飞思卡尔智能车大赛杭州电子科技大学杭电二队智能车技术报告

飞思卡尔智能车大赛技术报告

本设计采用单片机（MC9S12DG128）作为智能小车的检测和控制核心。路径识别采用CMOS摄像头，车速检测采用红外对管和编码盘，由MOS管组成H桥来控制驱动电机正反转的快速切换，利用PWM技术控制小车的运动速度及运动方向。基于这些完备而可靠的硬件设计，还设计了一套PID优化算法，编写了全闭环运动控制程序，经反复测试，取得了较好的效果。

第一章 引言

.1 智能车系统研究内容

智能车系统要求以MC9S12DG128为核心，能够自主识别路线，在专门设计的跑道上自动识别道路行驶，以最快的速度跑完全程。其主要研究内容包括以下几个部分：电源、路径识别、直流电动机驱动及运动控制等。

1.1.1 电源

根据智能车系统各部件正常工作的需要，对配发的标准车模用7.2V 1800mAh Ni-cd电池进行电压调节。其中，单片机系统、车速传感器电路需要5V电压，摄像头的12V工作电压由DC-DC升压回路提供，伺服电机工作电压范围4.8V到6V，直流电机经过H桥路由7.2V 1800mAh Ni-cd蓄电池直接供电。

1.1.2 路径识别

路径识别模块是智能车系统的关键模块之一，路径识别方案的好坏，直接关系到最终性能的优劣。在高速度和预先判断算法的前提下，摄像头可能是寻找路径规迹的最好选择。因为MC9S12DG128的运算处理和AD采样速度有限，因此确定合理的采样次数和合理的处理摄像头的数据是十分重要的。舍弃非关键数据进行数据简化和制定高效率的路径规划也是一个难题。

1.1.3 直流电动机驱动

直流电机的控制一般由单片机产生的PWM信号配以H桥路来完成。为了得到更大的驱动电流和较好的刹车效果，选用低内阻的MOS管和适当的反向驱动也是必需的。MOS管我们选取了IRF4905和IRFZ48N，在MOS管子的驱动方面我们直接使用IR公司的IR4427双道驱动芯片。具体的H桥电路见图1.1 。

1.2 智能车制作情况

整个智能车控制系统分为4部分电路板，分别为路径识别模块，单片机模块，直流电机驱动模块和速度检测模块，还有串口通讯及调试接口。每个模块都单独做成一块电路板，模块与模块之间通过数据线相连。下面简单介绍每个模块的结构及相互间的连接。

飞思卡尔智能车大赛技术报告

图1.1 H桥电路示意图

1.2.1 单片机模块硬件板

核心板部分全部重新设计。为了方便插接，我们选择用万用板做主板基架，主板固定在车身中间的两个固定杆上。主板上留出主板模块的接插件和与外部其他模块的接口。主板上的模块主要有：CPU模块、DC-DC降压模块、DC-DC升压模块、液晶模块。主板外部接口分别与摄像头、舵机、直流电机驱动模块和速度检测模块硬件板相连。

1.2.2 路径识别模块硬件板

摄像头的固定座由PCB板和铝合金组成，在车模前端向前倾斜以得到最佳的摄像效果。摄像的固定架总体高度为35cm，呈15度角前倾。

1.2.3 直流电动机驱动模块硬件板

该硬件板安装在车体后侧电机固定架上，长4cm，宽2.5cm。板子上引出了一个两线接口和一个三线接口。其中两线接口和Ni-cd电池相连，三线接口和单片机模块硬件板相连。

1.2.4 速度检测模块硬件板

速度检测模块由一对红外对管配以编码盘实现，可以实现一圈24点分辨率。电路上只有一

飞思卡尔智能车大赛技术报告

个电阻结构十分简单。在编码盘的设计上，我们直接用薄的PCB板嵌入在车模的后轮轴上，简单、牢固。编码盘外观图如图1.2所示。

图1.2 编码盘外观图

1.3 文章章节安排

第一章 引言 本章主要介绍智能车制作概况及系统方案综述。

第二章 方案的选择与论证 本章主要介绍系统硬件和软件的方案比较及选择。

第三章 系统的硬件设计 本章主要介绍硬件各模块的设计及说明。

第四章 系统的软件设计 本章主要介绍软件部分设计及说明。

第五章 调试 本章主要介绍智能车的调试仪器和行驶调试。

第六章 总结

飞思卡尔智能车大赛技术报告

图1.3 车模整体外观图

第二章 方案的论证与选择

根据题目要求，系统划分为5个基本模块，如图2.1所示。下面分别对各模块的方案进行论证与选择。

图2.1 系统模块框图

2.1 路径识别

飞思卡尔智能车大赛技术报告

方案一：CCD摄像头寻迹方案

CCD摄像头寻迹方案的优点是可以更远更早地感知赛道的变化，分辨率高，识别路径参数多；缺点是数据量大，需要较大的存储空间，数据处理时间比较长，信号处理比较复杂，另外CCD工作电压为12V，需用斩波升压电路得到12V电源。但摄像头在合理地使单片机超频和适当地舍弃一部分数据的情况下是完全可以由M9S12DG128来控制的，且摄像头丰富的信息量为小车的最佳控制提供了保证。

方案二：选用脉冲调制的反射式红外发射－接收器

反射式红外发射－接收寻迹方案的优点是电路相对比较简单、信号处理量小，控制速度快；缺点在于探测距离相对较短，另外环境光源会对光敏二极管的工作产生一定的干扰，最致命的是在路径优化算法上难以得到最佳效果。

基于上述理论分析比较，我们选择了方案一。

2.2 电动机驱动调速

方案一：采用一只MOS管组成简单BUCK电路；用这个方法电路非常简单，控制只需要一路PWM，在管子上消耗的电能也比较少，但是缺点是不能控制电机的电流方向，在小车的刹车的性能的提升上明显有弱势。

方案二：采用飞思卡尔半导体公司的集成桥式驱动器MC33886。MC33886最大驱动电流为5A，体积小巧，使用简单，但由于是贴片的封装，散热面积比较小，长时间大电流工作时，温升较高，如果长时间工作必须外加散热器，而且MC33886的工作内阻比较大，又有高温保护回路，使用不方便。

方案三：采用4个分立MOS管构成的H桥电路，控制直流电机紧急制动。用单片机控制MOS管使之工作在占空比可调的开关状态，精确调整电动机转速。这种电路由于MOS管工作在饱和截止状态，而且还可以选择内阻很小的MOS管，所以效率可以非常高，并且H桥电路可以快速实现转速和方向控制。MOS管开关速度高，所以非常适合采用PWM调制技术。

基于上述理论分析比较，我们选择方案三。

2.3 速度检测

方案一：采用霍尔传感器和磁钢。将霍尔传感器和磁钢分别安装在车架和车轴的适当位置，小车行驶时，每转动一圈，霍尔传感器产生开关信号，通过在单位时间对其计数可计算出车辆行驶的瞬时速度，累计开关信号可计算出小车行驶的距离。但是这种方法要求在轴上嵌入磁钢，实现复杂，并且不可能放太多磁钢所以精度不高。

飞思卡尔智能车大赛技术报告

方案二：采用机械开关。可以在车轴上固定一个突出的圆球，在底板上相对应固定一个轻触开关，车轮每次转过一圈可以让轻触开关产生一个脉冲，通过计算脉冲间距的时间可以算出速度。这种方法的优点是结构简单，容易实现；缺点是机械触点容易磨损。

方案三：采用红外对管和编码盘：将一个带有孔的编码盘固定在转轴上，然后由红外对管检测编码盘的孔对红外线的阻通。原理和霍尔开关很接近，但在实际的硬件的实现上很简单，我们在圆形的薄PCB(0.3mm)板上转了24个孔再固定在塑料轮子与转轴的接口处，在电路上也只有一个电流电压转换电阻，该电阻上的逻辑电压由S12的内部定时器检测出速度，电路实现很简单。

以上三种方案都是比较可行的转速测量法案。但基与效果和实现的难度我们选了第三种方案。

2.4 路径控制算法

方案一：依靠大量的测试信息，通过路径识别返回的轨道信息查表，依据事先准备好的参数调整对应的舵机偏转角度。此方案在软件实现上比较简单 ，但是需要对控制规律进行大量的测试，而且实际运行的时候不存在反馈。

方案二：采用PID算法，实时调整舵机的偏转角度。同样需要通过大量的试验来调整所需的参数，但是PID算法在工业应用上比较成熟，有较好的控制效果。

由于方案一相对来说不够可靠，智能车运行中如果产生不稳定状况不能够自我调节，而方案二可以完全解决此问题，因此，我们采用方案二。

2.5 小结

经过对各种方案的仔细论证和比较，我们最终采用如下方案：

（1）路径识别模块： 采用架高的摄像头作为传感器。

（2）电动机驱动与调速模块：采用4个分立MOS管组成的H桥电机驱动方案。

（3）车轮检速模块：采用红外对管和编码盘的测速方案。

（4）路径控制算法：PID算法。

第三章 系统的硬件设计

系统硬件部分主要有六个模块的电路，分别是核心MCU模块、MCU电源模块、摄像头电源模块、侍服电机电源模块、H桥驱动模块和速度检测模块。。以下对每个部分的电路分别说明。

飞思卡尔智能车大赛技术报告

3.1 核心MCU电路

本制作没有采用组委会提供的S12的电路板，而是自己制作了MCU的控制电路板，其原理图以及PCB布局参考了组委会提供的S12开发板和S12的数据手册。MC9S12DG128的I/O口资源利用情况如图3.1所示。

图3.1 单片机I/O口分配图

由于控制电路板自制，因此可以最大程度地减小智能车的体积和重量，并且对

MC9S12DG128单片机有了更深的了解。

3.2电源模块电路

电源的稳定是整个系统正常工作的前提.系统电源管理示意图如图3.2。

飞思卡尔智能车大赛技术报告

图3.2 系统电源管理示意图

系统MCU控制板和测速模块都是由5V的电压供电，对电压稳定要求比较高。摄像头的电源由单独的DC-DC的升压电路提供。舵机因为瞬间电流比较大，容易产生干扰，由LM2576单独提供5V的电压。电机驱动部分的电路由电池直接供给，对电压稳定性要求不高。由于电机工作时电流比较大，即使输出电流能力较强的镍镉电池，电压下降也会比较大，所以系统没有采用需要压降较大的线性稳压器，而是采用了性能稳定的LM2576集成开关电源。经实际使用证明，采用LM2576系列开关稳压集成电路作为舵机稳压电源的核心器件不仅可以提高稳压电源的工作效率，而且可以减少能量损耗。LM2576组成的开关电源电路图如图3.3所示。

图3.3 开关电源电路图

3.3 路径识别模块的设计与实现

为了检测路面黑线，在舵机后面安装上了摄像头。摄像头分黑白和彩色两种，而寻线只需提取画面的灰度，而不必提取其彩色信息，故我们选用了黑白摄像头。

摄像头主要由镜头、图像传感芯片和外围电路组成。市场上一般很难买到只有这三种部件组

飞思卡尔智能车大赛技术报告

成的单板摄像头，一般都是成品的摄像头产品，我们的摄像头从一般的云台监视头中拆取。这种模拟的摄像头的接口一般只有三端：电源端、 地端、AV信号端。我们的摄像头需要12V电源供电，由33063升压模块直接获取。摄像头的原理是以隔行扫描的方式采集图像上的点，并将每点的灰度强弱转换成电平信号从AV信号端输出。AV端直接连接到

MC9S12DG128的AD管脚上，其上面的模拟电平的提取直接由MC9S12DG128的内部AD模块完成。

3.4 电动机驱动模块的电路设计与实现

电机驱动部分的电路原理图如图3.5所示。

由单片机PWM模块输出的两路PWM信号与INA及INB相连接。IR4227是MOS管驱动芯片，用于电平转换。四只大功率MOS管构成H桥， PWM占空比大，则转速高；PWM占空比小，则转速低。电路中MOS驱动芯片和MOS管都工作在开关状态，开关损耗小。当INA为高电平、INB为低电平时，Q1导通、Q2截止、Q3截止、Q4导通，电机正转 ；当INA为低电平、INB为高电平时，Q1截止、Q2导通、Q3导通、Q4截止，电机反转。当PWM0和PWM1同时为高电平或低电平时无电流，电机不转。

图3.5 电机驱动原理图

飞思卡尔智能车大赛技术报告

3.5车速检测模块的电路设计与实现

车速检测主要由红外对管电路和关电编码盘组成。红外对管之间的红外光束被编码盘挡住时接收管截止，与接收管串联的电阻电压为逻辑0，当红外光束通过编码盘的孔时，接收管开通，与接收管串联的电阻电压为逻辑1。该电阻上的逻辑电压通过PT管脚由内部定时器的捕捉功能检测车速。

3.6 调试部分电路

电路设计中还有一部分是调试用的电路，包括红外一体化接收头，发光二极管和拨码开关。由于车模在轨道上测试时无法通过普通开关直接对车模进行开关控制，为了避免由于失控造成的车体损伤，在系统中加入了红外控制。由红外一体化接收头接收遥控器发射出的38K信号，信号为一串调制波，由单片机解码。可以在车模出轨时对其进行非接触式控制。四只发光二极管用于信息的指示。拨码开关能实时改变程序PID算法部分的参数，便于参数的修改和测试，最终得到的参数可通过串口返回。

第四章 系统的软件设计

4.1程序结构规划

飞思卡尔智能车大赛技术报告

图4.1 主程序及中断子程序流程图

整个程序分为两大部分，分别是主程序与CCD中断程序，结构框图如图4.1所示。两大部分在程序结构上都使用了流水型结构，以避免代码的交叉调用，多层嵌套。在规划上以模块为目标，尽可能地减少代码的交叉。模块之间仅通过少量的全局变量作为数据交换通道，建立一个强内聚、松耦合的程序框架，达到便于维护、便于阅读、便于调试的目的。

主程序的结构相对比较简单，在完成系统初始化工作后启动1.5us定时中断，之后便进入一个while(1)循环。程序的所有调试相关代码都存放在while循环内，包括车模的红外遥控、PID参数调整、调试信息的输出等。

考虑到数据的采集与分析，包括PID算法本身对时间都有较高的要求，程序的所有数据采集主要集中在中断中完成。1.5us定时中断处理程序主要采集CCD信号，输入捕捉中断主要

飞思卡尔智能车大赛技术报告

采集红外测速模块数据，PID算法运算模块、外部设备控制模块在主程序内完成。

4．2数据采集分析模块

数据采集分析模块负责外部传感器的信息采集及初步分析，此模块的输出数据将作为PID算法运算模块的输入，关系到整个运算的可靠性。因此，数据采集分析模块在数据的处理上尽可能的考虑了PID算法的需求。

4.2.1 轨道识别(CMOS)

轨道位置的确定主要依靠对CMOS传感器返回数据的分析计算。我们将8个红外传感器从左到右依次编号，左端起始为-4，右端终止为4。为了方便理解，编号0被舍弃。因为舵机角度控制部分的PID算法很大程度上依赖于探头返回数据的精度，PID算法需要输入数值具有较高的精度，所以需要对探头返回的数据进行处理。以符合PID算法的要求。

4.2.2 图像数据信息特点

摄像头的主要工作原理是：按一定的分辨率，以隔行扫描的方式采集图像上的点，当扫描到某点时，就通过图像传感芯片将该点处图像的灰度转换成与灰度成一一对应关系的电压值，然后将此电压值通过视频信号端输出。具体而言（参见图4.2），摄像头连续地扫描图像上的一行，则输出就是一段连续的电压视频信号，该电压信号的高低起伏正反映了该行图像的灰度变化情况。当扫描完一行，视频信号端就输出低于最低视频信号电压的电平（如 0.3V），并保持一段时间。这样相当于紧接着每行图像对应的电压信号之后会有一个电压―凹槽‖，此―凹槽‖叫做行同步脉冲，它是扫描换行的标志。然后，跳过一行后（因为摄像头是隔行扫描的方式），开始扫描新的一行，如此下去，直到扫描完该场的视频信号，接着就会出现一段场消隐区。此区中有若干个复合消隐脉冲（简称消隐脉冲），在这些消隐脉冲中，有个脉冲，它远宽于（即持续时间长于）其他的消隐脉冲，该消隐脉冲又称为场同步脉冲，它是扫描换场的标志。场同步脉冲标志着新的一场的到来，不过，场消隐区恰好跨在上一场的结尾部分和下一场的开始部分，得等到场消隐区过去，下一场的视频信号才真正到来。摄像头每秒扫描 25 幅图像，每幅又分奇、偶两场，先奇场后偶场，故每秒扫描 50 场图像。奇场时只扫描图像中的奇数行，偶场时则只扫描偶数行。图 4.2所示为摄像头视频信号。

图4.2 摄像头视频信号

飞思卡尔智能车大赛技术报告

由于 S12 芯片的处理能力不足以支持像 PC 那样的运算，因此我们采用了只有黑白制式、320×240 的 CMOS 单板摄像头（每秒 50 帧）。由于受 S12 片内 AD 的转换能力限制（参考技术报告《S12片内 AD 与 AD9054 的比较》），在总线周期为 32M 的情况下，每行最多能够采集 78 个点，其中前 12 个数据为行消影，第 12 到第 78 点为有效数据。

根据单行所能采集的数据点数，为了视觉上辨别前方一般路况信息，我们需要尽可能多的采集图像。 图 4.3所示为 40×80 的单幅图像。

但是对于比赛来说，赛道是在白色底板上铺设黑色引导线，因此它的干扰信息会少很多。所以对于比赛的黑线检测来说 40 行已经太多了：只要在单行上有足够多的信息点，较少的行数就可以实现对黑线的检测；在经过了实践比对之后，最终决定采用 10 行的信息来判断前方是直道还是弯道的方案。

图 4.3 40×80 灰度图

4.2.3 单行黑线提取算法

前面提到了摄像头图像信息的特点，接下来将结合比赛赛道的图像特点来讨论相应的黑线提取算法—边沿检测算法。由于比赛赛道是在白色底板上铺设黑色引导线，因此干扰比较小，黑线提取较为容易。

我们很自然的就想到了图像处理算法中较为简单的边界提取算法。由于黑色引导线和白色底

飞思卡尔智能车大赛技术报告

板之间的色差较大，直接反映在图像数据中就是大于一个黑白色阀值。通过实验可以基本上确定该阀值的大小，由于现场光线变化的影响会有略微的变化，但是该阀值基本上介于 22－30 之间。可以通过判断相邻数据点的差是否大于该阀值，作为边沿提取算法的依据和主要参数。

该算法的主要过程为：首先从最左端的第一个有效数据点（12）开始依次向右进行阀值判断：由于实际中黑白赛道边沿可能会有模糊偏差，导致阀值并不是简单的介于相邻的两个点之间，很可能要相隔两个点。因此， 第 line 为原点，判断和 line＋3 的差是否大于阀值，如果是则将 line＋3 记为 i，从 i 开始判断从 i+3到该行最末一个点之间的差值是否大于阀值，如果大于则将 line+i/2+2 的坐标赋值给黑线中心位置。利用单行黑线提取算法所得到的黑线提取效果不仅可靠，而且实时性好，在失去黑线目标以后能够记住是从左侧还是右侧超出视野，从而控制舵机转向让赛车回到正常赛道。

根据CCD的数据采集，轨道相对于车体前端传感器组的位置由变量app_val表示，为方便理解，每两个相邻列的距离设定为18，因此轨道位置信息（app_val）的取值范围为0到700。也就是说，探头组返回的数据将是一个数组，经过计算后可以定量地表示轨道的位置，而不是局限于列的个数，如图4.4所示。由于系统本身存在的问题（如红外发射方向分布不均匀）等，图中轨道位置信息（app_val）的数值并不能确切地表达出轨道相对于车体的位置，下文会对此问题的处理方法作描述。

图4.4 轨道信息app_val数值设定

CCD传感器接收端返回的模拟信号经过MC9S12DG128内置的AD转换器处理之后，得到的数据数值在20~650范围内。如果下方为白色底板，返回的数值较大。如果下方为黑色轨迹，则返回的数值较小。其数值分布如图4.5所示，由于传感器组本身存在的误差以及外部光线的干扰，返回的数据会出现随机误差，但误差基本保持在20以内，不会影响系统的分析与计算。

取得探头返回的数据后，还需要一个算法将得到的数据转换成一个可以定性表示轨道位置的数值。通过几何的方法分析数据可以得到一个三角形算法，能够近似地计算得到轨道位置信息。计算方法如下：对于如图4.5所示的一组数据，首先对数据进行一次循环访问，找到数

飞思卡尔智能车大赛技术报告

值最小的数据位置。然后将此数据及其左右侧的两个数提取出，保存至变量x、y、z(图4.6)中。

图4.5图象处理后返回数据

图4.6 变量保存图

之后计算黑线轨迹相对于y变量对应探头的偏移量(代码中变量名为app_offset)。黑线轨迹相对于探头的偏移量(app_offset)的计算公式推导依赖于几何方面的一些三角形定理，转换成C语言代码以后如下：

将计算得到的黑线轨迹偏移量（app_offset）的数值加上y对应探头的基值，即得到车体相对于轨道的位置（代码中变量名为app_val）。至此，已将一个CCD产生的不精确数据转换成确切的可以表现出轨道与探头距离的数值。然而，由于CCD的系统误差，当车体匀速偏移时，轨道相对于车体位置（app_val）在数值上并不是线性变化的。这是因为探头位置在100水平单位的整数倍位置，而CCD每列的数据是不均匀的，从而造成100水平单位整数倍附近的轨道位置（app_val）变化速率较慢，而100水平单位整数倍±50单位附近数值变化速率比较快。其变化速率如图4.7所示。

飞思卡尔智能车大赛技术报告

图4.7 app_val变化速率曲线图

鉴于MC9S12DG128有足够大的RAM，我们采用查表方式对轨道位置信息（app_val）进行修正。在测试阶段从左到右对轨道位置信息（app_val）进行多次采样，将原来的700个单位重新划分区域，转换成70个单位。虽然转换后的数据在数值范围上变小了，但是转换后的数据是近似线形变化的，有利于之后的PID控制。

图4.8 修正后的探头返回数据

通过查表方式对轨道位置信息（app_val）进行修正后如图4.8所示，对比图4.4可以发现app_val的值表现得更为确切。

4.3车速测定(红外对管)

车体的速度信息是整体控制不可缺少的一项。在速度的测定上，我们选用了红外对管。在软件上通过计数的方式计算当前的车体速度。对管对准编码盘的孔时，产生一个下降沿，引起计数器加1。然后程序定时检查定时器的值，同时判断是否需要更新当前速度（代码中变量名为vspeed）的值。

速度的计算代码如下： vspeed = 1000 / vcount，其中 vcount为所经历的1ms中断次数，即车轮转动1/24圈所消耗的毫秒数。

飞思卡尔智能车大赛技术报告

图4.9车速测定软件流程图

在PID速度控制中，计算得到的信息为速度增加减小的比例，所以在车速的测定过程中没有使用标准单位。上述代码中所使用的的1000只是一个参考值。

车速测定软件流程图如图4.9所示。速度计算函数每1ms中断都会被调用一次，首先检查计数器所对应的寄存器的值，然后计算vspeed或者vcount自增。其中将vcount保存的临时值进行1000/vcount计算，并与vspeed进行比较，这是为了防止在车模低速行进或者刹车时，车轮较长时间(相对ms级而言)以后才转过1/24圈，从而导致的因为vspeed刷新速度过慢而产生的不稳定现象。

4.4 PID算法运算模块

PID算法是整个软件控制的核心部分，因此PID算法运算模块的可靠性、维护性与可测试性等尤为重要。

飞思卡尔智能车大赛技术报告

4.4.1程序结构

PID算法作为整个软件控制的核心，需要不断试验、更改参数数值。因此在程序结构规划上将其分为PID路线控制与PID动力控制两部分，分别间接控制舵机与电机。前者主要负责对舵机角度的控制，输入轨道信息（app_val），运算结束时输出舵机控制信息（代码中变量名helm_ctrl）。当前应该达到的速度（代码中变量名keepspeed），是PID路线控制的另一个输出信息。其数值的确定依赖于舵机控制信息(helm_ctrl)，依据的基本规则是舵机偏转角度越大，车体所应达到的车速越小。PID动力控制部分将对目标速度（keepspeed）和当前速度（vspeed）再次进行PID运算，得到电机控制信息（moto_ctrl）并交给外部设备控制模块处理，以达到控制速度的目的。两个部分通过外部全局变量交换信息，达到PID路线控制部分间接影响PID动力控制的目的。同时又将硬件控制模块与PID模块分离开来，两者之间也是通过外部全局变量交换信息。这种方法也利于后期的程序阅读和调试。PID算法程序结构示意图如图4.10所示。

4.4.2 PID控制算法的选择

在PID控制算法的选择上，都选用了增量式PID控制算法。因为在增量形式的控制算法中，控制作用的比例、积分和微分部分是相互独立的，便于检查参数变化对控制效果的影响，在后期调试过程中可以起到较好的效果。

图4.10 PID算法程序结构示意图

所需公式为：△u(k) = Kp[e(k) – e(k-1)] + Ki e(k) + Kd[e(k) – 2e(k-1) + e(k-2)]，其中△u(k)表示增量，e (t)为系统的控制偏差，Kp为比例增益，Ki = Kp T / Ti 表示积分系数，Kd =KpTd / T 表示微分系数。

Kp 比例增益起比例调节作用，系统一旦出现了偏差，比例调节立即产生调节作用以减少偏

飞思卡尔智能车大赛技术报告

差。将Kp设置成较大的数，比例作用大，可以加快调节，减少误差，但是对于过大的比例增益，会导致系统稳定性下降，甚至造成系统的不稳定。

Ki 积分调节使系统消除稳态误差，提高无差度。有误差时，积分调节就进行；无差时，积分调节停止。积分调节输出一常值，积分作用的强弱取决于积分时间常数Ti。Ti越小，积分作用就越强，反之则积分作用弱。积分调节的引入会使系统稳定性下降，动态响应变慢。

Kd 微分系数反映了系统偏差信号的变化速率，可以预见偏差的变化趋势，能提前对偏差进行控制。使用微分作用后可以在偏差还没有形成前将其消除，因此，可以改善系统的动态性能。选择合适的微分时间，可以减少调节时间。但是微分作用也同样存在缺陷，对噪声干扰有放大作用，因此过强的微分调节对系统的抗干扰能力会造成影响。

4.4.3 PID路线控制

图4.11 PID路线控制算法示意图

PID路线控制算法示意图如图4.11所示。Kp、Ki与Kd三个量的值需要反复试验，PID路线控制部分输出的控制信息比较多，包括了舵机与电机的两个控制信息，分别是当前舵机的偏转增量与车模需要达到的前进速度。这个两个数据又分别作为路线与动力控制模块及PID动力控制部分的输入数据。舵机控制信息（helm_ctrl）交给舵机控制部分以后直接查表转换成对应的PWM波产生器的寄存器值。当前应达到的速度（keepspeed）根据当前轨道黑线的位置以及偏差的累积程度来确定，其值大小与电机控制之间属间接关系，需要经过PID动力控制部分处理之后，转换成电机的控制信息，即动力的增强减弱量或刹车的强度。

4.4.4 PID动力控制

PID动力控制算法示意图如图4.12 所示。这里的Kp、Ki与Kd三个量的值同样需要反复试

飞思卡尔智能车大赛技术报告

验。当前应达到的速度（keepspeed）在PID路线控制部分确定，计算原理基本上与路线控制算法相似。

图4.12 PID动力控制算法示意图

4.5 外部设备控制模块

外部设备控制模块将PID处理得到的数据转换成硬件控制信号并输出,作为PID处理信息的输出抽象层，使程序的PID信息处理部分脱离硬件控制信息而存在。

4.5.1舵机角度控制

舵机的偏转角度被分为11个等级，从-5至5分别表示从左到右的偏转程度，0等级表示竖直向前，负数表示左转，正数表示右转。舵机控制信息helm_ctrl就是以偏转角度等级作为控制单位。舵机控制表如表4.1所示。

表4.1舵机控制表

舵机控制信息（helm_ctrl）表示的是舵机偏转的增量，但是舵机控制需要的是偏转的位置。在这里还需要预先保存当前的舵机位置信息（helm_base），执行helm_base += helm_ctrl。 将PID路线控制的输出信息加入到角度控制中，再对其进行一次查表，转换成所需要的PWM发生器的寄存器值，实现软件上对舵机的控制，如图4.13所示。

飞思卡尔智能车大赛技术报告

图4.13 舵机控制图

4.5.2电机动力控制

电机动力控制通过3种方式来实现：电机加速转动、减速转动、反转。这3种方式使车模得到最大的动力与阻力来完成加速与减速。电机动力控制程序流程图如图4.14所示。

图4.14电机动力控制程序流程图

加速的过程比较简单，直接将电机控制信息（moto_ctrl）的值查表转换成对应的PWM发生器寄存器值即可。根据所需要的速度增量调整PWM发生器寄存器值，提高电机的电压。减速过程则通过两种方法完成。把PID动力控制计算得出的电机控制信息（moto_ctrl）与一个事先测定好的临界值作比较，如果需要降低的速度量小于此临界值，说明速度需要稍微降低，使用类似于加速的方法根据速度增量调整PWM发生器寄存器值，降低电机电压。如果需要降低的速度量大于此临界值，说明当前车模需要一个刹车，程序将当前PWM发生器寄存器置零，然后设置另一个控制电机反转的寄存器值，给予电机一个反转的动力，给车模产生一个较大的阻力，使车体在短时间内迅速降低速度。电机控制图如图4.15所示。

本文来源：https://www.bwwdw.com/article/fvs4.html