东北大学秦皇岛分校毕业设计（论文） 第12页
图2.6第五种直道情况
在右转大弯后，出弯时最可能出现的前后排传感器检测到黑线时的组合情况。适用于右转转 90°弯、180°弯。提前得到出弯信息，舵机向右转动较小角度，并在此时采取加速动作，起到弥补前瞻不足的作用。在赛道的s弯出现时，不满足直道的第二种识别方式，故不会加速。
(2)直道识别，程序辅助确认
进入弯道后，随着小车的行进，会发生振荡，致使出弯时不一定满足上述5种情况。为了提高直道的识别成功率，增加第二种直道判别方法。两者同时起作用，满足第一种后经过最多15ms确认是直道。
程序是循环执行，我们的程序执行频率是2KHz。采用定时中断(15ms)的方式，对前排中间3个传感器(编号为3、4、5)使用3个计数器分别计数，每次执行程序若是其中一个检测到黑线，相对应的计数器加1。经过计算，15ms内所能计数的最大值为31。我们设定计数的最大值，若在15ms内达到所要求的计数值，就认为是直道，切换直道程序并将计数器清零；若15ms内没有达到所要求的计数值，计数器清零，重新计数。例如小车为2m/s的速度，小车行进3cm。我们只要判断2~2.5cm内为直道即可。所以设最大计数值为20~25即认为是直道，跳出弯道程序。
当然也可以采用更严格的方法来判断，只需调整定时中断的时间和计数值即可。此条件在进入直道后总能满足，所以作为第一种直道判别方式的补充，保证直道的稳定可靠识别[7]。
东北大学秦皇岛分校毕业设计（论文） 第13页
2.2.4 直线稳定控制策略
小车出弯后，由于舵机的反应不灵敏，智能车会发生振荡，随后才能达到稳定，为了尽早减小振荡，采用如下方式控制小车出弯后的动作：
在弯道策略中设置标志位，进入直线程序后，识别标志位，对控制舵机转向的公式采取修正设置。公式为：q=K1q1+K2q2；其中q为最终送给舵机的控制量，q1为前排光电传感器的返回转角值，q2为后排红外返回转角值。K1、K2分别为前后排传感器的加权比例值。通常情况下K1、K2为定值1，需要时则改变赋值。
当小车从弯道进入直道并成功识别出直道后，减小K1的值，由于后排传感器距离小车的前轮(转向轮)很近，小车中心偏离黑线时，不会在后排传感器横向位置产生很大位移(相对于前排传感器)，故小车在直线上舵机调整的次数就会明显减少，直线的稳定性会好。同时，根据前后排不同传感器的组合，给出不同的转角策略(在程序中以列表的方式体现)，近一步提高直线的稳定控制能力。 2.2.5 弯道控制策略
PID算法在上述直道控制中效果很好，控制简单，在起跑加速时可设置前馈控制器，先全力加速到一个速度值，在加上PID调节，形成一个类似于分段的控制，即可较快地达到规定的速度。
但实验证明，双排光电控制时单纯用PID算法，智能车在大S弯上会出现抖动，降低车速，造成智能车在通过此类弯道时间的大大延长。为此，想出了5种解决方法：
（1）延长控制周期：这样，智能车舵机的反映灵敏度降低，减少了在大S弯上会出现抖动的次数，缺点是延长控制周期，造成软件对车体控制延时的加长，最明显的劣势在于长直道加速后转大弯反应不及时，冲出赛道，为了不冲出赛道，只有降低直道最大速度，间接影响了智能车的速度性。
（2）改变PID参数：改变PID参数可以减小舵机在转弯时控制的PWM信号，即让车体转向变小，缩小了在大S弯上出现抖动的幅度，缺点是改变PID参数在缩小了在大S弯上出现抖动的幅度的同时，也缩小了智能车在于长直道加速后转大弯时的转向幅度，使车体在相同速度下，不能转过以往可转过的大弯，最后导致滑出赛道或直接冲出赛道，
东北大学秦皇岛分校毕业设计（论文） 第14页
也影响了智能车的比赛性能。
（3）做赛道标志位，对小S弯，大S弯，90°弯，180°弯，环弯进行数据采集，分类设成标志位，此后智能车运行时不断记录最近采集的5组数据，分析其符合那种弯道，进而加以控制。实验后知其缺点为标志位识别易出错误，可行性不高，这主要是因为双排光电传感器的前瞻不足（仅28cm），采集到的赛道信息也不像摄像头那样多，可以作出准确的识别。
（4）利用速度传感器返回的实际速度值，做标志位，变舵机PID参数对弯道进行分段控制：在软件中设一系列速度值，按智能车运行速度予以分段，在低速区（大S弯的情况多为低速），控制量给中等值，因车速不高，较小的控制量在控制周期相对多时可很好的调节车体，稳定过弯；在中速区（主要针对小S弯）。控制量给小，可在一定程度上实现S弯直线跑，节省时间，在大S弯之所以不这样跑，是由于双排光电的前瞻小和采集信息不足的缘故；在高速区（通常只在长直道车体加速后方速度值可达到此区域），控制量给大，防止高速时，转90°弯，180°弯不及时而冲出跑道。实验中，效果很好，但后发现当赛道结构（直道，各类弯道的不同组合）未考虑周全时，在两速度区衔接处会出现失控，例如直道直接接大S弯的赛道处，车体进入大S弯，而其速度尚未减下来，即在高速区，控制量给大，不能完成在大S弯上的正确控制，车体摆动2-3次后方可正常行进（此时是由于车速随摆动降低，符合低速区标准，控制量给的正确）。
（5）在（4）的基础上做类似（3）的标志位处理后以实验法确定给定参数值（主要是不同情况下改变舵机的控制量q大小与Kp值大小）：在设计期间，曾试着在软件对速度区间做细分，由原先的低、中、高三段改进为5段、7段、9段，进行控制，根据实验结果，随着细分段数的增加，可以减少减弱区间衔接处的车体摆动，但不能完全解决问题，而且算法执行时间受到一定影响。继而做标志位，并以实验法确定给定参数值后，智能车可充分发挥其双排可识别前方赛道的优势，识别后再进行速度分段控制，使车体在弯道上的控制得到了保证，控制效果比较满意。 2.2.6 实测结果和现象分析
下图为我们使用上述算法前后小车行进的实际轨迹。
东北大学秦皇岛分校毕业设计（论文） 第15页
图2.7 两种算法小车行进的实际轨迹对比
图2.7 是使用实验法确定给定参数值前后小车在赛道上的实际轨迹,其中的红线是赛车行驶轨迹
注：这张图的绘制方法是这样的，先通过串口把误差值和速度通过无线串口发到上位机，然后通过在计算机上描点画出小车实际的轨迹，有偏差但是与实际情况非常近似。
可以非常明显的看到使用实验法确定给定参数值之后，小车虽然也有偏出赛道的情况存在，但是比用 Kp 参数恒定的算法情况就好多了。这主要是因为在弯道上 Kp 参数变大的缘故。Kp 变大时，一旦检测到偏差，系统就能更快的恢复到平衡位置。从表中可以看到小车偏差的方差实际减小了，因而小车走的实际距离也减小了，自然跑完赛道的时间也减小了。 2.3 车模参数
此次比赛选用的赛车车模采用1/10 的仿真车模。赛车机械结构只使用竞赛提供车模的底盘部分及转向和驱动部分。控制采用前轮转向，后轮驱动方案。具体车模数据如下：