智能车电磁检测及控制算法的研究

3 转向控制算法的设计
对舵机的控制，要保证在任何情况下，总能给舵机一个合适的偏移量，保证小车能始终连贯地沿导引线行驶，防止出现大的抖动。
舵机转向是一个双输入单输出的控制器：输入量为偏移角度α及偏离距离d，输出量为舵机的给定值。通过实验得出，系统可以依靠单个输入量来完成控制的舵机，譬如以偏移角度α作为输入，不考虑偏离距离d的作用。这种情况下系统虽然能够运行，但是控制的精度及响应速度较低。同样，在仅依靠偏离距离d的时候，系统的稳定性较差，会出现比较明显的抖动。因此，需要综合分析这两个输入量之间的耦合关系，实现更为精确的控制。
3．1 基于模糊控制的变参数PD控制器
基于模糊控制的PID参数整定就是将模糊理论应用到PID 3个参数的整定中，将模糊理论与PID控制结合起来，构成一个模糊PID控制器。本设计去掉了PID中的积分环节，采用基于模糊控制的变参数PD控制器。因积分环节主要是用于消除静态误差，相对于干扰较大舵机控制来说，它的作用并不明显，反而会降低响应速度。变参数PD控制器的结构如图6所示。图中：rin为系统的输入；yout为系统的输出；error为系统输入与输出的差；ec为误差的变化率。

为了实现变参数PD控制，算法引入了两个新的变量：偏移角度的变化率△α和偏移距离的变化率△d。
3．2 模糊控制规则及参数的整定
在模糊控制中取误差α(或d)和误差变化率△α(或△d)为输入语言变量，以构成一个二维模糊控制器，每个语言变量取负大(NB)、负中(NM)、负小(NS)、零(Z)、正小(PS)、正中(PM)、正大(PB)七个语言值。根据各模糊子集的隶属度赋值表和各参数模糊控制模型，建立转向模糊规则表。
参数的调整就是寻求Kp、KD与△α、△d之间的关系。智能车在运行中不断检测α、d和△α、△d，然后查询模糊规则表选择合适的Kp、KD参数进行控制。实际控制中，当△α，△d增大时，表明车体有偏离导线的趋向，这时候增加Kp、KD，阻止车体的继续偏离；当△α，△d减小时，表明车体正逐渐趋近于导线，这时候就要减小Kp、KD。
设计中，系统首先采用基于模糊控制的变参数PD控制器分别实现单个输入量下的控制量输出，然后实验得出的线性耦合关系将两个输出量耦合为一个量控制舵机。
图7所示为转向控制算法框图。UA为纯偏移角度控制时舵机的给定量，UL为纯偏离距离控制时舵机的给定量，SG为最终的舵机给定量。通过实验得到的耦合关系为：SG=0．6UA+0．4UL。这时的舵机响应速度快，直道的跟踪效果很好，通过弯道时可以看到比较明显的内切。

4 速度控制算法的设计
智能车要完成起动、加速、减速、制动等动作。直线行走、拐弯和停车时要求不同的车速，因此速度必须采用闭环控制。智能车的速度与转向是两个独立的被控量，但它们都是根据偏移角度α及偏离距离d来确定输出给定量的。
根据智能车速度控制的特点，设计采用了变结构控制方法。变结构系统是指在控制过程(活瞬态过程)中，系统结构(或叫模型)可发生变化的系统。变结构控制对加给系统的摄动和干扰有良好的白适应性。对于车速的控制，当偏差较小时，采用PID控制，提高稳态精度；当偏差较大时，采用PD控制，以便加快响应速度；当偏差大于可调节范围时，采用Bang-Bang控制。图8所示为速度控制算法框图。

不同的偏移角α及偏离距离d通过查询速度模糊规则表得到给定速度等级V。系统实时检测电机的实际速度值，同当前的设定值做比较，根据误差范围的不同分别采用PID控制、PD控制和Bang-Bang控制。当速度误差在±5％时采用PID控制；当速度误差在±5％～±10％时采用PD控制；当速度误差大于±10％时采用Bang-Bang控制。

5 结论
基于电磁传感器的智能车的设计，可以检测出车模相对于导线的偏移角度α及偏离距离d，并以此作为控制的输入量。通过变参数的PD控制和变结构控制分别实现舵机和电机的精确控制。整体调试后车模速度由传统控制方法下的1．8 m／s提高到目前的2．3 m／s，转弯处可以看到比较明显的内切。实验结果表明，这种控制方法相对于单一的PID控制具有响应时间快，稳态性能好，抗干扰能力强的特点。