具備自主循跡功能的智能車控制系統(tǒng)軟件設(shè)計(jì)案例目錄TOC\o"1-3"\h\u8397具備自主循跡功能的智能車控制系統(tǒng)軟件設(shè)計(jì)案例 [13]。具有高效的代碼執(zhí)行能力和效率，支持在線模擬調(diào)試。1.2程序總體框架設(shè)計(jì)本設(shè)計(jì)的程序部分首先包括主程序部分和各個(gè)模塊的程序控制部分。其中主程序主要包括對主控芯片的時(shí)鐘、GPIO、寄存器、定時(shí)器、片內(nèi)外設(shè)、芯片的Flash以及智能車的各個(gè)模塊進(jìn)行初始化，同時(shí)主程序根據(jù)芯片的時(shí)間片輪轉(zhuǎn)調(diào)度法進(jìn)行程序的執(zhí)行。而子程序的初始化包括按鍵部分、電機(jī)驅(qū)動部分、AD電磁檢測部分、舵機(jī)驅(qū)動部分以及無線通信模塊的串口配置和定時(shí)器的初始化部分。根據(jù)智能車軟件部分程序功能的設(shè)計(jì)，程序執(zhí)行的主流程圖如圖16所示圖16智能車主程序流程圖其中主控芯片上的通用定時(shí)器在每5ms、10ms、100ms，而本設(shè)計(jì)選用的是讓定時(shí)器每10ms采集一次電感數(shù)據(jù)，然后通過無線傳輸模塊把采集到的電感信息發(fā)送到主控芯片。主控芯片通過對電感數(shù)據(jù)的加權(quán)遞推平均濾波和卡爾曼濾波兩種算法得到處理后更平滑穩(wěn)定的數(shù)據(jù)。然后根據(jù)處理過后的原始數(shù)據(jù)，判斷智能車所在的位置和環(huán)境，然后主控芯片輸出相對應(yīng)的PWM波，進(jìn)而控制舵機(jī)來使智能車轉(zhuǎn)向，控制電機(jī)來調(diào)節(jié)智能車的速度，智能車的整體控制程序周期為100ms。1.3數(shù)據(jù)信息采集和處理算法電磁檢測的產(chǎn)生的感應(yīng)電流經(jīng)過運(yùn)算放大電路后會變成電壓，然后經(jīng)過主控芯片的AD轉(zhuǎn)化模塊變成可以被主控芯片識別的數(shù)字信號，信號的采集框圖17如圖17智能車數(shù)據(jù)處理流程圖采集原始數(shù)據(jù)的代碼如下AD_data[0]=adc_mean_filter(ADC_0,ADC0_CH0_A0,ADC_12BIT,5);AD_data[1]=adc_mean_filter(ADC_0,ADC0_CH1_A1,ADC_12BIT,5);AD_data[2]=adc_mean_filter(ADC_0,ADC0_CH2_A2,ADC_12BIT,5);AD_data[3]=adc_mean_filter(ADC_0,ADC0_CH10_A10,ADC_12BIT,5);AD_data[4]=adc_mean_filter(ADC_0,ADC0_CH11_A11,ADC_12BIT,5);在上面代碼中，ADC_0是采集原始數(shù)據(jù)的具體通道，ADC_12BIT為采集數(shù)據(jù)的精度，5為采集5次求一次平均值。采集得到的數(shù)據(jù)經(jīng)過歸一化濾波處理，并且進(jìn)行限幅把數(shù)據(jù)大小規(guī)定到0到100之間，這樣可以避免外來噪音的干擾。此部分的算法如下：for(uint8i=0;i<7;i++){AD_G[i]=(float)(100*(AD_data[i]-hellomin[i])if(AD_G[i]>100)AD_G[i]=100;elseif(AD_G[i]<1)AD_G[i]=1;}經(jīng)過歸一化處理后的數(shù)據(jù)然后再經(jīng)過滑動濾波和卡爾曼慮波，具體程序入下for(uint8j=0;j<5;j++){for(uint8i=0;i<7;i++)AD_temp[i][j]=AD_temp[i+1][j];}AD_temp={{00,01,02,03,04},{10,11,12,13,14},{20,21,22,23,24},{30,31,32,33,34},{40,41,42,43,44},{50,51,52,53,54},{60,61,62,63,64}}j0j1j2j3j4i=00001020304i=11011121314i=22021222324i=33031323334i=44041424344i=55051525354i=66061626364Foresight_Data(*(AD_temp+6));array_sort(AD_temp,5,7);原始數(shù)據(jù)經(jīng)過滑動濾波處理后，是原始數(shù)據(jù)圖像在上位機(jī)上顯示的圖像也能更加平滑，也去除了大量的噪音和環(huán)境中其他因素的影響。1.4速度算法設(shè)計(jì)智能車的速度是根據(jù)編碼器傳回的脈沖數(shù)計(jì)算出來的，然后再根據(jù)傳統(tǒng)的控制方式對速度進(jìn)行控制，然后通過編碼器傳回來的反饋信息和電感對小車道路元素的判斷，使智能車判斷自己所處的位置并根據(jù)不同的位置設(shè)定不同的速度。其速度控制的核心代碼為：Speed=Proportion*IError+Integral*SUMError+DError*Error_LIST1.5方向控制算法1.5.1PID算法框圖由于智能車運(yùn)行的環(huán)境中有坡道、草坪、沙地、苯環(huán)、連續(xù)直道等多種路況，而且為了使越野小車能夠快速地完成路況的各個(gè)元素，采用了讓智能車經(jīng)過不同的元素使用不同的速度運(yùn)行，比如在直道上提速，在連續(xù)直角的時(shí)候就降速行駛，所以智能車的方向控制就非常重要。用平常的PID算法會由于智能車在運(yùn)行過程中由于產(chǎn)生顛簸，使智能車的判斷變得遲鈍和誤判導(dǎo)致智能車不能正常的按照賽道運(yùn)行。本設(shè)計(jì)在方向控制方面使用了模糊PID算法。完成該算法主要是完成數(shù)據(jù)的模糊化、進(jìn)行數(shù)據(jù)知識庫的查詢、對處理后的數(shù)據(jù)進(jìn)行模糊推理、對最終數(shù)據(jù)的反模糊化處理這四個(gè)部分，在這四個(gè)部分中最重要的部分就是模糊推理，尤其是模糊規(guī)則的制定。1.5.2模糊規(guī)則的建立在使用的模糊PID控制中有兩種情況，一種是當(dāng)檢測到的系統(tǒng)偏差比較大時(shí)，這時(shí)候就要大幅度調(diào)節(jié)，另一種是如果反饋采集到的系統(tǒng)偏差較小，此時(shí)只需要微調(diào)。在整個(gè)方向控制算法中最重要的是利用模糊PID中的三個(gè)參數(shù)進(jìn)行多次調(diào)節(jié)，使越野小車能在各種運(yùn)行速度下，穩(wěn)定的經(jīng)過所模擬的各種環(huán)境和道路元素。通過根據(jù)小車賽道的實(shí)際路況設(shè)計(jì)模糊規(guī)則其中KP和KD的模糊控制聯(lián)系如表1和表2所示；表1KP模糊控制表ECENBNMNSZOPSPMPBNBPBPBPMPMPSZOZONMPBPBPMPSPSZONSNSPMPMPMPSZONSNSZOPMPMPSZONSNMNMPSPSPSZONSNSNMNMPMPSZONSNMNMNMNBPBZOZONMNMNMNBNB表2KD模糊控制表ECENBNMNSZOPSPMPBNBPSNSNBNBNBNMPSNMPSNSNBNMNMNSZONSZONSNMNMNMNSZOZOZONSNSNSNSNSZOPSZOZOZOZOZOZOZOPMPBNSPSPSPSPSPBPBPBPMPMPMPSPSPBintrule[7][7]={//誤差變化-3,-2,-1,0,1,2,3{-6,-6,-6,-6,-5,-5,-4,},//-30{-5,-5,-5,-4,-4,-3,-1,},//-21{-4,-4,-3,-1,0,1,2,},//-12{-4,-3,-1,0,1,3,4,},//03{-2,-1,0,1,3,4,4,},//14{1,3,4,4,5,5,5,},//25{4,5,5,6,6,6,6}1.5.3模糊推理機(jī)對于隱含算子的選擇可以直接影響模糊推理，特別是伴隨三角模和隱含算子的選擇。從編碼器檢測和發(fā)送過來的數(shù)據(jù)我們可以計(jì)算出來智能車實(shí)時(shí)的數(shù)度變化和加速度變化。然后再根據(jù)上面的KP、KD的模糊表來確定這兩個(gè)變量。具體查詢參數(shù)KP代碼如下：if(Pe<(RANK-1)&&PECL<(RANK-1)){Nn=Rule_kp[PECL][Pe];U2FUZZY_kp[Nn]+=EFuzzy[0]*ECFuzzy[0];Nn=Rule_kp[PECL][Pe+1];U2FUZZY_kp[Nn]+=EFuzzy[1]*ECFuzzy[0];Nn=Rule_kp[PECL+1][Pe]; U2FUZZY_kp[Nn]+=EFuzzy[0]*ECFuzzy[1];Nn=Rule_kp[PECL+1][Pe+1];U2FUZZY_kp[Nn]+=EFuzzy[1]*ECFuzzy[1];}elseif(pe==(RANK-1)&&PECL<(RANK-1)){Nn=Rule_kp[PECL][Pe];U2FUZZY_kp[Nn]+=EFuzzy[0]*ECFuzzy[0];Nn=Rule_kp[PECL+1][Pe];U2FUZZY_kp[Nn]+=EFuzzy[0]*ECFuzzy[1];}elseif(pe<(RANK-1)&&pec==(RANK-1)){Nn=Rule_kp[PECL][Pe];U2FUZZY_kp[Nn]+=EFuzzy[0]*ECFuzzy[0];Nn=Rule_kp[PECL][Pe+1];U2FUZZY_kp[Nn]+=EFuzzy[1]*ECFuzzy[0];}else{Nn=Rule_kp[PECL][Pe];U2FUZZY_kp[Nn]+=EFuzzy[0]*ECFuzzy[0];}1.5.4去模糊化我們使用的控制數(shù)據(jù)在模糊化處理后使用，我們經(jīng)常使用以下反模糊化方法；(1)最大隸屬法：最大隸屬法的輸出值就是模糊集合里面的最大值，該方法最大的缺點(diǎn)就是使用該方法的時(shí)候控制精度不高會出現(xiàn)元素誤判的情況，最大隸屬法的控制公式為；（1.1）（1.2）(2)重心法：重心法的輸出表達(dá)公式為（1.3）當(dāng)具有m個(gè)輸出量化級數(shù)的離散閾情況（1.4）與最大隸屬方法相對比，重心法具有精度高、控制度靈敏、反應(yīng)迅速、數(shù)據(jù)處理更平滑的優(yōu)勢，由于本設(shè)計(jì)是在室外環(huán)境中運(yùn)行的影響因素比較多故采用的使重心法反模糊化。(3)加權(quán)平均法：加權(quán)平均法多用于工業(yè)控制上來進(jìn)行反模糊控制，其輸出值由以下公式確定（1.5）設(shè)計(jì)中的具體代碼如下：if(Un[0]>=0)Un[0]=UFF[Un[0]];elseUn[0]=-UFF[-Un[0]];if(Un[1]>=0)Un[1]=UFF[Un[1]];elseUn[1]=-UFF[-Un[1]];if(Un[2]>=0)Un[2]=UFF[Un[2]];else