0 引言

    谷歌旗下波士頓動力公司最新發(fā)布的名為Handle的輪式機器人能力拔高到新的高度，事實上這種智慧型機器人搭載了多種諸如傳感采集模塊,、環(huán)境探測以及人機交互模塊等,。路況不一樣造成不同彎道的曲率不同，如何在急轉(zhuǎn)彎的情況下保持精準(zhǔn)的感知與采存處理一直是研究的焦點所在^[1],。

    智能小車的轉(zhuǎn)彎控制是一個復(fù)雜的控制過程,，要建立相應(yīng)的數(shù)學(xué)模型，單單選用經(jīng)典的PID算法不夠精準(zhǔn),，很難做到精確測量和估計,。因此，本文提出在傳遞函數(shù)后面串聯(lián)一個動態(tài)測試修正模塊^[2-4],。

1 智能車彎道設(shè)計背景

    智能車要想在急轉(zhuǎn)彎路況下繼續(xù)保持穩(wěn)定,、快速、安全的行駛,，主要體現(xiàn)小車在運動控制上是否可以即時地進行監(jiān)測和反饋,。由于被測小車所處周邊的環(huán)境復(fù)雜多變，采光條件,、路面溫度,、自身結(jié)構(gòu)產(chǎn)生的相對運動差以及摩擦系數(shù)都會引起智能車所帶來的參數(shù)變動和毛刺現(xiàn)象甚至是檢測盲區(qū)^[5-6]?？紤]到小車單方面在轉(zhuǎn)彎控制下定制控制策略會使整體運行過程的穩(wěn)定性,、及時性出現(xiàn)偏差以至于沖出跑道，針對復(fù)雜多變的環(huán)境,，綜合得出一個合理控制策略補償模塊,，使小車在彎道環(huán)境下既能保持采集的信號可靠、穩(wěn)定,，又能快速,、高效、準(zhǔn)確地在彎道上進行調(diào)姿與控制^[7],。

2 系統(tǒng)硬件

2.1 主控制器模塊

    本系統(tǒng)采用的主控制器是意法半導(dǎo)體(ST)公司設(shè)計的基于Cortex-M3內(nèi)核架構(gòu)的STM32F107嵌入式芯片,，該芯片擁有高性能,、低功耗、實時應(yīng)用,、高性價比等優(yōu)點。該芯片嵌入了256 KB Flash,、64 KB SRAM以及各種外設(shè)接口(I2C,、SPI、USART,、CAN,、USB、定時器,、DMA控制器,、ADC、PWM),，支持JTAG和SWD調(diào)試接口,，主頻最高可達72 MHz^[8]。該芯片豐富的片內(nèi)資源和片上外設(shè),、精準(zhǔn)高效的計算能力使得其十分符合系統(tǒng)要求,。

2.2 電源管理模塊

    系統(tǒng)總的供電電源為12 V鋰電池，電機驅(qū)動芯片采用TB6612FNG芯片,，系統(tǒng)電壓經(jīng)LM2596T開關(guān)壓降轉(zhuǎn)換器轉(zhuǎn)換為5 V,，再通過線性恒壓模塊AMS1117輸出為3.3 V，通過轉(zhuǎn)換芯片轉(zhuǎn)換為5 V和3.3 V后提供給系統(tǒng)的各個模塊使用,。電源電路圖如圖1所示,。

2.3 姿態(tài)傳感器電路設(shè)計模塊

    本系統(tǒng)采用的MPU6050是一個6軸傳感器芯片，內(nèi)部集成了3軸陀螺儀,、3軸加速度計和1個可擴展的數(shù)字運動處理器DMP,，3個16位ADC通道將加速度計和陀螺儀測得的模擬信號轉(zhuǎn)換為數(shù)字信號進行輸出，保障了測量數(shù)據(jù)的輸出精度,。用戶可以根據(jù)實際需要控制傳感器的范圍,，可準(zhǔn)確追蹤小車姿態(tài)變化。MPU6050通過自帶的DMP編程實現(xiàn)自動對加速度計,、陀螺儀數(shù)據(jù)進行處理,，減少了主控芯片STM32的計算負擔(dān)^[9]。主芯片和MPU6050傳感器電路連接圖如圖2所示,，MPU6050傳感器通過傳輸速率較高的I2C總線和主芯片進行通信,。

2.4 電機驅(qū)動模塊

    直流電機具有轉(zhuǎn)矩大、負載性好,、響應(yīng)速度快,、運動平穩(wěn),、噪聲小等優(yōu)點，使得直流電機在移動機器人領(lǐng)域中的應(yīng)用越來越廣泛^[10-11],，最常見的驅(qū)動方式是通過改變脈沖序列的周期和占空比來對電機電壓進行控制,。本系統(tǒng)電機驅(qū)動芯片采用TB6612FNG^[12]，具有雙通道輸出,，比L298N效率更高,，發(fā)熱量更低，4種電機控制模式：正轉(zhuǎn),、反轉(zhuǎn),、制動、停止,，通過STM32F107輸出PWM脈沖信號調(diào)整電機轉(zhuǎn)速,。電機驅(qū)動模塊原理圖如圖3所示。

3 算法優(yōu)化

    在系統(tǒng)轉(zhuǎn)彎時由于蘊含非常豐富的高頻分量,，導(dǎo)致被測信號變化速度特別快,。雖然陀螺儀動態(tài)響應(yīng)可以滿足快速變化，但容易積累誤差,。若想調(diào)理和改善傳感器的輸出信號,，可以在微處理器檢測系統(tǒng)中借鑒選用信號處理的方法實時跟蹤一次儀表的動態(tài)特性。在含有動態(tài)特性級聯(lián)改善模塊的檢測系統(tǒng)中采用信號補償修正的方法實時接收感知端輸出的模擬信號并加以分析處理,，在某種程度上延長中間端的幅頻特性有效段,，增加了對小車系統(tǒng)的有效調(diào)理率。

    基于如上原理設(shè)計一個可以與陀螺儀串聯(lián)的改善一次儀表瞬態(tài)特性的網(wǎng)絡(luò),，使一次儀表匹配該改善算法網(wǎng)絡(luò)得到的幅頻特性比未經(jīng)處理時的平坦段延長一些,。修正思路如圖4所示。

    一個標(biāo)準(zhǔn)已知轉(zhuǎn)彎輸入信號由于陀螺儀有效帶寬頻率部分提取不夠而產(chǎn)生頻譜輸出失真,，為此在測控電路模塊增加變形信號級聯(lián)動態(tài)特性改善網(wǎng)絡(luò),，然后通過特定的參數(shù)優(yōu)化輸出靠近一次儀表逆模型，從而中和原信號的偏移量達到修正目的,。原一次儀表輸出的拉普拉斯變換與輸入的拉普拉斯變換比H(s)級聯(lián)一個延長可測線性段的動態(tài)特性模塊F(s),，模塊總體的新傳遞函數(shù)為：

    補償原理如圖5所示。

    一次儀表瞬態(tài)改善網(wǎng)絡(luò)結(jié)合模糊神經(jīng)輸出與一次儀表瞬態(tài)校準(zhǔn)信號理論輸入差值e(n),，實現(xiàn)模糊神經(jīng)自適應(yīng)優(yōu)化,。

    標(biāo)準(zhǔn)一次儀表瞬態(tài)信號用q(n)表示，需改善的一次儀表瞬態(tài)輸出用X(n)表示,，模糊神經(jīng)網(wǎng)絡(luò)的輸出P(n)的階數(shù)設(shè)為k,，則輸出為：

    根據(jù)模糊函數(shù)在上位機訓(xùn)練得出的最優(yōu)值，對于本模糊神經(jīng)網(wǎng)絡(luò)的隸屬函數(shù)矩陣，k=12,，m=12,。w為矩陣U的列向量由U中元素組合：

    圖6為構(gòu)造改良的補償網(wǎng)路流程圖。

    一次儀表最典型的是近似為有一個二階系統(tǒng),，其傳遞函數(shù)可表示為：

    在MATLAB平臺上,用數(shù)據(jù)訓(xùn)練傳感器300次后可得一次儀表動態(tài)特性改善前后時域響應(yīng),。為了更好地檢測一次儀表對各個單元頻率分量的響應(yīng)輸出,可采用跟蹤掃描法獲取調(diào)理前后模塊的動態(tài)特性，從而得出系統(tǒng)的幅頻特性,，如圖7所示,，其中w為被測信號頻率，w_o為固有頻率,，頻率比在0.3以內(nèi)有良好的測量精度。

4 結(jié)論

    本文研究了升級版智能車快速轉(zhuǎn)彎的模糊自適應(yīng)PID控制算法^[13],，該算法改進了傳統(tǒng)彎道快速行駛易翻倒的情況,。仿真結(jié)果表明，增加補償模塊的新算法可以進行有效地維持轉(zhuǎn)彎姿態(tài),，總體上精度高于傳統(tǒng)單一的模糊PID算法,。如何進一步對微小姿態(tài)進行修正是下一步研究的重點。

參考文獻

[1] 最新機器人牛得一塌糊涂(谷歌旗下波士頓動力公司)[EB/OL].(2017-03-14)[2017-11-17].https：//www.suilengea.com/show/zcndmhmhgmh.html.

[2] 劉一江,，孟立凡,，張志杰.基于遺傳算法的傳感器動態(tài)特性改善方法[J].傳感技術(shù)學(xué)報，2013,，26(9)：1248-1253.

[3] 李錦明,，閆曉俊，江旭東,，等.Sobel圖像邊沿檢測算法的優(yōu)化設(shè)計與實現(xiàn)[J].電子技術(shù)應(yīng)用,，2016，42（3）：71-73,，77.

[4] 王振運.基于RT-Thread和STM32的雙輪自平衡機器人的設(shè)計與實現(xiàn)[D].太原：中北大學(xué),，2016.

[5] 王祥好.模糊PID控制算法在智能小車中的研究與應(yīng)用[D].合肥：合肥工業(yè)大學(xué)，2009.

[6] 吳全玉,，張曉東,，晁曉琪，等.基于經(jīng)典PID算法的智能車系統(tǒng)研究[J].自動化與儀器儀表,，2011(1)：25-26.

[7] 李錦明,，謝緒煜，馬游春,，等.基于FPGA的FIR濾波器系統(tǒng)的設(shè)計[J].化工自動化及儀表,，2011(8)：943-946.

[8] SOORKI M N，TALEBI H A，NIKRAVESH S K Y.A leader-following formationcontrol of multiple mobile robots with active obstacle avoidance[C].19th Iranian Conference on Electrical Engineering,，ICEE 2011,，2011：1-6.

[9] 劉濤，呂勇,，劉立雙.智能車路徑識別與控制性能提高方法研究及實現(xiàn)[J].電子技術(shù)應(yīng)用,，2016，42(1)：54-57.

[10] 苗偉,，李昌璽,，吳聰.基于修正轉(zhuǎn)彎模型的交互多模型跟蹤算法[J].現(xiàn)代防御技術(shù)，2015(3)：113-118.

[11] 李根.基于STM32的車輛智能安全行車控制系統(tǒng)[D].天津：天津職業(yè)技術(shù)師范大學(xué),，2016.

[12] 王建平,，盧杉，武歡歡.TB6612FNG在直流電機控制設(shè)計中的應(yīng)用[J].電子設(shè)計工程,，2010(6)：65-67.

[13] 廖先浩.智能小車彎道控制的研究與實現(xiàn)[D].重慶：重慶大學(xué),，2014.

作者信息:

降  帥1，2,，孟立凡1,，2，李錦明1,，2,，馬  林1，2,，候天喜1,，2

(1.中北大學(xué) 電子測試國家重點實驗室，山西 太原030051,；

2.中北大學(xué) 儀器科學(xué)與動態(tài)測試教育部重點實驗室,，山西 太原030051)