智能车控制是涵盖自动控制、模式识别、传感技术、计算机、机械与汽车等多个学科的复杂系统。为了实现对其很好的控制，文章提出了基于模糊控制的电磁引导的智能车控制方案。实际结果表明智能车运行性能优良。
智能车涵盖自动控制、模式识别、传感技术、电子、电气、计算机、机械与汽车等多个学科专业，十分复杂。传统的控制理论对于复杂或难以精确描述的系统，则显得无能为力了。模糊控制是利用模糊数学，可以有效地利用专家知识，适用于许多复杂系统。因此提出了基于模糊控制的电磁智能车设计。
1 系统总体方案及车模各项参数
1．1 系统总体方案
智能车系统由车前桥的电磁传感器单元、舵机单元、转向机构，负责路径检测以及转向工作。后桥的光电编码器、电机、制动装置以及Freescale的MC9S12XS128主控单元构成，负责电机速度控制，主控单元负责赛道数据处理以及控制策略的实施。此外增加无线单元对智能车的实时数据进行监控，以对模糊控制规则进行优化。智能车系统结构关系如图1所示：
1．2 系统的硬件参数
智能车外形参数：车长39cm，车宽17cm，车高13cm，车重约1．0kg。
2 硬件电路设计
2．1 主控单元的设计
主控单元采用Freescale MC9S12XS128，主频40MHz，FlashRom128kB，具备SPI、SCI、IIC等常用接口。
2．2 光电编码器的选取与安装
旋转编码器，线数越高，测速精度就越高，但是体积就越大，最终选用了200线的编码器E6A2-CS3E。将编码器安装在后轮传动齿轮上既可以保证其运转的稳定性，又降低了整车的重心，其具体安装如图3所示。
2．3 电机驱动单元
电机驱动单元由H桥电路组成，H桥具有工作电压范围大，导通电阻小，导通电流大的优点，其结构如图4所示。
2．4 电磁传感器电路
电磁智能车的路径引导线为通有20kHz、100mA电流的漆包线(线径0．1～0.3mm)。如何将引导线产生的电磁波能量转换为电压信号供AD采样成了智能车传感器中最为关键的部分，道路检测原理如图5所示。
智能车采用双排八电感的传感器排布方案，每排四个电感，分前后两排。
3 控制算法的设计
3．1 舵机控制算法
舵机作为车的方向控制结构，其控制算法直接影响到车的整体质量，如果舵机的控制算法不好，会导致舵机转角不平滑，过弯时多次转弯，使车速在弯道时大大地减小，因此，使舵机平滑及时地过渡是舵机控制算法的主要目的。
舵机的控制采用经典的PID控制，各环节的具体参数要经过反复的调整，以达到对各种赛道类型的适应性的平衡。
3．2 电机速度模糊控制算法
3．2．1 模糊控制
模糊控制是以专家的经验为基础实施的一种智能控制，不需要精确的数学模型。模糊控制器的设计主要考虑以下几项主要内容：1)确定模糊控制器的输入变量和输出变量(即控制量)。2)设计模糊控制器的控制规则。3)确立模糊化和解模糊的方法。4)选择模糊控制器的输入变量及输出变量的论域，并确定模糊控制器的参数(如量化因子、比例因子等)。5)编制模糊控制算法的应用程序。
3．2．2 模糊控制器的设计
速度控制器的输入量为角度量和速度量，输出的为控制电机速度的PWM波占空比。
将智能车转角的大小分为9种情况。而对智能车的速度，根据跑道的情况，在转弯的最小速度值到直道上的最大速度值之间分为8种情况。它们的模糊化采用三角形隶属度函数，输出的隶属度函数采用单点值，如图6所示。
根据车体的运动学规律，为了使车行驶的平均速度最大且不偏离车道，总结出模糊控制规律如下：
(1)如果智能车在直道上，智能车以高速行驶，并且导线在智能车的正中，则以智能车的最高速度行驶。
(2)如果智能车要进入弯道，则要减速，如果已经进入弯道，则要加速，以使得驶出弯道进入直道时加速更加迅速。
(3)如果智能车以高速驶入弯道，则要刹车，以免冲出跑道。
基于上述经验，得出的模糊控制规则如表1所示。
3．3 系统控制总体流程图
智能车的控制软件采用单元化的程序结构，流程图如图7所示。
4 调试
在调试阶段，利用Labview开发了智能车实时 监控系统，该系统主要完成将智能车行驶过程中的各种状态信息(如电磁传感器数值、车速、舵机转角、电池电量等)实时的以无线串行通信方式发送至上位机处理，方便及时调整各个参数。
5 总结
通过模糊算法的运用，实现了智能车的动态平衡，使智能车能够很好地完成赛道。
本文关键字：智能 机器人-智能车，电子知识资料 - 机器人-智能车
