基于模糊控制算法的智能小車避障系統設計

申永紅

（陜西國防工業職業技術學院 陜西 西安 710302）

引言

智能小車作為當前智能化的代表，集合人工智能、自動控制、傳感采集等技術，成為當前智能汽車的發展趨勢。目前，針對智能小車的控制中，大部分采用嵌入式的編程方式來實現汽車的啟動、停止以及速度方面的控制。但在實際道路行駛的過程中，如何避讓前方的障礙物，加強路徑規劃是其中的重點。高俊釵認為智能小車的運動控制不依賴于精確的運功控制模型，即其運動為非線性系統[1]。為解決這個問題，人們引入模糊控制理論對智能小車避障進行控制。同時在智能小車避障解決問題中，呂閃[2]則從硬件和軟件的角度，對智能小車避障進行控制，并通過測試，驗證了STM32控制芯片和模糊控制避障算法的可行性；張橋則結合傳感器采集過程中存在的多信息融合問題，提出一種基于T-S模型的模糊神經網絡避障控制算法，并通過仿真測試，驗證了上述方案的可行性[3]。但是，加強對障礙物避障更為精確的控制，加強對小車路徑的規劃，一直是當前研究和優化的重點。對此，本文結合系統設計的思想，提出一種基于模糊神經PID控制的避障算法，并通過硬件和軟件的搭建，對上述方案進行了驗證。

1 整體架構設計

本文設計的STM32智能小車避障控制系統，其主要具備自主避障、障礙自動檢測、無線通信等功能。要實現小車的自動避障，首先需要采用避障傳感器完成對前端基礎數據的采集，然后通過主控芯片的處理和分析，發布控制指令，最終通過轉向控制系統和速度控制完成對小車障礙物的避讓控制。因此，結合以上的思路，本文設計的該系統整體架構如圖1所示。

圖1 系統整體架構設計

2 系統硬件電路設計

2.1 主控電路設計

主控電路是智能小車工作的基礎，也是關鍵。目前針對小車主控模塊的設計中，部分采用ARM是當前的一個趨勢。本文則選擇STM32F103作為主控芯片[4]，然后通過軟件編程的方法，完成對小車前方障礙物的避讓，并實現路徑的規劃。STM32F103芯片具有高性能、低功耗的特點。同時為提高系統運行的效率，引入了有源晶振，以提高系統的抗干擾能力，保證高效和穩定運行。具體電路如圖2所示。

2.2 超聲測距模塊設計

超聲波傳感器測距為障礙物距離檢測的重點。該傳感器測距的原理，是超聲波存在反射效應，當接收器在接收到超聲波信號后，諧振片產生諧振效應，從而將這種效應轉變為脈沖信號，最后再通過信號放大，對信號進行計算。在本文中則采用LM393A放大器對信號進行放大，具體的電路如圖3所示。

圖2 主控電路設計

圖3 放大電路設計

3 系統軟件設計

3.1 整體流程設計

整體流程是小車避障控制的基礎，也是關鍵。而結合圖1的整體構架可以看出，當智能小車在運動過程中，首先會進行數據的初始化；然后啟動超聲波測距模塊，如在范圍內存在障礙物，則將測量的誤差和方向角度傳遞給主控芯片；然后通過模糊控制算法，對電機和方向轉角完成避障。具體的流程如圖4所示。

圖4 系統主程序設計

3.2 超聲波采集軟件設計

在本文的超聲波測距中，采用時間差Δt來表示脈沖信號發送和接收存在的時間差，同時結合超聲波的速度，從而獲得障礙物的距離。具體計算公式為[5-6]：

在本測距模塊部分，采用參數為40 kHz的電脈沖信號，然后通過傳感器內部的諧振片將信號轉換為可計算的數字，并在發射后等待接收信號。具體流程如圖5所示。

3.3 障礙物躲避算法設計

圖5 超聲波采集流程設計

對智能小車的控制來講，避障過程中最為關鍵的部分是要協調好小車行駛方向和速度，從而在設定的運行軌跡上能有效地避開障礙物，并以最佳的速度達到設定目標。對此，結合模糊控制的相關理論，本文從模糊控制器、模糊控制規則等對避障算法進行設計。

3.3.1 模糊控制器設計

1）傳感器安裝

為更好地獲取小車周圍的障礙物信息，本文從左、右、前3個角度對障礙物的距離進行測定，具體傳感器布置安裝如圖6所示。

圖6 超聲波傳感器安裝布置

在角度采集范圍測定中，以中軸線作為分界點，左右各 45°，左邊測定的角度在 45°～180°，右邊測定范圍為-45°～-180°。

2）模糊控制器設計

在以上3個方向測距中，如某范圍內存在多個障礙物，那么系統會自動將距離較近的那個障礙物作為本文的輸入量，如障礙物的距離過遠，超過了0.4 m，那么可直接忽略掉該障礙物。因此，模糊控制輸出的本質就是對方向的控制。

圖7 模糊控制器設計

在以上的控制器中，將左、右、前3個方向的距離作為輸入，然后通過模糊控制器對數據進行模糊化的處理，然后將距離信息轉變為語言變量。對此，結合一般小車的檔位情況，將前方障礙物的模糊化語言設定為：

d=[0，5]? Near

d=[5，20]? Far

d=[20，40]? Very Far

而左右障礙物的模糊化語言則設定為2檔，即{Near，Far}，分別對應的距離為[0，10]，[10，40]。

3.3.2 模糊規則表建立

根據以上的設計，采用if-and-then對模糊規則表進行構建[7]，從而可以得到表1的規則表。

表1 模糊規則表

4 系統測試與分析

4.1 仿真結果

為驗證以上方法的可行性與正確性，本文通過仿真和現場測試的方式進行驗證。在仿真測試中，設定智能小車的起始坐標和目標坐標。在本仿真測試中，設定小車的起始坐標為（20，0），目的坐標為（50，100）處，同時在運行路徑中設定多個障礙，從而可以得到如圖8所示的運動軌跡。

圖8 智能小車仿真運動軌跡

4.2 現場測試結果

同時在現場測試部分中，模擬小車的前方和左側存在障礙物，從而可以得到如圖9～10所示的小車障礙規避結果。

圖9 檢測到存在障礙物

圖10 向右轉90℃

通過以上的轉向可以看出，在通過模糊化的控制后，小車可及時調整運動方向，并及時躲避障礙物，進而驗證本文構建的模糊算法的正確性和可行性。

5 結論

通過以上的研究看出，模糊智能控制在小車障礙物躲避上具有一定的可行性，可實現對小車不同方向障礙物的精確躲避，從而為當前移動機器人的自動控制提供了一種借鑒。同時模糊控制將具體的信息轉換為模糊語言，并通過模糊語言實現了對小車方向的控制，在研究上具有其獨特的特點，那就是在處理模糊化的變量中具有很強的優勢。但本文的研究中，只是對轉向的部分進行了研究，還需要對速度進行模糊化的控制，因此還需進一步地深入探討。