智能汽车中英文外文翻译文献.docx

智能汽车中英文外文翻译文献.docx

《智能汽车中英文外文翻译文献.docx》由会员分享，可在线阅读，更多相关《智能汽车中英文外文翻译文献.docx（14页珍藏版）》请在冰豆网上搜索。

智能汽车中英文外文翻译文献

外文文献翻译

（含：

英文原文及中文译文）

中文译文

基于智能汽车的智能控制研究

摘要

本文使用一个叫做“智能汽车”的平台进行智能控制研究,该小车采用飞思卡尔半导体公司制造的MC9S12DG128芯片作为主要的控制单元,同时介绍了最小的智能控制系统的设计和实现智能车的自我追踪驾驶使用路径识别算法。

智能控制智能车的研究包括:

提取路径信息,自我跟踪算法实现和方向和速度控制。

下文介绍了系统中不同模块的各自实现功能,最重要部分是智能车的过程智能控制:

开环控制和闭环控制的应用程序包括增量式PID控制算法和鲁棒控制算法。

最后一步是基于智能控制系统的智能测试。

关键词:

MC9S12DG128;智能控制;开环控制;PID;鲁棒;

1研究背景

随着控制理论的提高以及信息技术的快速发展,智能控制在我们的社会中发挥着越来越重要的作用。

由于嵌入式设备有小尺寸、低功耗、功能强大等优点,相信在这个领域将会有一个相对广泛的应用,如汽车电子、航空航天、智能家居。

如果这些技术一起工作,它将会蔓延到其他领域。

为了研究嵌入式智能控制技术,“智能汽车”被选为研究平台,并把MC9S12DG128芯片作为主控单元。

通过智能控制,智能汽车可以自主移动,同时跟踪的路径。

首先,本文给读者一个总体介绍智能车辆系统的[2、3]。

然后,根据智能车辆的智能控制:

提取路径信息,自我跟踪算法实现中,舵机的方向和速度的控制。

它提供包括了上述四个方面的细节的智能车系统信息。

此外,本文强调了智能车的控制过程应用程序包括开环控制、闭环增量PID算法和鲁棒算法。

2智能车系统的总体设计

该系统采用MC9S12DG128[4]作为主芯片,以及一个CCD传感器作为交通信息收集的传感器。

速度传感器是基于无线电型光电管的原理开发。

路径可以CCD传感器后绘制收集的数据,并且系统计算出相应的处理。

在同时,用由电动马达速度测试模块测量的智能汽车的当前速度进行响应的系统。

最后,路径识别系统利用所述路径信息和当前的速度,以使智能汽车在不同的道路条件的最高速度运行。

图1示出了智能车辆系统的框图。

3跟踪算法的自我实现

智能汽车的自我控制基于其上由CCD传感器[5]收集的路径信息。

CCD传感器的数据采集速率为25帧/秒。

一个帧被划分为两个部分:

奇数场和偶数场,也就是说,50场/秒。

为了使该电流路径的准确判断?

我们放大频率为32MHz。

最后,该系统将得到后MC9S12DG128ATD模块逆向其由CCD传感器收集的数据35*307阵列,并忽略一些消隐数据。

智能汽车有根据的滞后运行时,为了提高速度,收集前瞻性路径信息变得尤为重要。

基于上述理由,我们选择某一行远程数据作为智能车控制基本数据阵列的第一行。

相应地,第150行和第300行被选择作为辅助数据,然后我们得到一个新的3*35二维阵列。

在阵列的基础上,我们可以通过大量的实验和测试转弯最佳值适应的每293行的最佳速度。

对应的速度和转弯最佳曲线是基于上述数据绘制。

速度曲线和转弯曲线的拟合过程将使用本文中的第1行数据,例如声明。

图2示出了智能车与路径之间的位置关系（精确地黑色轨道）当车转身时L表示该CCD传感器收集的最远基准线与汽车之间的距离。

S表示最远中间点的基准线和所述轨道线之间的距离。

R表示的转弯半径。

计算R的过程如下:

从三角函数推导,我们制定出:

通过测量,L=0.6米,在90度角范围内,黑色磁道位置和车体位置的垂直中心线之间的距离为约0.2667米。

这意味着S的范围从0到0.2667米。

根据向心力式:

极限速度可从公式推导:

（4）智能车进入角时可以用下式计算出每个基准点的速度,同时该速度也是最大值。

为了计算速度V,我们需要测量的摩擦参数。

在本文中,计算摩擦参数的方法如下:

首先,智能车放置在KT板上,然后将板的一侧被升高直到智能车可以从板滑动。

测量是在地面与KT板之间的角度。

其结果是大约60°该图3示出了智能汽车的机械分析

以下等式可以得到车体状况力量的平衡:

mgsin60=mgsin30

KT板的摩擦系数,可以计算,u=0.577

智能汽车中英文对照外文翻译文献

该智能车识别图像阵列的每一行由35个点组成。

从左至右,参考点是从1编号到35。

在该论文中,0到17点被选择作为例子进行申报。

这些点的最大速度被计算,并且这些数据将被显示在表中

转弯的半径和速度表

如可从表中可以看出,智能汽车的最大速度为2.1596米/秒。

经过测试,结果表明,速度是2.0米/秒时,PWM等于2400。

当智能车从一条直线进入弯道前,速度可能比最大速度更快。

与此同时,惯性因素作用于智能车。

该系统通过了许多次基于最大值的实验,最后,在表格4中的基准点的速度曲线是基于从许多实验中测试得到的实验数据。

弯道曲线拟合

智能小车方向由转向器的控制。

舵机的转向范围从-45°到+45°。

在本文中,MCU总线频率被PLL乘到32MHz,20ms可以被分成60000计数。

由于2〜5ms的延迟和5%的误差,这时适当的设置精度为1.5°。

通过计算,当角度增加1.5°PWM值增加40。

所以可以如下得出:

PWMDTY01=4500+40index_angle

Index_angle=I=indexccd-index_center和index_center是17.indel_ccd代表在黑线位置。

如果INDEX_angle值大于0,则当前黑线是在智能汽车的中心线右侧的。

PWMDTY01的值可以通过上述等式来计算,所述信号驱动器转向齿轮到右侧。

反之,如果index_angle值小于0,PWMDTY01的值驱动所述转向器转向左侧。

在运行过程中,智能小车花费大量时间在跟踪直线。

通过实验,我们可以发现,智能车将剧烈摆动,影响智能车的速度。

如果智能车跑的路程直线过长,这将是糟糕的时候。

因此,调整该系统转弯策略。

当index_ccd值接近中心线,转动角是在小范围内限定。

如果角度在7-25指涉点之间,则在大的角度内调整。

调整后的曲线如图5所示。

C.自行控制

导向线由四种不同类型的曲线,包括线性,90度角的曲线,大S曲线,和小S曲线。

为了达到最快的速度,该系统已经开发了以下的控制策略。

智能小车的自我驱动策略是基于二维的3*35阵列上。

这意味着该系统能检测已捕获的黑线做出快速行动来调整智能的转动角度和速度。

通过大量的实验,当智能汽车运行在大的S曲线时候,可以发现该行的参考点在行和行之间移动[1][27]。

与此同时,因为高速行驶速度,大S的小弧度,和它的前瞻性能力小车可以以近似直线的方式在大S曲线上运行。

当智能车进入小S曲线或90度的直角弯,参考点线或行[1][35]将确定的黑线,这意味着黑色引导线出现在边缘最远的线路。

如果小车继续在小转角和高速对应的状态下运行,智能车将冲出赛道或大幅摆动。

在这一点上,系统的策略是交出控制线[2],它是说基于数据的中间一行自我驱动控制的速度和转向角度。

通过拟合曲线,我们可以看到该行[2]的参考点的转角更尖锐,而且速度比前行[1]低。

智能车可以迅速改变其塑像,以保持它运行到轨道。

如果行的黑点[2][1]或线路的黑线[2][35]设置为1,则进一步的策略是交出控制线的参考点[3],以降低车速,增加的角度范围。

驱动通过曲线后智能车将行驶到轨道上的直线。

该如何从曲线控制改变策略到直线控制就显得尤为重要。

为此,该系统引入了计时器的概念:

当智能汽车的行驶距离是约5cm,速度为3m/s的范围内（这意味着在0.015s）,线[1][17]将连续检测,直到找到黑线。

该系统将把它作为智能车返回到比赛笔直的道路处理,并给回线的控制权[1]。

4速度控制和弯道控制

它是用于智能汽车,以增加贴近控制的实际值,包括转向角的多少和行驶速度,来在智能汽车驾驶中更接近所需速度的重要因素。

因此,采用开环控制理论和闭环控制理论控制汽车。

开环控制系统[6]

在开环控制系统装置中,控制对象的输出（控制量）,不影响在此控制系统中的控制器输出。

它不依赖于反馈形成任何封闭环。

闭环控制系统[7]

闭环控制系统的特征在于,该系统控制对象的输出（控制量）反馈影响控制器的输出。

A.旋转控制

当智能车行驶过程中遇到需要使用的控制转向策略后,该MC9S12DG128可以通过PWM信号实现对转向的控制。

该系统采用开环伺服控制来实现平稳,快速的转向控制。

尽管在实现所需的角度值时,闭环控制PID算法优于开环控制,但选择不当PID参数可以导致容易过冲,使得智能车摇摆急,齿轮不顺利工作。

同时,在用于智能汽车的跟踪的时候,转向齿轮的旋转总是从一个方向到另一个方向。

旋转也不会出现突然逆转的情况。

开环控制的是从偏离所希望的值接近期望值,这功能是适合于转向控制的。

因此,系统选择开环控制来实现转向控制。

B.速度控制

智能汽车使用步进电机作为动力装置。

在MAX33886系统中可以通过输入各种占空比的电信号控制电机的转速。

为了使智能车辆迅速达到所需的值,在最短的时间内实现增长,减速,该系统采用闭环控制模式,以调整速度。

C.增量式PID控制

在实践中,PID调节被广泛用于闭环控制[8,9],这是比例,积分,微分控制。

随着控制理论的完善,有一个增量式PID控制。

增量式PID控制算法

推导如下:

由递推公式

（5）它们时与采样周期,比例系数,积分时间常数,微分时间常数有关的系数。

如可以看到的,一般的计算机控制系统采用恒定的采样周期T,当KP,KI,Kd值设定,只要得到的作为使用偏差的前三次测量参数就可以。

在增量式PID处理的过程中,有一个步骤在你得到U（K）后。

你输入的PWM到电机时,则必须判断U（k）的值。

如果该值小于0,则输入PWM信号为0,如果它大于最大PWM信号,则输入的最大值。

该系统使用一个增量PID算法,公式如下

error=speed_v-infrared_value7

pwmtemp=PWMDTY23+PID_P*（error-last_error）+PID_I*（error）+PID_D

（error+pre_error-2*last_error）

在该式中,speed_v代表标准速度,infrared_value代表实时从ATD1转换速度值。

计算它们的误差的差异,并使用增量式PID控制算法计算得到pwmtemp。

该pwmtemp是作为输入信号来驱动电动机。

因此,PID算法的主要功能是通过实时反馈速度,以使速度接近所希望的速度尽可能的闭环系统。

就是说,该系统可以从路径所需的速度确定模块和实时速度形成速度检测模块,然后调整PWM信号,以适应不同的路径的条件。

D.鲁棒控制策略

通过使用增量PID调节,我们可以迅速调整模型车辆的速度到理想值。

然而,实验表明,当模型车突然拐弯,从一条直线或运行到一个绕来绕去弯道后,不能加快速度或立即减速。

这意味着PID调节在这种情况下不是特别敏感。

鉴于此,本文提出了一种被称为鲁棒控制策略,用他代替增量PID调节法。

同时鲁邦可以实现速度调节的辅助策略。

鲁棒控制装置是一种快速优化控制。

简单地说,它提供了最大马力和最大的制动力。

例如,从A点行驶时到B点,以最快的方式是,我们应该给车子的最高速度,不考虑转弯率,障碍等因素有关。

当汽车到达终端,直接的方式是停止提供最大的制动力。

在本文中,鲁棒控制策略的使用方法如下:

进入直路后,系统分配的PWM占空比来最大,也就是电机运行的最高速度。

速度尽快达到所需的值作为小车运行到直线的时候。

当速度达到阈值,则系统改变控制策略,以PID控制平稳地调整速度。

当智能汽车转弯到一角落,该系统减少了PWM占空比为零,即切削电机的功率,从而使智能车速度能迅速降低。

当速度达到所述阈值的PID控制被启用。

智能车开始可以用最快的速度在直道上,当汽车转弯的拐角处,赶紧减慢速度。

与此同时,对于其他情况,智能车在鲁棒控制策略辅助下平稳运行。

由于鲁棒控制策略,该系统提高了汽车的速度,并避免了“运行停止”。

英文原文

ResearchonIntelligentControlBasedonIntelligentVehicles

Abstract

Thispaperusesaplatformcalled"smartcar"toconductintelligentcontrolresearch.ThecarusestheMC9S12DG128chipmanufacturedbyFreescaleSemiconductorasthemaincontrolunit.Atthesametime,itintroducesthedesignofthesmallestintelligentcontrolsystemandrealizesself-trackingofthesmartcar.Drivingusesapathrecognitionalgorithm.Researchonsmart-controlledsmartcarsincludes:

extractionofpathinformation,self-trackingalgorithmimplementation,anddirectionandspeedcontrol.Thefollowingdescribestherespectiveimplementationfunctionsofthedifferentmodulesinthesystem.Themostimportantpartistheprocessintelligentcontrolofthesmartcar:

Open-loopandclosed-loopcontrolapplicationsincludeincrementalPIDcontrolalgorithmsandrobustcontrolalgorithms.Thelaststepissmarttestingbasedonintelligentcontrolsystems.

Keywords:

MC9S12DG128;intelligentcontrol;open-loopcontrol;PID;robust;

1Researchbackground

Withtheimprovementofcontroltheoryandtherapiddevelopmentofinformationtechnology,intelligentcontrolplaysanincreasinglyimportantroleinoursociety.Becauseembeddeddeviceshavetheadvantagesofsmallsize,lowpowerconsumption,andpowerfulfunctions,itisbelievedthattherewillbearelativelywiderangeofapplicationsinthisfield,suchasautomotiveelectronics,aerospace,andsmarthomes.Ifthesetechnologiesworktogether,itwillspreadtootherareas.Inordertostudytheembeddedintelligentcontroltechnology,“SmartCar”wasselectedastheresearchplatformandtheMC9S12DG128chipwasusedasthemaincontrolunit.Throughintelligentcontrol,smartcarscanmoveautonomouslywhiletrackingthepath.

First,thisarticlegivesreadersageneralintroductiontosmartvehiclesystems[2,3].Then,accordingtotheintelligentcontroloftheintelligentvehicle:

extractingpathinformation,theself-trackingalgorithmisimplemented,andtheservo'sdirectionandspeedarecontrolled.Itprovidessmartcarsysteminformationincludingthedetailsoftheabovefouraspects.Inaddition,thisarticleemphasizesthecontrolapplicationsofsmartcarsincludingopen-loopcontrol,closed-loopincrementalPIDalgorithms,androbustalgorithms.

2Overalldesignofsmartcarsystem

ThesystemusestheMC9S12DG128[4]asthemainchipandaCCDsensorasasensorfortrafficinformationcollection.Speed​​sensorsarebasedontheprincipleofradio-typephotocells.ThepathcancapturethecollecteddataaftertheCCDsensorandthesystemcalculatesthecorrespondingprocessing.Atthesametime,thesystemrespondswiththecurrentspeedofthesmartcarmeasuredbytheelectricmotorspeedtestmodule.Finally,thepathidentificationsystemutilizesthepathinformationandthecurrentspeedtoallowthesmartcartooperateatthehighestspeedofdifferentroadconditions.Figure1showsablockdiagramofasmartvehiclesystem.

3self-realizationoftrackingalgorithms

Theself-controlofthesmartcarisbasedonthepathinformationcollectedbytheCCDsensor[5].TheCCDsensorhasadataacquisitionrateof25framespersecond.Aframeisdividedintotwoparts:

anoddfieldandanevenfield,thatis,50fields/second.Inordertomakeaccuratejudgmentofthiscurrentpath,weamplifiedthefrequencyto32MHz.Finally,thesystemwillobtain35×307arraysofdatacollectedbytheCCDsensorsaftertheMC9S12DG128ATDmodulereversesandignoressomeblankingdata.

Whensmartcarshavealaggedrun,itisespeciallyimportanttocollectforward-lookingpathinformationinordertoincreasespeed.Fortheabovereasons,wechosearowofremotedataasthefirstlineofthesmartcarcontrolbasicdataarray.Correspondingly,lines150and300areselectedasauxiliarydata,andthenwegetanew3*35two-dimensionalarray.Onthebasisofthearray,wecanpassthroughalargenumberofexperimentsandtesttheoptimumspeedforevery293linesthattheturningoptimalvaluesuits.Thecorrespondingspeedandturnoptimizationcurvesarebasedontheabovedata.Theprocessoffittingthevelocitycurveandthecurvelinewillusethefirstlineofdatainthisarticle,suchasastatement.

Figure2showsthepositionalrelationshipbetweenthesmartcarandthepath（accuratelyblacktrack）.Whenthecarturns,LdenotesthedistancebetweenthefurthestreferencelinecollectedbytheCCDsensorandthecar.Srepresentsthed