以下内容为转载智能车制作经验分享的内容，非原创，仅供大家参考：
智能车的制作中file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-30931.png看经验来说file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-28940.png舵机的控制是个关键.相比驱动电机的调速file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-8688.png舵机的控制对于智能车的整体速度来说要重要的多.
PID算法是个经典的算法file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-2634.png一定要将舵机的PID调好file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-18714.png这样来说即使不进行驱动电机的调速(匀速)file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-10811.png也能跑出一个很好的成绩.
机械方面:
从我们的测试上来看file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-24212.png舵机的力矩比较大file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-26886.png完全足以驱动前轮的转向.因此舵机的相应速度就成了关键.怎么增加舵机的响应速度呢?更改舵机的电路?不行file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-1836.png组委会不允许.一个非常有效的办法是更改舵机连接件的长度.我们来看看示意图:
从上图我们能看到file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-6264.png当舵机转动时file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-29899.png左右轮子就发生偏转.很明显file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-29919.png连接件长度增加file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-9318.png就会使舵机转动更小的转角而达到同样的效果.舵机的特点是转动一定的角度需要一定的时间.不如说(只是比喻file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-31161.png没有数据)file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-13436.png舵机转动10度需要2msfile:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-24752.png那么要使轮子转动同样的角度file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-24714.png增长连接件后就只需要转动5度file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-17864.png那么时间是1msfile:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-20765.png就能反应更快了.据经验file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-421.png这个舵机的连接件还有必要修改.大约增长0.5倍~2倍.
在今年中file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-11621.png有人使用了两个舵机分别控制两个轮子.想法很好.但今年不允许使用了.
接下来就是软件上面的问题了.
这里的软件问题不单单是软件上的问题file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-4944.png因为我们要牵涉到传感器的布局问题.其实file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-633.png没有人说自己的传感器布局是最好的file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-31983.png但是肯定有最适合你的算法的.例如说file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-30127.png常规的传感器布局是如下图:
这里好像说到了传感器file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-21304.png我们只是略微的一提.上图只是个示意图file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-8880.png意思就是在中心的地方传感器比较的密集file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-32188.png在两边的地方传感器比较的稀疏.这样做是有好处的
在说到接下来的舵机的控制问题，方法比较的多，有人是根据传感器的状态file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-19250.png运用查表法差出舵机应该的转角file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-22065.png这个做法简单file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-28031.png而且具有较好的滤波"效果"file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-1894.png能够将错误的传感器状态滤掉;还有人根据计算出来的传感器的中心点(例如第四个和第五个传感器检测到黑线file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-16431.png中心点就是4.5)file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-20619.png计算出舵机需要的转角file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-17601.png这个做法也比较的简单file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-14314.png但是必须有一个滤波的过程file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-28669.png必须要滤掉错误的传感器状态.例如说:现在传感器第四个file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-20557.png第五个和第11个检测到了黑线file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-7734.png显然第11个应该是个传感器检测错误.应该把它滤掉.关于这个如何滤波file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-3741.png我们待会在后面将进行讨论.还有人的做法就是采用PID算法file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-31475.png这个方法比较的好file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-22916.png其实也不是很难file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-32388.png就是PID参数整定的时候有些麻烦.
大家可以自己选择喜欢的方法.
关于滤波file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-2842.png有些许的方法:
1.平均值排序法.
这个方法大家肯定一听就知道是怎么回事.就是不急于执行file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-31112.png先多次检测被测传感器file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-7387.png累加file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-9595.png求平均值.这个方法不错file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-14463.png特别在单片机中.例如:你如果连续采集8次file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-10937.png累加file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-31852.png最后你只要右移三位(value=value>>3;)就是value=value/8的结果.毕竟file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-20381.png在单片机中file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-30937.png右移比除法要快嘛.
2.中间值算法.
这个算法也简单file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-25003.png顾名思义file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-21206.png就是取不大不小的中间的值.这个算法就需要把几次采集的值排序file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-12510.png然后使用中间的那个值.
3.递推滤波.
这个滤波方法比较的受认可file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-9436.png但是执行起来也有风险所在.先说这个算法file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-30354.png就是根据当前值(传感器的中心点所在值)file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-12432.png推算接下来的传感器中心点的量file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-3240.png如果发现前后变化剧烈file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-21464.png就视为干扰因素file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-16081.png忽略.这个算法看起来比较的好.但是风险就在于:如果出现了错误file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-893.png并且错误的中心点成为的当前值file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-3874.png那么以错误的中心点为基准file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-24552.png正确的中心点就成了干扰.这样就会出现极端情况.为了避免这个情况file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-20579.png我们应该有一个检查的模块file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-23744.png检查当前的中心点是否有效.这个检查file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-19378.png我们也许可以结合前面两种方法file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-31341.png在一定时间对中心点的有效性进行检查.
4.限幅滤波.
这个在舵机的控制中file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-5241.png特别是使用计算的方法获得PWM信号占空比的(用来控制舵机的转角)file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-18641.png更是尤为重要.这个滤波的思路就是规定一个最大值和一个最小值file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-1217.png当计算出的值低于最小值时file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-25786.png令其等于最小值;大于最大值时file:///C:/Users/YANGXI~1/AppData/Local/Temp/ksohtml/wps_clip_image-28004.png令其等于最大值.
对于“飞思卡尔杯”智能汽车竞赛，我想说的话很多很多。总之我们安徽建筑工业学院机械与电气工程系对此次比赛很感兴趣并且十分重视，投入了很大的人力与精力到其中，在经过将近本年的努力之后终于完成了一辆符合比赛要求并且能够争取比赛好成绩的智能车模。其中浓缩了我队所有成员、指导教师以及那些默默帮助和支持我们的人的心血和汗水，无论比赛成绩如何，我们已经从此过程中学到了很多东西，细心、恒心、责任心是做任何事情是都必不可少的。比赛的意义不在于成绩，而是一个与各校交流、沟通的平台。下面就简要介绍一下我们比赛车模的主要设计制作经过、在其中用到一些技术以及我们的一些感受。
此次比赛要求车模沿着事先布好的赛道，连续跑两圈，并在跑完两圈后自动停在起跑线后3m之内，以两圈最快速度为准。我们建工凌云队设计的智能车是采用9对红外传感器来检测赛道，从而得知小车相对赛道的位置，并将此信息传给单片机，经过分析处理，来控制前轮舵机的转角，进而来控制前轮的转向及转度，其中我们采用了经典的PID控制算法。比赛的另一个关键是速度控制，我们采用模糊PID算法对车模的速度进行控制，在车子后轮上贴上黑白相间的转盘，并用一对红外对管来检测黑白分区来产生高低脉冲，即对小车速度进行检测，将检测到信息送入单片机形成速度闭环，对偏差进行修正。为了保证在小车完成比赛后自动停车，我们又在小车前面用支架固定了一排传感器，共有五个红外对管，用来检测起跑线，当检测到三次时即表明小车已跑完两圈，单片机控制停车。
记得我们刚开始时接触到这个比赛时，通过浏览一些网上前两届的介绍资料以及大赛组委会推荐资料《学做智能车》，我们一下子感到做智能车对我们来说太困难了，就对其中用到的一些技术，虽说我们在课本上已经有所了解，但那时我们真的很难理解。但我们并没有知难而退，此时我们的指导老师给了我们很大的帮助，引导我们该如何着手如何入门。在此顺便说一下，老师以前在合肥工业大学参加过机器人大赛，很有经验的。很快我们就入门了，虽说前进的道路很艰难，但我们有信心我们能。我们不断的搜集资料，不断的学习，同时也学习了Protel制图软件，这短时间基本上停留在理论阶段，这大概持续一个多月。其中我记忆最深刻的就是学习组委会要求的飞思卡尔公司的MC9S12DG128B单片机，虽说我们对8086、8051有一定的了解，但们发现MC9S12DG128B是相当的复杂繁琐，当然它的资源很丰富，功能很强大。值得一提的也是最重要的是它的所有资料竟然都是英文的，这对我们这些英文不咋地的人来说那是相当的困难，这也是我们最头疼的事。时间过得很快，经过了华东赛区联谊会（在合肥工业大学进行），我们对大赛的认识也更加明确。不久我们也买到了单片机，我们就开始做实验，学习操作单片机，同时为了加快进度，根据个人所长我们分工协作，这样我们的硬件实验也开始了，电源模块、电机驱动模块、主控电路、传感器模块，这些经过我们试验和不断的改进，都先后成功了。前进的道路充满了艰辛曲折，但每次的突破每一次的前进都让我们欣喜若狂。
在此我不得不说的是传感器，我觉得传感器的选用及其电路的设计是我们整个智能车制作过程中，花费时间最长，耗费精力最多的环节，也是我们最绝望最让我们伤心的时刻。由于我们经验及个方面的不足，传感器的试验给我们带来了很大的困难。首先我们选用了一只发红光的LED和光敏电阻并用黑色胶带分别包裹起来作为传感器，虽说当时实验成功了，但它极不稳定，任何外界的干扰对它都能产生很大的影响，说夸张一点就是一会在天上一会在地上。后来我们又选用了发可见光已经封装好的传感器，结果它的效果比以前的好一点，但环境影响也很大，任不能满足要求。后来经过各方面的了解得知可见光传感器的外界感染太敏感，很难满足要求。之后我们又选用好几种红外对管，但又因为其检测距离太近，都一一放弃。都快比赛了，最终才找到一种比较合适的红外对管。因为硬件没调试好有问题，软件就没法试验，整个小车的制作也就无法前进。就这样我们持续至少有一个多月的时间，这段时间是我们整个智能车制作过程中最失落最艰难的时候。
在传感器的调试阶段，我们经历了安徽省的省内高校智能汽车竞赛，这给我们很大的启示，也是我们整个智能车制作过程的转折点。我们刚开始就计划参加合肥工业大学的校内智能车的比赛，后来才扩大为省内比赛，但在智能车制作过程中有很多没有考虑到的困难，尤其是传感器，为参加比赛，我们有很大的压力。记得在比赛的四天前我们的车子还没有跑起来，甚至还没有组装，因为我们小车的各个模块都已基本上实验完成，就是传感器的问题迟迟没有解决，严重影响了我们的进度。这样我们就在那几天拼命的干活，收到的效果甚微。在比赛前一天的试车很让令我们失落。最后比赛前的晚上，我们三个队员和老师根据试车的结果和其他学校的情况，毅然决定放弃LED和光敏电阻做传感器，而使用已经封装好的发可见光的传感器，果然效果好了很多。这样我们一个晚上不断努力，完成了小车的组装，最后把事先已经编号的程序写入单片机，简单的调试了一下程序，此时已经离比赛时间不足三个小时。我们就匆匆的准备了一下前往工大比赛赛场。这次比赛结果虽说不是很理想，但也给了我们很大安慰。更重要的是我们意识到我们的严重不足和明确了我们应该的努力方向。
省内比赛结束后已经是六月份，离真正的比赛已经很近了，而我们以前做的从硬件电路到软件控制算法，都有很大的缺陷。而此时也已经到了期末，各门课的考试也相继开始，而且大三的课基本上都是专业课，比较难也比较难复习，我们必须分出一定的时间用来复习功课。但我们并没有因此而放弃我们最初目标或降低我们的期望。经过商量和反复的思考，我们决定之前小车的硬件到软件都必须大大该进或更换，这样才有可能有好的成绩。我们所做的调整主要有四点，一是传感器必须换，必须采用探测距离远而且稳定受环境影响小的红外传感器；二是电路要尽可能的集成，一块电路板就要包括电源模块、电机驱动模块和主控电路模块即要能把单片机直接插上去，这样做一是为了简化外接线，二是电路板在车上的固定以及单片机跟主控电路板的连接更容易，三是能有更好的抗干扰能力，同时看起来也漂亮了许多；第三个调整是电机驱动必须多片驱动芯片并联使用，至少也要两片，这样才能足够大的驱动力，车子才跑的快；第四软件方面控制算法从以前的简单的棒棒控制更改为经典的模糊PID算法，其中前轮的舵机采用PID控制算法，后轮驱动电机的控制采用模糊PID算法。算法的好坏直接关系到小车跑得快慢和稳定性，当然带给我们的工作量也很大。尤其是速度的控制，要使小车跑得快，就必须是小车在直道时跑的尽可能快，在过弯时减速以保证不冲出赛道，这样对小车速度的控制要很迅速即速度的调整时间要很短，这就必须采用闭环控制。首先要有速度检测装置，经过试验和实际的考虑我们决定采用简单而且实惠方案，在车子后轮上贴上黑白相间的转盘，并用一对红外对管来检测黑白分区来产生高低脉冲，用单片机的脉冲捕捉器来捕捉这些脉冲，并用脉冲累加器定时中断计数，把这些脉冲数经过公式计算即可求速出小车的速度。当然这种速度检测装置精度并不是很高。同时软件编程也给了我们很大的挑战，首先我们采用的数字PID控制算法要求输入量为数字量，这样就必须定时采样，也就要用到定时中断、实时中断，因为以前没接触过，在这我们也花了很大的精力。接着就是PID参数的确定，这对我们来说是最困难的，因为小车的控制系统是一个很复杂的系统，其中有很多不确定的因素，更何况赛道的信息是未知的，也就是说我们没有办法建模分析，这样我们只有采用试凑法，即首先根据经验任写一组PID参数，让小车实际的在赛道上跑，我们根据小车运行的情况再修改PID参数，这样反复的修改观察，最终确定了一组能使系统响应速度快而且稳定的参数。
等到我们完成所有硬件及软件调试，车子跑得又快又稳定的时候，已经离比赛只有三两天了，有这样的结果我们还是很满意的。但在正式比赛前一天的试车中我们发现，我们的车在实验室跑得很快，在体育馆的时候感觉不是很快，虽说还是挺稳定，这对永不满足的我们来说，是多么的打击。回到实验后，我们决定再大干一个晚上，这样我们鼓足了所有的力气，坚持着，对软件又做了很大的调整，很明显我们的努力收到了相当大的成果，车子比前几天跑得快了许多，而且稳定度并没有因此而降低。这样我们很兴奋，甚至有点发疯，竟然我们没有让小车停一下，我们没有休息，小车也没有休息，因为我们只有一个辆车，也就是比赛的车。终于天亮了，离比赛交车时间已经不足一个小时，我们就匆匆的把我们晚上最后实验的程序写入了单片机，以为万无一失、高枕无忧，就匆匆的带着小车奔赴了赛场。直到比赛开始我们都没有让车试跑一下，甚至连我们用的程序都没有带过去。可是到我们小车表现的时候，却大出我们所料 ，我们的比赛结果一塌糊涂，让我们不敢相信。
我们设计制作了一辆符合比赛要求并且能够争取比赛好成绩的智能小车，但它并没有为我们取得我们所期望的成绩，我们的过程是充实的，我们的努力我们的艰辛不比别人少，但结果并不如意。至于原因我不想多说，我只能说在我们准备的最后时期尤其是比赛前的一霎那我们没有把握好，我可以说这是由于我们没有经验，我们太浮躁，我们太急于求成，我们太不知足。这似乎是在为我们的失败找借口，我觉得不然，比赛已经结束，比赛结果已不再重要，重要的是我们应该认真总结整个比赛过程中的成功点和失败的地方，认真吸取经验和教训，并且要牢牢记住。因为人生的路还很长，这只是其中一个小小的驿站。
参加智能车竞赛，并不是为了一定要在其中获得很好的名次，要是每个参赛队都仅仅是为了名次而参赛，那这个比赛就会变得苍白、空虚。我想我们更注重的应该是它的过程，在此过程中我们努力、拼搏、坚持，我们会发现在其中我们学到了很多很多，不只是一些实际的应用知识，更重要的是磨练了我们坚韧的意志力、收获了友谊和许多做人的道理。从这方面来讲，我觉得我们很成功，因为我们得到的不比别人少。
| 欢迎光临 智能车制作 (http://dns.znczz.com/) | Powered by Discuz! X3.2 |