何恩节，郑磊

（安徽科技学院电气与电子工程学院，凤阳233100）

0 引言

智能车系统的搭建与调控是一项综合了传感器技术、自动控制、模电等多学科知识的系统工程。近年来，该领域需求与日俱增，这也在很大程度上推动了智能车的迅速发展。当前，随着电子技术的快速发展，各类特别是实训类智能车变得越来越智能化和信息化。此外，走在智能车发展前端的实训类智能车的发展趋势与技术变革也日趋多样化[1]。

在实训类智能车系统设计与调试的研发中，电路布局、信息采集与处理、机械校正、算法优化更是智能车总体方案设计中的重点，其优劣程度直接影响系统动态响应的性能。当前研究基于实训教学的实践经验，系统讨论了一种新颖的实训类CCD 智能车系统的搭建与性能调控优化。

1 机械调校

整个车体由车底盘、轴承、齿轮、连杆、支架、固定部件以及车轮组成。车后轮由电机通过齿轮带动，后轮旋转以摩擦力为动力前进；前轮以数字舵机为核心，车轮、连杆等转向机构辅助实现转向功能。

1.1 舵机

舵机是智能车转向的直接驱动装置，其性能的优劣关系到车体的转向响应和过弯时车辆的稳定性，其固定方式也在一定程度上决定了小车的整体转向性能。舵机固定方式共有三种：立式安装（图1）、卧式安装（图2）、侧（躺）式安装（图3）。

图1 立式安装

图2 卧式安装

图3 侧式安装

小车转向需受力，且所受力需传递至车轮。下面从力矩、连杆和车轮响应角度对比分析三种安装方式的优劣。

立式安装：固定至车体正中间位置，用两根等长的拉杆牵住前轮。优点：力臂长，前轮的响应速度快。若舵机输出的力F 一定，连接臂长L 可变，则运用杠杆原理，易知连接臂输出给车轮的力。可见过长的力臂会致使舵机输出给车轮的力减小，导致力矩减小，在转向中前轮转不到位，高速状态下易使小车偏离道路中心线。立式安装时，要考虑到舵机力臂与转向机构的响应速度和舵机输出到车轮的力矩之间的关系，故需选取合适的力臂（通常选取3-4cm），且两连杆长度相同。方向前轮左右最大转动角度相同，当舵机转动时，拉杆带动车轮机械部件做曲线运动，符合阿克曼原理；立式安装占车体纵向空间较后叙两种方式小。缺点：车体前部重心略高，经实际测试对车体行进影响不大。

卧式安装：固定至车体正中间位置，舵机输出轴朝下。优点：优势与立式安装大体相同，同时克服了立式安装重心略高的缺点。缺点：由于卧式安装的安装高度不同，会使连杆与水平面呈现夹角α，由力学分析可知：车轮受到的力F1=f cos α，其中，连接臂输出到车轮的力会有所衰减；卧式安装占车体纵向空间最大，不便于安装调试以及后期的维护、更换以及检修等操作。

侧式安装：舵机侧躺安装。优点：链接在连接臂上的连杆左右长度不相同，有助于转向；侧式安装舵机侧面紧贴车体底部，车体前部重心最低，有利于车体转向稳定。缺点：调试难度大。较另外两种固定难度大；舵机连接臂很短，舵机工作转角与车轮响应转角差距过大，导致车前轮响应差。

三种安装方式各有优劣，综合比较立式安装最为简单有效，这也是是多数智能车采用的方案。

1.2 车轮固定

智能车行进过程中，后轮为驱动轮，前轮为方向轮，车轮的参数整定主要以前轮为主，同时又以四个指标衡量车前轮调校效果：主销内倾、主销后倾、车轮外倾、前轮前束。

主销内倾（图4）：从车前端正视车轮，可知主销内倾是将主销向车内中心倾斜一个角度，倾斜后，主销与车轮中心垂线的夹角即为主销内倾角。当车前轮转向时，由于存在主销内倾，车轮和车体前部被抬起一定高度，方向轮回正时，车轮会在重力作用下恢复至原来位置。通常智能车的主销内倾角为0-3°。

图4 主销内倾角示意图

图5 主销后倾角示意图

主销后倾（图5）：从车侧端侧视车轮，将主销向车后倾斜一个角度，倾斜后，主销与车轮中心垂线的夹角即为主销后倾角。由于存在主销后倾的作用，车轮偏转后会产生回正力矩，这个回正力矩会使方向轮出完后自动回正，有利于小车出弯咬线直行。后倾角越大，回正力矩越大，但过大的后倾角会导致方向轮出弯回正过猛，车轮猛摆，引起小车系统震荡，同时过大的力矩也会使转向困难，增加了转向机构的响应时间。通常智能车主销后倾角为1-3°。

车轮外倾（图6）：从车前端正视车轮，前轮中心线向车外侧倾斜，使车轮不与地面垂直贴合，外倾为正角，内倾为负角。车轮外倾角可以减小前轮的转向阻力，也降低了转向机械部件的负荷，增加了机械的使用寿命。但对于实训类的智能竞速小车来说，一般采用车轮内倾（外倾为负角），相当于给方向轮接地面积留下一入弯的提前量。当车以较高的速度入弯时，随着方向轮的偏角逐步增大，原本方向轮底部较小的接地面积会逐步增大，使车重心更靠近弯道圆心，轮胎与赛道的附着力随之增大，车在弯道时的高速稳定性得到显著提升。通常车轮内倾1-2°。

图6 车轮外倾实物图

图7 前轮前束实物图

前轮前束（图7）：从上车顶端俯视车轮，左右轮前端距离略小于后端距离，呈现出内“八”，一般取6-10mm。前轮前束的作用减轻了因车轮外倾导致增大前轮磨损的副作用，与车轮外倾共同作用下，保证了前轮在小车行进过程中的滚动。前轮前束能够保证车在直线加速时减少细微抖动，保持直行稳定，通常前轮前束为3°左右[2]。

1.3 车胎处理

行进过程中车胎与地面直接接触，因此在高速状态下，车胎的处理显得尤为重要，若某一个速度比为一道鸿沟，则车胎的处理过程，就是在逾越这道鸿沟。

常规的轮胎一般是套在轮毂上，但是车轮在高速旋转的情况下，车胎会逐步脱离轮毂并向轮毂外侧滑动，与轮毂产生相对的横向位移，在车轮空转情况下车胎会在短时间内脱落。对此，需要使用胶将轮毂与轮胎贴合处粘合，避免横向位移的产生。

全新的车胎其摩擦系数最小，新车胎使用一段时间后，摩擦系数会逐步提升，同样的软件、硬件条件下，小车行进会稳定很多。随着小车路程的增加，车胎的摩擦系数会呈现“小→大→小”的变化趋势。

在调车的过程中，应当把摩擦系数最大的车胎取下备用，换上新胎重新磨合。当轮胎摩擦系数达到最大阶段时，取下车胎，用车胎软化剂浸泡轮胎，或者润湿轮胎后使用保鲜膜包裹，使轮胎变软，进一步增加轮胎摩擦系数。正常情形下，一周后车胎在不进行物理处理情况下摩擦系数达到最大。

2 基础控制

2.1 驱动电机控制

大多数智能车驱动电机的控制策略通常采用闭环PID 控制。回馈传感器通常选取光电编码器，运用光电编码器实时监控电机的实际转速，并反馈到数字系统当中完善闭环控制[3]。

PID 控制分为硬件和软件PID。硬件PID 含有冗杂的硬件电路，占据电路板空间，较少应用，当前大都使用数字系统的软件PID 控制，其核心便是PID 算法。PID 算法原理如8 所示。

图8 控制系统原理框图

位置式PID 算法的时域形式为：

另一种简单形式是每一次计算输出时，只取距离当次计算最近的几十个偏差的和替代总和：

调节Kp、Ki、Kd三个参数即可调节算法的效果。

比例系数Kp影响着电机设定转速与测量转速的差值，是控制输出大小的决定部分。小的Kp值使设定值与期望值之差过大，而过大的Kp值又会使超调量过大，引起系统震荡，造成小车不能匀速，当逐步增大Kp值至系统恰好发生震荡，此时略微减小Kp即可。

微分系数Kd影响着电机提速的快慢，即调节时间的长短。系统离散化处理后，差值代表了整个系统的响应趋势，运用响应趋势控制系统，提升了系统的响应速度，进而提高了系统的动态性能，解决了纯Kd带来的震荡问题。调试过程中粗取，然后细调。

积分系数Ki影响着电机转速能否稳定在期望值。和值代表了整个系统的累积偏差，将累差输出，时间越长，积分环节消除系统的静态误差效果越明显。但过大的Ki值会使系统超调量增高，引起系统的不可恢复震荡。

PID 参数整定过程中，按顺序分别确定Kp、Ki、Kd的值。

由式（2）可得t-1时刻的输出：

（2）式减去（3）式，得：

上式中ΔU 表示输出增量，故式（5）为增量型PID的控制规律[4]。为化简后对应的参数，但其意义与位置式中的Kp、Ki、Kd不同。增量式由位置式经过数学变换得到，本质相同，但经过变换后，控制效果略有差异。比较式（5）与式（2），都拥有项，而控制输出大小的决定部分是xe(t)，分析公式后得出结果：参数整定过程中，增量式PID 整定顺序为，与位置式略有不同。

由于增量式输出ΔU 是增量，式（5）中也只使用了最近三次的误差进行计算，而位置式中需用到累差计算后得到U 直接输出给执行机构，在受到相同干扰的情况下，增量式显然误动作更小，抗干扰性强，并且增量式在软件程序中不需做累加处理，也就不需对累加进行限幅，受编程语言变量上限值影响，位置式需要对累差进行限幅。根据式（4）、（5），得到增量式输出为：

在整定三个参数时，需弄清电机的负载。当后轮抬起并空载时，电机的负载为齿轮和车轮，此时调节系数意义不大，车在赛道上跑时，电机负载为整个车体，观察车在赛道上的稳定速度、加速距离、稳定所需时间，结合车的实际情况来调节三个参数才有实践意义；确定参数同时，需对输出进行限幅，否则会出现不可预知的错误，如电机转速失控、电机不转等。

2.2 舵机控制

舵机分为模拟和数字舵机，内置电平比较模块，方便人们使用控制。模拟舵机通常固定工作频率50Hz，数字舵机拥有工作频率高，响应速度快等优势。舵机旋转在0-180°范围内对应单个周期内高电平持续时间0-2.5ms，与高电平占空比无任何关系，通常取1.5±0.05ms 为中值（具体根据控制信号精度确定）；取周期为 2.6ms，数字舵机实际最大工作频率为：，一般选在50-350Hz 范围内。工作电压通常选取5V，而在实际实训竞速中，可采用6-7V 的电压，以换取较高的输出扭矩和响应速度。由于舵机的机械特性，安装舵机后首先得测定机械允许的最大转角对应的数值，对转角进行软件限幅，否则会损伤舵机。

根据CCD 传回的道路信息，计算处理出路径信息后与设定中心信息比较，提取出差值e(t)，运用这个差值给予舵机转向信号，实现智能车的转向控制。舵机一般采用PD 控制：

式（7）中e(t )为期望转角减去当前转角，比例Kp使舵机能够根据道路的偏差大小进行线性输出，由于微分Kd的存在，运用变化趋势控制输出，显著提高了舵机的预见性，减少了转向系统在大弯的过冲。

3 图像处理

线性CCD 具有高灵敏度、动态性能好、线性度良好、体积小、接口简单等优点，易于使用单片机驱动，尤其适合实训类智能车赛道采样工作。线性CCD 内含128 像素检测点，可将车前分为128 份进行观测，配合128×64 OLED 显示屏，交互界面显得更简单有效。智能车在赛道上行进，完全依赖于图像处理后的结果，图像处理也是智能车系统性能优化的重要一环。

3.1 曝光时间

CCD 经过曝光后通过AD 转换器及单片机得出128 个电压值，通过增加或减少曝光时间可以提高或降低读取电压值的相对数值。若是在亮度均匀或光线干扰较小的赛道中，固定的曝光时间满足CCD 采集信息稳定的条件，但在光强不匀或亮度较小的环境下，固定的曝光时间就会严重干扰到CCD 采集的稳定性，采集到的信息会出现混乱，甚至采集到错误的信息。此时引入曝光自适应调节，在光强较弱时，增加曝光时间；光强较强时，减少曝光时间，这样能够很好地减小干扰。

3.2 滤波处理

黑白赛道具有明显的误差，所以CCD 反馈回的128 个电压值会有明显的、区域性的差值。传回的数据经过滤波处理以后才能作为准确的数据去运用。由于CCD 观察角度的差别等原因，同等光强情况下，赛道边缘的电压值会自然降低，同时，因CCD 畸变等缘故，得到的图形效果不符合预期理想图形（图9 所示），图中两边下降沿有渐变的过程，设定的阈值可能恰好位于平缓的下降沿，可能导致赛道识别错误。此时可引入滤波：采用多点取电压平均值的方法，排除噪点，使抖动部分变得平滑。试验多组128 个数据，进行比对，得到一个含有128 个数的加权数组，让每个像素点采集到的电压值乘以权值作为待处理的数据，而后辅助滤波函数，即可得到如图10 所示的较为平稳的图形。

图9 未滤波处理读取的电压值

图10 滤波处理后读取的电压值

3.3 二值化处理

3.4 扫描均匀分布

CCD 镜头角度分为45°、90°、120°三种。以900为例，由于CCD 俯视赛道，所以对于CCD 的128 个像素点来说，离摄像头越近的区域，像素点对应的宽度越小；越远的区域，像素点对应宽度越大，导致每个像素点对应的宽度不等，摄像头两端像素点对应宽度大，中部像素点对应宽度小（图11），无法真实有地反映出赛道的具体情况。

将CCD 前瞻距离与垂直于赛道的水平线构成直角三角形（图12），辅以正切函数进行距离解算，将每个像素点对应的赛道宽度平均化，即可得到稳定的数据。首先定义一个正切函数数组，表示0-800正切函数值，以0.50为精度，数组内共定义160 个数。根据图12可得出：

式（8）中，β 是解算必需的底角，赛道边界是CCD直接读取出的赛道左右两边界，±0.5 为补偿系数；式（9）中，X 为最终解算的边界结果，d 为CCD 前瞻距离，由于边界解算是以赛道中心为零点进行解算，所以在最终结果中需要加上中值补偿，作为实际的解算结果。当车体处于不同的赛道时，反馈回的左右边界数据正负号需要调整，因此在式（8）和（9）中引入符号调整：无论是左、右边界，只要当赛道边界大于赛道中值时，符号一律取正；当赛道边界小于64 时，符号一律取负。单片机通过解算公式对数据处理后，就得到了宽度平均化的赛道信息（图13）。具体的图像处理流程如图14 所示。

图11 未等分前CCD 像素点对应赛道宽度

图12 均分解算图示

图13 等分后CCD 像素点对应赛道宽度

图14 图像处理流程框图

4 行进策略

智能车控制策略近年来初步分化为：匀速、直道提速—减速过弯、加速过弯等，这些控制策略均需对CCD数据进行处理，识别出赛道的种类并加以控制。

加速过弯策略对车的控制算法，对机械特性要求非常高，而匀速耗时较长，鲜有人采取这两种做法。目前直道提速—弯道减速策略因控制算法易于实现，对客观条件要求稍低，故选择此种行进策略。当车在直道上高速行驶，识别出弯道时开始减速，但真正进行减速时，车即将入弯或已经入弯，此状态车容易打滑或冲出赛道。直线减速阶段，出弯后加速阶段都比较浪费时间，如何选取差速数值也是该策略直道与弯道差速控制的一个难点，需要多次试验才能得出合适的数值。

车直线高速行驶时识别出弯道时，不对其进行减速，而是给电机反转信号，使其反转并提供最大制动力，让车迅速减速甚至短停，而后使用正常PID 控制，车会在入弯前以超低速重新加速，在弯道内仍然保持提速状态，不过此时车速仍然在系统可控范围内，出弯后甚至弯道内车已经提至设定速度，减少了“直道提速—减速过弯”策略的入弯减速和出弯加速的时间，有效地缩短了车的单圈耗时。该行进策略可行性高且效果明显，只需多次试验，得出数据，做好微分D 控制以及何时进行刹车等即可，该策略也称之为弯道点刹[6]。

5 结语

本文从机械、控制、图像处理、行进策略多个角度由深入浅出地剖析了智能车系统的主要构成，介绍了系统搭建与调控，比较了两种PID 的性能，提出了采用增量式控制驱动电机、对赛道信息进行滤波处理的较为新颖的方案和采用点刹过弯的行进策略。该策略和方案具有系统响应快、稳定性优良、咬线准确、动态性能好、易于控制等优点，相比于比其他策略可显著缩短单圈耗时。