技术中心
 
 

基于模糊控制的智能竞速车舵机转向系统设计

   日期:2011-05-04     来源:互联网    作者:上海海洋大学工程学院 王永鼎 聂莉娜    
核心提示:目前,汽车正向自动化、智能化方向发展,实现自动寻线行驶、自实现路径变化功能,并在可靠性基础上快速行驶,在工程及物流等实际生产中得
目前,汽车正向自动化、智能化方向发展,实现自动寻线行驶、自实现路径变化功能,并在可靠性基础上快速行驶,在工程及物流等实际生产中得到越来越多的应用。竞速车模的设计开发,为车辆寻线行驶功能的实现提供了可借鉴的方案和方法。本文对竞速车模舵机转向系统进行优化设计,提出了一种模糊控制的舵机转向控制方法。

各种控制方法分析

目前,人们所采用的自动控制方法大致分为三种:经典控制、现代控制和智能控制。

经典控制是人们常用的控制方法,是以传递函数为基础实现的。一般的工业生产过程较多属于线性定常系统,故可以用经典控制方法来控制,经典控制方法最典型的就是pid控制方法[1-3]。其调节品质取决于pid控制器各个参数的整定。但是这种控制方法只能解决线性定常系统的控制问题。

现代控制理论可以解决时变系统的控制问题,在时变系统中,输入量和输出量的关系随时间的变化而变化。故而现代控制理论在航空航天和军事上有很大的作用。现代控制方法以状态方程为基础实现。

智能控制[4-5]是自动控制发展的高级阶段,是人工智能控制论、系统论和信息论的多种学科的高度综合与集成,是一门新的交叉前沿学科。智能控制无需人的干预就能够独立驱动智能机器实现其目标的控制方法。目前,智能控制技术,如神经元网络技术,模糊控制技术,遗传算法优化技术,专家控制系统,基于规则的仿人智能控制技术等已进入工程化和实用化。

控制方案的选取

经典控制和现代控制,要求建立一套精确的数学模型,然而在实际应用中,有些复杂过程难以求取数学模型或根本无法求取其数学模型。智能控制是利用人的经验来控制复杂过程的一种方法,并不断完善和发展。模糊控制[6-8]是智能控制方法中的一种,智能竞速车采用模糊控制,有如下优点:

(1)无需预先知道被控对象的精确数学模型。

(2)控制规则以人的经验总结表示,容易掌握。

(3)对被控对象的参数变化有较强的鲁棒性。

(4)控制知识是以人的语言形式表示,有利于人机对话和系统的知识处理,从而有利于系统处理的灵活性和机动性。

智能车设计方案

智能车前轮转向设计要求

智能车模以稳、快、准为目标,即要求模型车速度及行驶路线稳定,算法反应和速度、角度调节快,以及速度控制和检测系统测量准确,所以设计过程中,检测部分必须选择性能可靠、反应速度快的传感器,并使用智能算法控制车辆行驶[9-11]。

红外传感器的布置

针对白色底色宽60cm,标识黑线宽2.5cm的道路条件,本设计采用7对红外传感器进行道路识别,每个红外传感器间隔2.5cm,成水平直线排列,以保证只有一个光电管信号在黑线内为稳定目标。这样,就可以依据识别信号,将偏转角度划分为7个级别。

舵机控制模块

采用hs-925型舵机来控制智能车前轮的转向,其特点为扭力大,稳定性好,控制简单,便于和数字系统接口,控制角度精确。

舵机工作原理

(1)舵机结构包括减速齿轮组,位置反馈电位计,直流电机和控制电路等。

舵机工作原理如图1所示,减速齿轮组由电机驱动,其输出轴带动一个线性的比例电位器作位置检测,该电位器把转角线性地转换为电压并反馈给控制线路板,控制线路板将其与输入的控制脉冲信号比较,产生纠正脉冲,并驱动电机正向或反向转动,使齿轮组的输出位置与期望值相符,从而达到使伺服马达精确定位的目的[12-13]。



图1 舵机工作原

(2) 舵机的控制

本系统采用的控制信号为周期13ms的脉冲信号,改变脉冲宽度就可以改变舵机的方向,另外脉冲宽度和转角成线性关系[14-16],其计算公式为:

a=(l-1.5)×90° (1)

其中a是舵机的转角,单位是度;l是脉冲宽度,单位是毫秒。其转角和脉冲宽度的对应关系如图2所示。



图2 舵机的控制

在硬件实现上,利用了一路16位的pwm来驱动舵机转向。

模糊控制方案的设计

模糊控制器有三个功能模块:模糊化,模糊推理,清晰化,如图3所示。



图3 模糊控制器

模糊子集和隶属函数的建立红外接收管编码如图4所示。



图4 红外接受管编码

本系统模糊控制器采用常规模糊控制器,其输入量为当前位置偏差e,输出量为舵机控制信号u。

位置偏差e是光电传感器反馈回的实际位置与智能车中轴线的偏差。e为零时,智能车未偏离路径;e为正数时,智能车向左偏离路径;e为负数时,智能车向右偏离路径。其偏离范围e(论域,单位为cm)为[-9,9],将论域离散化为整数集e={-9,-6,-3,0,3,6,9},则量化因子k=n/x=1.0。

将位置偏差e的值模糊化。设模糊子集e={nb,nm,ns,ze,ps,pm,pb},其中,nb:[-9,-6],表示左偏特大;nm:[-9,-3],表示左偏较大;ns:[-6,0],表示左偏较小;ze:[-3,3],表示正中;ps:[0,6],表示右偏较小;pm:[3,9],表示右偏较大;pb:[6,9],表示右偏特大。

e的隶属函数为三角形函数分布,如图5所示。



图5 e的隶属度函数

由于位置偏差有正负,则舵机转角也有正负,位置模糊控制器输出控制舵机偏转的信号u就有正负。设定u为正时舵机向右偏转,u为负时舵机向左偏转,则u的模糊子集与位置偏差e的模糊子集相似,即u={nb,nm,ns,ze,ps,pm,pb}。将u的大小也量化为七个等级,其论域u={-45,-30,-15,0,15,30,45}。u的隶属函数如图6所示。

控制规则

模糊规则反映了输入输出变量之间的关系,模糊控制规则是模糊控制的核心。

智能车运动时,舵机控制信号u的选择应与位置偏差的大小和符号相关。位置偏差e绝对值较大时应以较大的绝对值的控制信号控制舵机偏转;而位置偏差e绝对值较小时应以较小的绝对值的控制信号控制舵机偏转。当位置偏差e为正,即智能车向左偏离路径时,控制信号控制舵机向右偏转才能减小位置偏差;而当位置偏差e为负,即智能车向右偏离路径时,控制信号控制舵机向左偏转才能减小位置偏差。

模糊控制规则如表1所示。

表1 模糊控制规则表


模糊推理和清晰化

推理是模糊控制系统的核心。以模糊概念为基础,模糊控制信息可通过模糊蕴涵和模糊逻辑的推理规则来获取,并可实现拟人决策过程。根据模糊输入量(偏差e)和模糊控制规则,模糊推理求解模糊关系方程,获得模糊输出量(偏转角u)。

清晰化是将模糊推理后得到的模糊集转换为用作控制的数字值的过程。可采用重心法的方法清晰化。重心法是指取模糊集隶属函数曲线同基础变量轴所围面积的重心对应的基础变量作为清晰值的方法。

舵机控制策略及算法

对传感器检测到的信号进行量化处理,对应舵机偏转角的计算。另外为了避免从直道入弯的过冲,和从弯道进入直道的振荡问题,程序中还需要对速度进行控制。

量化的过程

智能车通过7个光传感器进行位置的采样,根据传感器的布局,从左至右依次编号为1,2,3,4,5,6,7。由于传感器分布比较密,会出现一个或两个传感器同时检测到黑线的情况,这样可以得到13种路面情况。为了方便处理,将所得到的传感器的信号量化为[1,2,3,4,5,6,7,8,9,10,11,12,13]。

舵机偏转角的计算

通过计算来得到最后的舵机偏转角,具体计算推理过程如下:

(1)将传感器的设计位置投影到基准线上得到的对应偏差从左到右依次为-9,-6,-3,0,3,6,9。与上面的量化处理之后的1,3,5,7,9,11,13对应。这样的话,量化结果可用zadeh表示法来表示其在论域e上的模糊集合,如:10的位置可以表示为。

(2)通过模糊推理,可得到个量化结果的输出量(模糊量),用zadeh表示法表示在论域u上,如10对应的输出结果(模糊量)可以表示为。

(3)再通过重心法清晰化后得到各量化结果对应的输出结果,则10对应的输出结果为0.5×15+0.5×30=22.5。

(4)为了使竞速车在直道上行驶平稳,对量化值5到9的输出结果进行适当调整,使中间6,7,8对应的输出量为0度,其他的相应调整使得角度变化较为平均。

速度的控制

小车匀速行驶时,从直道进入弯道,可能会产生过冲,从弯道进入直道,可能会有振荡,所以必须进行速度调节。具体做法是,在检测到传感器偏出时立即减速,当从偏出回到中心位置时再恢复原速。

试验结果

通过采集当前路况信号,对舵机的转向角进行控制,以实现对小车循迹功能的控制。智能小车前轮转向角度的输出,是通过对舵机输入pwm信号的调制脉宽进行控制的。实验中测出脉宽在8316至9084微秒之间,对应舵机转轴的转角为-45度到+45度,转向机构将舵机转角传递到前轮。忽略舵机的动态响应过程,在舵机处于稳态时,脉宽与前轮的方向转角存在一一对应的映射关系。因此模糊控制器的输出就是控制舵机的脉冲宽度,范围为8316至9084微秒,输出时将论域定为0到768微秒,则对应舵机向左或向右转动45度。本设计中采用的是智能车对黑线的直接变化量作为偏差输入,在给pwm模块设置脉宽时加上8316微秒的偏移量。具体的舵机转角与pwm对应关系如表2所示。

表2 舵机转角与pwm对应关系表


根据本文介绍的模糊算法和传统pid算法为智能车编制了两个控制程序,将这两个控制程序分别下载到同一个智能车的mcu中,并在跑道上运行。通过多次对比,把制作完成的智能小车放到特定的跑道上进行试验,如图7、图8、图9、图10,实验结果表明,小车都能很好的、快速的在规定的轨道内行驶。基于模糊控制的转向控制器在直线、曲率半径大的弯道、曲率半径小的弯道、蛇形弯处行驶是都可以实现智能车辆的转向控制,转向稳定性较好。



图7 小车行驶在直道中



图8 小车行驶在曲率半径大的弯道中



图9 小车行驶在曲率半径小的弯道中



图10 小车行驶在蛇形弯道中

小结

本文的研究目的主要是利用模糊控制算法对智能车的舵机转向系统进行有效控制,针对模糊控制器参数进行深入细致研究并优化设计,得到如下结论:

(1)建立了隶属函数和模糊控制规则。根据系统的固有特性,结合专家经验实时调整模糊控制规则。与使用模糊控制规则表改变控制规则的方法相比,本文提出的方法更能反映系统的固有特性,且实现更为简单。

(2)针对舵机系统的特点,为了提高系统的控制性能,设计了一种fuzzy控制器,并将该控制器应用到智能车系统的舵机控制中。

(3)完成整个智能车舵机控制系统设计,模仿人工驾驶行为设计智能车运动控制策略,采用常规模糊控制器对智能车系统的舵机转角进行控制,并进行了实验和分析。

通过智能车实验和竞赛,证明文中所提出的方案是先进有效的。

 
  
  
  
  
 
更多>同类技术
 
全年征稿 / 资讯合作
 
推荐图文
推荐技术
可能喜欢