红外寻迹小车寻迹控制策略的改进

基于高职红外寻迹小车实训教学平台,提高小车系统的抗干扰能力,使寻迹运动更快、更平稳。在传统红外寻迹电路板的基础上,通过增加串并转换芯片74HC595与54VHC4051多路开关选择器,实现了寻迹管的分时扫描及A/D采样,将传统路径信息的硬阈值二值化方式转化为具有场地适应能力的软阈值量化方式,并基于PID算法实现了小车位置偏移的调整。经对比实验,证实新的控制策略使小车对场地的适应能力得到了提高,巡弯道时更加平稳。     

基于模糊PID的智能小车控制算法研究

智能小车自动寻迹过程中,方向控制与速度控制都存在高度非线性的问题。采用模糊PID控制算法,实现了对方向和速度的优化控制,即采用模糊PD算法对智能小车方向进行控制,采用模糊PID算法对速度进行控制。该方案运用于智能车控制系统,克服了传统PID控制的不足,通过模糊规则进行推理决策,实现了PID参数的实时优化。     

自主寻迹智能小车的激光路径跟随系统设计

文章针对光电式智能小车的路径信息采集与跟随问题,通过理论分析与计算,提出了一种基于自主寻迹智能小车的激光路径跟随系统设计方案。该方案将激光传感器安装在高性能舵机上,用控制舵机转角的方式使激光传感器时刻跟随路径,从而控制智能小车的转向机构、电机驱动机构等部件,提高了智能小车寻迹行驶的速度,降低了智能小车冲出跑道的概率。     

一种基于80C51单片机控制的寻迹小车设计

寻迹小车采用光电传感器来识别白色路面中央的黑色引导线,通过80C51单片机实现对转向舵机和驱动电机的PWM控制,使小车实现快速稳定地寻线行驶.分模块阐述了寻迹小车的原理、软硬件设计及制作过程.针对路径特点对寻迹小车的方向控制和速度控制提出了舵机分级转向、速度分段控制的解决方案.实验表明,寻迹小车能够较快速、平稳地完成对各种曲率引导线的寻线行驶任务.     

电磁智能小车控制算法设计

设计了一台自动识别路径的电磁智能小车。介绍了智能小车控制位置、舵机和电机的算法思想,提出了基于三次多项式曲线拟合的位置解算算法和阿克曼转向舵机控制算法。该算法采用三次多项式来拟合通电导线周围磁场强度变化曲线,从而解算出小车相对赛道的偏移距离;通过阿克曼转向模型计算出转角控制量,建立转角与舵机PWM占空比的关系,便可控制小车按照预定轨迹稳定行驶。该算法在满足实时性与检测精度的前提下,对复杂赛道具有很强的适应性。     

基于MC9S12XS128单片机智能寻迹小车的设计

本文给出了智能小车寻迹系统的软硬件方案设计和开发流程.采用飞思卡尔MC9S12XS128单片机作为智能小车控制芯片,设计了电源、电机驱动、激光传感器以及测速等模块,小车的速度、转向控制采用PID控制方法,测试结果表明,小车能够平稳实现寻迹功能.     

Linux平台下的无线视频寻迹小车

为研究如何缩小自动寻迹小车的在指定路线上的偏差率问题,采用基于Linux平台下的嵌入式操作系统和无线视频处理相结合的方法。主控单元用2块飞凌公司的32位ARM11系列的S3C6410处理器分别作为服务器和小车的客户端;路径识别单元采用CMOS数字摄像头OV9650进行摄像,通过图像处理单元提取路径信息;驱动控制单元采用SGS公司的L298N芯片。结果表明,通过模糊PID控制算法对舵机转向和速度进行控制,能较好实现小车按预定路线平滑寻迹。为避免Wi-Fi传输信号不好或者说数据量过大,出现严重丢包现象,Wi-Fi传输协议上选择基于数据流式传输数据的TCP协议。经过反复测试,系统路径识别性能良好,运行比较稳定。     

基于改进人工鱼群算法的复杂地貌无人机三维路径规划

针对无人机在复杂海域地貌中的三维路径规划,在人工鱼群算法的基础上提出了一种改进的适应性人工鱼群算法。首先,利用数学模型建立地貌的三维模型,选取路径最短为性能评价函数,保证路径规划的合理性;其次,考虑到传统的人工鱼群算法前期收敛速度慢,后期需要精确搜索提高算法精度,提出自适应步长和自适应视野范围来更新个体的位置。为了避免算法陷入局部最优,在追尾行为中引入鱼群中的社会经验位置进行更新;最后,利用MATLAB对在3个复杂程度不同的地图中与传统的人工鱼群算法与粒子群算法对比,仿真结果表明改进后的人工鱼群算法在三维路径规划问题求解中具有更好的收敛速度和精度。     

基于改进蚁群算法的智能物流配送路径优化方法

针对交通日益拥堵情况下的物流配送路径的优化选择问题,提出了一种基于改进蚁群算法的智能物流配送路径优化方法.首先,对传统基于单一路径最短优化的思路进行了扩展,提出了基于多约束条件的最优路径质量评价函数,并推导分析了不同约束情况下的最优路径模型;然后,基于多约束条件对传统蚁群算法状态转移启发函数和信息素进行了改进,较好地改善了算法的动态优化性能.计算机仿真结果表明,本文方法很好地提升了复杂路况下最优路径的寻优精度和收敛速度,具有较好的应用前景.     

引入改进蝠鲼觅食优化算法的水下无人航行器三维路径规划

针对复杂环境下传统群体智能优化算法在求解水下无人航行器(UUV)路径规划的过程中存在路径搜索能力不足、易陷入局部最优等问题,提出了一种引入改进蝠鲼觅食优化算法的UUV三维路径规划方法。首先,根据UUV在水下航行时的实际环境,建立相关地形模型和威胁源模型;其次,对传统的蝠鲼觅食优化算法进行改进,相关改进包括在初始化过程中加入局部反向学习机制优化种群的位置,提高了种群的多样性;根据每次迭代后种群个体适应度的不同,改进蝠鲼翻滚觅食的翻滚因子S,由此实现一种自适应翻滚,有利于跳出局部最优;同时,在蝠鲼螺旋觅食过程中融合莱维飞行-柯西变异策略,扩大了搜索路径和种群搜索范围,提升了算法寻找全局最优的能力;最后,将改进的蝠鲼觅食优化算法引入到UUV的路径规划中,进行相应的实验模拟。实验结果表明：在地形1中采用改进的蝠鲼觅食优化算法所规划的路径相比于灰狼算法和蝠鲼觅食优化算法分别降低了32.49 km和23.88 km,航迹代价分别降低了9.68和4.04;在地形2中采用改进的蝠鲼觅食优化算法所规划的路径相较于灰狼算法和蝠鲼觅食优化算法分别降低了20.83 km和29.95 km,航迹代价分别降低了1...     

基于电磁传感器的智能车设计与实现

设计了基于电磁传感器的自动循迹智能车。使用32位单片机MCF52259作为核心控制单元,设计了电源模块电路、停车检测电路、电机驱动电路及信号采集电路,采用PID控制算法使得智能车自动采集路径信息,控制电机加减速、舵机转向,实现了智能车的自动循迹行驶功能。     

基于Kinetis K60的智能车控制系统设计

针对目前智能车控制中,控制电路复杂以及控制芯片内部资源有限导致系统稳定性差等问题,提出了一种基于飞思卡尔Kinetis K60(简称K60)的智能车控制系统,并设计了系统硬件和软件。采用CMOS高速数字摄像头,简化了硬件电路,提高了系统实时性。最后,应用增量式PID控制算法完成舵机和电机控制,并通过实验调试确定了系统参数。     

基于改进PSO的智能车辆转向自适应PID控制

针对智能车辆转向系统的复杂,非线性和时变性,提出了基于改进粒子群算法的自适应PID控制,在该控制系统结构中,采用改进粒子群算法获得PID参数在线调整的信息,完成PID控制器参数的在线自整定,实现智能车辆转向的智能控制.实验结果表明,与常规的PID控制方法相比,该方法具有较高控制精度,较强的自适应性和鲁棒性,完全可适用于智能车辆转向系统的控制.     

数字伺服聚焦式位移传感器的研制

提出了一种基于改进的傅科刀口法的数字伺服聚焦式位移传感器,分析了其基本原理、结构与数字伺服控制系统的主要构成。传感器采用基于离散参数自学习的增量型自整定PID控制算法,测量中通过能量信号来判断光点位置,且通过推理算法结合应用准则从知识库中重新确定PID系数,对标准粗糙度样板的检测证明该传感器具有较高的精度。     

磁导航智能车定位计算方法研究

讨论了以电磁信号为航标的智能车位置检测的原理与方法,对前端垂直双传感器布局的控制信号提取方法进行了建模分析,以智能车前行方向与导航线夹角为控制变量,分析了常用的传感器信号处理方式,提出了一种线性度较好的控制信号处理算法,并与常用方法进行了仿真对比分析。实验表明,论文方法较好地实现了磁导航智能车运动方向与速度的闭环控制。     

基于视觉技术智能车系统的设计

介绍了一种以OV6620数字摄像头为视觉传感器的自循迹智能车系统,详细阐述了视觉传感器有效信号的小范围黑线提取法,采用增量式数字PID控制算法,实现智能车调速。实验测试表明,本智能车系统具有良好的稳定性、快速性和前瞻性。．     

基于FPGA+DSP的浅地表频域电磁探测数字处理系统

针对浅地表频域电磁探测对接收信号采集、传输和现场高效处理的要求,提出基于FPGA+DSP的浅地表频域电磁探测数字处理系统.在FPGA中实现数据采集、控制和传输FIFO(First Input First Output)模块,采用新式通用并行端口UPP(Universal Parallel Port)实现大数据传输,基于TMS320C6748平台,采用正交锁定放大方法,设计高效率数据处理算法,利用上位机软件通过RJ45网口对系统进行控制并显示结果.实测结果表明:该架构数字处理系统,对不同金属有着较强探测能力,加快了数据传输速率,缩短了系统工作时间,提高了工作效率.     

静液传动履带车辆转向神经元自适应PID控制

为实现静液传动履带车辆快速稳定转向,且转向轨迹可控,基于双侧轮边液压驱动结构特点,提出了转向时外侧马达排量采用压力、发动机转速双参数控制,内侧采用神经元自适应PID控制以跟随外侧的转向控制策略. 在Matlab/Simulink中建立了包含基于S函数的神经元PID控制器和综合控制策略Stateflow模块的整车模型,对转向控制进行仿真分析,阶跃输入时,神经元PID比传统PID控制能有效抑制系统超调量,加快系统响应速度;不同转向工况仿真结果表明:神经元PID控制具有较好的目标跟随能力,提高了系统的实时性和鲁棒性,使得静液传动履带车辆具有良好的转向性能.      

基于改进模糊PID的轮式机器人速度控制器设计

针对轮式机器人在行走过程中存在速度平衡超调较大与调节时间较长、速度平衡效果较差的问题,采用Matlab/Simulink与Carsim仿真软件建立轮式机器人四轮差速运动模型,对于无刷直流电机(BLDCM)系统,在原有模糊PID的基础上,结合抗积分饱和算法与变速积分算法,提出一种改进模糊PID控制的调速方法。仿真结果表明,通过抗积分饱和与变速积分算法改进后的模糊PID控制器与传统模糊PID控制器相比,在机器人速度平衡控制过程中,超调降低30%,调节时间降低33%,具有速度响应时间短、速度响应曲线波动小的优点。搭建了轮式机器人实验验证平台,实验结果表明,改进后的模糊PID控制调速方法的速度响应快,满足轮式机器人速度控制需求。所提设计可为轮式机器人速度稳定系统调试提供理论指导,并可应用于以速度调控为主导的控制系统。