帶視覺導航功能的智能車機械結(jié)構(gòu)優(yōu)化設(shè)計

王 英

（河北省廊坊技師學院，河北 廊坊 065000）

智能車視覺導航系統(tǒng)通過圖像傳感器獲取預瞄區(qū)域內(nèi)道路的車道線，進而可得到中心引導線；以圖像傳感器中心線為參考，可通過中心引導線計算出偏差，亦可通過相關(guān)算法完成路徑識別；再通過決策規(guī)劃，根據(jù)不同的偏差和道路類型（直道、彎道等），設(shè)定不同的目標速度和行駛路徑；進而以目標速度和行駛路徑分別作為速度和方向控制器的輸入量。速度和方向控制器輸出PWM信號分別控制電機和舵機的轉(zhuǎn)動，同時通過光電旋轉(zhuǎn)編碼器形成速度反饋，進行智能車的速度和方向控制，實現(xiàn)智能車通過視覺自主駕駛的功能。本設(shè)計選擇全國大學生智能車競賽官方指定的C型車模作為主體，該車模采用兩個直流電機驅(qū)動后輪，舵機驅(qū)動梯形轉(zhuǎn)向機構(gòu)完成前輪轉(zhuǎn)向，文中采用阿克曼轉(zhuǎn)向原理對轉(zhuǎn)向結(jié)構(gòu)進行了設(shè)計，建立了后置雙梯形轉(zhuǎn)向結(jié)構(gòu)的數(shù)學模型，用MATLAB優(yōu)化其結(jié)構(gòu)參數(shù)，對攝像頭安裝結(jié)構(gòu)、后懸架等其它部分都進行了優(yōu)化，最后在此理論基礎(chǔ)上制作了實車模型，進行了實驗驗證。

1 轉(zhuǎn)向結(jié)構(gòu)優(yōu)化

在機械結(jié)構(gòu)設(shè)計的前期，為方便進行結(jié)構(gòu)參數(shù)的直接修改和優(yōu)化，縮短設(shè)計周期，同時也為避免因多次結(jié)構(gòu)改動而造成原模型車的損壞，減少資源浪費。采用SolidWorks制作1：1三維模型來仿真并優(yōu)化，在優(yōu)化過程中采用阿克曼轉(zhuǎn)向原理。

1.1 阿克曼轉(zhuǎn)向原理

阿克曼轉(zhuǎn)向原理，是指輪胎在不打滑時，忽略左右側(cè)輪胎因轉(zhuǎn)彎時受力不均勻所造成的形變，車輛轉(zhuǎn)彎時需滿足轉(zhuǎn)向原理，即后左右輪軸線與前左右輪軸向這三條線匯交與一點，如圖1所示。此時，點O稱為轉(zhuǎn)向中心，R為轉(zhuǎn)彎半徑，δin和δout分別為左、右轉(zhuǎn)向輪的期望轉(zhuǎn)角。

圖1 阿克曼轉(zhuǎn)向模型

從圖1中，由數(shù)學關(guān)系可得，左右轉(zhuǎn)向輪的關(guān)系式為：

式中：M——兩主銷中心的距離；L——軸距。

1.2 智能車梯形轉(zhuǎn)向結(jié)構(gòu)設(shè)計

參考汽車采用的轉(zhuǎn)向梯形結(jié)構(gòu)，設(shè)計出針對模型車的轉(zhuǎn)向機構(gòu)——后置雙梯形轉(zhuǎn)向機構(gòu)[1]。該轉(zhuǎn)向機構(gòu)左右轉(zhuǎn)向?qū)ΨQ，能夠快速響應轉(zhuǎn)向動作，同時使左右轉(zhuǎn)向輪最大程度地符合阿克曼轉(zhuǎn)向原理，如圖2所示。

忽略車輪轉(zhuǎn)向主銷定位的影響，圖2中點A、B、C分別為左、右輪轉(zhuǎn)向橫拉桿和左、右轉(zhuǎn)向節(jié)臂連接處球鉸的中心，Z和Z0分別是左、右轉(zhuǎn)向節(jié)臂的垂線并交于點O和E，故點O、E處于同一水平面上且分別為左、右輪轉(zhuǎn)向節(jié)臂繞其轉(zhuǎn)向主銷的轉(zhuǎn)動中心；Z1是轉(zhuǎn)向軸的垂線并交于點F，則有Z∥Z0∥Z1；轉(zhuǎn)向軸指示方向即為智能車前進方向，過O、E、F分別作平行于轉(zhuǎn)向軸的線段X、X0、X1，并建立圖示直角坐標系Oxyz、。

圖2 后置雙梯形轉(zhuǎn)向機構(gòu)示意圖

在上述直角坐標系下，轉(zhuǎn)向機構(gòu)參數(shù)可以表示為：左、右輪轉(zhuǎn)向主銷距離OE=M，左、右輪轉(zhuǎn)向曲柄長度為FB=FC=Ll，左、右輪轉(zhuǎn)向橫拉桿長度為AB=CD=L2，左、右輪轉(zhuǎn)向曲柄夾角為φ，轉(zhuǎn)向機構(gòu)輸入為左、右輪轉(zhuǎn)向曲柄轉(zhuǎn)過的角度θ（Z1為參考軸），輸出為左、右輪轉(zhuǎn)向軸轉(zhuǎn)角β（x為參考軸）、α（x0為參考軸），則在坐標系Oxyz中，點A、B、C、D、E和F分別表示為：

式中：H——點F距離點O沿z方向的距離；

K——點F距離點O沿x方向的距離；

因為轉(zhuǎn)向機構(gòu)在運動時左、右輪橫拉桿長度應該保持不變，故：

將點A、B、C、D空間坐標代入式（1-2）、式（1-3），整理得出：

式中

從式（1-4）、式（1-5）中可知，左、右輪轉(zhuǎn)向軸β和α僅與轉(zhuǎn)向軸輸入θ和轉(zhuǎn)向機構(gòu)參數(shù)有關(guān)。運用萬能公式并求解式（1-4）、式（1-5）可得：

式（1-6）和（1-7）中正負號根據(jù)實際情況確定。

當轉(zhuǎn)向機構(gòu)的轉(zhuǎn)向軸θ不產(chǎn)生輸入時，左、右輪轉(zhuǎn)向節(jié)臂OA和ED與x、x0軸存在夾角ω，則此時后置雙梯形轉(zhuǎn)向機構(gòu)的左、右轉(zhuǎn)向輪實際轉(zhuǎn)角φin和φ out分別為：

整理式（1-8）、式（1-9），消去轉(zhuǎn)向軸輸入角θ，得到后置雙梯形轉(zhuǎn)向機構(gòu)左、右輪轉(zhuǎn)角關(guān)系：

由式（1-10）關(guān)系知，輸入左輪轉(zhuǎn)角φin，后置雙梯形轉(zhuǎn)向機構(gòu)輸出一個對應的右輪轉(zhuǎn)角φout，車輛轉(zhuǎn)彎時φout應盡可能接近理論期望值δout。

故可以建立優(yōu)化目標函數(shù)[4]：L3、K、H、M、ω系統(tǒng)已知，因此需優(yōu)化變量X=[L1,L2,φ]。運用

確定一組機構(gòu)參數(shù)使得目標函數(shù)值最小。建立約束條件，且MATLAB的優(yōu)化計算函數(shù)對優(yōu)化目標函數(shù)式進行優(yōu)化計算，最終得到最優(yōu)初始參數(shù)為：L1=34mm，L2=52.1mm，φ=25.5°，經(jīng)過試驗測試證明優(yōu)化效果較好，如圖3所示。實際和期望轉(zhuǎn)角最大誤差不超過2°，滿足智能車系統(tǒng)控制的精度要求。

圖3 梯形優(yōu)化圖

2 舵機安裝及優(yōu)化

經(jīng)過前面的理論分析，得知智能車采用后置雙梯形轉(zhuǎn)向結(jié)構(gòu)，且初始機構(gòu)參數(shù)為：L1=34mm，L2=52.1mm，φ=25.5°。舵機的安裝應盡量降低重心并保證安裝結(jié)構(gòu)的左右對稱，使轉(zhuǎn)向具有較高的靈敏性和對稱性。綜合考慮，舵機采用立式安裝，舵機安裝結(jié)構(gòu)如圖4所示。

圖4 舵機立式安裝結(jié)構(gòu)

3 攝像頭安裝位置

攝像頭是智能車的“眼睛”，作為系統(tǒng)的前饋輸入用來感知賽道的信息，攝像頭安裝的位置影響著攝像頭前瞻的遠近（如圖5），而前瞻的遠近決定著智能車提速空間的大小。由圖5易知，攝像頭安裝位置越高視場越大，越靠近車身前部視場盲區(qū)越大，綜合考慮后，攝像頭安裝在車身中心線偏后，距離車身高度合理的位置，此時攝像頭視場距離車頭最近為5cm，最遠150mm，具有較小的盲區(qū)和足夠大的視場，但是由于攝像頭與豎直方向夾角較大，產(chǎn)生了較嚴重的圖像畸變，故需要后續(xù)算法實行校正。

圖5 攝像頭位置與前瞻的關(guān)系

為了減少攝像頭產(chǎn)生自身的震蕩，一方面需要減輕攝像頭支架的重量，另一方面需要增加攝像頭支架的剛度，最終采用碳纖維桿作為攝像頭支架的主桅和支撐桿，攝像頭支架的結(jié)構(gòu)固定件也采用鋁制材料。最后，攝像頭安裝的方式如圖6所示。

圖6 攝像頭安裝圖

4 后懸架及其它部分優(yōu)化設(shè)計

4.1 后懸架優(yōu)化設(shè)計

優(yōu)化后懸架，一方面是因為智能車所行駛的賽道相對平坦，不會出現(xiàn)路面高低不平現(xiàn)象；另一方面，智能車相對速度較高，如果采用原模型車的被動懸掛結(jié)構(gòu)，其智能車會在連續(xù)彎道行駛過程中車身產(chǎn)生不必要的震蕩，影響圖像采集的穩(wěn)定性。最終采用硬連接方式，直接將車身與后橋相連，增加其剛度，如圖7所示。

圖7 后懸架優(yōu)化

4.2 其他部分優(yōu)化設(shè)計

其它部分的優(yōu)化主要圍繞齒輪嚙合程度的調(diào)節(jié)、結(jié)構(gòu)間隙的消除、重心的調(diào)整進行。左、右后齒輪箱齒輪較多，且嚙合程度不合適，存在傳動誤差，需要調(diào)節(jié)齒輪嚙合程度，直到齒輪間沒有明顯間隙且齒輪之間傳遞平順；結(jié)構(gòu)間隙主要存在梯形轉(zhuǎn)向結(jié)構(gòu)部分，需要添加適當?shù)膲|片以減小結(jié)構(gòu)間隙；通過降低電池安裝高度、降低主板固定高度等來降低整車的重心，同時需要保證整車結(jié)構(gòu)的左右對稱，即整車重心盡量靠近整車幾何中心，優(yōu)化完成后的智能車如圖8所示。

圖8 優(yōu)化后智能車

5 小結(jié)

文中采用阿克曼原理及梯形結(jié)構(gòu)設(shè)計了智能車機械部分，對后置雙梯形轉(zhuǎn)向結(jié)構(gòu)建立數(shù)學模型，通過MATLAB優(yōu)化其結(jié)構(gòu)參數(shù)，在此基礎(chǔ)上，確定采用立式方式安裝舵機，并設(shè)計了舵機的安裝結(jié)構(gòu)。對攝像頭安裝結(jié)構(gòu)、后懸架等其它部分都進行了優(yōu)化，優(yōu)化完成后制作了實車模型，在實驗室搭建了智能車競賽跑道，與之前沒有經(jīng)過優(yōu)化的車采用相同的控制軟件進行了實驗，實驗結(jié)果表明經(jīng)過優(yōu)化之后的車輛，在圖像采集、轉(zhuǎn)向、以及彎道加減速等方面具有良好的穩(wěn)定性和附著力，實車能夠取得更快的運行速度。