基于电磁引导的道路自识别智能汽车软硬件设计与研究

许芝龙

摘 要：本文利用电磁原理对基于电磁传感器自识别道路的智能汽车寻迹检测装置进行理论研究，在MC9S12系列单片机控制核心基础上对智能汽车的控制系统输入信号进行分析，完成了可以自识别路径的控制原理方案、包括信号控制电路的设计和制作在内的硬件设计。最后以嵌入式软件开发工具软件Codewarrior为开发平台，以增量式PID控制与模糊控制相结合，完成微缩智能车模型控制系统的程序算法的实现。本文为电磁在道路自识别系统中的应用提供了理论依据和工程实现方法，也为同类电气自动化产品在自识别路径与寻迹中提供了分析方法和思路。

关鍵词：微缩智能车模型；模糊控制；硬件实现；软件实现

中图分类号：TP273 文献标志码：A

智能汽车指的是利用多种传感器和智能公路技术实现自动驾驶的汽车，通常具有自动驾驶、自动变速和自动识别道路的功能。车内的各种辅助设施也实现电脑自控化。世界上许多研究机构早已关注智能交通系统（ITS）方面的研究工作，同时已经研发出了一些智能化车辆的原型，并进行了一些路面测试。智能化原型车研发过程得益于机械、电子、现代传感器、信号处理技术、现代控制及人工智能等交叉学科的相关领域知识的综合运用，并从交叉学科中得到许多新观点、新思路、新方法。智能小车是未来智能车辆的缩微模型。除机械结构外，其控制系统、控制原理和控制方法的实现是一致的。

本文基于电磁传感器原理对路径自识别智能车微缩模型中的电源电气、信号控制系统进行开发和制作。

1 智能汽车控制系统硬件设计与构成

微缩智能车的自识别路径为道路中心线下的漆包线，该漆包线电线中通有20kHz交变电流，由交变电流产生的磁场来导引智能车沿着道路行驶。漆包线的直径为0.1mm～0.3mm，交流电流的频率范围：20kHz±2kHz；交流电流大小范围：50mA～150mA。其交流电频率确定依据主要为：在频谱上可以有效地避开周围通用的其他磁场的干扰。

1.1 微缩智能车模型硬件系统

微缩智能车模型系统由一系列的硬件组成，包括组成车体的底盘、轮胎、舵机装置、道路检测装置、马达装置、测速装置和控制电路板等。微缩智能车模型的尺寸360mm×400mm，舵机型号为Futaba S3010；智能车为后轮驱动，其驱动电机型号为RS380-ST/3545。

1.1.1 微缩智能车模型道路检测装置计算

鉴于其信号特点，本文所选择的道路检测装置是安装在汽车前方20cm、距地面20cm处的一组电感，并根据电流的大小确定出智能车模型距离该漆包线的距离。本文选取8个传感器水平布置。现取左右两端最外处的电感传感器研究计算。

假定两个线圈的距离为L，两个线圈的轴线为水平，高度为h，并定义坐标系：沿着智能车的前进方向为Z轴，在路径平面内垂直于道路的中心线为X轴，垂直道路往上为Y轴，且X、Y、Z轴满足右手法则，如图1所示。左边的线圈的坐标为（x，h，z），右边的线圈的位置（x-L，h，z）。由于磁场分布是以Z轴为中心的同心圆，所以在计算磁场强度的时候仅需考虑坐标（x，y）。

感应电动势E是位置x的偶函数。如图2所示，从该关系中只能够反映到水平位置的绝对值x的大小，无法分辨传感器在导线的左侧还是右侧。为此本文使用相距长度为L的两个感应线圈，计算两个线圈感应电动势的差值：

（1）

为此，可以通过差值Ed对于小车转向进行负反馈控制，从而确保两个线圈的中心位置跟踪赛道的中心线。通过改变线圈高度h、线圈之间距离L可以调整感应电动势的大小以及位置检测范围。

1.1.2 信号选频放大及电路的实现

使用电感线圈对路径中电磁场感应出电动势外，其周围的交变磁场同样也会感应出电动势。为此需要进行选频，以去除其他干扰信号的影响，确保智能车输入准确信号。

实现选频电路，本文采用单管共射交流放大电路。同时，通过对有无谐振电容的电路输出感应电压进行对比研究，发现：增加有谐振电容之后，感应线圈两端输出感应20kHz电压信号不仅幅度增加，而且有效排除了其他干扰信号。这样无论导线中的电流波形是否为正弦波，由于本身增加了谐振电容，所以除了基波信号之外的高次谐波均被滤波除掉，只有基波20kHz信号能够发生谐振，输出为20kHz的正弦波。其对比波形图如3所示。

1.2 控制核心及控制信号输入

本课题中的微缩智能汽车模型使用微控制器（MCU）是Freescale飞思卡尔公司推出的S12系列单片机MC9S12XSl28。该微控制器有PWM（脉冲宽度调制）模块、ECT模块、SCI模块、SPI模块、A/D转换模块、EEPROM模块和FLASH模块共7个模块。其中PWM（脉冲宽度调制）调制波有8个输出通道，每一个输出通道都可以独立地进行输出。

在该微缩智能车中，基本的输入控制信号有路径检测信号装置、速度反馈装置、启停自动识别装置。这些微缩智能汽车传感器再加上电源模块就构成了控制系统的信号输入，在这些输入信号的基础上，通过控制算法就可以实现对智能汽车的控制，其输出表现形式为智能汽车的路径识别、车速、启动与停止。这样就构成一个控制回路图，其控制系统的模块框图如图4所示。

2 道路自识别智能汽车控制方法研究

2.1 电磁传感器采集信号的处理

该微缩智能车使用电磁传感器获取的感应电流为路径自识别信号。该信号由电感传感器直接输入微控制器的A/D接口，经A/D转换后将感应交变电流转换为数字信号。为有效避免信号中的干扰信号，准确地从电感传感器中获取真实信号的最好办法是多路采集，然后进行数据统计分析。

有一个可为微缩智能汽车速度和方向提供控制的可使用数据为：连续采集5个～10个周期的电流信号（由于该智能车采用8个传感器，如果采集10个周期，则有80个数据），获取信号的峰值就可以直接在采集的80个数据中用信号最大值减去最小值。公式表达为：假定80个数据为xi，i=1，2，…80，则信号的峰值Vp按下式计算：

（2）

但该方法获取的峰值仅考虑了一组数据中的最大值和最小值。仅通过这两个值并不能准确反映车辆偏离轨道的准确位置，而且该最大值和最小值如果收到干扰信号的干扰，则会发生控制偏离。因此，还可以将获取的一组交流信号的平均值、有效值综合考虑信号的幅值。

2.2 控制方法简述

鉴于信号的特征、轨迹的随机性，本文采用将PID控制和模糊控制方法相结合的办法来对智能汽车进行控制。

在微缩智能車中，整个控制系统为闭环控制，满足PID控制的基本条件。虽然感应磁场为连续信号，但由于电感传感器采集并传输至微控制器的信号为离散信号（定时对连续信号感应电流采集），所以在该智能车中只能采用增量型的PID控制方法。

同时，本文采用模糊控制方法，根据智能车所行驶的轨迹推断下一个路径特点。比如在弯道中，当智能车已经识别当前在弯道中行驶时，则会采用模糊控制理论，对舵机的方向控制增大输出PWM（脉冲宽度调制）值，从而进行自识别弯道处理。再如，当智能车自识别当前所行驶的路段弯曲度较小，则会对速度的控制增大PWM值，以提高智能车的行驶速度。

当模糊控制获得智能车已经处于弯道行驶信息时，此时，就需要对其进行减速控制，其减速控制通过调整目标速度Vm达到。具体的减速情况随智能车的调试和弯道的剧烈程度不同而不同，这些计算值的获取以及对弯道行驶状态的判别等信息均采用模糊控制算法，其控制的具体参数由实际对智能车进行调试行驶获得。对此典型的算法为：

设方向偏离的差值为Dr：

0≤ Dr

a2≤ Dr

其中，对目标速度值K1、……、Kn的设定需要根据实际调试经验由模糊控制获得；而实现对目标速度的调整、弯道方向的调整则需要采用PID控制方式实现。

3 道路自识别智能汽车控制程序实现

本课题通过对以上所列外部信息进行输入，在微控制器上基于CodeWarrior平台采用C语言程序以PID控制算法和模糊控制算法为控制算法基础完成对智能车的控制。

3.1 MC9S12XSl28 A/D转换模块初始化

A/D转换模块有模拟量前端、模拟量转换、控制部分及结果存储等四部分组成。其中模拟前端包括多路转换开关、采样缓冲器、放大器等，结果存储部分主要有8个16位的存储器和反映工作状态的若干标志位。结合本课题中对A/D转换模块所使用的情况，对其寄存器进行初始化。限于篇幅原因其程序本文不做阐述。

3.2 控制程序的实现

在对之前所述的控制算法进行程序实现时，需要对微控制器各个使用模块进行初始化。其模块初始化程序包括：（1）完成微控制器CPU总线时钟60M定义；（2）ICO1输入捕捉初始化；（3）使定时中断产生5ms一次的中断；（4）A/D采样程序，多通道采集，从0通道开始采样在5通道采样后返回；（5）PWM初始化，67通道级联PP7输出给舵机，45通道给电机，1通道正转，5通道反转；（6）SCI初始化，以便使用串口传回数据。

限于篇幅，本文仅提供部分控制程序，具体程序如下：

void speed（void）

{int dsp； dsp=spdset-speed_back；

if（（road[0]<6&&road;_f[1]>6）||（road[0]>13&&road;_f[1]<13））//入弯减速

{PWMDTY1=60sensor_1（）；sensor_1（）；}

else if（dsp>=30）{PWMDTY1=spdset+25；PWMDTY5=0；

……

else if（dsp<0） {PWMDTY5=spdset-30；PWMDTY1=0；}

结论

本文基于MC9S12系列单片机控制核心，讨论了该控制核心的外围接口电路，完成了可以自动识别路径的控制原理方案、包括信号控制电路的设计和制作在内的硬件设计。进一步以嵌入式软件开发工具软件Codewarrior为开发平台，将增量式PID控制与模糊控制相结合，完成微缩智能车模型控制系统的程序算法实现。为电磁在道路自识别系统中的运用提供了理论依据和工程实现方法，也为同类电气自动化产品在自识别路径与寻迹中提供了分析方法和思路。

参考文献

[1]胡海峰，史忠科，徐德文.智能汽车发展研究[J].计算机应用研究，2004，21（6）：20-23.

[2]孙海涛.基于视觉导航的智能车辆自主行驶研究[D].合肥：合肥工业大学，2005.

[3]李金灿.基于道路自识别的智能汽车控制系统设计[D].广州：华南理工大学，2011.

[4]李媛，李久生.电磁场与微波技术[M].北京：北京邮电大学出版社，2010.