杭州电子科技大学本科毕业论文外文翻译杭州电子科技大学毕业设计（论文）外文文献翻译毕 业 设 计（论文） 题 目单片机一维线阵CCD采集翻译题目基于CCD传感器的智能车辆高速转向控制系统学 院专 业姓 名班 级学 号指导教师9作者：Qinyu Jiang, Liang Wang, Baoliang Li, Shixuan Yao出处：Computing, Control and Industrial Engineering (CCIE), 2011 IEEE 2nd International Conference on基于CCD传感器的智能车辆高速转向控制系统Qinyu Jiang, Liang Wang, Baoliang Li, Shixuan Yao机械工程学院，大连交通大学大连，中国jianqy64hotmail.com，brilliantliang126.com，libldjtu.edu.cn，ysxdjtu.edu.cn摘要：本文提出了基于CCD传感器的智能车辆高速转向控制模型，以确保车辆在没有失控的情况下稳定且迅速地通过弯道。首先，车辆通过CCD视觉传感器获取道路信息，并检测道路类型和车辆的位置等。其次，计算出车辆前进道路的转弯半径。第三，通过转动的数学模型找出车辆的最高速度和伺服转向角度，建立转弯半径和速度，转弯半径和转向角之间的关系。然后，为了使车辆达到目标快速和稳定的目的，已经完成了一些驱动电机的数学分析，建立了速度和电机的电枢电压之间的关系。最后，验证和校准转动的数学模型实验。实验结果表明该模型算法是稳定且准确的，智能车辆可以以高而稳定的速度通过不同类型的道路。关键词：智能车辆；CCD传感器；转向；转弯半径；直流电机 引言信息化和智能化已被视为今天的汽车研究的一个重要方面，也是民族汽车工业发展水平的重要指标。智能车辆的背景是汽车电子产品，其中包括控制，模式识别，传感器技术，电子，电气，计算机，机械等科目1。车辆通过智能检测技术可以检测到道路信息，然后根据由路径识别算法得到的道路状况使车辆行驶稳定。在车辆高速过弯的过程中，如果道路提供的附着力或伺服转向的时间不足，就可能会造成车辆打滑或失控。车辆是否可以安全、快速地通过曲率半径不同的道路，这要取决于车辆的几何形态，道路的质量和宽度，车辆CCD传感器的位置和状态，道路的类型以及控制程序等其他因素。本章建立了一个智能车辆的高速转向控制模型，考虑到上述因素，计算出车辆的速度和伺服转向角度，确保车辆可以快速、稳定地通过不同类型的道路，并通过对驱动电机的数学分析建立速度与电机电枢的电压的关系，使得车辆可以迅速达到目标速度。 智能车辆的转向模型在笔直的道路上，以被施加在车辆上的力为示例，这是很容易被控制的。因此，我们应该关注车辆在单一或连续曲线以及其他类型的道路上运动的状态。毫无疑问，它们都涉及到转向问题。因此建立了智能车辆转向控制模型，考虑到CCD采集的图像的精度3，电源的稳定性，伺服和电机的性能，道路提供的摩擦力，程序运行时间，灯光的质量等因素，计算出在不同类型的道路上车辆的转弯半径，转向角度和速度。当车辆以恒定的速度转向时，车辆轨迹随着伺服转向角度的变化而变化。然而，要到达目标转向角度需要一定的时间，为了研究这个过渡过程，将车辆的四轮模型简化为两轮模型，如图1。图1.两轮车辆转弯模型当车辆转弯时，它不仅做直线运动，同时也在旋转，如图1所示。定义一个坐标系oxy，其质心为坐标原点，ox方向与车辆纵向相同，oy方向与车辆横向相同。由(1)式可得车辆在转动过程中的实时转弯半径。 （1）其中，L为前、后轴之间的距离，a和b分别为前、后轴到质心的空间距离，是伺服转向角。 智能车辆转向的数学模型基于车辆的转向模型，用于研究车辆的最高速度，无疑需要研究转向过程中的轨迹。为了研究这个过程，把车辆简化为质点模型，定义质心为原点，ox方向与车辆纵向相同，oy方向与车辆横向相同。图2.坐标变换当车辆以一个恒定的速度运动时，伺服的转向角度从最初变化到目标角度，它是一个渐变的过程，如图2所示。oxy和oxy是车辆的运动所产生的新坐标系，其余的可以一次类推。因此，坐标变换是必不可少的。同时，转弯半径R相应的改变可以由(1)式获得。因此，车辆的数学模型的简单公式如(2)式所示。 （2）其中，(x(n),y(n)是轨迹点，v是车辆的速度，t为单位时间，为单位时间内伺服转向的转过的角度。在实际因素的基础上，通过调节模型参数模拟车辆的轨迹。图3所示为车辆在一定曲率半径的弯道上转弯的模拟轨道。当车辆以恒定速度运动，在伺服转向达到目标角度后，车辆将做匀速圆周运动。转向过程中的车辆轨迹可以近似看做是一个弧形，同样的道路，不同的速度，相同的转向角度，但轨迹不同。速度快，转向过程中通过的距离大，速度慢，通过的距离小，速度太快，会使车辆失控。图3.转动轨迹在图3中，曲线1和曲线2根据不同的速度，相同的转向角度对应不同的轨迹，曲线1的速度明显高于曲线2，但曲线1由于车速过快跑出轨道，而曲线2可以顺利通过曲线。转弯半径，稳定的速度和转向角度可以根据不同类型的道路通过车辆的数学模型等到。 转弯半径在转向过程中，车辆轨迹的曲率半径就是车辆的转弯半径，这就意味着转弯半径，速度和转向角度是对应的。为了确保车辆能够安全的通过曲线，就必须计算转弯半径的大小，然后根据转弯半径确定速度和转向角度。因此，画出转弯半径的尺寸非常重要，并且转弯半径的最大值和最小值可以通过数学模型计算出来。图4.转弯半径的最大值和最小值对于给定曲率半径为R0，中心坐标为(x0，y0)的曲线，如图4所示，同时可以画出半径为R1和R2同心圆，以确保车辆处于临界状态，其内外车轮不触及道路边界，R1和R2的大小由(3)式和(4)式可得。 （3） （4）其中，Wr是道路的宽度，Wc是车辆的宽度。最小和最大转弯半径是通过坐标原点和半径为R1和R2的圆的割线的曲线的曲率半径。最小半径R和最大半径R由几何方法可得，如(5)式和(6)式所示。 (5) (6)因此，如果目标转弯半径介于最小和最大转弯半径之间，车辆就不会失控。在实际中，有关的道路信息可以通过CCD传感器获得，然后计算出中心坐标和目标转弯半径。 驱动电机的数学模型计算出目标速度之后，如何让车辆实现快速、稳定是非常重要的。因此，有必要做一些直流电机的研究。直流电机的速度5表达式，如(7)式所示。 (7)其中，U为电枢电压，I为电枢电流，R为电枢电阻，为磁通量，K为电机的结构参数。有两种方法来控制电机的速度：励磁控制和电枢电压控制。但控制励磁的方法过于复杂，因此，通过改变电枢电压控制电机速度的方法是可行的。如图5所示是电枢控制直流电机的原理图。图5.电枢控制直流电机的原理其中，电枢电压ua(t)是输入，电机的转速m(t)是输出，Ra和La分别是电枢电阻和电感，ia(t)是电枢电流。直流电动的运动方程可以由三部分组成6。(1)电枢回路的电压平衡方程: (8)其中，Ea(t)是电枢反电动势，Ea=Cem(t)，Ce是电动势系数。(2)电磁转矩方程: (9)其中，Cm是扭矩系数，Mm(t)是电枢电流产生的电磁转矩。(3)力矩平衡方程: (10)其中，Jm是转动惯量，m粘性摩擦系数，Mc(t)是总负载转矩。将(8)-(10)式消除中间变量，在实际应用中，瞬间惯量Jm，电枢电阻Ra和电枢电感La是微小量，通常可以忽略不计，由此获得如(11)所示的直流电机方程。 (11)由上式可知，电机转速和电枢电压是成正比的。在实践中，高速采集模块需要判断车辆是否达到目标速度。在本文中，使用光电编码器作为速度采集模块，采集由单片机的ECT模块的编码器所产生的脉冲信号。假设，脉冲的数量在一个周期中是M，在一个采样周期t中被接受的脉冲数是n(t),车辆前进距离S。那么车辆的速度Vc和电机转速m就如(12)式和(13)式所示。 (12) (13)从上面两式可得车辆速度和电机转速之间的关系，图(14)式所示。 (14)其中， K的关系式为K=S/Ce，实验值为K=0.67175。考虑到上述情况，例如MC33886电机驱动集成电路，可以通过PWM7快速、稳定的控制速度，从而用于改变电枢的平均电压。 实验验证和校准转弯半径、速度和转向角度之间的关系可以通过数学模型建立。为了验证模型的有效性和校验参数的合理性，已经做了一些实验，让车辆通过一系列不同半径的圆形轨道，并计算出最大稳定速度和转向角度，模拟曲线转弯半径、转向角度和速率之间的关系，如图6、7所示。由已经完成的实验可知，一些参数的校准，例如摩擦力和伺服的性能，可以让数学模型更稳定、准确。因此，当车辆行驶时，第一，通过CCD获取道路信息并计算转弯半径。然后查表找出转向角度和速度。最后，通过PID8控制器控制直流电机和伺服。此外，考虑到程序的运行时间和车辆的最佳路径，根据车辆的速度和转弯位置在车辆急转前是必要的。图6.转弯半径和速度之间的关系图7.转弯半径和转向角之间的关系 结论实验表明，基于CCD传感器的智能车辆高速转向控制模型具有良好的稳定性，明显提高车辆的平均速度，降低运行时间，大大减小车辆冲出道路的概率，达到车辆可以在不同类型的道路上高速、稳定的行驶。参考文献1 Zhilin Liu. National undergraduate Smart Car Competition and Freescale S12 MCU. Microcontroller and Embedded Systems. 2007(8).2 Xianglei Zhao, Zijian Cao, Yingxi Wu. Local Path Planning Algorithm for High-speed and Stable Running of Smart Car. Electronic Products. 2010(5).3 Banks S. Signal Processing, Image Processing and Pattern Recognition M. Englewood Cliffs, NJ: Prentice Hall 1996.4 Liangxi Wang, Hongyan Wang. Vehicle Dynamics. National Defence Industry Press, Beijing, 2008.9.5 Xiaoming Wang. The single-chip microcomputer control motors. Beijing Aeronautics and Astronautics Press, Beijing, 2002.5.6 Wen Lu. Control theory basis. Tsinghua University Press, Beijing, 2008.12.7 Tongjing Sun, Guiyou Chen. Freescale 9S12 16-bit single-chip principle and embedded development technology. M