磁巡線自控智能車導航系統研究與設計

王萬帥，崔繼強，韓致信

(1. 蘭州理工大學 機電工程學院，甘肅 蘭州 730050； 2. 濱州學院實訓中心，山東 濱州 256600)

磁巡線自控智能車導航系統研究與設計

王萬帥1，崔繼強2，韓致信1

(1. 蘭州理工大學 機電工程學院，甘肅 蘭州 730050； 2. 濱州學院實訓中心，山東 濱州 256600)

以“‘飛思卡爾杯’智能車比賽”磁導航自控智能車為分析和研究對象，提出了一種兩傳感器、大前瞻路徑識別方法的路徑監測系統，運用傳感器八字型布局，信號多次濾波，數據歸一算法，加寬路徑檢測彌補算法，數據二次擬合，實現路徑監測距離更遠、監測尺寸更寬、車體定位更準，使智能車路徑監測自控系統等得到進一步優化，為大前瞻路徑監測和高速行駛的磁導航智能車提供理論依據和試驗保障。

智能車；磁導航；大前瞻；路徑監測

0 引言

循跡競速智能車是一個運用車輛工程、計算機技術、傳感器技術、信息通訊技術、導航技術、人工智能及自動控制等技術實現感知環境、規劃決策和自動行駛為一體的高新技術綜合體[1]。近年來，隨著競速賽的發展，電磁導航智能車一直追求低重心，輕質量，大前瞻的設計理念，而小前瞻、多傳感器、體大車重的結構設計方案難以滿足設計要求[2-5]。路徑監測系統正如人之眼睛，洞察路況信息顯得尤為重要?，F設計運用AltiumDesignerSummer09設計電路并生成PCB板，使用Freescale公司生產的MC9S12DG128最小系統板采集路徑信息，利用CodeWarrior實現C語言編程，實現自控智能車路徑監測硬軟件研究與設計。

1 磁導航傳感器設計

電磁傳感器分為開關量監測傳感器和模擬量監測傳感器。開關型傳感器僅有兩種狀態，監測有無信號，使用此種傳感器監測移動車輛位置，需要傳感器量大，導致車重體大，難以滿足賽車設計要求。模擬量傳感器信號連續，監測范圍廣，可實現少量傳感器監測整條賽道路況。在傳感器布局上，多采用多傳感器一字型車前布局或多排一字型布局，利用差值(插補)算法和多路監測來判斷路況信息，也有采用一位置多傳感器呈坐標軸式布局，采集坐標軸各方向信息判斷路況，這樣設計傳感器用得多，電路復雜，同時增加了智能車轉向前車輪的承重力，使轉向呆滯，高速車體飄移，智能車前部傳感器支架抖動等。經設計采用兩模擬傳感器車體前方兩側對稱八字形布局監測路況信息，信號經處理送MC9S12DG128單片機定時采集，采集的數據多次濾波，數據歸一計算，加寬路徑檢測彌補計算，數據二次擬合，完成數據處理。

2 電磁賽道模型分析

比賽現場鋪設50cm寬的KT板賽道，智能車僅能在賽道范圍內行駛。賽道中間鋪設通有20kHz、交變電流100mA、直徑0.5mm的銅導線，智能車以此銅導線為導航的信號源。由麥克斯韋定理知，交變的電場會產生交變的磁場，故載流銅導線周圍分布著以銅導線為中心的同軸磁感應線圈，則距離導線長度為a的p點處磁感應強度為：

(1)

(2)

對于長直導線來說，式中θ1=0,θ2=180o則有:

(3)

式中：μ0為真空磁導率，i為導線中交變電流，現場激勵正弦交流電i=IPsin2πft此時通過放置p點處的電磁傳感器電感的磁通量φ為：

φ=BS

(4)

式中：S為磁感應線切割電磁傳感器電感的橫截面積。感應電動勢E為 ：

(5)

式中：N為電感線圈匝數。

3 電磁傳感器設計

3.1 電路設計

采用的是感應，選頻、放大、整流為一體的傳感器模塊，運用PCB板制作軟件AltiumDesignerSummer09設計電路如圖2所示。

圖1 磁電傳感器模塊電路圖

道路檢測傳感器選用體積小，Q值高的10mH工字電感，降低伸出車體的傳感器質量。電感與6.8nF電容構成選頻電路，經三極管8050電壓增益，輸出正弦波電壓信號，選用壓降0.1～0.3V鍺二極管1N5819，低通性能好，通過整流，使正弦信號輸出平穩的電壓信號。在電路設計上，對比與LM358運放電路信號靈敏度更高，低通性更好，監測距離更遠。

3.2 傳感器布局

傳感器使用上，摒棄了傳統的多電感、一字型布局、小前瞻、魯棒性檢測、插值算法的笨重設計。路況監測使用兩個電感，利用電感模擬信號隨信號源距離變化而連續變化的特性，使用傳感器ad值差分減法監測前方路況，又考慮到大前瞻彎道信號容易丟失，在布局時采用了與導線垂平面形成α=30°角八字型水平布置，在不增加傳感器和直道檢測精度的情況下解決彎道丟線問題。

4 采集系統研究與設計

4.1AD讀取

最小系統板MC9S12DG128單片機使用定時信號采集，每2.5 ms采集一次信號并處理數據，保證數據的精度和時序性。每2.5 ms中斷來臨，AD讀取前等待、AD數據多次采集、數據滾動刷新、冒泡法同項排序、清除最大最小值濾波、數值求均、獲取有效值。

4.2 數據歸一化

電磁傳感器電感之間存在品質差異、外部干擾等原因，等距兩電感采集的信號有些錯差，故對數據歸一化運算處理，便于后面精確定位計算。數據歸一到0～100之間的數，其表達式為：

(6)

式中：admin[i]為移動車體磁場線圈第i個傳感器檢測最小值，admax[i]為移動車體磁場線圈第i個傳感器檢測最大值，ad[i]為移動車體磁場線圈第i個傳感器檢測當場值，s[i]為歸一化后的有效值。

由于傳感器模塊低通性能好，獲得的濾波后本底值趨近于零，使舵機在中心位置附近跟隨性強，智能車高速直道行駛時舵機易抖動，使行駛路線由理想化的直行路線變為蛇形前進，故適當濾波，舍去部分本底值，設置中心位置死區，降低舵機在中心位置跟隨性，減小直線區間靈敏度，消除抖動區間，使s[i]<5時，令s[i]=0。

4.3 位置計算

(7)

式中：pos為位置偏差，s[l]為左傳感器模塊歸一后的檢測值，s[r]為右傳感器模塊歸一后的檢測值。

電感按比賽規則放置寬度為30cm，傳感器兩電感之間的位置偏差計算結果pos值如圖2(a)所示。

圖2 兩電感信號加寬處理前后

智能車高速行駛，若其監測距離太近，剎車距離太遠，容易導致車輛入彎剎車不夠沖出賽道，或者賽道摩擦力不夠剎車導致車輛側滑甩出賽道，不能滿足智能車高速需要。若在監測寬度為30 cm基礎之上加大前瞻，由于受到監測寬度限制，前瞻超過30 cm之后道路信息在入彎道時很容易就達到最大值或丟失。電感檢測信號為模擬量，傳感器打出賽道在兩電感外圍也分布有可檢測信號，軟件上增添彌補取反處理算法，使監測寬度加大，算法如下：

在傳感器之間pos=pos

(8)

傳感器左伸出pos=pos-100+s[r]

(9)

傳感器右伸出pos=pos-100-s[l]

(10)

由軟件處理后其效果如圖2(b)所示，檢測寬度增加到60cm，滿足前瞻在50cm的遠距離大前瞻監測需求。

由圖2可知，監測信號數據在拐點處取反疊加，顯然加寬監測寬度后，在拐點處使輸出的數據線前后跳躍比較大，故設計采用一階濾波函數，由本場值和上場值按比例疊加賦于有效值，使數據曲線更平滑。由于前瞻比較大，與轉向前輪距離達到50cm，若彎道時車輛跟貼外道行駛傳感器打入行駛的相鄰道路，使監測信號發生紊亂而導致智能車竄道行駛，軟件上把由正負值之間劇烈跳變的數據按上一場采集的數據處理，消除無效值，彌補了大前瞻遠監測傳感器伸出賽道后致使信號錯亂而誤判。

為保障高速智能車在直道直線行駛時路徑跟蹤滯慢性，小S道行駛時略微跟線行駛，彎道行駛時靈活快速轉向，由此，通過傳感器數據二次曲線擬合，尋求路徑信息定位最佳變化曲線。

Fi=a×pos+b×abs(pos)×pos

(11)

式中，Fi為擬合最終取值，a=0.3，b=0.012,使數據隨路徑曲率變化而變化，其曲線如圖3(a)所示。經現場數據采集，傳感器數據曲線如圖3(b)所示。

圖3 傳感器數據二次擬合曲線

5 結語

針對磁巡線智能車在路徑監測上監測距離近、路徑識別信息不夠的問題，提出了傳感器大前瞻監測加寬彌補算法和數據二次擬合處理，并詳述了設計原理。實驗證明：大前瞻路徑識別加寬彌補算法和傳感器數據二次擬合能準確判斷出路徑路況，有效地解決智能車路況遠距離監測問題，為磁導航智能車其他控制提供決策依據，并在“‘飛思卡爾杯’智能車比賽”取得了優異的成績。

[1] 李涵武，崔宏耀，張娜偉，等. 基于電磁場檢測的智能尋跡模型車設計[J]. 黑龍江工程學院學報，2011，(2):23-25.

[2] 李宗，張笑楠，項羽升. 電磁智能車軟件系統的設計與實現[J]. 科技與向導，2012，(20):87-88.

[3] 王元哲，談英姿. 磁導航智能車路徑信息采集系統設計與實現[J]. 微型機與應用，2011，(30):19-21.

[4] 李仕伯，馬旭，卓晴. 基于磁場檢測的巡線小車傳感器布局研究[J]. 電子廠品世界，2009，(12):25-27.

[5] 師克，王洪軍，李永科. 基于電磁傳感器的智能車自主循跡系統設計[J]. 信息技術，2012，(10):30-32.

Research on Magnetic Patrol Self-control Intelligent VehicleNavigation System And Its Design

WANG Wanshuai1，CUI Jiqiang2,HAN Zhixin1

(1. College of Mechanical and Electrical Engineering Lanzhou University of Technology， Lanzhou 730050,China；2. Engineering Training Center, Binzhou University, Binzhou 256600,China)

Taking a “Freescale Cup Intelligent Car Competition” magnetic navigation self-controlled intelligent vehicle for object of analysis and research, this paper proposes a path monitoring system with two inductance long-distance monitoring method of path identification. The splayed layout sensors, signal multiple filter, the data normalization algorithm, the offset algorithm widened the path monitoring, and conic approach technique are used in this system to achieve the longer path monitoring distance, wider monitoring size, more accurate vehicle position. so that the intelligent car road monitoring system is further optimized and the theory and test security are provided for the intelligent vehicles of the long-distance path monitoring and high-speed magnetic navigation.

intelligent car; magnetic navigation; great foresight; path monitoring

濱州學院創新基金資助(BZXYQNLG201101)

——

TP273

B

1671-5276(2015)05-0183-03

2014-12-24