目前，汽車正向自動化、智能化方向發展，實現自動尋線行駛、自實現路徑變化功能，并在可靠性基礎上快速行駛，在工程及物流等實際生產中得到越來越多的應用。競速車模的設計開發，為車輛尋線行駛功能的實現提供了可借鑒的方案和方法。本文對競速車模舵機轉向系統進行優化設計，提出了一種模糊控制的舵機轉向控制方法。

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：經典控制、現代控制和智能控制。

經典控制是人們常用的控制方法，是以傳遞函數為基礎實現的。一般的工業生產過程較多屬于線性定常系統，故可以用經典控制方法來控制，經典控制方法最典型的就是pid控制方法[1-3]。其調節品質取決于pid控制器各個參數的整定。但是這種控制方法只能解決線性定常系統的控制問題。

現代控制理論可以解決時變系統的控制問題，在時變系統中，輸入量和輸出量的關系隨時間的變化而變化。故而現代控制理論在航空航天和軍事上有很大的作用。現代控制方法以狀態方程為基礎實現。

智能控制[4-5]是自動控制發展的高級階段，是人工智能控制論、系統論和信息論的多種學科的高度綜合與集成，是一門新的交叉前沿學科。智能控制無需人的干預就能夠獨立驅動智能機器實現其目標的控制方法。目前，智能控制技術，如神經元網絡技術，模糊控制技術，遺傳算法優化技術，專家控制系統，基于規則的仿人智能控制技術等已進入工程化和實用化。

控制方案的選取

經典控制和現代控制，要求建立一套精確的數學模型，然而在實際應用中，有些復雜過程難以求取數學模型或根本無法求取其數學模型。智能控制是利用人的經驗來控制復雜過程的一種方法，并不斷完善和發展。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，有如下優點：

(1)無需預先知道被控對象的精確數學模型。

(2)控制規則以人的經驗總結表示，容易掌握。

(3)對被控對象的參數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的知識處理，從而有利于系統處理的靈活性和機動性。

智能車設計方案

智能車前輪轉向設計要求

智能車模以穩、快、準為目標，即要求模型車速度及行駛路線穩定，算法反應和速度、角度調節快，以及速度控制和檢測系統測量準確，所以設計過程中，檢測部分必須選擇性能可靠、反應速度快的傳感器，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，標識黑線寬2.5cm的道路條件，本設計采用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為穩定目標。這樣，就可以依據識別信號，將偏轉角度劃分為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向，其特點為扭力大，穩定性好，控制簡單，便于和數字系統接口，控制角度精確。

舵機工作原理

（1）舵機結構包括減速齒輪組，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，該電位器把轉角線性地轉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，產生糾正脈沖，并驅動電機正向或反向轉動，使齒輪組的輸出位置與期望值相符，從而達到使伺服馬達精確定位的目的[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，另外脈沖寬度和轉角成線性關系[14-16]，其計算公式為：

a=（l-1.5）×90° (1)

其中a是舵機的轉角，單位是度；l是脈沖寬度，單位是毫秒。其轉角和脈沖寬度的對應關系如圖2所示。



圖2 舵機的控制

在硬件實現上，利用了一路16位的pwm來驅動舵機轉向。

模糊控制方案的設計

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

本系統模糊控制器采用常規模糊控制器，其輸入量為當前位置偏差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為正數時，智能車向左偏離路徑；e為負數時，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?。粃e：[-3，3]，表示正中；ps：[0，6]，表示右偏較??；pm：[3，9]，表示右偏較大；pb：[6，9]，表示右偏特大。

e的隸屬函數為三角形函數分布，如圖5所示。



圖5 e的隸屬度函數

由于位置偏差有正負，則舵機轉角也有正負，位置模糊控制器輸出控制舵機偏轉的信號u就有正負。設定u為正時舵機向右偏轉，u為負時舵機向左偏轉，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的隸屬函數如圖6所示。

控制規則

模糊規則反映了輸入輸出變量之間的關系，模糊控制規則是模糊控制的核心。

智能車運動時，舵機控制信號u的選擇應與位置偏差的大小和符號相關。位置偏差e絕對值較大時應以較大的絕對值的控制信號控制舵機偏轉；而位置偏差e絕對值較小時應以較小的絕對值的控制信號控制舵機偏轉。當位置偏差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才能減小位置偏差；而當位置偏差e為負，即智能車向右偏離路徑時，控制信號控制舵機向左偏轉才能減小位置偏差。

模糊控制規則如表1所示。

表1 模糊控制規則表


模糊推理和清晰化

推理是模糊控制系統的核心。以模糊概念為基礎，模糊控制信息可通過模糊蘊涵和模糊邏輯的推理規則來獲取，并可實現擬人決策過程。根據模糊輸入量（偏差e）和模糊控制規則，模糊推理求解模糊關系方程，獲得模糊輸出量（偏轉角u）。

清晰化是將模糊推理后得到的模糊集轉換為用作控制的數字值的過程?？刹捎弥匦姆ǖ姆椒ㄇ逦?。重心法是指取模糊集隸屬函數曲線同基礎變量軸所圍面積的重心對應的基礎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，對應舵機偏轉角的計算。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]。

舵機偏轉角的計算

通過計算來得到最后的舵機偏轉角，具體計算推理過程如下：

(1)將傳感器的設計位置投影到基準線上得到的對應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。這樣的話，量化結果可用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，可得到個量化結果的輸出量（模糊量），用zadeh表示法表示在論域u上，如10對應的輸出結果（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果對應的輸出結果，則10對應的輸出結果為0.5×15+0.5×30=22.5。

(4)為了使競速車在直道上行駛平穩，對量化值5到9的輸出結果進行適當調整，使中間6，7，8對應的輸出量為0度，其他的相應調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節。具體做法是，在檢測到傳感器偏出時立即減速，當從偏出回到中心位置時再恢復原速。

試驗結果

通過采集當前路況信號，對舵機的轉向角進行控制，以實現對小車循跡功能的控制。智能小車前輪轉向角度的輸出,是通過對舵機輸入pwm信號的調制脈寬進行控制的。實驗中測出脈寬在8316至9084微秒之間，對應舵機轉軸的轉角為-45度到+45度，轉向機構將舵機轉角傳遞到前輪。忽略舵機的動態響應過程，在舵機處于穩態時，脈寬與前輪的方向轉角存在一一對應的映射關系。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，則對應舵機向左或向右轉動45度。本設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模塊設置脈寬時加上8316微秒的偏移量。具體的舵機轉角與pwm對應關系如表2所示。

表2 舵機轉角與pwm對應關系表


根據本文介紹的模糊算法和傳統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，實驗結果表明，小車都能很好的、快速的在規定的軌道內行駛?；谀：刂频霓D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智能車輛的轉向控制，轉向穩定性較好。



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

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向系統進行有效控制，針對模糊控制器參數進行深入細致研究并優化設計，得到如下結論：

(1)建立了隸屬函數和模糊控制規則。根據系統的固有特性，結合專家經驗實時調整模糊控制規則。與使用模糊控制規則表改變控制規則的方法相比，本文提出的方法更能反映系統的固有特性，且實現更為簡單。

(2)針對舵機系統的特點，為了提高系統的控制性能，設計了一種fuzzy控制器，并將該控制器應用到智能車系統的舵機控制中。

(3)完成整個智能車舵機控制系統設計，模仿人工駕駛行為設計智能車運動控制策略，采用常規模糊控制器對智能車系統的舵機轉角進行控制，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。