基于模糊控制算法的智能小车避障系统设计

申永红

（陕西国防工业职业技术学院 陕西 西安 710302）

引言

智能小车作为当前智能化的代表，集合人工智能、自动控制、传感采集等技术，成为当前智能汽车的发展趋势。目前，针对智能小车的控制中，大部分采用嵌入式的编程方式来实现汽车的启动、停止以及速度方面的控制。但在实际道路行驶的过程中，如何避让前方的障碍物，加强路径规划是其中的重点。高俊钗认为智能小车的运动控制不依赖于精确的运功控制模型，即其运动为非线性系统[1]。为解决这个问题，人们引入模糊控制理论对智能小车避障进行控制。同时在智能小车避障解决问题中，吕闪[2]则从硬件和软件的角度，对智能小车避障进行控制，并通过测试，验证了STM32控制芯片和模糊控制避障算法的可行性；张桥则结合传感器采集过程中存在的多信息融合问题，提出一种基于T-S模型的模糊神经网络避障控制算法，并通过仿真测试，验证了上述方案的可行性[3]。但是，加强对障碍物避障更为精确的控制，加强对小车路径的规划，一直是当前研究和优化的重点。对此，本文结合系统设计的思想，提出一种基于模糊神经PID控制的避障算法，并通过硬件和软件的搭建，对上述方案进行了验证。

1 整体架构设计

本文设计的STM32智能小车避障控制系统，其主要具备自主避障、障碍自动检测、无线通信等功能。要实现小车的自动避障，首先需要采用避障传感器完成对前端基础数据的采集，然后通过主控芯片的处理和分析，发布控制指令，最终通过转向控制系统和速度控制完成对小车障碍物的避让控制。因此，结合以上的思路，本文设计的该系统整体架构如图1所示。

图1 系统整体架构设计

2 系统硬件电路设计

2.1 主控电路设计

主控电路是智能小车工作的基础，也是关键。目前针对小车主控模块的设计中，部分采用ARM是当前的一个趋势。本文则选择STM32F103作为主控芯片[4]，然后通过软件编程的方法，完成对小车前方障碍物的避让，并实现路径的规划。STM32F103芯片具有高性能、低功耗的特点。同时为提高系统运行的效率，引入了有源晶振，以提高系统的抗干扰能力，保证高效和稳定运行。具体电路如图2所示。

2.2 超声测距模块设计

超声波传感器测距为障碍物距离检测的重点。该传感器测距的原理，是超声波存在反射效应，当接收器在接收到超声波信号后，谐振片产生谐振效应，从而将这种效应转变为脉冲信号，最后再通过信号放大，对信号进行计算。在本文中则采用LM393A放大器对信号进行放大，具体的电路如图3所示。

图2 主控电路设计

图3 放大电路设计

3 系统软件设计

3.1 整体流程设计

整体流程是小车避障控制的基础，也是关键。而结合图1的整体构架可以看出，当智能小车在运动过程中，首先会进行数据的初始化；然后启动超声波测距模块，如在范围内存在障碍物，则将测量的误差和方向角度传递给主控芯片；然后通过模糊控制算法，对电机和方向转角完成避障。具体的流程如图4所示。

图4 系统主程序设计

3.2 超声波采集软件设计

在本文的超声波测距中，采用时间差Δt来表示脉冲信号发送和接收存在的时间差，同时结合超声波的速度，从而获得障碍物的距离。具体计算公式为[5-6]：

在本测距模块部分，采用参数为40 kHz的电脉冲信号，然后通过传感器内部的谐振片将信号转换为可计算的数字，并在发射后等待接收信号。具体流程如图5所示。

3.3 障碍物躲避算法设计

图5 超声波采集流程设计

对智能小车的控制来讲，避障过程中最为关键的部分是要协调好小车行驶方向和速度，从而在设定的运行轨迹上能有效地避开障碍物，并以最佳的速度达到设定目标。对此，结合模糊控制的相关理论，本文从模糊控制器、模糊控制规则等对避障算法进行设计。

3.3.1 模糊控制器设计

1）传感器安装

为更好地获取小车周围的障碍物信息，本文从左、右、前3个角度对障碍物的距离进行测定，具体传感器布置安装如图6所示。

图6 超声波传感器安装布置

在角度采集范围测定中，以中轴线作为分界点，左右各 45°，左边测定的角度在 45°～180°，右边测定范围为-45°～-180°。

2）模糊控制器设计

在以上3个方向测距中，如某范围内存在多个障碍物，那么系统会自动将距离较近的那个障碍物作为本文的输入量，如障碍物的距离过远，超过了0.4 m，那么可直接忽略掉该障碍物。因此，模糊控制输出的本质就是对方向的控制。

图7 模糊控制器设计

在以上的控制器中，将左、右、前3个方向的距离作为输入，然后通过模糊控制器对数据进行模糊化的处理，然后将距离信息转变为语言变量。对此，结合一般小车的档位情况，将前方障碍物的模糊化语言设定为：

d=[0，5]⇒ Near

d=[5，20]⇒ Far

d=[20，40]⇒ Very Far

而左右障碍物的模糊化语言则设定为2档，即{Near，Far}，分别对应的距离为[0，10]，[10，40]。

3.3.2 模糊规则表建立

根据以上的设计，采用if-and-then对模糊规则表进行构建[7]，从而可以得到表1的规则表。

表1 模糊规则表

4 系统测试与分析

4.1 仿真结果

为验证以上方法的可行性与正确性，本文通过仿真和现场测试的方式进行验证。在仿真测试中，设定智能小车的起始坐标和目标坐标。在本仿真测试中，设定小车的起始坐标为（20，0），目的坐标为（50，100）处，同时在运行路径中设定多个障碍，从而可以得到如图8所示的运动轨迹。

图8 智能小车仿真运动轨迹

4.2 现场测试结果

同时在现场测试部分中，模拟小车的前方和左侧存在障碍物，从而可以得到如图9～10所示的小车障碍规避结果。

图9 检测到存在障碍物

图10 向右转90℃

通过以上的转向可以看出，在通过模糊化的控制后，小车可及时调整运动方向，并及时躲避障碍物，进而验证本文构建的模糊算法的正确性和可行性。

5 结论

通过以上的研究看出，模糊智能控制在小车障碍物躲避上具有一定的可行性，可实现对小车不同方向障碍物的精确躲避，从而为当前移动机器人的自动控制提供了一种借鉴。同时模糊控制将具体的信息转换为模糊语言，并通过模糊语言实现了对小车方向的控制，在研究上具有其独特的特点，那就是在处理模糊化的变量中具有很强的优势。但本文的研究中，只是对转向的部分进行了研究，还需要对速度进行模糊化的控制，因此还需进一步地深入探讨。