1.1 大賽介紹

全國(guó)大學(xué)生智能汽車(chē)競(jìng)賽是以“立足培養(yǎng)、重在參與、鼓勵(lì) 探索、追求卓越”為宗旨，鼓勵(lì)創(chuàng)新的一項(xiàng)科技競(jìng)賽活動(dòng)。今年首次新增了電 磁 AI 組別，希望通過(guò)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)甚至超越傳統(tǒng)的 PID 控制方法。

在這份報(bào)告中，我們小組對(duì)小車(chē)設(shè)計(jì)制作整體思路、機(jī)械、電路、電控、 神經(jīng)網(wǎng)絡(luò)幾個(gè)方面進(jìn)行了詳細(xì)的介紹。

整體思路中主要概括了項(xiàng)目構(gòu)建時(shí)的主 要核心思想，機(jī)械部分中主要闡述了小車(chē)的機(jī)械部分中主要闡述了小車(chē)的結(jié)構(gòu) 設(shè)計(jì)，包含各部件的安裝位置以及對(duì)車(chē)模的保護(hù)措施，電路部分主要闡述了小 車(chē)的電路結(jié)構(gòu)設(shè)計(jì)為軟件停工穩(wěn)定輸入與輸出環(huán)境減少外界干擾。

電控部分主 要闡述了如何采用 PID 進(jìn)行小車(chē)控制，包含舵機(jī)控制，差速控制，電機(jī)控制等。

神經(jīng)網(wǎng)絡(luò)部分主要闡述了如何采用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)小車(chē)控制方法，包含數(shù)據(jù)集制 作，電感位置分布，網(wǎng)絡(luò)結(jié)構(gòu)創(chuàng)新等。

雖說(shuō)看似就是一簡(jiǎn)單巡線(xiàn)的項(xiàng)目，但是隨著深入地進(jìn)行研究，我們發(fā)現(xiàn)在 此之上可以用非常多方法大幅度提升巡線(xiàn)效果，比如可以通過(guò)無(wú)線(xiàn)串口進(jìn)行 PID 遠(yuǎn)程調(diào)參，通過(guò)神經(jīng)網(wǎng)絡(luò)去自動(dòng)地尋找較好的控制方法，通過(guò)陀螺儀和編碼器 去記錄整個(gè)賽道等等。

隨著一步步地迭代，我們的工程越來(lái)越大，完成的功能 也越來(lái)越多，自然而然速度也在一點(diǎn)一滴地提升。

1.2 整體方案設(shè)計(jì)

本節(jié)主要簡(jiǎn)要地介紹智能車(chē)系統(tǒng)總體設(shè)計(jì)思路，在后面的章節(jié)中將整個(gè)系 統(tǒng)分為機(jī)械結(jié)構(gòu)，硬件電路設(shè)計(jì)，傳統(tǒng) PID 設(shè)計(jì)，神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)等四部分對(duì)智 能車(chē)控制系統(tǒng)進(jìn)行深入的介紹和分析。

根據(jù)第十五屆智能車(chē)競(jìng)賽規(guī)則，AI 電磁組比賽是在 PVC 賽道上進(jìn)行，賽道 采用黑色邊線(xiàn)引導(dǎo)。選手制作的車(chē)模完成賽道運(yùn)行一周。車(chē)輛運(yùn)行時(shí)間是從車(chē) 模沖過(guò)起跑線(xiàn)開(kāi)始，到最后車(chē)?；氐狡鹋芫€(xiàn)為止。賽道中存在的元素包括直線(xiàn) 道路、曲線(xiàn)彎道、十字交叉路口、環(huán)島（可不進(jìn)入）。

根據(jù)競(jìng)賽規(guī)則相關(guān)規(guī)定及以上任務(wù)要求，智能車(chē)系統(tǒng)采用大賽組委會(huì)統(tǒng)一 提供的 C 型車(chē)模，以恩智浦公司生產(chǎn)的 MIMXRT1064DVL6A 作為核心控制器，在 IAR 開(kāi)發(fā)環(huán)境中進(jìn)行軟件開(kāi)發(fā)。智能車(chē)系統(tǒng)檢測(cè)電磁場(chǎng)信號(hào)為基礎(chǔ)，通過(guò)單片機(jī) 處理信號(hào)實(shí)現(xiàn)對(duì)車(chē)體控制。通過(guò)編碼器測(cè)速模塊來(lái)檢測(cè)車(chē)速，并采用 RT1064 的 輸入捕捉功能進(jìn)行脈沖計(jì)數(shù)計(jì)算速度和路程；電機(jī)轉(zhuǎn)速控制采用 PID 控制，通 過(guò) PWM 控制驅(qū)動(dòng)電路調(diào)整電機(jī)的轉(zhuǎn)速，完成智能車(chē)速度的閉環(huán)控制。

根據(jù)以上系統(tǒng)方案設(shè)計(jì)，賽車(chē)總共包括一下幾個(gè)模塊：

1．RT1064 單片機(jī)最小系統(tǒng)模塊；2．電源模塊； 3．電機(jī)驅(qū)動(dòng)模塊 ；4．傳感器模塊； 5. 無(wú)線(xiàn)串口模塊； 6．編碼器測(cè)速模塊； 7．陀螺儀模塊； 8．停車(chē)線(xiàn)檢測(cè)模塊； 9．人機(jī)交互模塊。

▲ 圖1.2-1 系統(tǒng)框圖

機(jī)械設(shè)計(jì)中，我們需要考慮多電感的保護(hù)，轉(zhuǎn)向機(jī)構(gòu)設(shè)計(jì)，電路板放置， 車(chē)身強(qiáng)度等問(wèn)題。

2.1 智能汽車(chē)車(chē)體機(jī)械建模

此次競(jìng)賽選用的是東莞市博思電子數(shù)碼科技有限公司生產(chǎn)的智能車(chē)競(jìng)賽專(zhuān) 用模型車(chē)(C 型模型車(chē))，配套的電機(jī)型號(hào)為 RS-380，舵機(jī)的型號(hào)為 FUTABA3010。智能車(chē)的外形大致如下：

▲ 車(chē)模照片

2.2 轉(zhuǎn)向機(jī)構(gòu)設(shè)計(jì)

在調(diào)試過(guò)程中，我們發(fā)現(xiàn)原有的轉(zhuǎn)向機(jī)構(gòu)中舵機(jī)的轉(zhuǎn)角與前輪的轉(zhuǎn)角不為線(xiàn) 性關(guān)系，故嘗試更改前輪轉(zhuǎn)向機(jī)構(gòu)為線(xiàn)性控制，但導(dǎo)致前輪轉(zhuǎn)向時(shí)的響應(yīng)時(shí)間 增長(zhǎng)，轉(zhuǎn)彎不及時(shí)。

最終我們使用了自制的舵機(jī)固定板與舵機(jī)轉(zhuǎn)向套裝，如下圖所示。

▲ 舵機(jī)固定板與舵機(jī)轉(zhuǎn)向套裝

最終雖然控制仍不為線(xiàn)性，但做到了前輪轉(zhuǎn)向的快速響應(yīng)，轉(zhuǎn)向機(jī)構(gòu)整體如 下圖。

▲ 轉(zhuǎn)向機(jī)構(gòu)

2.3 電路板放置

對(duì)于電路板排布，我們經(jīng)過(guò)兩次迭代，最終選擇采用如下圖所示的碳板作為 整體的支撐結(jié)構(gòu)，使用 4 根銅柱與車(chē)模底盤(pán)連接，保證強(qiáng)度的同時(shí)，也能盡可 能地讓車(chē)身更輕，從而有更為穩(wěn)定的結(jié)構(gòu)，且易于加裝/拆卸長(zhǎng)前瞻。

▲ 自制支撐結(jié)構(gòu)

為了維持多個(gè)電感與車(chē)模之間固定的相對(duì)位置，我們將所有裝有采集電感傳 感器的電路板都安裝在碳板上，同時(shí)為了操作、拆卸更加方便，我們將其他電 路板也固定在了碳板之上。

▲ 碳板固定

2.4 智能汽車(chē)傳感器的安裝

車(chē)模中的傳感器包括有：速度傳感器，車(chē)模姿態(tài)傳感器（陀螺儀、加速度計(jì)）， 霍爾傳感器以及采集電感傳感器。下面分別介紹這些傳感器的安裝。

2.4.1 速度傳感器的安裝

速度傳感器使用了龍邱 512 線(xiàn) mini 編碼器，固定于車(chē)模的編碼器位置上。

2.4.2 姿態(tài)傳感器的安裝

車(chē)模使用了 HWT101 旋轉(zhuǎn)角姿態(tài)傳感器，固定于電路板上，俯視位置處于車(chē) 模的中心處，保證檢測(cè)數(shù)據(jù)的可靠性。

2.4.3 霍爾傳感器的安裝

車(chē)模使用了自制的霍爾傳感器模塊對(duì)終點(diǎn)線(xiàn)進(jìn)行檢測(cè)，其安裝位置于車(chē)模最 前方的底板之上，使用熱熔膠固定，如下圖所示。

▲ 霍爾模塊

2.4.4 采集電感傳感器的安裝

車(chē)模共使用了 14 個(gè)采集電感傳感器，其中 11 個(gè)布置于電路板上，另有 3 個(gè)作備用。11 個(gè)位于電路板上的電感分 3 排擺放，第一排 7 個(gè)電感，第二排 2 個(gè)電感，第三批 2 個(gè)電感。為保護(hù)電感不受撞擊損傷，為每個(gè)電感都加裝了保護(hù) 殼，如下圖所示。

▲ 電感安裝

2.5車(chē)身強(qiáng)度

為了提升車(chē)身強(qiáng)度，除了支撐電路板的碳板以外，我們還在車(chē)模底部添加了 一塊碳板，從而提升了車(chē)模的強(qiáng)度。為了避免碰撞與剮蹭，我們?cè)谲?chē)模的正前 面加裝了防撞條。

2.6 輪胎處理

使用輪胎軟化劑浸泡之后打磨并用硅橡膠粘合輪胎與輪轂。

從最初進(jìn)行硬件電路設(shè)計(jì)時(shí)我們就既定了系統(tǒng)的設(shè)計(jì)目標(biāo)：可靠、高效、簡(jiǎn) 潔，在整個(gè)系統(tǒng)設(shè)計(jì)過(guò)程中嚴(yán)格按照規(guī)范進(jìn)行。

可靠性是系統(tǒng)設(shè)計(jì)的第一要求， 我們對(duì)電路設(shè)計(jì)的所有環(huán)節(jié)都進(jìn)行了電磁 兼容性設(shè)計(jì)，做好各部分的接地、屏蔽、濾波等工作，將高速數(shù)字電路與模擬 電路分開(kāi)，考慮到走線(xiàn)問(wèn)題，設(shè)計(jì)為 4 個(gè)部分得 PCB 電路板，使本系統(tǒng)工作的 可靠性達(dá)到了設(shè)計(jì)要求。

3.1 電源管理模塊

在考慮離比賽開(kāi)始時(shí)間短的情況下，采用 RT1064 最小核心板，加快整個(gè)項(xiàng) 目的進(jìn)度。在保證電壓穩(wěn)定驅(qū)動(dòng)電流足夠紋波小盡可能沒(méi)有，用一片 LDO 芯片 LP38692MP-5.0 單獨(dú)給最小核心板供電。

▲ 核心板供電原理圖

一片 IDO 芯片 LP38692MP-5.0 給編碼器、陀螺儀、無(wú)線(xiàn)串口、主板上的磁傳 感器供電，一片 IDO 芯片 LP38692MP-3.3 給 OLED 液晶屏，起跑線(xiàn)檢測(cè)模塊供電， 一片 IDO 芯片 LP38692MP5.0 給外載磁傳感器供電。通過(guò)引腳（圖 3.1-2 中 PW_EN） 拉高給使能信號(hào)控制外設(shè)供電，保證核心板正常啟動(dòng)。

▲ 外設(shè)供電原理圖

3.2 電機(jī)驅(qū)動(dòng)模塊

電機(jī)驅(qū)動(dòng)使用芯片 BTN8982TA，搭建全橋驅(qū)動(dòng)電路。該芯片正常輸出電流可 以達(dá)到 50A，同時(shí) BTN8982 的輸出阻抗正常情況為 9 毫歐左右，阻抗越小，芯片 的發(fā)熱量越小，功耗也就越小。從另一個(gè)角度看，該芯片內(nèi)部集成了 H 橋驅(qū)動(dòng) 器以及由 MOS 管組成的半 H 橋電路，設(shè)計(jì)簡(jiǎn)單，布局方便。

▲ 電機(jī)驅(qū)動(dòng)原理圖

3.3 舵機(jī)供電

比賽提供的舵機(jī)為 FUTABA3010，該舵機(jī)工作電壓 4.0V-6.0V，工作時(shí)所需電 流為 175mA。為了保證舵機(jī)正常工作且不影響其他電路工作，為此我們采用線(xiàn)性 電源 LT1764 給舵機(jī)供電，該芯片輸出電流可達(dá) 3A，此時(shí)壓差為 340mV，輸入電壓范圍廣：2.7V-20V，輸出電壓范圍為 1.21V-20V，輸出電壓與外部配比電阻有 關(guān)。

▲ 舵機(jī)驅(qū)動(dòng)原理圖

輸出電壓計(jì)算公式:

其中IADJ  = 3uA，與其他變量有數(shù)量級(jí)差別，故忽略不計(jì)。所以此時(shí)計(jì)算出VOUT  = 5.957V。

3.4磁傳感器模塊

磁傳感器是電磁組小車(chē)最重要的模塊之一，根據(jù)變化的磁場(chǎng)信號(hào)作出靈敏的 檢測(cè)，車(chē)體在賽道上位置判斷以及之后得控制起著至關(guān)重要的作用。本系統(tǒng)根 據(jù) LC 諧振的原理，選取 10mH 電感和 6.8nF 電容作為 LC 諧振電路，產(chǎn)生感應(yīng) 電流，再通過(guò)濾波、放大、檢波，然后將結(jié)果送入單片機(jī) AD 進(jìn)行相應(yīng)的處理， 以判斷賽道當(dāng)前信息。后級(jí)放大電路原理圖所示。

▲ 采集級(jí)放大電路原理圖

3.5 無(wú)線(xiàn)串口模塊

使用逐飛的無(wú)線(xiàn) USB/無(wú)線(xiàn)轉(zhuǎn)串口模塊套件，實(shí)現(xiàn)實(shí)時(shí)主機(jī)與核心板通信， 可以傳回神經(jīng)網(wǎng)絡(luò)需要的訓(xùn)練數(shù)據(jù)，同時(shí)也可以實(shí)現(xiàn)遙控車(chē)無(wú)線(xiàn)更改參數(shù)等操 作，大大節(jié)約了時(shí)間。

3.6 編碼器測(cè)試模塊

本小車(chē)使用龍邱智能科技的 512 線(xiàn) mini 型編碼器進(jìn)行小車(chē)的測(cè)速，工作電 壓在 3.3V- 5V。處理器通過(guò)讀取編碼器脈沖數(shù)來(lái)實(shí)現(xiàn)小車(chē)速度的測(cè)， 通過(guò)讀取 編碼器旋轉(zhuǎn)方向腳的高低電平來(lái)檢測(cè)電機(jī)的正反轉(zhuǎn)。

3.7 陀螺儀模塊

采用 HWT101 旋轉(zhuǎn)角姿態(tài)傳感器，內(nèi)部集成姿態(tài)解算器，配合動(dòng)態(tài)卡爾曼濾 波算法，能準(zhǔn)確的得出當(dāng)前姿態(tài)，姿態(tài)測(cè)量精度靜態(tài) 0.05 度，動(dòng)態(tài) 0.1 度， 穩(wěn)定性極高，用于神經(jīng)網(wǎng)絡(luò)的記憶之中。

3.8 停車(chē)模塊選型

起跑線(xiàn)處布有磁鐵表面磁場(chǎng)強(qiáng)度為 3000-4000 G，針對(duì)磁場(chǎng)強(qiáng)度和車(chē)速兩個(gè) 條件下不斷嘗試不同霍爾元件型號(hào)如 SM351LT，SS41F，DRV5055，HAL145 等， 在最后根據(jù)車(chē)速和檢測(cè)準(zhǔn)確率我們選擇 HAL145。

這是一種全極性霍爾開(kāi)關(guān)。當(dāng) 霍爾開(kāi)關(guān)在磁鐵上方時(shí)， 霍爾開(kāi)關(guān)輸出低電平，單片機(jī)檢測(cè)到低電平引發(fā)單片 機(jī)中斷。單個(gè)霍爾開(kāi)關(guān)的 電路原理圖如圖 3.2.6 所示。

▲ 霍爾開(kāi)關(guān)原理圖

3.9 人機(jī)交互模塊

為了方便調(diào)試，本車(chē)有無(wú)線(xiàn)串口模塊，有效進(jìn)行運(yùn)行參數(shù)之間的傳送，除此 之外，還設(shè)置了鍵盤(pán)、OLED 液晶顯示屏，以方便控制參數(shù)的修改，便捷的智能 車(chē)的調(diào)試。

傳統(tǒng) PID 控制部分，我們需要考慮基于電感電壓的數(shù)據(jù)，控制舵機(jī)轉(zhuǎn)向和電 機(jī)轉(zhuǎn)速。另外，我們加入了陀螺儀和編碼器對(duì)賽道進(jìn)行建圖，以期獲得無(wú)限長(zhǎng) 前瞻。

4.1 舵機(jī)轉(zhuǎn)向控制

舵機(jī)控制中，我們的目標(biāo)是通過(guò)改變舵機(jī)轉(zhuǎn)向，讓車(chē)子盡量地保持在賽道中 間。我們希望車(chē)身在賽道中間，即誤差 Error 盡量地在 0 附近，當(dāng) Error<0 時(shí)， 說(shuō)明車(chē)身偏右，需要舵機(jī)向左打角，同理當(dāng) Error>0 時(shí)，說(shuō)明車(chē)身偏左，需要 舵機(jī)向右打角。

4.1.1 舵機(jī)轉(zhuǎn)向偏差計(jì)算方案

4.1.1.1 差值法

差值法，顧名思義，通過(guò)左右電感的差值作為偏差對(duì)小車(chē)進(jìn)行控制，符號(hào)判 斷方向，大小作為控制量，這是我們最開(kāi)始采用的控制小車(chē)的策略，這樣的控 制策略能夠在低速情況下滿(mǎn)足控制要求，但是極不穩(wěn)定，容易出界，經(jīng)過(guò)數(shù)據(jù) 采集和可視化，我們發(fā)現(xiàn)這種策略所計(jì)算出來(lái)偏差并不是單調(diào)的，而是隨著原 理賽道中線(xiàn)的距離增大先增，到達(dá)峰值，再遞減，這也解釋了當(dāng)其遠(yuǎn)離賽道中 線(xiàn)后其控制量不足，導(dǎo)致車(chē)身出界的情況。

4.1.1.2 三電感控制法

在我們發(fā)現(xiàn)偏差不單調(diào)后，我們就想找一種控制策略來(lái)解決這個(gè)問(wèn)題，我們 發(fā)現(xiàn)，差值法判斷方向是比較準(zhǔn)確的，所以我們保留了其方向控制策略，在兩 個(gè)電感中間加了中間電感，以中間電感與其設(shè)定的最大值的差值作為偏差，這 種方案較好的解決了偏差不單調(diào)的問(wèn)題，在前瞻比較長(zhǎng)的情況下控制效果也很 不錯(cuò)，但后面我們發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)不能很好的學(xué)習(xí)長(zhǎng)前瞻所收回的數(shù)據(jù)的時(shí)候， 我們改用短前瞻進(jìn)行數(shù)據(jù)收錄，這時(shí)我們發(fā)現(xiàn)這種策略在轉(zhuǎn)大彎時(shí)候效果不太 好，響應(yīng)太慢跟不上，由于信號(hào)線(xiàn)的鋪設(shè)問(wèn)題，不同的直道，中間電感所能測(cè)量的最大幅度也不同，導(dǎo)致在 Error 在直道上不一定為 0，會(huì)產(chǎn)生舵機(jī)的震蕩， 無(wú)法解決，因此也放棄這種方案。

4.1.1.3 歸一化法

在我們發(fā)現(xiàn)三電感方案不能滿(mǎn)足段前瞻控制需求后，我們和往屆學(xué)長(zhǎng)進(jìn)行溝 通交流，他們提出歸一化法方案，這種方案具體是用左右電感的差值比上左右 電感的和，我們嘗試了一段時(shí)間后，這種方案確實(shí)是有一定的效果，控制作用 在大彎的時(shí)候確實(shí)是得到了增強(qiáng)，解決了三電感所存在的問(wèn)題，但在我們加速 后，發(fā)現(xiàn)它和差值法存在同樣的問(wèn)題，計(jì)算出來(lái)的偏差不單調(diào)，所以在連續(xù)過(guò) 彎切邊的時(shí)候，誤差值會(huì)變小，非常容易跑飛出去，因此我們不得不尋找下一 種控制方案。

4.1.1.4 比值法

除了上面的方案，我們還嘗試了各種各樣的方案：比如放置斜電感、多個(gè)中 間電感模擬攝像頭等等，最終我們選取了下面這種方案。

構(gòu)建位置誤差公式：

L：左邊電感電壓值 R：右邊電感電壓值

這種計(jì)算式其實(shí)也存在不單調(diào)的情況，但單調(diào)的區(qū)間很大，在賽道的約束條 件下完全滿(mǎn)足要求，并且其對(duì)轉(zhuǎn)彎比較靈敏，有效的解決了過(guò)彎的難題。

4.1.2 舵機(jī)轉(zhuǎn)向控制策略

4.1.2.1 傳統(tǒng)控制策略

此部分中，我們只采用了 PD 控制，因?yàn)檐?chē)輛電感值在實(shí)時(shí)更新，需要進(jìn)行 實(shí)時(shí)轉(zhuǎn)向，因此不需要使用 I 控制。PD 控制中，P 為實(shí)時(shí)修改狀態(tài)，而 D 是為 了修補(bǔ) P 實(shí)時(shí)性的不足，達(dá)到提前的作用。另外，為了提升大彎轉(zhuǎn)向的快速性 能和直道的穩(wěn)定性能，我們通過(guò) Error，劃分了兩組 PD，當(dāng) Error 較小時(shí)，認(rèn) 為是在直道，采用較小的 PD 保證穩(wěn)定性，防止震蕩，當(dāng) Error 較大時(shí)，認(rèn)為是在彎道，采用較大的 PD 保證快速轉(zhuǎn)向。

▲ 舵機(jī)控制模型

4.1.2.2 控制策略探索

運(yùn)用傳統(tǒng)控制策略進(jìn)行控制的時(shí)候，我們發(fā)現(xiàn)參數(shù)調(diào)節(jié)十分麻煩，而且適應(yīng) 性不強(qiáng)，因此我們就想有沒(méi)有一種方案能不能在一定區(qū)間自動(dòng)調(diào)整 PID 參數(shù)去 適應(yīng)不同的條件，我們查閱了相關(guān)文獻(xiàn)，幾乎都指向了模糊 PID 控制這一方向。

帶著探索的心，我們?nèi)チ私饬四：?PID 的相關(guān)理論，并試著寫(xiě)了一套模糊 PID 算法，發(fā)現(xiàn)這套算法調(diào)參難度并不亞于傳統(tǒng)的 PID，但是適應(yīng)性的確強(qiáng)了不少， 但這與我們想要簡(jiǎn)化調(diào)參過(guò)程的初衷并不一致，所以沒(méi)有更深入的去探索。

后 面根據(jù)我們對(duì)問(wèn)題的分析，我們發(fā)現(xiàn)舵機(jī)控制與當(dāng)前偏差、偏差的變化率息息 相關(guān)，我們根據(jù)這兩者的狀態(tài)繪制了以下程序框圖并實(shí)現(xiàn)：

▲ 模糊控制PID部分流程圖

我們僅僅需要確定每次調(diào)整步長(zhǎng)，我們就可以是 PID 在一個(gè)范圍內(nèi)進(jìn)行變 動(dòng)，滿(mǎn)足不同情況下的要求。

4.1.2.3 控制策略展望

為了簡(jiǎn)化調(diào)參和增強(qiáng)適應(yīng)性，在上一小節(jié)我們對(duì)控制策略進(jìn)行了探索，但是還是逃不掉反復(fù)調(diào)參的過(guò)程，這個(gè)過(guò)程枯燥乏味又不得不做，我們就想能不能 有一套系統(tǒng)能夠在調(diào)好一套參數(shù)的情況下，通過(guò)獎(jiǎng)勵(lì)——懲罰機(jī)制使其不斷提 速，參數(shù)不斷適應(yīng)速度的改變呢？

我們就想用一個(gè)攝像頭來(lái)捕捉車(chē)子在賽道上 的狀態(tài)信息，建立一套獎(jiǎng)勵(lì)懲罰機(jī)制，當(dāng)車(chē)子偏離賽道中央過(guò)大，說(shuō)明參數(shù)不 太好，給與一定的懲罰，反之亦反之，然后車(chē)子緩慢的提速，參數(shù)不斷適應(yīng)車(chē) 速達(dá)到自適應(yīng)的效果。

4.2 電機(jī)控制

電機(jī)控制中，我們使用 PID 控制電機(jī)的速度。另外，還需要由轉(zhuǎn)向角度控制 電機(jī)差速，從而讓車(chē)子更好過(guò)彎。

4.2.1 電機(jī)速度

電機(jī)轉(zhuǎn)速控制中，我們不斷地讀取編碼器返回的實(shí)際轉(zhuǎn)速，與期望轉(zhuǎn)速作差 得到 Error，我們希望轉(zhuǎn)速能夠快速跟隨，即希望 Error 能夠盡快地到 0。采用 最原始的位置式 PID 控制，加上積分抗飽和算法基本滿(mǎn)足控制要求。

▲ 電機(jī)速度控制模型

4.2.2 電機(jī)差速

電機(jī)差速的和舵機(jī)轉(zhuǎn)向相關(guān)，基于阿克曼轉(zhuǎn)向模型，當(dāng)舵機(jī)需要轉(zhuǎn)向更大的 角度的時(shí)候，差速的值應(yīng)該越大，以輔助車(chē)身更好的入彎。另外，我們發(fā)現(xiàn)車(chē) 身出界的情況大多數(shù)是在入彎的過(guò)程中，在彎道部分一般是不會(huì)出的。

為了實(shí) 現(xiàn)彎道加速的功能，我們也讓其與舵機(jī)轉(zhuǎn)向變化率相關(guān)，當(dāng)轉(zhuǎn)向變化率較大時(shí)， 即入彎過(guò)程中，速度降低，而當(dāng)轉(zhuǎn)向變化率逐漸變小時(shí)，即車(chē)身穩(wěn)定后，則可 以提高速度。因此，我們的速度是由需要轉(zhuǎn)彎的角度和轉(zhuǎn)彎角度的變化率二者 共同決定。

具體的計(jì)算流程如下圖：

▲ 電機(jī)差速控制流程圖

由圖中可以看到，當(dāng)突然出現(xiàn)需要打一個(gè)比較大的角度的時(shí)候，速度會(huì)減下來(lái)，與此同時(shí)，由于突然產(chǎn)生了如此大的角度，方向變化率也會(huì)變大，從而讓 小車(chē)順利減速過(guò)彎。但是在過(guò)彎的途中，雖然角度仍然是比較大的值，可是方 向變化率在減小，從而可以讓整體速度進(jìn)行提升，最終達(dá)到過(guò)彎加速的效果。

4.3 記憶方案

通常我們使用電感等傳感器實(shí)時(shí)檢測(cè)到的信息作為判斷依據(jù)來(lái)控制車(chē)模的 轉(zhuǎn)向和加減速，在限制前瞻長(zhǎng)度的情況下這樣的實(shí)時(shí)判斷相比于長(zhǎng)前瞻就有嚴(yán) 重的滯后性，我們嘗試不使用或少使用實(shí)時(shí)判斷的信息進(jìn)行控制。

我們先使車(chē)模在平穩(wěn)狀態(tài)下運(yùn)行一段賽道，記錄每個(gè)控制周期的陀螺儀 z 軸 轉(zhuǎn)角與編碼器數(shù)值，通過(guò)這些信息對(duì)賽道進(jìn)行解算，將賽道元素分為三類(lèi)：直 道、左轉(zhuǎn)、右轉(zhuǎn)，可以得到一個(gè)簡(jiǎn)化版的賽道數(shù)組（包含按順序排列的賽道的 每個(gè)元素以及對(duì)應(yīng)的直道長(zhǎng)度或彎道角度以及彎道半徑）。

▲ 某段賽道的結(jié)算數(shù)組及其圖像

發(fā)現(xiàn)效果良好，嘗試在第二圈時(shí)使用第一次運(yùn)行時(shí)記錄下的解算后的賽道信 息作為判斷依據(jù)通過(guò)如下步驟控制車(chē)模運(yùn)行（使用速度 PID 環(huán)作為內(nèi)環(huán)、位置 PID 環(huán)作為外環(huán)對(duì)車(chē)模進(jìn)行控制）：

①進(jìn)入直道后使用速度圖像為拋物線(xiàn)的加速方式，加到設(shè)定的直道速度后勻 速運(yùn)行；

②在直道中根據(jù)編碼器的實(shí)時(shí)讀數(shù)計(jì)算減速至設(shè)定的彎道速度所需的距離與車(chē)模在當(dāng)前直道元素中已行進(jìn)的距離，當(dāng)減速所需的距離與車(chē)模進(jìn)入下一賽 道元素的剩余距離相差很小時(shí)，使車(chē)模進(jìn)行拋物線(xiàn)減速，在進(jìn)入下一賽道元素 前就能減至設(shè)定的彎道速度；

③在彎道中根據(jù)彎道的半徑控制前輪的轉(zhuǎn)角與后輪的差速，并使車(chē)模勻速通 過(guò)彎道；

④重復(fù)①～③步驟；

⑤車(chē)模檢測(cè)到終點(diǎn)線(xiàn)后停止運(yùn)行。但由于備賽時(shí)間較短，未能完整實(shí)現(xiàn)上述控制方案。我們又嘗試使用車(chē)模第一次運(yùn)行賽道記憶的信息提升直道速度，只根據(jù)距離信息來(lái)進(jìn)行入彎時(shí)的提前減速。

不過(guò)，我們發(fā)現(xiàn)直接加速會(huì)存在問(wèn)題，車(chē)子變得非常不好控制，很容易沖出賽道，因此后面我們只是略微增大了一些速度， 但是增加電機(jī)的 I 項(xiàng)，從而讓整體的速度進(jìn)行提高。

神經(jīng)網(wǎng)絡(luò)控制部分，我們希望送入神經(jīng)網(wǎng)絡(luò)電感值，讓神經(jīng)網(wǎng)絡(luò)輸出舵機(jī)轉(zhuǎn) 向值。

5.1 數(shù)據(jù)收集

數(shù)據(jù)收集部分，我們分別采用了長(zhǎng)短前瞻的電感值電壓輸入作為 PID 控制， 進(jìn)行數(shù)據(jù)的采集。采集過(guò)程中，我們使用無(wú)線(xiàn)串口進(jìn)行上位機(jī)和 MCU 通信，通 過(guò) python 寫(xiě)上位機(jī)。其中 pyserial 進(jìn)行串口數(shù)據(jù)的解析，pygame 讀取鍵盤(pán)命 令從而達(dá)到小車(chē)控制的功能。另外，我們采用了 Matlabplotlib 的包進(jìn)行了多 種情況的可視化，便于進(jìn)行分析。

另外，我們對(duì)車(chē)子進(jìn)行了遠(yuǎn)程控制，通過(guò)串口，我們可以在上位機(jī)中實(shí)現(xiàn)控 制車(chē)輛啟停，車(chē)輛加減速，車(chē)輛拐彎等功能，從而更好地收集數(shù)據(jù)。與此同時(shí)， 我們還通過(guò)遠(yuǎn)程串口，進(jìn)行了 PID 參數(shù)的調(diào)節(jié)，從而大大方便了 PID 的調(diào)參過(guò) 程。

經(jīng)過(guò)整理，我們發(fā)現(xiàn)這個(gè)環(huán)境中徹底驗(yàn)證了"Garbage in, Garbage out" 的說(shuō)法，即數(shù)據(jù)好則神經(jīng)網(wǎng)絡(luò)效果好，數(shù)據(jù)不好，則神經(jīng)網(wǎng)絡(luò)效果很差。

我們 分別采用了長(zhǎng)前瞻和短前瞻作為 PID 數(shù)據(jù)源進(jìn)行車(chē)輛控制，然后在長(zhǎng)前瞻 PID 中收集了長(zhǎng)前瞻和短前瞻的電感數(shù)據(jù)，在短前瞻 PID 中，收集短前瞻的電感數(shù) 據(jù)，對(duì)這三種數(shù)據(jù)進(jìn)行學(xué)習(xí)。

實(shí)驗(yàn)發(fā)現(xiàn)，當(dāng)長(zhǎng)前瞻跑 PID 時(shí)，長(zhǎng)前瞻的電感送 入神經(jīng)網(wǎng)絡(luò)中擬合的很好，但是短前瞻電感值送入神經(jīng)網(wǎng)絡(luò)中擬合卻不行。短 前瞻跑 PID 時(shí)，短前瞻電感值送入神經(jīng)網(wǎng)絡(luò)擬合很好。

因此實(shí)驗(yàn)結(jié)論是：基于 某幾個(gè)電感進(jìn)行 PID 控制，則采集對(duì)應(yīng)電感值作為神經(jīng)網(wǎng)絡(luò)輸入，神經(jīng)網(wǎng)絡(luò)的 擬合性能很好。

關(guān)于數(shù)據(jù)集制作，為了更好地收集數(shù)據(jù)，我們?cè)谏衔粰C(jī)中遠(yuǎn)程控制車(chē)輛是否 發(fā)送數(shù)據(jù)，從而可以有針對(duì)性地在各個(gè)環(huán)境中進(jìn)行數(shù)據(jù)制作。數(shù)據(jù)清洗方面， 因?yàn)榇诎l(fā)送的頻率過(guò)高，存在了大量的數(shù)據(jù)是重復(fù)的，因此我們針對(duì)性地對(duì) 相鄰兩幀之間電感數(shù)據(jù)差距不算很大的進(jìn)行了刪除。

另外，為了適應(yīng)不同的場(chǎng) 地，我們還進(jìn)行了數(shù)據(jù)歸一化的操作，每次啟動(dòng)車(chē)子之前，我們平移我們的車(chē)子，收取賽道中最大的電感值，然后所有的電感除以對(duì)應(yīng)最大電感值從而獲取 歸一化后的電感值。

在數(shù)據(jù)采集的過(guò)程中我們發(fā)現(xiàn)了訓(xùn)練出來(lái)的模型效果不是很好，經(jīng)過(guò)可視化 之后，發(fā)現(xiàn)靠近舵機(jī)的電感數(shù)據(jù)不穩(wěn)定，即使開(kāi)啟了硬件平均也有很大的抖動(dòng)， 這對(duì)于訓(xùn)練必然是不好的。

▲ 某電感濾波前的圖像

在觀(guān)察到這樣的現(xiàn)象之后，我們決定加入軟件濾波，對(duì)于這種數(shù)據(jù)抖動(dòng)較大 的情況，最簡(jiǎn)單的濾波公式莫過(guò)于卡爾曼濾波，對(duì)于單片機(jī)性能的要求也最低， 在電感的采集過(guò)程中，只需要貯存上一個(gè)電感數(shù)據(jù)既可，下圖為濾波之后的效 果。

▲ 某電感濾波后的圖像

5.2 電感排布

電感排布部分，我們通過(guò)隨機(jī)增加擾動(dòng)的方式，尋找最為重要的電感。最終確定了 11 個(gè)電感排布的方案。假設(shè)有 3 個(gè)電感分別放置在車(chē)前左中右位置，前面的系數(shù)分別為 0.8，1.2， 0.8，則可列電感控制舵機(jī)的方程:

但是實(shí)際上，我們并不知道各個(gè)電感前的系數(shù)，因此假設(shè)為 A，B，C，直觀(guān) 地，我們可以認(rèn)為：某個(gè)電感前系數(shù)較大，則某個(gè)電感更為重要，因?yàn)樗膶?duì) 舵機(jī)的影響更大。

雖然在神經(jīng)網(wǎng)絡(luò)中，每個(gè)電感與舵機(jī)輸出并不是線(xiàn)性關(guān)系， 但是我們不妨假設(shè)：不同電感變化同一個(gè)幅度時(shí)，哪個(gè)電感能導(dǎo)致舵機(jī)變化越 大，哪個(gè)電感就是更為重要的電感?；诖思僭O(shè)，我們完成了電感排布的確定。

▲ 電感分布確定流程圖

具體步驟如下：每次我們隨機(jī)選擇放置電感排布，通過(guò)神經(jīng)網(wǎng)絡(luò)收取數(shù)據(jù)進(jìn) 行訓(xùn)練得到一個(gè)網(wǎng)絡(luò)模型。然后，我們對(duì)收集到的數(shù)據(jù)添加隨機(jī)擾動(dòng)，從-0.1～ 0.1，分為 10 個(gè)范圍，即-0.1～-0.08，-0.08～-0.06....0.06～0.1。

得到隨機(jī)擾動(dòng)的數(shù)據(jù)集之后，我們把原始數(shù)據(jù)的輸出和擾動(dòng)數(shù)據(jù)的輸出（都 使用同一個(gè)網(wǎng)絡(luò)）做差得到絕對(duì)值。如果某個(gè)電感的絕對(duì)值較大，則說(shuō)明此電 感輕微擾動(dòng)對(duì)網(wǎng)絡(luò)輸出影響大，是比較重要的電感。

基于此套方法，我們確定了 11 個(gè)電感的排布位置，下為某組數(shù)據(jù)擾動(dòng)之后 的誤差分布圖。

▲ 電感誤差分布

以第一列圖片為例，第一列對(duì)應(yīng)的是第一排最左邊的電感，從上到下，分別 對(duì)應(yīng)了施加擾動(dòng)的范圍為-0.1～-0.08，-0.08～-0.06.......0.06～0.08， 0.08～0.1。直方圖代表了施加擾動(dòng)前后輸出的差的絕對(duì)值的分布。從圖中我們 可以看到在中間部分的偏差靠近 0，而上下偏差靠近 1，符合邏輯。另外，橫向 對(duì)比，我們可以看到，第 1，2，3，4，5，8，9 列的影響相對(duì)比較大，他們對(duì) 應(yīng)了第一排左中右（1，2，3），第二排左右（4，5），第一排豎電感（8，9）。

5.3 網(wǎng)絡(luò)結(jié)構(gòu)

我們進(jìn)行了大量的網(wǎng)絡(luò)結(jié)構(gòu)測(cè)試，由于 NXP 芯片所限，基本上只能夠使用全 連接層。不過(guò)相比于直接送入電感值，我們將電感值和歷史 10 次網(wǎng)絡(luò)輸出值（舵 機(jī)期望值）共同送入網(wǎng)絡(luò)，從而相同網(wǎng)絡(luò)結(jié)構(gòu)（只有輸入層不同）訓(xùn)練結(jié)果的 loss 從 0.04 降到了 0.02，網(wǎng)絡(luò)跟蹤的效果也變得更好。

另外，我們也發(fā)現(xiàn)，基本上的全連接層已經(jīng)足夠訓(xùn)練網(wǎng)絡(luò)，網(wǎng)絡(luò)的效果也是滿(mǎn)足需求的。基于此我們盡可能地縮小網(wǎng)絡(luò)大小，讓速度盡快，最終的網(wǎng)絡(luò)結(jié) 果為：

網(wǎng)絡(luò)結(jié)果輸入為 Nx21x1 的數(shù)據(jù)，（11 個(gè)電感和前 10 幀的舵機(jī)控制角度）， 分別經(jīng)過(guò) Dense，BatchNormal，Dropout 等的操作，最終生成一個(gè) 1 維度的舵 機(jī)值，即為目標(biāo)輸出，網(wǎng)絡(luò)結(jié)構(gòu)圖如下。

▲ 網(wǎng)絡(luò)結(jié)構(gòu)圖

電路部分嘗試過(guò)為軟件增加電機(jī)的電流環(huán)，但由于 AI 電磁要求的磁傳感器 過(guò)多，芯片 ADC 引腳比較緊張，最后沒(méi)有落地。鑒于 AI 電磁本身的特殊性—— 對(duì)磁傳感器位置的嚴(yán)要求，電路部分將用于 AI 的磁傳感器分割到單獨(dú) PCB 板上， 確保位置固定，車(chē)與車(chē)差異小，算法可以移植，與機(jī)械部分一同做好電感保護(hù)。

機(jī)械方面，使用碳板制作的頂棚搭載多個(gè)電感，增強(qiáng)了電感數(shù)值的可靠性 電控方向，我們采用陀螺儀和編碼器進(jìn)行了全地圖的繪制，然后針對(duì)直道進(jìn)行了二次加速。

神經(jīng)網(wǎng)絡(luò)方向，我們將歷史的舵機(jī)控制值送入神經(jīng)網(wǎng)絡(luò)，大大提升了網(wǎng)絡(luò)的 效果。

從機(jī)械到電路再到電控和神經(jīng)網(wǎng)絡(luò)，我們搭建了一個(gè)完整的車(chē)子。對(duì)車(chē)子進(jìn) 行穩(wěn)定性測(cè)試，算法迭代優(yōu)化，我們才算是真正地完成了一個(gè)項(xiàng)目。小組成員 每個(gè)人都盡著自己最大的努力，不加班不快樂(lè)，沒(méi)成果沒(méi)休息逐漸成為我們的 常態(tài)。這一次的磨礪，所有的隊(duì)員都有了非常大的進(jìn)步，與此同時(shí)，我們也收 獲了一份友誼。

另外，感謝學(xué)校對(duì)我們的支持，在疫情期間仍然全力支持我們。感謝組委會(huì)提供的參賽機(jī)會(huì)。

[1] 卓晴，黃開(kāi)勝，邵貝貝等，《學(xué)做智能車(chē)——挑戰(zhàn)“飛思卡爾”杯》[c].北京：北京 航空航天大學(xué)出版社，2007.

[2] 譚浩強(qiáng)，C 語(yǔ)言程序設(shè)計(jì)[M]，北京：清華大學(xué)出版社，2005.

[3] 王宜杯，嵌入式系統(tǒng)原理與實(shí)踐：ARM Cortex-M4 Kinetis 微處理器，北京：電子工業(yè) 出版社，2012.

[4] 陶永樂(lè)，新型 PID 控制及其應(yīng)用（第二版），北京：機(jī)械工業(yè)出版社 [5] 李發(fā)海，王巖等，電機(jī)與拖動(dòng)基礎(chǔ)，北京：清華大學(xué)出版社

[6] 胡壽松，自動(dòng)控制原理（第六版），北京：科學(xué)出版社

1.軟件開(kāi)發(fā)平臺(tái)：KEIL

▲ 軟件開(kāi)發(fā)平臺(tái) KEIL

2.神經(jīng)網(wǎng)絡(luò) h5 文件轉(zhuǎn)換工具：

免責(zé)聲明：本文內(nèi)容由21ic獲得授權(quán)后發(fā)布，版權(quán)歸原作者所有，本平臺(tái)僅提供信息存儲(chǔ)服務(wù)。文章僅代表作者個(gè)人觀(guān)點(diǎn)，不代表本平臺(tái)立場(chǎng)，如有問(wèn)題，請(qǐng)聯(lián)系我們，謝謝！