基于模糊PID控制的智能循迹小车设计

孙建康 王 帅 曹斯萌 石秀敏

（1.天津职业技术师范大学 机器人及智能装备研究院，天津 300222；2.天津博诺智创机器人技术有限公司，天津 300352；3.天津市智能机器人技术及应用企业重点实验室，天津 300352）

目前，智能车在各个领域都有应用，如军事和搜救等。国际上对智能车进行了大量研究，这种类型的小车在人们生活中发挥着不可替代的作用。智能小车与遥控小车有很大的不同，不需要像遥控小车那样实时控制方向、速度等参数，只需通过预先编写好的程序代码即可完成预先设计好的动作和作业任务。智能循迹小车是高端设备的代表，工作过程中全程不需要人工控制。该小车具有外部环境感知、决策规划能力，可以自动根据外部环境的变化而做出判断，其中运用了大量的先进技术，如芯片技术、计算机技术、传感器技术、通信技术等，是当今社会大量高科技技术所制造出的产物[1-3]。

1 仿真研究

1.1 建模

智能小车采用轮式机器人结构，采用两驱控制模式，两个后轮用直流电机作为驱动，结构布置图如图1所示，简化的几何模型如图2所示，直流电机模型如图3所示。

图1 四轮结构布置简图

图2 智能小车的简化运动模型

图3 直流电机模型

图2中的P点为两驱动轮的轴线中心点。小车本体的转角用θ表示，P的运动速度为v，其速度坐标分量为，驱动轮中心之间的距离为l，两驱动轮半径为r。参考文献[1]，由于单片机的运行能力有限，设定小车直线运动时两驱动轴同时运动，在转弯时一轴运行一轴静止，以忽略两轴运动的耦合。通过研究车轮运动和车体运动，结合电机模型，小车的动力模型为：

式中：m1是车轮的质量；Jy为轮子绕Y轴旋转的转动惯量；Jzp为轮子绕Z轴旋转的转动惯量；Kτ为电机力矩系数；Ke为电动机反电动势系数。

1.2 仿真

借助MATLAB软件，建立二阶模糊比例-积分-微分（Proportion Integration Differentiation，PID）算法，框图如图4所示。其中：E、EC为输入，范围均为[-6，+6]；Kp范围为 [8，16]；Ki为范围 [2，3]；Kd范围为[7，10]。仿真模型如图5所示，仿真结果如图6所示。

图4 模糊PID控制系统框图

图5 仿真模型

图6 仿真结果图

2 智能小车设计

以单片机为基础，设计并制作出具有较强环境适应能力的智能循迹小车，使其能随着不同的道路，通过传感器采集相关信息，并按照预先编写好的程序做出反应，同时将信息反馈给单片机并执行相应的动作，控制流程图如图7所示[4-8]。

图7 智能小车控制模块图

2.1 硬件设计方案

智能小车采用四轮结构，其电气控制方案如图8所示。该小车的电气控制方案中，主控模块采用STM32芯片作为智能循迹小车的控制芯片，具有芯片密度、稳定性、处理速度高的特点，能进行大量数据的快速处理，适合解决采用PID算法时所产生大量数据的问题。供电系统采用单电源给电机和单片机供电模式，设计了稳压模块来保证电流的稳定性。但在实际运行过程中，由于采用的是左右轮差速的转向原理，小车在转向时会有一定的物理振动，从而产生不稳定的因素，因此需要采用稳定性较好锂电池进行供电。循迹单元中，采用RPR220光电对管。在单独采用红外探测法进行寻迹时，因为小车行驶过程中环境的不确定性，如光源光线的强弱都会对红外传感器造成一定的影响，所以在小车底部装了4个红外传感器，如图9所示。运行时对小车的运行速度采用PID控制算法进行控制，以保证小车在运行时的稳定性。运动单元中，由双极性管和直流电机组成H桥电路，通过STM32单片机预先编写好的程序来控制占空比，并进一步调节其转速。这种组合在实际工作中效率非常高，目前已较广泛地应用于采用STM32单片机的系统以控制速度。

图8 控制方案框图

图9 智能寻迹小车在运行时的示意图

2.2 软件设计

采用模拟量STM32的智能寻迹小车的控制算法采用的是模糊PID算法。该算法的流程如图10所示。

图10 模糊PID算法流程图

智能寻迹小车运行时，在整个检测环节中，通过运行的不同位置，4个光敏传感检测信号可以实现多种检测方式。光敏传感器状态真值表如表1所示，循迹流程图如图11所示。

表1 光敏传感器状态真值表

图11 模拟量小车寻迹流程图

3 结语

智能寻迹小车的运行环境应该在正常的室内环境，不应太暗，也不应太亮，否则会干扰红外传感器接受红外线的灵敏度。在智能寻迹小车的运行路线上贴一条黑线，将其作为小车的路径轨迹，当红外光电传感器一端发出的红外光线照到黑线上时，会被反射回光电传感器。根据该原理，可以判断智能寻迹小车是否在黑线上行走。通过反复调试和对比，基于模糊PID控制的智能小车相比开环控制有更优的动态性能和稳定性。同时，由于系统借鉴了仿真结果，调试过程有据可依，大大缩减了调试时间。