智能小车控制器论文.docx
《智能小车控制器论文.docx》由会员分享，可在线阅读，更多相关《智能小车控制器论文.docx（59页珍藏版）》请在冰点文库上搜索。
智能小车控制器论文
智能控制大赛参赛论文
高级组A题网格迷宫小车控制器
队长：
史立学理学院10级
队员：
林璐璐自动化学院10级
黄超理学院10级
2010.5.25
摘要
智能车辆是当今车辆工程领域研究的前沿，它体现了车辆工程、人工智能、自动控制、计算机等多个学科领域理论技术的交叉和综合，是未来汽车发展的趋势。
本文是在第七届智能控制大赛背景下诞生的，介绍了基于C语言的STC90C51RD+芯片开发的智能小车硬件软件系统。
本设计的智能小车运行在带黑色引导线的白色跑道上，具有自动识别路径走出迷宫的功能。
这篇文章着重阐述了目标道路信息的获取、处理和识别过程，并在此基础上结合软件设计运用有效的控制算法对智能小车进行控制，使小车能够快速准确的对道路进行跟踪。
目标道路信息的获取是通过RPR220红外传感器来进行，其主要任务是通过扫描获得道路信息，并将是该信号传递给单片机进行处理。
该课题主要设计了以单片机为主的硬件电路，本文详细叙述了轨迹记录系统的构造、控制系统的总体设计、驱动芯片的选型等。
关键词：
智能小车；路径识别；红外传感器；STC90C51RD+
目录
第一章绪论…………………………………………………………….3
1.1引言…………………….................................................................................3
1.2研究背景…………………………………………………………………….3
1.2.1红外图像采集与处理技术的发展现状…………………………….4
1.2.2智能车路径跟踪技术及其发展…………………………………….5
1.2.3小车智能控制技术的发展………………………………………….7
1.3本文主要研究内容和章节安排…………………………………………….8
第二章智能小车控制器概述...………………………………..............9
2.1智能小车控制器硬件电路总述……………………………………...……..9
2.2智能小车控制器软件设计简述…………………………………...…….....11
第三章控制器硬件电路设计………………………………………...13
3.15V电压电源模块设计………………………………………………………13
3.2路径探测模块设计………………………………………………………....15
3.2.1传感器选型…………………………………………………...……..16
3.2.2传感器布局…………………………………………………………..16
3.2.3传感器间隔距离确定……………………………………………….17
3.2.4径向探出距离的设计……………………………………………….17
3.2.5探测模块控制电路设计……………………………………………..18
3.3STC90C51RD+单片机简介………………………………………………….19
3.3.1STC90C51RD+的结构………………………………………..…..……19
3.3.2STC90C51RD+引脚结构及功能介绍……………………….………...20
3.3.3单片机STC90C51RD+最小系统设计…………………….…….…….23
3.4电机驱动模块设计…………………………………………………………26
3.4.1驱动电机介绍………………………………………………………..26
3.4.2电机驱动控制设计…………………………………………………..27
第四章总结和展望……………………………………………………30
4.1总结…………………………………………………………………….......30
4.2展望………………………………………………………………………...31
附录：
高级组A题网格迷宫小车控制器
第一章绪论
1.1引言
大学生智能车竞赛源自韩国，在韩国已经成功举办了五届。
为加强大学生实践、创新能力和团队精神的培养，促进高等教育教学改革，2006年教育部高等教育司自动化专业教学指导委员会将该赛事引入我国，由清华大学主办了第一届全国大学生智能汽车竞赛。
目前该比赛已经列入教育部主办的全国五大竞赛之一，是全国大学生科技创意性重要赛事。
2007年8月，第二届“Freescale”杯全国大学生智能汽车竞赛决赛在上海交通大学拉开帷幕。
比赛吸引了来自全国各高校两百多支参赛队伍参加。
本次比赛由飞思卡尔（Freescale）半导体公司赞助，大赛组委会提供MC9S12DG128B型单片机、直流电机、可充电电池以及一款带有差速器的后驱模型赛车，要求各参赛队在一定限制条件下设计制作一个能够自主识别路线的智能小车，在专门设计的跑道上自主寻线行驶。
在保证小车运行稳定不冲出跑道的前提下，单圈成绩最短的队伍为优胜者。
制作智能模型车，需要参赛队伍学习MC9S12DG128B型单片机并应用嵌入式软件开发工具CodeWarrior和在线开发手段，自行设计路径识别方案，电机驱动电路，模型车车速传感器电路等，其专业知识涉及控制、模式识别、传感技术、汽车电子、电气、计算机和机械等多个学科，对于提高各高等院校在汽车电子领域的研究水平和加强在校学生的实践能力、创新能力和团队协作精神培养，具有良好的长期的推动作用。
1.2研究背景
当今汽车电子化已经成为行业发展的必然趋势。
据统计，平均每辆车上电子装置在整个汽车制造成本中所占的比例不断上升，在一些豪华轿车上，电子产品甚至占到整车成本的50%以上。
汽车电子应用已涵盖了汽车电子控制装置到车载汽车电子装置的几乎所有系统。
在这样的行业背景下，教育部为了加强大学生实践、创新能力和团队精神，培养面向未来的科技尖端人才，在已举办的全国数学建模、电子设计等4大专业竞赛的基础上，设立了第五项大学生设计竞赛—全国大学生智能汽车竞赛。
首届“飞思卡尔”杯全国大学生智能汽车邀请赛场地赛和颁奖大会已于2006年8月20—21日在清华大学综合体育馆举办。
大学生智能汽车设计竞赛，参赛者在飞思卡尔S12主控微控制器芯片的模型车体的基础上进行设计，制作出具有自主道路识别能力的智能汽车。
为汽车竞赛而设的S12平台飞思卡尔S12系列具有16位解决方案的固定优势，如代码简短高效、功耗低、体积小巧、购买和开发成本低、可以升级到50MHZ，同时能够达到通常只有32位控制器才能达到的性能水平。
而这些显著优点来源于增强CPU，以及与XGATE协同处理器的结合。
S12是一个非常成功的芯片系列，并具有为中国市场度身定造的相宜价格和性能，它被广泛应用于以下汽车电子中：
引擎管理系统；自动传送；安全气囊；ABS；电动驾驶；汽车网络；群集/仪表盘；车身控制模块；灯光；雨刷器；天窗、空调系统；电动镜；电动座位；电动门锁等。
1.2.1红外图像采集与处理技术发展现状
红外图像采集系统是红外信息获取与处理系统的前端部分，也是整个系统最关键的硬件平台之一，它的性能直接决定了整个红外采集处理系统的性能。
随材料技术和微电子技术的发展，红外焦平面阵列探测器技术的发展日新月异，而导致红外图像分辨率越来越高。
相应地需要处理的数据量也越来越大，对于像采集系统性能提出了更高的要求。
基于ISA（IndustryStandardArchitecture）线、EISA（ExtendedIndustryStandardArchitecture）总线等的红外图像处理系统处理速度渐渐跟不上高速实时图像采集处理的要求。
国外的红外图像数据采集系的研究已经采用PCI局部总线，作为一种较新的数据采集、传输手段。
目前，总线因其具有负载能力强，支持32/64位数据传输，采用多总线和线性突发传式，支持即插即用等优点，而被广泛的应用于工业和军事的实时高速数据传统中。
如果充分利用这些优点，采用PCI总线作为系统与微机的接口，可以提高系统数据传输速率和传输的稳定性，并节省大量的CPU时间，以适应高分辨率实时红外图像采集处理要求。
因此，基于PCI总线的红外数据采集系统的对于红外图像采集与处理技术的发展具有很好的应用价值。
红外探测技术可以说是起源于人们对响尾蛇的研究。
二十世纪四十年代末人们研制出一种“响尾蛇”空对空导弹。
它是利用硫化铅作红外敏感元件，喷气式飞机机尾喷管发出的波长为1-3微米的红外辐射流，引导导弹从飞机尾行攻击，
它只需接收到热源的位置和方位，并不需要形成目标的热像图。
从世纪五十年代开始，红外探测技术被广泛应用于军事领域，尤其是在红外成线制导、红外告警和侦察方面。
美国率先开始了红外搜索与跟踪技术的研究。
随国、德国、俄罗斯、加拿大等国也相继开始了有关红外探测的军事应用研究我国在这方面的研究相对较晚。
从二十世纪八十年代末，人们已经开始利用传感器来检测远距离的热源，随着热成像技术的成熟，红外图像中的弱小目测技术已经成为一项独立的、具有明显特色的研究方向。
尤其在军事领域，在欧美等国家的先进的武器系统，包括航空母舰的预警系统、各种飞机的红外搜索跟踪系统、红外成像制导导弹。
可以说对远距离的飞机导弹等飞行物的自测技术成为成像制导、告警系统和光电对抗的核心技术。
它是利用图像处理对复杂背景中低信噪比目标进行自动检测，算法的性能对红外成像系统的作用距离和智能化程度十分关键。
未来战争，要求红外探测系统能及时准确远距离发跟踪有威胁的目标，为指挥系统决策和武器系统赢得时间。
但是由于红外探侧系统与雷达成像系统相比，红外成像系统作用距离较短，飞机、导弹等飞行物离较远时，成像尺寸小而且信噪比低。
另一方面由于光学系统的空间分辨率到接近理论极限水平。
因此，要想提高红外探测系统整体性能，比较实际的就是从图像算法处理方面入手，提高目标检测算法性能，尤其是提高红外弱小目标检测算法的性能，来弥补红外成像系统作用距离短的不足。
因此，红外弱小目标检测与跟踪问题一直是红外探测领域的研究热点。
国际SPIE每年组织一次小目标信号与数据处理（Signalanddataprocessingofsmalltargets）”会议，交流弱小目标检测的新技术。
红外图像中弱小目标检测技术的研究包含两个方面。
一是外成像系统方面研究，主要包括探测器、光学系统、读出电路系统以及器件非均匀性校正等方面的研究，其主要目的是通过提高系统空间分辨率、灵敏度和的一致性，来提高系统的作用距离，从而提高系统对弱小目标的检测能力。
从图像处理算法方面研究，主要研究图像处理的理论和算法，从而最大程度挥系统性能。
1.2.2智能车路径跟踪技术及其发展
智能车的路径跟踪技术与机器人的路径跟踪技术类似，但是智能车的跟踪对象不如智能机器人的复杂，可是对行车速度和行驶方向的配合则要求较严格。
它首先通过传感器获取目标道路信息，然后结合智能车当前的行驶状态智能地做出决策，对其行驶方向与行车速度进行调整，从而达到准确快速跟踪道路的目的。
根据道路信息的完整程度、路径跟踪标志等因素，智能车的路径跟踪技术主要分为基于机器视觉的路径跟踪、基于地图路径跟踪、基于特殊道路标志的路径跟踪
以及基于感知器的路径跟踪等。
基于机器视觉的传感技术在智能车上应用越来越广泛，这得益于图像传感器的价格低廉以及计算机图像处理性能的大幅提高。
相对其他道路检测传感器而言，视觉传感器的一大优点在于它能提供大范围的地面信息，但是难以区分目标道路和周边环境，因此需要对图像进行处理，这样计算量的增大对系统的实时性提出了难题。
为了提高路径识别的速度，可以对道路的路径标志线进行跟踪。
若无路径标志线则通过检测路径边缘信息来得出目标路径的走向。
基于地图的路径跟踪对于在特定区域内运行的路径跟踪非常有效，它首先将路径的完整信息存储起来，预先规划一条全局路线之后采用路径跟踪技术，但是对于路径变化较大的则实用性不好。
基于特殊道路标志的路径跟踪是在目标路径上布置一些特殊的道路标志，例如加州大学伯克利分校的PATH系统，它通过铺设磁性装置来识别道路，但是这种方法花费较大，对控制精度要求较高的系统则可以采用这种方法。
基于路径感知器的路径跟踪是通过红外线、雷达或者是超声波来探测路标位置，通过计算后对当前智能车进行定位，规划智能车的下一步行驶路径，从而对智能车的行驶方向和速度进行控制。
智能车的路径跟踪技术是智能车控制系统中一个重要组成部分，因此它是伴随着智能车控制系统的发展而发展起来的，其研究单位主要集中在各汽车电子和汽车生产企业当中。
另外许多大学研究所也将智能车作为重点研究项目。
在美国，Basrrett电子公司在上世纪五十年代便开发了一种牵引式小车系统，能够对钢丝索导引的路径进行跟踪。
Stanford研究所在二十世纪六十年代开发了Shakey移动机器人用于人工智能研究，并于1973-1981年实现了自主驾驶。
加州大学伯克利分校的PATH系统具有较高的控制精度。
它采用的路径检测技术是基于电磁来实现的，先通过铺设一系列的磁性装置来标记一条特殊的行驶车道，然后在其车前安装磁性检测装置来对道路实现跟踪。
此外美国还将智能汽车的研究用于军事上。
美国国防部采用无人车去执行危险地带的巡逻任务，第三代军用智能汽车Demom，能满足有路和无路条节下的车辆自动驾驶。
stanley提出了基于神经网络的视觉导航技术。
Reid通过处理视觉信息选择智能机械行走基线，ActiveMedia公司生产出的Pioneer系列机器人，美国NASA火星探测智能移动机器人Spirit和Opportunity也都包含了路径跟踪的内容。
在欧洲，意大利帕尔玛大学研制的ARGO实验车配备有障碍物避让和路径跟踪系统。
它是一种基于立体视觉的智能系统，借助于车前的视觉探测器它能实现障碍物检测避让和路径跟踪双重性能，其控制器则是根据路径跟踪技术来进行设计和优化的。
德国慕尼黑国防军大学曾同奔驰公司合作开发VaMoRS实验车，
实现了在高速公路及条件较好的乡间公路上进行自主驾驶。
在亚洲，日本于60年代开始便开始了智能车的研究，比如自动导引小车的厂家在1988年便达到了20多家。
日本的Toyota公司2006年推出的LexuSLS460的智能泊车辅助系统可对后座和前座摄像头的图像进行处理，利用该结果去控制电子动力方向盘。
在我国，关于智能车路径跟踪的研究主要集中在高校内，其中清华大学走在最前面，智能技术与系统国家重点实验室研制了THMR系列机器移动车，车载设备包括摄像机、光码盘、磁罗盘、差分GPS和电子地图，控制系统能够接受自主驾驶和辅助驾驶两种格式。
各高校纷纷将汽车电子作为重点研究对象，包括浙江浙江大学、上海交通大学、国防科技大学等。
目前“飞思卡尔”杯第四届全国大学生智能车竞赛正在开展之中，智能车的路径识别与跟踪是重点研究对象。
1.2.3小车智能控制技术的发展
智能控制是自动控制学科发展里程中的一个崭新的阶段。
与其他学科一样，智能控制是由于科学技术发展的需要，从解决重大工程和技术问题的实践中产生和发展起来的。
从20世纪60年代起，由于空间技术、计算机技术及人工智能技术的发展，控制界学者在研究自组织、自学习控制的基础上，为了提高控制系统的自学习能力，开始注意将人工智能用于控制系统。
1965年，美国著名控制论专家L.A.Zadeh创立了模糊集合论，为解决复杂系统的控制问题提供了强有力的数学工具；同年，Feigenbaum着手研制世界上第一个专家系统；傅京逊教授提出把人工智能中的知觉推理方法用于学习控制系统；1966年，Mendel进一步在空间飞行器的控制中应用了人工智能技术，并提出了“人工智能控制”的概念。
1967年，Leondes和Mendel开始使用“潜能控制”一词，并把记忆、目标分解等一些简单的人工智能技术用于学习控制系统，提高了系统处理不确定性问题的能力。
从20世纪70年代初开始，傅京逊、Gloriso和Saridis等人从控制论角度进一步总结了人工智能技术与自适应、自组织、自学习控制的关系，正式提出了智能控制就是人工智能技术与控制理论的交叉，并创立了人-机交互式分级递阶智能控制的系统结构。
在20世纪70年代中后期，以模糊集合论为基础，从模仿人的控制决策思想出发，智能控制在规则控制方面取得了重大的进展。
1974年，Mamdadani将模糊集和模糊语言逻辑用于控制，创立了用模糊语言描述控制规则的模糊控制器，并成功地用于工业过程控制。
1979年，他又成功地研制出自组织模糊控制器，
使得模糊控制具有了较高的智能。
进入20世纪80年代以来，由于计算机技术的迅速发展以及专家系统技术的逐渐成熟，智能控制和决策的研究及应用领域逐渐扩大，取得了丰硕的成果。
智能控制由研制、开发阶段转向应用阶段。
80年代中后期，神经网络的研究获得了重大进展，为智能控制的研究起到了重大的推进作用。
1985年8月，IEEE在美国纽约召开的智能控制专题讨论会，标志着智能控制作为一个新的学科分支正式被控制界公认。
从1987年开始，每年都举行一次智能控制国际研讨会，形成了智能控制的研究热潮。
20世纪90年代以来，智能控制的研究势头异常猛烈，1992年4月，美国国家自然科学基金委员会和美国电力研究院联合发出《智能控制》研究项目倡议书；1993年5月美国IEEE控制系统学会智能控制专业委员会成立专家小组，专门探讨“智能控制”的含义。
1994年6月在美国奥兰多召开了IEEE全球计算智能大会，综合讨论了模糊控制、神经网络、进化计算三方面的内容，1995年10月国际智能自动化学会筹委会第一次会议在加拿大温哥华召开。
国际智能自动化学会的成立将在世界范围内对智能自动化的研究起到推动作用。
智能车辆又称为轮式移动机器人，一个集环境感知、规划决策、自动驾驶等多种功能于一体的综合系统。
由于其实行实时控制，考虑到小车的舵机的转向和图像信息采集处理所需的时间，故在实际决策或发出指令时会出现时滞现象。
要想系统很好的实现预期的控制效果，必需考虑到时滞的影响。
传统时滞系统的经典控制方法包括自整定PD控制、Smith预估计控制和大林算法的控制算法。
由于其具有结构简单、可靠性及实用性强等特点，在实际生产过程中得到了广泛的应用。
但它们都是记忆参数模型的控制方法，因而自适应性和鲁棒性差、对模型的精确性要求高、抗干扰能力差。
自整定PD控制需要在对象模型精确已知的情况下，实现PD参数的在线整定，当被控对象特性发生变化时，就必须重新对系统进行模型辨识，自适应性很差。
Smith预估计控制是由Smith于1957年提出的，通过引入一个与被控制对象相并联的纯滞后环节，是补偿后的被控对象的等效传递函数不包括纯滞后项，但在实际操作中存在如下的问题:
（l）系统对扰动的响应很差；
（2）若被控对象中包含极点时，即使控制对象中含有积分器，系统对扰动稳态误差也不为零。
随着人们对智能机器高速度、高精度要求的不断提高，并且要求智能机器在完成复杂的任务时具有自行规划和决策的能力，有自动躲避障碍运动到期望目标位置的能力等，使得整个智能机器系统对其控制部分的要求也越来越高，开发具有智能的机器已经成为人们研究的热点。
智能机器技术能得到广泛地应用，得益于计算机技术和控制技术的发展和完善。
经典的PD控制方法、模糊控制、神经网络控制、专家控制、自适应控制、鲁棒控制等现代控制理论方法都在智能机器系统中得到了应用。
研究被控对象的模型存在不确定性及未知环境交互作用较强情况下的控制时，智能控制方法得到了成功的应用。
由于经典控制方法和现代控制方法在对机器轨迹跟踪控制时往往无法得到满意的效果。
近年来，机器的智能控制在理论和应用方面都有较大的进展。
采用模糊控制、神经网络控制等智能控制方法可以较好地解决机器人非线性系统的控制问题和复杂作业任务的控制问题。
1.3本文主要研究内容和章节安排
该课题是以C语言，STC90C51RD+单片机为核心控制器的CPU而设计的“基于红外传感器的智能小车硬件设计”。
其主要任务是能够准确采集周围环境的信号并进行处理分析，从而做出正确的判断，根据智能小车相对于赛道的位置来控制电机及舵机，以便达到控制智能车的运动方向，赛道记录等目的。
本课题主要完成了探测电路、核心控制模块、电机驱动等控制电路以及电源模块的设计。
按照文章结构，全文共分为一下几章：
第一章绪论。
本章详细介绍了该课题的研究背景，以及其使用的红外传感技术、智能控制技术的发展状况等。
并大体描述了该课题所研究的意义及内容。
第二章描述了智能车控制器的组成。
本章将智能车系统进行了分模块讲解，讲述了各模块的功能和特点以及软件流程图。
第三章就智能小车路径跟踪控制系统的硬件方面进行了设计，包括智能小车舵机驱动电路与电动机驱动电路的设计、速度检测电路、电源电路的设计、抗干扰设计。
第四章总结与展望。
本章结合当前的智能自动导向车的技术，对本文进行了总结并针对本次设计的不足之处提出了小车需要改进的方向和方法。
第二章智能小车控制器概述
2.1智能小车控制器硬件电路总述
智能车系统以STC90C51RD+单片机为核心，该系统单片机可靠性高，抗干扰能力强，工作频率最高达到40MHZ，从而保障了系统的实时性。
为了使智能车能够快速行驶，单片机必须把路径的迅速判断、相应的转向伺服电机控制以及直流驱动电机的控制精密地结合在一起。
如果传感器部分的数据没有正确地采集和识别，转向伺服电机控制的失当，都会造成模型车严重抖动甚至偏离赛道；如果直流电机的驱动控制效果不好，也会造成直线路段速度上不去，弯曲路段入弯速度过快等问题。
赛道示意图如图2.1所示。
入口
图2.1赛道示意图
智能车系统一般由电源模块、传感器模块、直流电机驱动模块、路径识别模块、单片机模块组成。
智能小车控制系统结构图如图2.2所示。
图2.2智能小车控制系统结构图
智能车系统的特点如下:
1.电源管理模块。
智能车系统根据各部件正常工作的需要，对配发的标准车模用7.2V2000mAh碱性电池进行电压调节。
其中，单片机系统、路径识别的红外传感器和接收器电路、车速传感器电路需要5V电压，伺服电机工作电压范围4.8V到6V，直流电机可以使用7.2V2000mAh碱性电池直接供电。
最常用的电源管理芯片是7805和7806。
考虑到由驱动电机引起的电压瞬间下降的现象，低压降的电压调节器如LM2940、LM2576等也被广泛的采用。
2.路径识别模块。
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。
在此我选用RPR220红外传感器方案。
3.直流电机驱动模块。
直流电机的控制一般由单片机的PWM信号来完成，驱动芯片采用L298N。
2.2智能小车控制系统软件设计简述
在智能车控制系统中，软件系统主要有以下几个部分：
路径识别算法、驱动电机控制算法、赛道记录算法、最短路径算法等。
单片机系统需要接收路径识别电路的信号。
系统中采用某种路径搜索算法进行寻线判断，进而控制直流驱动电机。
程序算法流程图如图2.3所示。
控制策略的选择对于小车的行驶性能是非常重要的，控制小车的最终目的就是要使小车在平稳行驶的前提下，尽可能地以最快的速度和最短的路线行驶。
在此我就不详述了。
图2.3程序算法流程图
第三章控制系统硬件电路设计
第二章简绍了智能车系统主要的几个模块:
控制核心（MCU）模块、电源管理模块、路径识别模块、电机驱动模块。
下面就具体介绍智能车各个模块的硬件设计方案，并对各个方案的优缺点进行论证。
3.15V电压电源模块设计
电源作为小车动力来源，为小车上的控制器，执行器，传感器提供可靠的工作电压。
设计中，除了需要考虑电压范围和电流容量等基本参数外，还要在电源转换效率、降低噪
升级会员 