中，應當把摩擦系數最大的車胎取下備用，換上新胎重新磨合。當輪胎摩擦系數達到最大階段時，取下車胎，用車胎軟化劑浸泡輪胎，或者潤濕輪胎后使用保鮮膜包裹，使輪胎變軟，進一步增加輪胎摩擦系數。正常情形下，一周后車胎在不進行物理處理情況下摩擦系數達到最大。

2 基礎控制

2.1 驅動電機控制

大多數智能車驅動電機的控制策略通常采用閉環PID 控制。回饋傳感器通常選取光電編碼器，運用光電編碼器實時監控電機的實際轉速，并反饋到數字系統當中完善閉環控制[3]。

PID 控制分為硬件和軟件PID。硬件PID 含有冗雜的硬件電路，占據電路板空間，較少應用，當前大都使用數字系統的軟件PID 控制，其核心便是PID 算法。PID 算法原理如8 所示。

圖8 控制系統原理框圖

位置式PID 算法的時域形式為：

另一種簡單形式是每一次計算輸出時，只取距離當次計算最近的幾十個偏差的和替代總和：

調節Kp、Ki、Kd三個參數即可調節算法的效果。

比例系數Kp影響著電機設定轉速與測量轉速的差值，是控制輸出大小的決定部分。小的Kp值使設定值與期望值之差過大，而過大的Kp值又會使超調量過大，引起系統震蕩，造成小車不能勻速，當逐步增大Kp值至系統恰好發生震蕩，此時略微減小Kp即可。

微分系數Kd影響著電機提速的快慢，即調節時間的長短。系統離散化處理后，差值代表了整個系統的響應趨勢，運用響應趨勢控制系統，提升了系統的響應速度，進而提高了系統的動態性能，解決了純Kd帶來的震蕩問題。調試過程中粗取，然后細調。

積分系數Ki影響著電機轉速能否穩定在期望值。和值代表了整個系統的累積偏差，將累差輸出，時間越長，積分環節消除系統的靜態誤差效果越明顯。但過大的Ki值會使系統超調量增高，引起系統的不可恢復震蕩。

PID 參數整定過程中，按順序分別確定Kp、Ki、Kd的值。

由式（2）可得t-1時刻的輸出：

（2）式減去（3）式，得：

上式中ΔU 表示輸出增量，故式（5）為增量型PID的控制規律[4]。為化簡后對應的參數，但其意義與位置式中的Kp、Ki、Kd不同。增量式由位置式經過數學變換得到，本質相同，但經過變換后，控制效果略有差異。比較式（5）與式（2），都擁有項，而控制輸出大小的決定部分是xe(t)，分析公式后得出結果：參數整定過程中，增量式PID 整定順序為，與位置式略有不同。

由于增量式輸出ΔU 是增量，式（5）中也只使用了最近三次的誤差進行計算，而位置式中需用到累差計算后得到U 直接輸出給執行機構，在受到相同干擾的情況下，增量式顯然誤動作更小，抗干擾性強，并且增量式在軟件程序中不需做累加處理，也就不需對累加進行限幅，受編程語言變量上限值影響，位置式需要對累差進行限幅。根據式（4）、（5），得到增量式輸出為：

在整定三個參數時，需弄清電機的負載。當后輪抬起并空載時，電機的負載為齒輪和車輪，此時調節系數意義不大，車在賽道上跑時，電機負載為整個車體，觀察車在賽道上的穩定速度、加速距離、穩定所需時間，結合車的實際情況來調節三個參數才有實踐意義；確定參數同時，需對輸出進行限幅，否則會出現不可預知的錯誤，如電機轉速失控、電機不轉等。

2.2 舵機控制

舵機分為模擬和數字舵機，內置電平比較模塊，方便人們使用控制。模擬舵機通常固定工作頻率50Hz，數字舵機擁有工作頻率高，響應速度快等優勢。舵機旋轉在0-180°范圍內對應單個周期內高電平持續時間0-2.5ms，與高電平占空比無任何關系，通常取1.5±0.05ms 為中值（具體根據控制信號精度確定）；取周期為 2.6ms，數字舵機實際最大工作頻率為：，一般選在50-350Hz 范圍內。工作電壓通常選取5V，而在實際實訓競速中，可采用6-7V 的電壓，以換取較高的輸出扭矩和響應速度。由于舵機的機械特性，安裝舵機后首先得測定機械允許的最大轉角對應的數值，對轉角進行軟件限幅，否則會損傷舵機。

根據CCD 傳回的道路信息，計算處理出路徑信息后與設定中心信息比較，提取出差值e(t)，運用這個差值給予舵機轉向信號，實現智能車的轉向控制。舵機一般采用PD 控制：

式（7）中e(t )為期望轉角減去當前轉角，比例Kp使舵機能夠根據道路的偏差大小進行線性輸出，由于微分Kd的存在，運用變化趨勢控制輸出，顯著提高了舵機的預見性，減少了轉向系統在大彎的過沖。

3 圖像處理

線性CCD 具有高靈敏度、動態性能好、線性度良好、體積小、接口簡單等優點，易于使用單片機驅動，尤其適合實訓類智能車賽道采樣工作。線性CCD 內含128 像素檢測點，可將車前分為128 份進行觀測，配合128×64 OLED 顯示屏，交互界面顯得更簡單有效。智能車在賽道上行進，完全依賴于圖像處理后的結果，圖像處理也是智能車系統性能優化的重要一環。

3.1 曝光時間

CCD 經過曝光后通過AD 轉換器及單片機得出128 個電壓值，通過增加或減少曝光時間可以提高或降低讀取電壓值的相對數值。若是在亮度均勻或光線干擾較小的賽道中，固定的曝光時間滿足CCD 采集信息穩定的條件，但在光強不勻或亮度較小的環境下，固定的曝光時間就會嚴重干擾到CCD 采集的穩定性，采集到的信息會出現混亂，甚至采集到錯誤的信息。此時引入曝光自適應調節，在光強較弱時，增加曝光時間；光強較強時，減少曝光時間，這樣能夠很好地減小干擾。

3.2 濾波處理

黑白賽道具有明顯的誤差，所以CCD 反饋回的128 個電壓值會有明顯的、區域性的差值。傳回的數據經過濾波處理以后才能作為準確的數據去運用。由于CCD 觀察角度的差別等原因，同等光強情況下，賽道邊緣的電壓值會自然降低，同時，因CCD 畸變等緣故，得到的圖形效果不符合預期理想圖形（圖9 所示），圖中兩邊下降沿有漸變的過程，設定的閾值可能恰好位于平緩的下降沿，可能導致賽道識別錯誤。此時可引入濾波：采用多點取電壓平均值的方法，排除噪點，使抖動部分變得平滑。試驗多組128 個數據，進行比對，得到一個含有128 個數的加權數組，讓每個像素點采集到的電壓值乘以權值作為待處理的數據，而后輔助濾波函數，即可得到如圖10 所示的較為平穩的圖形。

圖9 未濾波處理讀取的電壓值

圖10 濾波處理后讀取的電壓值

3.3 二值化處理

3.4 掃描均勻分布

CCD 鏡頭角度分為45°、90°、120°三種。以900為例，由于CCD 俯視賽道，所以對于CCD 的128 個像素點來說，離攝像頭越近的區域，像素點對應的寬度越小；越遠的區域，像素點對應寬度越大，導致每個像素點對應的寬度不等，攝像頭兩端像素點對應寬度大，中部像素點對應寬度小（圖11），無法真實有地反映出賽道的具體情況。

將CCD 前瞻距離與垂直于賽道的水平線構成直角三角形（圖12），輔以正切函數進行距離解算，將每個像素點對應的賽道寬度平均化，即可得到穩定的數據。首先定義一個正切函數數組，表示0-800正切函數值，以0.50為精度，數組內共定義160 個數。根據圖12可得出：

式（8）中，β 是解算必需的底角，賽道邊界是CCD直接讀取出的賽道左右兩邊界，±0.5 為補償系數；式（9）中，X 為最終解算的邊界結果，d 為CCD 前瞻距離，由于邊界解算是以賽道中心為零點進行解算，所以在最終結果中需要加上中值補償，作為實際的解算結果。當車體處于不同的賽道時，反饋回的左右邊界數據正負號需要調整，因此在式（8）和（9）中引入符號調整：無論是左、右邊界，只要當賽道邊界大于賽道中值時，符號一律取正；當賽道邊界小于64 時，符號一律取負。單片機通過解算公式對數據處理后，就得到了寬度平均化的賽道信息（圖13）。具體的圖像處理流程如圖14 所示。

圖11 未等分前CCD 像素點對應賽道寬度

圖12 均分解算圖示

圖13 等分后CCD 像素點對應賽道寬度

圖14 圖像處理流程框圖

4 行進策略

智能車控制策略近年來初步分化為：勻速、直道提速—減速過彎、加速過彎等，這些控制策略均需對CCD數據進行處理，識別出賽道的種類并加以控制。

加速過彎策略對車的控制算法，對機械特性要求非常高，而勻速耗時較長，鮮有人采取這兩種做法。目前直道提速—彎道減速策略因控制算法易于實現，對客觀條件要求稍低，故選擇此種行進策略。當車在直道上高速行駛，識別出彎道時開始減速，但真正進行減速時，車即將入彎或已經入彎，此狀態車容易打滑或沖出賽道。直線減速階段，出彎后加速階段都比較浪費時間，如何選取差速數值也是該策略直道與彎道差速控制的一個難點，需要多次試驗才能得出合適的數值。

車直線高速行駛時識別出彎道時，不對其進行減速，而是給電機反轉信號，使其反轉并提供最大制動力，讓車迅速減速甚至短停，而后使用正常PID 控制，車會在入彎前以超低速重新加速，在彎道內仍然保持提速狀態，不過此時車速仍然在系統可控范圍內，出彎后甚至彎道內車已經提至設定速度，減少了“直道提速—減速過彎”策略的入彎減速和出彎加速的時間，有效地縮短了車的單圈耗時。該行進策略可行性高且效果明顯，只需多次試驗，得出數據，做好微分D 控制以及何時進行剎車等即可，該策略也稱之為彎道點剎[6]。

5 結語

本文從機械、控制、圖像處理、行進策略多個角度由深入淺出地剖析了智能車系統的主要構成，介紹了系統搭建與調控，比較了兩種PID 的性能，提出了采用增量式控制驅動電機、對賽道信息進行濾波處理的較為新穎的方案和采用點剎過彎的行進策略。該策略和方案具有系統響應快、穩定性優良、咬線準確、動態性能好、易于控制等優點，相比于比其他策略可顯著縮短單圈耗時。