基于FreescaleS12微控制器的高速智能寻迹车设计与实现

第26卷第1期2012年2月江苏科技大学学报（自然科学版）Journal of Jiangsu University of Science and Technology （Natural Science Edition ）Vol．26No．1Feb．2012基于Freescale S12微控制器的高速智能寻迹车设计与实现王琪1，程飞1，陈四杰1，葛秀梅1，王维西2（1．江苏科技大学机电与汽车学院，江苏张家港215600）（2．江苏大学电气信息工程学院，江苏镇江212013）摘要：智能寻迹车在工业领域具有广泛的用途，智能寻迹车的运行速度和稳定性直接影响到系统的工作效率．为了提高系统的运行速度与稳定性，设计并实现了一种基于高性能的Freescale S12系列微控制器的智能寻迹车．采用激光传感器探测黑色路径的位置，通过对电机调速模块、传感器随动舵机控制模块和前轮转向控制模块的研究，提出了一种传感器随动的寻迹控制策略，实现了小车自动沿黑色路径行驶．经测试智能车速度快，跟踪黑色路径准确．关键词：智能寻迹车；激光传感器；路径识别；Freescale 单片机中图分类号：TP273，TP242．6文献标志码：A文章编号：1673－4807（2012）01－0075－06Design and implementation of a high-speed intelligent tracingcar based on Freescale S12MCUWang Qi 1，Cheng Fei 1，Cheng Sijie 1，Ge Xiumei 1，Wang Weixi 2（1．School of Mechatronics and Automobile Engineering of Jiangsu University of Science and Technology ，Zhangjiagang Jiangsu 215600，China ）（2．School of Electrical and Information Engineering of Jiangsu University ，Zhenjiang Jiangsu 212003，China ）Abstract ：The intelligent tracing car are widely used in the industry ，its efficiency and stability are important to an intelligent system．In order to improve the running velocity and stability ，the intelligent tracing car adopt on a high-performance MCU named Freescale S12．It uses laser sensors to trace black route．According to re-search about the motor and steering engine ，a lane detection control strategy is creatively presented based on the sensors servo．The experiment shows that the intelligent tracing car can accurately trace the black route with high velocity．Key words ：intelligent tracing car ；laser sensor ；lane detection ；Freescale MCU收稿日期：2011－05－30基金项目：国家自然科学基金资助项目（61105071）；江苏省自然科学基金资助项目（BK2008576）作者简介：王琪（1962—），男，江苏盐城人，教授，博士，研究方向为CAD /CAM /CAE /KBE ，车辆工程/特种车辆设计与制造技术．E-mail ：wqi003@126．com基于视觉的智能车辆在当今智能化交通、智能化工厂以及智能化仓库等方面有着重要的应用前景，它体现了人工智能、车辆工程、自动控制、电力电子等多个学科领域技术的交叉与综合，从而成为研究的热点［1－2］．在智能寻迹车方面，常采用红外传感器识别黑色路径［3－4］，由于红外二极管发射的光束发散而且红外光肉眼不可见，检测精度不高、检测距离有限而且调试不方便．因此，智能车只能以比较低的速度运行，并且抖动较大．为了改善智能车的寻迹准确度以及对于黑色路径的预判能力，智能车需要使用检测距离更远、光线平行的激光发射器代替红外二极管进行黑色路径识别以及预判．采用真实越野车1ʒ18的京商777模型车作为车体，模型车是四驱越野车，具有独立悬挂，稳定性好．控制单元采用Freescale S12单片机，其具有高性能、高稳定性、低功耗、资源丰富等特点，已广泛的用于各种工业控制与汽车电子领域．利用S12单片机内部集成的CAN 总线控制器，前轮转向与传感器转向由MD922高性能数字舵机控制．整车76江苏科技大学学报（自然科学版）第26卷速度检测使用157线轴编码器完成．1硬件系统设计以及实现1．1控制核心硬件部分由Freescale S12xs128单片机、电源管理、传感器部分、轴编码器、转向舵机、电机驱动、直流电机、无线串口模块组成了外围电路［5－7］，智能车硬件框图如图1．图1智能车硬件框图Fig．1Hardware block diagram on intelligent tracking car核心控制部分采用Freescale S12单片机的通用I /O 口、超级定时器模块、PWM 模块、脉冲累加器、SCI 通信模块等部分．单片机的端口安排如下：PA （pin0-pin7）作为激光传感器信号输入端口，PP0与PP5作为转向舵机和传感器舵机的控制输出引脚，PT7作为轴编码器的脉冲输入引脚，PAD0作为电源电压监控输入引脚．1．2电源管理由于控制系统和驱动系统使用了多种电压，所以需要在电源管理部分对电池电压进行处理，并且对电池电压进行实时监控．电池采用6节镍镉电池串联而成的7．2V 电池组，使用AS1015开关电源芯片降压到6V ，使用LM1117-5降压到5V ，使用LM1117-3．3降压到3．3V ，电源管理设计框图如图2．图2电源管理设计框图Fig．2Power block diagram on battery management1．3激光传感器传感器部分使用红色激光作为探测媒介，对红色激光模组进行128kHz 的调制，并采用128kHz 接收芯片进行黑色路径判断．为了增强接收芯片的接收距离，使用了透镜，以提高接收效果．单个传感器的工作原理如图3．图3激光传感器发射接收示意Fig．3Schematic drawing on launching and receiving of laser sensor整车设计中，使用了10个激光模组结合4个接收芯片（配合透镜），每两个光点间距1cm．在静态测试中，传感器性能良好，可以快速准确地反应光点照射处的路面情况．由于固定的传感器探测的范围有限，因此，增加了传感器可摇动方案，在支架与传感器之间增加一个舵机，可以将传感器的检测范围扩大．1．4电机驱动电机驱动使用由功率型MOSFET 构成的全H 桥驱动．每个驱动半桥分别由一个P 型MOSFET 和一个N 型MOSFET 构成．设计中，使用三极管构成MOSFET 的驱动电路，使用7．2V 驱动MOS-FET ，使得MOSFET 可以快速的切换饱和与截止的状态，减少MOSFET 的管耗，从而减少产热；同时，使得更大的电流通过MOSFET ，电机可以快速启动与制动．1．5舵机舵机部分采用MD922舵机控制前轮转向以及传感器随动转向．为了使舵机响应速度加快，舵机的供电采用AS1015高效开关电源芯片产生6V 的电压驱动舵机（见图4）．舵机的PWM 信号由Free-scale S12单片机的PORT P 提供，信号周期为13ms ，高电平时间范围0．5 2．5ms．图4AS1015开关电源原理Fig．4Schematic diagram on switched-mode powersupply based on AS1015第1期王琪，等：基于Freescale S12微控制器的高速智能寻迹车设计与实现772控制策略2．1控制模块智能车系统的软件系统采用模块化的设计思路，系统中主要包含3个模块：电机调速模块、传感器随动舵机控制模块和前轮转向控制模块．三者关系如图5．图5电机、传感器、转向三者关系Fig．5Relation of motor ，sensor and steer2．2控制流程设计程序中，速度控制、传感器舵机控制和转向舵机控制3个模块的运行互相独立，只有参数传递的关系．只需要分别调试3个模块，使其都工作正常，然后通过参数传递将其联系起来，通过一些细微调整，即可完成整个系统的调试．程序流程见图6．图6程序流程Fig．6Program flowchart2．3电机调速策略智能车的电机调速采用BangBang 闭环控制；采用Freescale S12内部的脉冲累加器模块获取轴编码器脉冲；采用PWM 模块进行电机控制，如图7．设计中，选用的轴编码器是157线的，即编码器旋转一周产生157个脉冲．获取速度方案是通过一段相同时间间隔获取的脉冲数计算时间，其优点是获取的转速值较为平稳，但是获取的频率较低，若采用较短的时间间隔去获取脉冲数，因为脉冲数是离散整数量，也会出现转速的不稳定．因此，采取均值法来计算速度，在m 个元素的数组里依次存储n 次的1ms 时间间隔的脉冲数，n +1次的脉冲存入，将n －m 次的脉冲数移除．数组内的值就是m 次1ms 间隔的脉冲数，从而1ms 获取1次电机转速，并通过均值法保证数据平滑，如图8．图7电机调整控制Fig．7Schematic diagram on controlling motoradjustment图8程序均值法获取转速示意Fig．8Schematic diagram on obtaining rotation rate information based on the program averaging method文中通过与期望转速的比较确定电机驱动的PWM 波占空比，设计中，加速的PWM 波占空比有10挡，分别为50% 100%，制动的占空比有1档，为80%．利用Visual Studio．Net 2．0编写通过蓝牙与智能车的通信的软件进行实时速度监控．图9为期望速度为420cm /s 的情况下，智能车空载时，从0cm /s 加速到期望速度的图线．由图可见，调节器工作较稳定．图9速度示意Fig．9Schematic diagram on the speed of intelligent tracing car3智能车转向控制策略3．1电机调速策略智能车的转向控制策略包含2个部分：传感器随动控制策略以及车辆转向控制策略．78江苏科技大学学报（自然科学版）第26卷设计中传感器包含10个激光模组，通过分时使能各个激光模组，使用光敏元件结合解调芯片进行检测激光模组射出的激光点照射的位置是否为黑色轨迹．传感器随动策略主要目的是将传感器射出的10个激光点（如图10红色点所示）始终能够跟随黑色轨迹．首先，将10个光点从左到右分别赋予｛－10，－8，－6，－4，－2，+2，+4，+6，+8，+10｝权值，检测到黑色的光点的值为1，否则为0．然后，将光点的值进行加权求和，则可以得到传感器光点中心与黑色路径的位置偏差，偏差值共有21个，分别为［－10，+10］∈Z ．文中利用增量式比例调节策略，调节传感器随动舵机，通过光点中心与黑色路径的位置偏差值对传感器随动舵机的PWM 占空比进行调整．其中，调整的增量为偏差值乘以偏差相应的权值．通过给予合理的权值，可以保证传感器随动舵机快速跟随黑色轨迹，而又不会因为超调在光点中心摆动．3．2转向控制方案设计传感器随动舵机的角速率为0．07s /60ʎ，而智能车在4m /s 速率、转向半径为0．5m 时，转动60ʎ需要约0．4s 时间，可见传感器转动的速率要远大于车转动的速率．因此，近似地认为传感器中点始终可以跟随到黑线．所以，可认为在运动状态下，传感器舵机的偏角θ为智能车与黑色路径变换趋势的夹角，通过θ则可以调整转前轮转向的角度α．如图10所示，四轮车辆在正常行驶时候，2个前轮的垂线交点应该在后轮轴线延长线上．使用图11中α角来确定智能车的转向半径r ，其中r =h tan α．设θ与α的关系为α=f （θ），其中α∈［－30ʎ，30ʎ］，θ∈［－60ʎ，60ʎ］．当θ=0ʎ时，α=0ʎ，所以，f （θ）无常数项．图10传感器转动示意Fig．10Schematic diagram on steering ofsensor图11转向示意Fig．11Schematic diagram on steering of intelligent tracking car为了使得智能车可以在直道轨迹、各种弯道轨迹的不同组合中可以准确并且迅速的跟随黑色轨迹，分析智能车在2种不同轨迹情况的运行状况：①初始位置在轨迹上，各种半径的正圆形轨迹的运行情况（见图12）；②初始位置在轨迹上，半圆形轨迹连接直线轨迹的运行情况．图12正圆形轨道示意Fig．12Schematic diagram on steering circle第一种情况下，若智能车完全按照轨迹运行，则智能车后轮轴中心要始终压在轨迹上．并且传感器始终与智能车的夹角固定，而每种正圆轨迹半径分别对应一个夹角．由图11，12得θ=arcsin （L 2R）α=arctan （hr{）（1）另r =R ，所以α=f （θ）=arctan （2h sin θL）（2）在本设计中，L =45cm ，h =18cm ．所以α=arctan （4sin θ5）（3）当α＞30ʎ时，α=30ʎ；当α＜－30ʎ时，α=－30ʎ．由图13，车身转向角与传感器夹角，在一定范围内近似于线性．所以在下面2种分析中，近似认为α=f （θ）=0．65θ．第1期王琪，等：基于Freescale S12微控制器的高速智能寻迹车设计与实现79图13车身转向角与传感器夹角的关系Fig．13Relation of steering angle and sensor angle第二种情况，研究智能车行驶在直线与半圆弧轨迹（图14）．图14直线与半圆弧轨迹示意Fig．14Schematic diagram on straight line and half circle设：1）黑色轨迹的方程为l 1：y =ʃ50－100＜x ＜100（x －100）2+y 2=502100＜x {＜150（4）2）车的位置为P （x p ，y p ），坐标系的夹角为γ；3）车的运动为匀速运动，v =（v x ，v y ），速率为v =100cm /s ．即：v 2x +v 2槡y =100cm /s ．4）传感器扫描范围：l 2：（x －x p ）2+（y －y p ）2=452，（－60ʎ＜arctan （y －y px －x p）－γ＜+60ʎ）经分析，正常情况下，车的速度方向为圆周运动的切线方向，即车身与坐标系的夹角γ．3．3运动模拟程序设计为了研究车运行的轨迹，采用Matlab 进行仿真．程序的运行过程：①判断当前车的位置与方向，计算传感器扫描到黑色轨迹的位置；②根据扫描到的黑色轨迹计算车与黑色轨迹的夹角θ，并计算前轮舵机的转向角α与转向半径r ；③根据设定的时间间隔计算车的位置P （x p ，y p ），并更新γ；④返回第1步开始下一时刻的计算，程序流程见图15．4测试与评估4．1运动模拟测试现假设智能车的起始位置为P 0（－80，50）．设置相应的参数，执行5000步，时间间隔为1ms ．运行程序生成轨迹图16．由图中可以看出，智能车在第一种情况分析得到的α=0．65θ关系中，可以正常跟随黑色轨迹．并且可以在转弯过程中选择较短的行进轨迹，从而减少运行的时间．经过上面2种分析并通过计算机模拟验证，认为转向控制策略的制定是合理可行的．图15运动模拟程序流程Fig．15Flowchart of simu lating program图16智能车寻迹运行轨迹Fig．16Running path of intelligent tracing car4．2实际测试首先在环形轨迹做测试，然后做更复杂的轨迹进行真实环境测试．在环形轨迹测试中，智能车的实际通过情况与模拟（图16）基本吻合．在本测试中，采用滴墨法进行实际运行轨迹描绘，实测的轨迹为图中虚线所示．为了判断实际行驶轨迹是否合格，提出该系统中偏差率的概念与计算方法：偏差率表示智能车在行驶中行驶单位距离智能车的行驶轨迹与实际轨迹的平均偏差．在实际实验中，为了简化计算，则采用离散点对偏差率进行评估．具体的方法是：在实际运行轨迹上等间隔取N 个点，计算每个点到理想轨迹的最短距离L i ，车的行驶路程为S ，则偏差80江苏科技大学学报（自然科学版）第26卷率ρ=1N∑Ni=1LiSˑ100%．分析表明，寻迹拟合度与速度和车辆最小转向半径有关，速度越慢、转向半径越大，拟合度越高．经实际测试，本智能车系统在复杂轨迹中运行速度可达2．3m/s，最小转向半径为50cm，偏差率为6．32%，其值在允许范围内．5结论1）本智能循迹车采用模块化的并行设计方法，兼顾了车辆循迹的准确性和稳定性，最大限度的提高了速度和稳定性等指标的协调性．其在复杂轨迹中运行速度可达2．3m/s，最小转向半径为50 cm，偏差率为6．32%，实现了稳定、高速度的路径跟踪．2）本智能循迹车结合软硬件设计采用了集成创新的思路，提出了软硬集合的控制策略．硬件上利用Freescale S12内部的脉冲累加器模块获取轴编码器脉冲；采用PWM模块进行电机控制，软件方面通过采用程序均值法保证数据平滑，以增强小车运行的稳定性．3）本智能车的电机调速采用BangBang闭环控制，利用增量式比例调节策略，调节传感器随动舵机，通过光点中心与黑色路径的位置偏差值对传感器随动舵机的PWM占空比进行调整．其中，调整的增量为偏差值乘以偏差相应的权值．通过给予合理的权值，可以保证传感器随动舵机快速跟随黑色轨迹．参考文献（References）［1］Bernt S．Model-free tracking of cars and people based on color regions［J］．Image and Vision Computing，2006，24（11）：1172－1178．［2］Demirli K，Khoshnejad M．Autonomous parallel parking of a car-like mobile robot by a neuro-fuzzy sensor-based controller［J］．Fuzzy Sets and Systems，2009，160（19）：2876－2891．［3］曾军．基于MC9S12DG128单片机的智能寻迹车设计［J］．电子设计工程，2009，17（3）：54－56．Zeng Jun．Design of an intelligent-searching track car based on MC9S12DG128SCM［J］．Electronic Design Engineering，2009，17（3）：54－56．（in Chinese）［4］陈东，向巍．基于光电管的智能车模设计［J］．机床与液压，2007，35（7）：51－54．Chen Dong，Xiang Wei．The design of smart car model based on photoelectric cell［J］．Machine Tool＆Hydrau-lics，2007，35（7）：51－54．（in Chinese）［5］唐炜，李飞，陈涛．一种新型涡流传感器激励信号源的设计［J］．江苏科技大学学报：自然科学版，2010，24（4）：367－371．Tang Wei，Li Fei，Chen Tao．Design of a new excitation signal source for eddy current sensor［J］．Journal of Jiangsu University of Science and Technology：Natural Sci-ence Edition，2010，24（4）：367－371．（in Chinese）［6］王晓明．电动机的单片机控制［M］．3版．北京：北京航空航天大学出版社，2011：5－30．［7］邵贝贝．单片机嵌入式应用的在线开发方法［M］．北京：清华大学出版社，2004：1－50．（责任编辑：曹莉）。