模糊控制的舵机转向控制方法

优化设计控制方法

目前，汽车正向自动化、智能化方向发展，实现自动寻线行驶、自实现路径变化功能，并在可靠性基础上快速行驶，在工程及物流等实际生产中得到越来越多的应用。竞速车模的设计开发，为车辆寻线行驶功能的实现提供了可借鉴的方案和方法。本文对竞速车模舵机转向系统进行优化设计，提出了一种模糊控制的舵机转向控制方法。

各种控制方法分析

目前，人们所采用的自动控制方法大致分为三种：经典控制、现代控制和智能控制。

经典控制是人们常用的控制方法，是以传递函数为基础实现的。一般的工业生产过程较多属于线性定常系统，故可以用经典控制方法来控制，经典控制方法最典型的就是pid控制方法[1-3]。其调节品质取决于pid控制器各个参数的整定。但是这种控制方法只能解决线性定常系统的控制问题。

现代控制理论可以解决时变系统的控制问题，在时变系统中，输入量和输出量的关系随时间的变化而变化。故而现代控制理论在航空航天和军事上有很大的作用。现代控制方法以状态方程为基础实现。

智能控制[4-5]是自动控制发展的高级阶段，是人工智能控制论、系统论和信息论的多种学科的高度综合与集成，是一门新的交叉前沿学科。智能控制无需人的干预就能够独立驱动智能机器实现其目标的控制方法。目前，智能控制技术，如神经元网络技术，模糊控制技术，遗传算法优化技术，专家控制系统，基于规则的仿人智能控制技术等已进入工程化和实用化。

控制方案的选取

经典控制和现代控制，要求建立一套精确的数学模型，然而在实际应用中，有些复杂过程难以求取数学模型或根本无法求取其数学模型。智能控制是利用人的经验来控制复杂过程的一种方法，并不断完善和发展。模糊控制[6-8]是智能控制方法中的一种，智能竞速车采用模糊控制，有如下优点：

(1)无需预先知道被控对象的精确数学模型。

(2)控制规则以人的经验总结表示，容易掌握。

(3)对被控对象的参数变化有较强的鲁棒性。

(4)控制知识是以人的语言形式表示，有利于人机对话和系统的知识处理，从而有利于系统处理的灵活性和机动性。

智能车设计方案

智能车前轮转向设计要求

智能车模以稳、快、准为目标，即要求模型车速度及行驶路线稳定，算法反应和速度、角度调节快，以及速度控制和检测系统测量准确，所以设计过程中，检测部分必须选择性能可靠、反应速度快的传感器，并使用智能算法控制车辆行驶[9-11]。

红外传感器的布置

针对白色底色宽60cm，标识黑线宽2.5cm的道路条件，本设计采用7对红外传感器进行道路识别，每个红外传感器间隔2.5cm，成水平直线排列，以保证只有一个光电管信号在黑线内为稳定目标。这样，就可以依据识别信号，将偏转角度划分为7个级别。

舵机控制模块

采用hs-925型舵机来控制智能车前轮的转向，其特点为扭力大，稳定性好，控制简单，便于和数字系统接口，控制角度精确。

舵机工作原理

(1)舵机结构包括减速齿轮组，位置反馈电位计，直流电机和控制电路等。

舵机工作原理如图1所示，减速齿轮组由电机驱动，其输出轴带动一个线性的比例电位器作位置检测，该电位器把转角线性地转换为电压并反馈给控制线路板，控制线路板将其与输入的控制脉冲信号比较，产生纠正脉冲，并驱动电机正向或反向转动，使齿轮组的输出位置与期望值相符，从而达到使伺服马达精确定位的目的[12-13]。

图1 舵机工作原理

(2) 舵机的控制

本系统采用的控制信号为周期13ms的脉冲信号，改变脉冲宽度就可以改变舵机的方向，另外脉冲宽度和转角成线性关系[14-16]，其计算公式为：

a=(l-1.5)×90° (1)

其中a是舵机的转角，单位是度;l是脉冲宽度，单位是毫秒。其转角和脉冲宽度的对应关系如图2所示。

图2 舵机的控制

在硬件实现上，利用了一路16位的pwm来驱动舵机转向。

模糊控制方案的设计

模糊控制器有三个功能模块：模糊化，模糊推理，清晰化，如图3所示。

图3 模糊控制器

模糊子集和隶属函数的建立红外接收管编码如图4所示。

图4 红外接受管编码

本系统模糊控制器采用常规模糊控制器，其输入量为当前位置偏差e，输出量为舵机控制信号u。

位置偏差e是光电传感器反馈回的实际位置与智能车中轴线的偏差。e为零时，智能车未偏离路径;e为正数时，智能车向左偏离路径;e为负数时，智能车向右偏离路径。其偏离范围e(论域，单位为cm)为[-9，9]，将论域离散化为整数集e={-9，-6，-3，0，3，6，9}，则量化因子k=n/x=1.0。

将位置偏差e的值模糊化。设模糊子集e={nb,nm,ns,ze,ps,pm,pb}，其中，nb：[-9，-6]，表示左偏特大;nm：[-9，-3]，表示左偏较大;ns：[-6，0]，表示左偏较小;ze：[-3，3]，表示正中;ps：[0，6]，表示右偏较小;pm：[3，9]，表示右偏较大;pb：[6，9]，表示右偏特大。

e的隶属函数为三角形函数分布，如图5所示。