基于超聲波傳感器的智能車模型設(shè)計

朱 宇，屈 路，邱增凱，王天皓，賈少華，高印寒

(吉林大學(xué) a.儀器科學(xué)與電氣工程學(xué)院;b.汽車仿真與控制國家重點實驗室，吉林 長春130025)

0 引 言

隨著國民經(jīng)濟的增長，汽車已趨于普及。然而，每天都有汽車事故發(fā)生，追尾事故極其頻繁，追尾事故就占汽車事故的30% ～40%，而追尾事故造成的損失和傷亡又占總損失的60%。因此智能交通系統(tǒng)的研究在各國越來越被重視，智能車的控制技術(shù)也成為一項新興技術(shù)。智能車控制系統(tǒng)綜合了傳感器技術(shù)、自動控制技術(shù)、信號處理技術(shù)、單片機技術(shù)等多個學(xué)科的知識［1-2］。智能車控制系統(tǒng)的設(shè)計可以大大降低追尾事故的發(fā)生，也可以為無人駕駛汽車等技術(shù)領(lǐng)域的研究提供寶貴的經(jīng)驗。

本文對智能車的避障及速度控制等進行了研究［3-5］，設(shè)計了具備避障功能的智能小車，該小車搭建了基于單片機的智能車控制系統(tǒng)。系統(tǒng)采用大電流、脈沖驅(qū)動的超聲波傳感器組作為探測傳感器，探測道路情況，采用平均分布模型以及精確的算法完成對電機的控制，利用脈寬調(diào)制技術(shù)實現(xiàn)直流電機的調(diào)速，實現(xiàn)了智能車的快速、平穩(wěn)運行。

1 超聲波探測模型

1.1 超聲波特性

超聲波是一種人耳聽不見的機械波，頻率在20 kHz 以上，超聲波的波長短、繞射小，它可作為聲波射線并定向傳播，移動智能小車的超聲波傳感器主要用于對周圍物體的探測與測距。超聲測距一般采用渡越時間法，即

式中;D 為移動智能小車與被測障礙物之間的距離;C為聲波在介質(zhì)中的傳輸速率;t 為從超聲發(fā)射到超聲返回的時間間隔，即傳播時間或“渡越時間”。聲波的速度與溫度T 有關(guān)。如果環(huán)境溫度變化顯著，則必須考慮溫度補償問題［6-7］。空氣中聲速與溫度的關(guān)系可表示為

超聲波傳感器作為一種測距傳感器，能夠得到傳感器和障礙物之間的距離信息，但由于超聲波發(fā)散角較大，從而導(dǎo)致了辨析率較低。鑒于單個超聲波傳感器的信息量少且存在固有誤差，因此需要使用多個超聲波束來感知環(huán)境，以獲得更大空間范圍內(nèi)的障礙物信息［8-9］。根據(jù)超聲波傳感器的特性，為其建立一個模型，常用的模型有中線模型、正態(tài)分布模型、平均分布模型。本系統(tǒng)選用應(yīng)用較廣泛的平均分布法模型。

1.2 空間區(qū)域的模糊劃分

本系統(tǒng)設(shè)計采用的超聲波傳感器的發(fā)散角為30°，因此前方8 個傳感器能探測的角度范圍為－67.5° ～+67.5°，且該范圍內(nèi)的每個區(qū)域都被2 個超聲波傳感器的發(fā)散角覆蓋，超聲波傳感器陣列位置如圖1 所示［10］。

圖1 超聲波傳感器陣列位置圖

為了簡化數(shù)據(jù)處理并充分利用超聲波傳感器的信息，將智能車輛前方探測空間劃分為如圖2 所示的5個區(qū)域。

圖2 空間方向的劃分

由圖2 可知，根據(jù)平均分布法，每個超聲波傳感器的探測信息在這5 個區(qū)域中存在障礙物的概率分別可以計算。由于超聲波傳感器陣列是左右對稱的，表1僅列出1 ～4 號超聲傳感器的信號概率數(shù)據(jù)。

表1 劃分空間中傳感器信號的概率

2 智能小車總體方案

2.1 系統(tǒng)的結(jié)構(gòu)設(shè)計

智能小車采用超聲波探測方式，通過比較布置在車身前側(cè)上的具有不同朝向的超聲波探測器完成目標(biāo)的探測，然后通過單片機整合各路超聲波信號的強度以及溫度信息，最后輸出控制左右2 個電機，完成5 種運動狀態(tài)。系統(tǒng)結(jié)構(gòu)框圖如圖3 所示。

圖3 系統(tǒng)結(jié)構(gòu)框圖

本設(shè)計中，硬件方面主要包括車型智能小車、傳感接收電路、主控電路板和無線發(fā)射裝置。通過單片機產(chǎn)生的20 kHz 方波，經(jīng)過放大后驅(qū)動超聲波傳感器發(fā)射頭，從而發(fā)出超聲波，遇到前方物體反射后由接收端捕捉。經(jīng)過對2 個接收頭捕捉時間的計算以及加入溫度補償，判斷最終前方小車的方向與距離，再通過與前次數(shù)據(jù)差分計算出其相對前車的速度，最后通過速度距離以及位置3 個數(shù)據(jù)進行智能控制，控制小車轉(zhuǎn)彎或減速慢行等［11-13］。

具體的硬件主要有:采用MSP430 單片機作為小車的微處理器;超聲波傳感器采用TCT40-16F/S(收/發(fā));測溫部分使用18B20 測出當(dāng)前的環(huán)境溫度用以判斷出超聲波傳播的速度;電機驅(qū)動采用L298 芯片，用施加其Enable 腳的PWM 波實現(xiàn)智能小車的速度控制。

2.2 直流電機的伺服控制

智能小車的控制系統(tǒng)實質(zhì)上是控制智能小車上的2 個電機的轉(zhuǎn)速和方向。智能小車的任務(wù)是接收來自傳感器的信號并對信號進行處理，根據(jù)預(yù)先編好的程序向驅(qū)動器發(fā)出指令。因為智能小車是依據(jù)傳感器所得信息，經(jīng)過單片機處理，即時作出反應(yīng)，要求智能小車具有實時性和機動性，所以直流電機的驅(qū)動控制必須是伺服控制。

本環(huán)節(jié)以PWM 功放電路為驅(qū)動器，以光電編碼器為反饋元件來構(gòu)成電機伺服系統(tǒng)。其中位置、速度、電流等調(diào)節(jié)器的功能由微處理器來完成，速度反饋由計算機編程根據(jù)位置反饋量計算出來。全數(shù)字伺服系統(tǒng)的結(jié)構(gòu)框圖如圖4 所示。

圖4 全數(shù)字伺服系統(tǒng)結(jié)構(gòu)

直流電機驅(qū)動電路使用最廣泛的就是H 型全橋式電路，這種驅(qū)動電路可以 很方便實現(xiàn)直流電機的4象限運行，分別對應(yīng)正轉(zhuǎn)、正轉(zhuǎn)制動、反轉(zhuǎn)、反轉(zhuǎn)制動。它的基本原理圖如圖5 所示。

圖5 H 型橋式驅(qū)動電路

2.3 H 型橋式驅(qū)動電路

全橋式驅(qū)動電路的4 只開關(guān)管都工作在斬波狀態(tài)，S1、S4 為一組，S2、S3 為另一組，兩組的狀態(tài)互補，一組導(dǎo)通則另一組必須關(guān)斷。當(dāng)S1、S4 導(dǎo)通時，S2、S3關(guān)斷，電機兩端加正向電壓，可以實現(xiàn)電機的正轉(zhuǎn)或反轉(zhuǎn)制動;當(dāng)S2、S3 導(dǎo)通時，S1、S4 關(guān)斷，電機兩端為反向電壓，電機反轉(zhuǎn)或正轉(zhuǎn)制動。

2.4 智能小車系統(tǒng)主程序框圖

智能車的運行控制是根據(jù)路徑識別和車速檢測所獲得的當(dāng)前路徑和車速信息，控制舵機和直流驅(qū)動電機動作，從而調(diào)整智能車的行駛方向和速度［14］。控制 系統(tǒng)的軟件設(shè)計基于keil 3.0 編程環(huán)境，使用C 語言實現(xiàn)。圖6 為控制系統(tǒng)軟件流程圖。

3 測試結(jié)果及分析

在多障礙物環(huán)境中避障行駛的軌跡如圖7 所示，圖中虛線表示智能車輛運行軌跡，方塊表示障礙物(15 cm×30 cm)。智能車的參數(shù)為輪距d =15 cm，前輪最大轉(zhuǎn)角αmax=360°，最大速度vmax=4.5 m/s，最小速度vmin=0.1 m/s，采樣間隔為0.02 s。

智能車輛同時探測到多個障礙物，根據(jù)距離判斷是否對自身運行構(gòu)成影響，障礙物間的距離是否可以通過，啟動避障程序，避過多個障礙物，安全通過了障礙區(qū)，達到了預(yù)期效果［15］。智能車結(jié)構(gòu)圖如圖8 所示。

圖6 主程序框圖

圖7 多障礙物環(huán)境行駛軌跡

圖8 智能車結(jié)構(gòu)圖照片

4 結(jié) 語

結(jié)合了超聲波傳感器可以使智能車輛實現(xiàn)避障功能，提高在不確定環(huán)境中行駛的可靠性。本文給出了超聲波探測模型以及智能小車的總體設(shè)計，能夠在未知障礙物環(huán)境中準(zhǔn)確探測，并及時避障。經(jīng)過實際的測試，智能小車實現(xiàn)了避障要求，并且在行駛中具有較高的可靠性。

［1］ 卓 晴，黃開勝，邵貝貝，等. 學(xué)做智能車［M］. 北京:北京航空航天大學(xué)出版社，2007 .

［2］ 歐偉明.智能小車足球比賽無線通訊子系統(tǒng)的設(shè)計［J］.電氣自動化，2007(4):45-47.

［3］ 張 志，單越康，項 榮，等. 融合視覺和嗅覺的管道探測智能小車的設(shè)計與實現(xiàn)［J］. 智能小車，2006，28(5):499-500.

［4］ 魏玉虎，石琛宇，姜建釗，等. 基于視覺的智能車轉(zhuǎn)向控制策略［J］.電子技術(shù)應(yīng)用，2009(1):130-134 .

［5］ 王 建，張曉煒，楊 錦，等. 基于視覺傳感器的自主循跡智能車的設(shè)計與實現(xiàn)［J］.工業(yè)儀表與自動化裝置，2010(6):34-37.

［6］ 呂晶晶，杜 力. 基于雙超聲波接收頭的防撞小車系統(tǒng)［J］.價值工程，2010(22):148-149.

［7］ 張建民，王 濤，王忠禮. 智能控制原理及應(yīng)用［M］. 北京:冶金工業(yè)出版社，2003:1-50.

［8］ 楊萬海. 多傳感器數(shù)據(jù)融合及其應(yīng)用［M］. 西安:西安電子科技大學(xué)出版社，2004:152-160.

［9］ 李 進，陳無畏. 自動導(dǎo)引車視覺導(dǎo)航的路徑識別和跟蹤控制［J］.農(nóng)業(yè)機械學(xué)報，2008，39(2):20-24.

［10］ 王檀彬，陳無畏，李 進，等. 多傳感器融合的視覺導(dǎo)航智能車避障仿真研究［J］.系統(tǒng)仿真學(xué)報，2009 (4):1015-1019.

［11］ Barshan B，Baskent D. Morphological surface profile extraction with multiple range sensors ［J］. Pattern Recognition (S0031-3203)，2001，34(7):1459-1467.

［12］ 鄧 岳，周 輝，談英姿.基于MC9S12DG128 單片機智能車設(shè)計與實現(xiàn)［J］.實驗室研究與探索，2008(1):67-69，130.

［13］ Choset Howie，Nagatani Keiji，Lazar Nicole A. The arc-transversal median algorithm:A geometric approach to increasing ultrasonic sensor azimuth accuracy［J］. IEEE Transactions on Robotics and Automation (S1042-296X)，2003，19(3):513-522.

［14］ 張 靜，王國宏，梁發(fā)麥，等. 基于證據(jù)理論的SAR 圖像融合識別方法［J］. 系統(tǒng)仿真學(xué)報，2007，19(9):2053-2057.

［15］ 王檀彬，陳無畏，焦 俊，等. 多傳感器融合的智能車輛導(dǎo)航研究［J］.中國機械工程，2009 (11):1381-1385.