路径识别算法分析及选定

智能模型车的路径搜索算法（Line Searching Algorithm）是智能车设计的关键部分，智能车设计的大部分工作都是围绕它来展开的。

由组委会提供的资料，对于直导线，当装有小车的中轴线对称的两个线圈的小车沿其直线行驶，即两个线圈的位置关于导线对称时，则两个线圈中感应出来的电动势大小应相同、且方向亦相同。若小车偏离直导线，即两个线圈关于导线不对称时，则通过两个线圈的磁通量是不一样的。这时，距离导线较近的线圈中感应出的电动势应大于距离导线较远的那个线圈中的。根据这两个不对称的信号的差值，即可调整小车的方向，引导其沿直线行驶。

对于弧形导线，即路径的转弯处，由于弧线两侧的磁力线密度不同，则当载有线圈的小车行驶至此处时，两边的线圈感应出的电动势是不同的。具体的就是，弧线内侧线圈的感应电动势大于弧线外侧线圈的，据此信号可以引导小车拐弯。

另外，当小车驶离导线偏远致使两个线圈处于导线的一侧时，两个线圈中感应电动势也是不平衡的。距离导线较近的线圈中感应出的电动势大于距离导线较远的线圈。由此，可以引导小车重新回到导线上。

1基于电感传感器排布理论分析

但由于单个电感感应距离的限制，采用两个电感进行检测时，传感器所能感应到的范围有限，经过多次试验，我们最终决定采用八个水平电感定偏移距离，两个竖直电感进行辅助检测。

2 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的减小，因此，使舵机平滑及时的过渡是舵机机控制算法的主要目地。

我们根据实际测试，最终选择了穷举法，根据每一个水平传感器状态选择合适的舵机转角，虽然简单，但是很实用。

根据电磁学，我们知道在导线中通入变化的电流(如按正弦规律变化的电流)，则导线周围会产生变化的磁场，且磁场与电流的变化规律具有一致性。如果在此磁场中置一由线圈组成的电感，则该电感上会产生感应电动势，且该电感在导线正上方时，所感应到的感应电动势最大，由此，只要确定八个电感中，哪个电感值最大，便可对应一个舵机转角，再加上两个竖直电感作丢线时的处理，让舵机转角保持最大值，即可使小车达到良好的转角效果。

我们知道，当给舵机一个固定的角度的话，那么车将会以一个恒定的半径做圆周运动，因此，只需测出圆的周长，那么就可以算出车的转弯半径。因此我们制作了一个计算智能车实时监控系统，该系统可以在车两次经过同一点时计录在这段时间内的码盘计数总值，通过该值的推算，就可算出圆的周长。为了消除偶然误差的影响，我们采用了多次实验取平均值的方式来算出舵机PWM占空比对应的车转弯半径。

实际数据见附录，经过matlab拟合，实验的对应图如图:

图 1转弯半径~PWM占空比实际图

3电机PID速度控制算法

智能车系统速度控制是指用在一定的给定速度条件下，使电机转速达到给定的速度。使用速度传感器检测小车当前速度，与给定速度做比较，形成闭环反馈控制。

为了证明闭环控制的必要性，我们分别测试了电机在赛道上开环与闭环控制的响应曲线。

3.1测试开环与闭环控制响应曲线

在长直道上测试电机分别在开环与PID控制之下的响应曲线

图2 开环控制占空比80%电机速度曲线

图2中横轴为时间轴一格为1s，纵轴为单位采样时间内码盘数，开环控制占空比为80%，车速=比例因子*单位采样时间内码盘数,比例因子为0.064。

图3 PID控制下电机响应曲线

图3是在增量式PID控制下，给定值1400，比例因子0.032,，横轴一格为1s。

从图4.2中可以得到，开环控制在5 s后达到稳定速度，即响应时间约为5s。在稳定之后，纹波较小。

从图4.3中可以得到，PID控制在参数未经过细调的情况下，响应时间约为1.2s，稳定之后有5% 的纹波。

对比图2和图3，发现闭环控制在响应速度上有很大的优势。在比赛中，若要求电机以最快速度响应设定值，因此闭环控制是必须的。