目前，汽車正向自動化、智能化方向發(fā)展，實現(xiàn)自動尋線行駛、自實現(xiàn)路徑變化功能，并在可靠性基礎(chǔ)上快速行駛，在工程及物流等實際生產(chǎn)中得到越來越多的應(yīng)用。競速車模的設(shè)計開發(fā)，為車輛尋線行駛功能的實現(xiàn)提供了可借鑒的方案和方法。本文對競速車模舵機轉(zhuǎn)向系統(tǒng)進行優(yōu)化設(shè)計，提出了一種模糊控制的舵機轉(zhuǎn)向控制方法。
各種控制方法分析
目前，人們所采用的自動控制方法大致分為三種：經(jīng)典控制、現(xiàn)代控制和智能控制。
經(jīng)典控制是人們常用的控制方法，是以傳遞函數(shù)為基礎(chǔ)實現(xiàn)的。一般的工業(yè)生產(chǎn)過程較多屬于線性定常系統(tǒng)，故可以用經(jīng)典控制方法來控制，經(jīng)典控制方法最典型的就是pid控制方法[1-3]。其調(diào)節(jié)品質(zhì)取決于pid控制器各個參數(shù)的整定。但是這種控制方法只能解決線性定常系統(tǒng)的控制問題。
現(xiàn)代控制理論可以解決時變系統(tǒng)的控制問題，在時變系統(tǒng)中，輸入量和輸出量的關(guān)系隨時間的變化而變化。故而現(xiàn)代控制理論在航空航天和軍事上有很大的作用。現(xiàn)代控制方法以狀態(tài)方程為基礎(chǔ)實現(xiàn)。
智能控制[4-5]是自動控制發(fā)展的高級階段，是人工智能控制論、系統(tǒng)論和信息論的多種學(xué)科的高度綜合與集成，是一門新的交叉前沿學(xué)科。智能控制無需人的干預(yù)就能夠獨立驅(qū)動智能機器實現(xiàn)其目標(biāo)的控制方法。目前，智能控制技術(shù)，如神經(jīng)元網(wǎng)絡(luò)技術(shù)，模糊控制技術(shù)，遺傳算法優(yōu)化技術(shù)，專家控制系統(tǒng)，基于規(guī)則的仿人智能控制技術(shù)等已進入工程化和實用化。
控制方案的選取
經(jīng)典控制和現(xiàn)代控制，要求建立一套精確的數(shù)學(xué)模型，然而在實際應(yīng)用中，有些復(fù)雜過程難以求取數(shù)學(xué)模型或根本無法求取其數(shù)學(xué)模型。智能控制是利用人的經(jīng)驗來控制復(fù)雜過程的一種方法，并不斷完善和發(fā)展。模糊控制[6-8]是智能控制方法中的一種，智能競速車采用模糊控制，有如下優(yōu)點：
(1)無需預(yù)先知道被控對象的精確數(shù)學(xué)模型。
(2)控制規(guī)則以人的經(jīng)驗總結(jié)表示，容易掌握。
(3)對被控對象的參數(shù)變化有較強的魯棒性。
(4)控制知識是以人的語言形式表示，有利于人機對話和系統(tǒng)的知識處理，從而有利于系統(tǒng)處理的靈活性和機動性。
智能車設(shè)計方案
智能車前輪轉(zhuǎn)向設(shè)計要求
智能車模以穩(wěn)、快、準(zhǔn)為目標(biāo)，即要求模型車速度及行駛路線穩(wěn)定，算法反應(yīng)和速度、角度調(diào)節(jié)快，以及速度控制和檢測系統(tǒng)測量準(zhǔn)確，所以設(shè)計過程中，檢測部分必須選擇性能可靠、反應(yīng)速度快的傳感器，并使用智能算法控制車輛行駛[9-11]。
紅外傳感器的布置
針對白色底色寬60cm，標(biāo)識黑線寬2.5cm的道路條件，本設(shè)計采用7對紅外傳感器進行道路識別，每個紅外傳感器間隔2.5cm，成水平直線排列，以保證只有一個光電管信號在黑線內(nèi)為穩(wěn)定目標(biāo)。這樣，就可以依據(jù)識別信號，將偏轉(zhuǎn)角度劃分為7個級別。
舵機控制模塊
采用hs-925型舵機來控制智能車前輪的轉(zhuǎn)向，其特點為扭力大，穩(wěn)定性好，控制簡單，便于和數(shù)字系統(tǒng)接口，控制角度精確。
舵機工作原理
（1）舵機結(jié)構(gòu)包括減速齒輪組，位置反饋電位計，直流電機和控制電路等。
舵機工作原理如圖1所示，減速齒輪組由電機驅(qū)動，其輸出軸帶動一個線性的比例電位器作位置檢測，該電位器把轉(zhuǎn)角線性地轉(zhuǎn)換為電壓并反饋給控制線路板，控制線路板將其與輸入的控制脈沖信號比較，產(chǎn)生糾正脈沖，并驅(qū)動電機正向或反向轉(zhuǎn)動，使齒輪組的輸出位置與期望值相符，從而達(dá)到使伺服馬達(dá)精確定位的目的[12-13]。
圖1 舵機工作原
（2） 舵機的控制
本系統(tǒng)采用的控制信號為周期13ms的脈沖信號，改變脈沖寬度就可以改變舵機的方向，另外脈沖寬度和轉(zhuǎn)角成線性關(guān)系[14-16]，其計算公式為：
a=（l-1.5）×90° (1)
其中a是舵機的轉(zhuǎn)角，單位是度；l是脈沖寬度，單位是毫秒。其轉(zhuǎn)角和脈沖寬度的對應(yīng)關(guān)系如圖2所示。
圖2 舵機的控制
在硬件實現(xiàn)上，利用了一路16位的pwm來驅(qū)動舵機轉(zhuǎn)向。
模糊控制方案的設(shè)計
模糊控制器有三個功能模塊：模糊化，模糊推理，清晰化，如圖3所示。
圖3 模糊控制器
模糊子集和隸屬函數(shù)的建立紅外接收管編碼如圖4所示。
圖4 紅外接受管編碼
本系統(tǒng)模糊控制器采用常規(guī)模糊控制器，其輸入量為當(dāng)前位置偏差e，輸出量為舵機控制信號u。
位置偏差e是光電傳感器反饋回的實際位置與智能車中軸線的偏差。e為零時，智能車未偏離路徑；e為正數(shù)時，智能車向左偏離路徑；e為負(fù)數(shù)時，智能車向右偏離路徑。其偏離范圍e（論域，單位為cm）為[-9，9]，將論域離散化為整數(shù)集e={-9，-6，-3，0，3，6，9}，則量化因子k=n/x=1.0。
將位置偏差e的值模糊化。設(shè)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]，表示左偏較大；ns：[-6，0]，表示左偏較小；ze：[-3，3]，表示正中；ps：[0，6]，表示右偏較小；pm：[3，9]，表示右偏較大；pb：[6，9]，表示右偏特大。
e的隸屬函數(shù)為三角形函數(shù)分布，如圖5所示。
圖5 e的隸屬度函數(shù)
由于位置偏差有正負(fù)，則舵機轉(zhuǎn)角也有正負(fù)，位置模糊控制器輸出控制舵機偏轉(zhuǎn)的信號u就有正負(fù)。設(shè)定u為正時舵機向右偏轉(zhuǎn)，u為負(fù)時舵機向左偏轉(zhuǎn)，則u的模糊子集與位置偏差e的模糊子集相似，即u={nb,nm,ns,ze,ps,pm,pb}。將u的大小也量化為七個等級，其論域u={-45,-30,-15,0,15,30,45}。u的隸屬函數(shù)如圖6所示。
控制規(guī)則
模糊規(guī)則反映了輸入輸出變量之間的關(guān)系，模糊控制規(guī)則是模糊控制的核心。
智能車運動時，舵機控制信號u的選擇應(yīng)與位置偏差的大小和符號相關(guān)。位置偏差e絕對值較大時應(yīng)以較大的絕對值的控制信號控制舵機偏轉(zhuǎn)；而位置偏差e絕對值較小時應(yīng)以較小的絕對值的控制信號控制舵機偏轉(zhuǎn)。當(dāng)位置偏差e為正，即智能車向左偏離路徑時，控制信號控制舵機向右偏轉(zhuǎn)才能減小位置偏差；而當(dāng)位置偏差e為負(fù)，即智能車向右偏離路徑時，控制信號控制舵機向左偏轉(zhuǎn)才能減小位置偏差。
模糊控制規(guī)則如表1所示。
表1 模糊控制規(guī)則表
模糊推理和清晰化
推理是模糊控制系統(tǒng)的核心。以模糊概念為基礎(chǔ)，模糊控制信息可通過模糊蘊涵和模糊邏輯的推理規(guī)則來獲取，并可實現(xiàn)擬人決策過程。根據(jù)模糊輸入量（偏差e）和模糊控制規(guī)則，模糊推理求解模糊關(guān)系方程，獲得模糊輸出量（偏轉(zhuǎn)角u）。
清晰化是將模糊推理后得到的模糊集轉(zhuǎn)換為用作控制的數(shù)字值的過程。可采用重心法的方法清晰化。重心法是指取模糊集隸屬函數(shù)曲線同基礎(chǔ)變量軸所圍面積的重心對應(yīng)的基礎(chǔ)變量作為清晰值的方法。
舵機控制策略及算法
對傳感器檢測到的信號進行量化處理，對應(yīng)舵機偏轉(zhuǎn)角的計算。另外為了避免從直道入彎的過沖，和從彎道進入直道的振蕩問題，程序中還需要對速度進行控制。
量化的過程
智能車通過7個光傳感器進行位置的采樣，根據(jù)傳感器的布局，從左至右依次編號為1，2，3，4，5，6，7。由于傳感器分布比較密，會出現(xiàn)一個或兩個傳感器同時檢測到黑線的情況，這樣可以得到13種路面情況。為了方便處理，將所得到的傳感器的信號量化為[1，2，3，4，5，6，7，8，9，10，11，12，13]。
舵機偏轉(zhuǎn)角的計算
通過計算來得到最后的舵機偏轉(zhuǎn)角，具體計算推理過程如下：
(1)將傳感器的設(shè)計位置投影到基準(zhǔn)線上得到的對應(yīng)偏差從左到右依次為-9，-6，-3，0，3，6，9。與上面的量化處理之后的1，3，5，7，9，11，13對應(yīng)。這樣的話，量化結(jié)果可用zadeh表示法來表示其在論域e上的模糊集合，如：10的位置可以表示為。
(2)通過模糊推理，可得到個量化結(jié)果的輸出量（模糊量），用zadeh表示法表示在論域u上，如10對應(yīng)的輸出結(jié)果（模糊量）可以表示為。
(3)再通過重心法清晰化后得到各量化結(jié)果對應(yīng)的輸出結(jié)果，則10對應(yīng)的輸出結(jié)果為0.5×15+0.5×30=22.5。
(4)為了使競速車在直道上行駛平穩(wěn)，對量化值5到9的輸出結(jié)果進行適當(dāng)調(diào)整，使中間6，7，8對應(yīng)的輸出量為0度，其他的相應(yīng)調(diào)整使得角度變化較為平均。
速度的控制
小車勻速行駛時，從直道進入彎道，可能會產(chǎn)生過沖，從彎道進入直道，可能會有振蕩，所以必須進行速度調(diào)節(jié)。具體做法是，在檢測到傳感器偏出時立即減速，當(dāng)從偏出回到中心位置時再恢復(fù)原速。
試驗結(jié)果
通過采集當(dāng)前路況信號，對舵機的轉(zhuǎn)向角進行控制，以實現(xiàn)對小車循跡功能的控制。智能小車前輪轉(zhuǎn)向角度的輸出,是通過對舵機輸入pwm信號的調(diào)制脈寬進行控制的。實驗中測出脈寬在8316至9084微秒之間，對應(yīng)舵機轉(zhuǎn)軸的轉(zhuǎn)角為-45度到+45度，轉(zhuǎn)向機構(gòu)將舵機轉(zhuǎn)角傳遞到前輪。忽略舵機的動態(tài)響應(yīng)過程，在舵機處于穩(wěn)態(tài)時，脈寬與前輪的方向轉(zhuǎn)角存在一一對應(yīng)的映射關(guān)系。因此模糊控制器的輸出就是控制舵機的脈沖寬度，范圍為8316至9084微秒，輸出時將論域定為0到768微秒，則對應(yīng)舵機向左或向右轉(zhuǎn)動45度。本設(shè)計中采用的是智能車對黑線的直接變化量作為偏差輸入，在給pwm模塊設(shè)置脈寬時加上8316微秒的偏移量。具體的舵機轉(zhuǎn)角與pwm對應(yīng)關(guān)系如表2所示。
表2 舵機轉(zhuǎn)角與pwm對應(yīng)關(guān)系表
根據(jù)本文介紹的模糊算法和傳統(tǒng)pid算法為智能車編制了兩個控制程序，將這兩個控制程序分別下載到同一個智能車的mcu中，并在跑道上運行。通過多次對比，把制作完成的智能小車放到特定的跑道上進行試驗，如圖7、圖8、圖9、圖10，實驗結(jié)果表明，小車都能很好的、快速的在規(guī)定的軌道內(nèi)行駛。基于模糊控制的轉(zhuǎn)向控制器在直線、曲率半徑大的彎道、曲率半徑小的彎道、蛇形彎處行駛是都可以實現(xiàn)智能車輛的轉(zhuǎn)向控制，轉(zhuǎn)向穩(wěn)定性較好。
圖7 小車行駛在直道中
圖8 小車行駛在曲率半徑大的彎道中
圖9 小車行駛在曲率半徑小的彎道中
圖10 小車行駛在蛇形彎道中
小結(jié)
本文的研究目的主要是利用模糊控制算法對智能車的舵機轉(zhuǎn)向系統(tǒng)進行有效控制，針對模糊控制器參數(shù)進行深入細(xì)致研究并優(yōu)化設(shè)計，得到如下結(jié)論：
(1)建立了隸屬函數(shù)和模糊控制規(guī)則。根據(jù)系統(tǒng)的固有特性，結(jié)合專家經(jīng)驗實時調(diào)整模糊控制規(guī)則。與使用模糊控制規(guī)則表改變控制規(guī)則的方法相比，本文提出的方法更能反映系統(tǒng)的固有特性，且實現(xiàn)更為簡單。
(2)針對舵機系統(tǒng)的特點，為了提高系統(tǒng)的控制性能，設(shè)計了一種fuzzy控制器，并將該控制器應(yīng)用到智能車系統(tǒng)的舵機控制中。
(3)完成整個智能車舵機控制系統(tǒng)設(shè)計，模仿人工駕駛行為設(shè)計智能車運動控制策略，采用常規(guī)模糊控制器對智能車系統(tǒng)的舵機轉(zhuǎn)角進行控制，并進行了實驗和分析。
通過智能車實驗和競賽，證明文中所提出的方案是先進有效的。
