盡著自己最大的努力，不加班不快樂

時間：2020-12-28 18:13:21

關(guān)鍵字： AI 智能汽車

手機看文章

掃描二維碼
隨時隨地手機看文章

[導(dǎo)讀]本文對小車設(shè)計制作整體思路、機械、電路、電控、神經(jīng)網(wǎng)絡(luò)幾個方面進(jìn)行了詳細(xì)的介紹。

1.1 大賽介紹

全國大學(xué)生智能汽車競賽是以“立足培養(yǎng)、重在參與、鼓勵探索、追求卓越”為宗旨，鼓勵創(chuàng)新的一項科技競賽活動。今年首次新增了電磁 AI 組別，希望通過神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)甚至超越傳統(tǒng)的 PID 控制方法。

在這份報告中，我們小組對小車設(shè)計制作整體思路、機械、電路、電控、神經(jīng)網(wǎng)絡(luò)幾個方面進(jìn)行了詳細(xì)的介紹。

整體思路中主要概括了項目構(gòu)建時的主要核心思想，機械部分中主要闡述了小車的機械部分中主要闡述了小車的結(jié)構(gòu) 設(shè)計，包含各部件的安裝位置以及對車模的保護措施，電路部分主要闡述了小車的電路結(jié)構(gòu)設(shè)計為軟件停工穩(wěn)定輸入與輸出環(huán)境減少外界干擾。

電控部分主要闡述了如何采用 PID 進(jìn)行小車控制，包含舵機控制，差速控制，電機控制等。

神經(jīng)網(wǎng)絡(luò)部分主要闡述了如何采用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)小車控制方法，包含數(shù)據(jù)集制作，電感位置分布，網(wǎng)絡(luò)結(jié)構(gòu)創(chuàng)新等。

雖說看似就是一簡單巡線的項目，但是隨著深入地進(jìn)行研究，我們發(fā)現(xiàn)在此之上可以用非常多方法大幅度提升巡線效果，比如可以通過無線串口進(jìn)行 PID 遠(yuǎn)程調(diào)參，通過神經(jīng)網(wǎng)絡(luò)去自動地尋找較好的控制方法，通過陀螺儀和編碼器去記錄整個賽道等等。

隨著一步步地迭代，我們的工程越來越大，完成的功能也越來越多，自然而然速度也在一點一滴地提升。

1.2 整體方案設(shè)計

本節(jié)主要簡要地介紹智能車系統(tǒng)總體設(shè)計思路，在后面的章節(jié)中將整個系統(tǒng)分為機械結(jié)構(gòu)，硬件電路設(shè)計，傳統(tǒng) PID 設(shè)計，神經(jīng)網(wǎng)絡(luò)設(shè)計等四部分對智能車控制系統(tǒng)進(jìn)行深入的介紹和分析。

根據(jù)第十五屆智能車競賽規(guī)則，AI 電磁組比賽是在 PVC 賽道上進(jìn)行，賽道采用黑色邊線引導(dǎo)。選手制作的車模完成賽道運行一周。車輛運行時間是從車模沖過起跑線開始，到最后車?；氐狡鹋芫€為止。賽道中存在的元素包括直線道路、曲線彎道、十字交叉路口、環(huán)島（可不進(jìn)入）。

根據(jù)競賽規(guī)則相關(guān)規(guī)定及以上任務(wù)要求，智能車系統(tǒng)采用大賽組委會統(tǒng)一提供的 C 型車模，以恩智浦公司生產(chǎn)的 MIMXRT1064DVL6A 作為核心控制器，在 IAR 開發(fā)環(huán)境中進(jìn)行軟件開發(fā)。智能車系統(tǒng)檢測電磁場信號為基礎(chǔ)，通過單片機處理信號實現(xiàn)對車體控制。通過編碼器測速模塊來檢測車速，并采用 RT1064 的輸入捕捉功能進(jìn)行脈沖計數(shù)計算速度和路程；電機轉(zhuǎn)速控制采用 PID 控制，通過 PWM 控制驅(qū)動電路調(diào)整電機的轉(zhuǎn)速，完成智能車速度的閉環(huán)控制。

根據(jù)以上系統(tǒng)方案設(shè)計，賽車總共包括一下幾個模塊：

1．RT1064 單片機最小系統(tǒng)模塊；2．電源模塊； 3．電機驅(qū)動模塊；4．傳感器模塊； 5. 無線串口模塊； 6．編碼器測速模塊； 7．陀螺儀模塊； 8．停車線檢測模塊； 9．人機交互模塊。

▲ 圖1.2-1 系統(tǒng)框圖

機械設(shè)計中，我們需要考慮多電感的保護，轉(zhuǎn)向機構(gòu)設(shè)計，電路板放置，車身強度等問題。

2.1 智能汽車車體機械建模

此次競賽選用的是東莞市博思電子數(shù)碼科技有限公司生產(chǎn)的智能車競賽專用模型車(C 型模型車)，配套的電機型號為 RS-380，舵機的型號為 FUTABA3010。智能車的外形大致如下：

▲ 車模照片

2.2 轉(zhuǎn)向機構(gòu)設(shè)計

在調(diào)試過程中，我們發(fā)現(xiàn)原有的轉(zhuǎn)向機構(gòu)中舵機的轉(zhuǎn)角與前輪的轉(zhuǎn)角不為線性關(guān)系，故嘗試更改前輪轉(zhuǎn)向機構(gòu)為線性控制，但導(dǎo)致前輪轉(zhuǎn)向時的響應(yīng)時間增長，轉(zhuǎn)彎不及時。

最終我們使用了自制的舵機固定板與舵機轉(zhuǎn)向套裝，如下圖所示。

▲ 舵機固定板與舵機轉(zhuǎn)向套裝

最終雖然控制仍不為線性，但做到了前輪轉(zhuǎn)向的快速響應(yīng)，轉(zhuǎn)向機構(gòu)整體如下圖。

▲ 轉(zhuǎn)向機構(gòu)

2.3 電路板放置

對于電路板排布，我們經(jīng)過兩次迭代，最終選擇采用如下圖所示的碳板作為整體的支撐結(jié)構(gòu)，使用 4 根銅柱與車模底盤連接，保證強度的同時，也能盡可能地讓車身更輕，從而有更為穩(wěn)定的結(jié)構(gòu)，且易于加裝/拆卸長前瞻。

▲ 自制支撐結(jié)構(gòu)

為了維持多個電感與車模之間固定的相對位置，我們將所有裝有采集電感傳感器的電路板都安裝在碳板上，同時為了操作、拆卸更加方便，我們將其他電路板也固定在了碳板之上。

▲ 碳板固定

2.4 智能汽車傳感器的安裝

車模中的傳感器包括有：速度傳感器，車模姿態(tài)傳感器（陀螺儀、加速度計），霍爾傳感器以及采集電感傳感器。下面分別介紹這些傳感器的安裝。

2.4.1 速度傳感器的安裝

速度傳感器使用了龍邱 512 線 mini 編碼器，固定于車模的編碼器位置上。

2.4.2 姿態(tài)傳感器的安裝

車模使用了 HWT101 旋轉(zhuǎn)角姿態(tài)傳感器，固定于電路板上，俯視位置處于車模的中心處，保證檢測數(shù)據(jù)的可靠性。

2.4.3 霍爾傳感器的安裝

車模使用了自制的霍爾傳感器模塊對終點線進(jìn)行檢測，其安裝位置于車模最前方的底板之上，使用熱熔膠固定，如下圖所示。

▲ 霍爾模塊

2.4.4 采集電感傳感器的安裝

車模共使用了 14 個采集電感傳感器，其中 11 個布置于電路板上，另有 3 個作備用。11 個位于電路板上的電感分 3 排擺放，第一排 7 個電感，第二排 2 個電感，第三批 2 個電感。為保護電感不受撞擊損傷，為每個電感都加裝了保護殼，如下圖所示。

▲ 電感安裝

2.5車身強度

為了提升車身強度，除了支撐電路板的碳板以外，我們還在車模底部添加了一塊碳板，從而提升了車模的強度。為了避免碰撞與剮蹭，我們在車模的正前面加裝了防撞條。

2.6 輪胎處理

使用輪胎軟化劑浸泡之后打磨并用硅橡膠粘合輪胎與輪轂。

從最初進(jìn)行硬件電路設(shè)計時我們就既定了系統(tǒng)的設(shè)計目標(biāo)：可靠、高效、簡潔，在整個系統(tǒng)設(shè)計過程中嚴(yán)格按照規(guī)范進(jìn)行。

可靠性是系統(tǒng)設(shè)計的第一要求，我們對電路設(shè)計的所有環(huán)節(jié)都進(jìn)行了電磁兼容性設(shè)計，做好各部分的接地、屏蔽、濾波等工作，將高速數(shù)字電路與模擬電路分開，考慮到走線問題，設(shè)計為 4 個部分得 PCB 電路板，使本系統(tǒng)工作的可靠性達(dá)到了設(shè)計要求。

3.1 電源管理模塊

在考慮離比賽開始時間短的情況下，采用 RT1064 最小核心板，加快整個項目的進(jìn)度。在保證電壓穩(wěn)定驅(qū)動電流足夠紋波小盡可能沒有，用一片 LDO 芯片 LP38692MP-5.0 單獨給最小核心板供電。

▲ 核心板供電原理圖

一片 IDO 芯片 LP38692MP-5.0 給編碼器、陀螺儀、無線串口、主板上的磁傳感器供電，一片 IDO 芯片 LP38692MP-3.3 給 OLED 液晶屏，起跑線檢測模塊供電，一片 IDO 芯片 LP38692MP5.0 給外載磁傳感器供電。通過引腳（圖 3.1-2 中 PW_EN）拉高給使能信號控制外設(shè)供電，保證核心板正常啟動。

▲ 外設(shè)供電原理圖

3.2 電機驅(qū)動模塊

電機驅(qū)動使用芯片 BTN8982TA，搭建全橋驅(qū)動電路。該芯片正常輸出電流可以達(dá)到 50A，同時 BTN8982 的輸出阻抗正常情況為 9 毫歐左右，阻抗越小，芯片的發(fā)熱量越小，功耗也就越小。從另一個角度看，該芯片內(nèi)部集成了 H 橋驅(qū)動器以及由 MOS 管組成的半 H 橋電路，設(shè)計簡單，布局方便。

▲ 電機驅(qū)動原理圖

3.3 舵機供電

比賽提供的舵機為 FUTABA3010，該舵機工作電壓 4.0V-6.0V，工作時所需電流為 175mA。為了保證舵機正常工作且不影響其他電路工作，為此我們采用線性電源 LT1764 給舵機供電，該芯片輸出電流可達(dá) 3A，此時壓差為 340mV，輸入電壓范圍廣：2.7V-20V，輸出電壓范圍為 1.21V-20V，輸出電壓與外部配比電阻有關(guān)。

▲ 舵機驅(qū)動原理圖

輸出電壓計算公式:

其中IADJ = 3uA，與其他變量有數(shù)量級差別，故忽略不計。所以此時計算出VOUT = 5.957V。

3.4磁傳感器模塊

磁傳感器是電磁組小車最重要的模塊之一，根據(jù)變化的磁場信號作出靈敏的檢測，車體在賽道上位置判斷以及之后得控制起著至關(guān)重要的作用。本系統(tǒng)根據(jù) LC 諧振的原理，選取 10mH 電感和 6.8nF 電容作為 LC 諧振電路，產(chǎn)生感應(yīng) 電流，再通過濾波、放大、檢波，然后將結(jié)果送入單片機 AD 進(jìn)行相應(yīng)的處理，以判斷賽道當(dāng)前信息。后級放大電路原理圖所示。

▲ 采集級放大電路原理圖

3.5 無線串口模塊

使用逐飛的無線 USB/無線轉(zhuǎn)串口模塊套件，實現(xiàn)實時主機與核心板通信，可以傳回神經(jīng)網(wǎng)絡(luò)需要的訓(xùn)練數(shù)據(jù)，同時也可以實現(xiàn)遙控車無線更改參數(shù)等操作，大大節(jié)約了時間。

3.6 編碼器測試模塊

本小車使用龍邱智能科技的 512 線 mini 型編碼器進(jìn)行小車的測速，工作電壓在 3.3V- 5V。處理器通過讀取編碼器脈沖數(shù)來實現(xiàn)小車速度的測，通過讀取編碼器旋轉(zhuǎn)方向腳的高低電平來檢測電機的正反轉(zhuǎn)。

3.7 陀螺儀模塊

采用 HWT101 旋轉(zhuǎn)角姿態(tài)傳感器，內(nèi)部集成姿態(tài)解算器，配合動態(tài)卡爾曼濾波算法，能準(zhǔn)確的得出當(dāng)前姿態(tài)，姿態(tài)測量精度靜態(tài) 0.05 度，動態(tài) 0.1 度，穩(wěn)定性極高，用于神經(jīng)網(wǎng)絡(luò)的記憶之中。

3.8 停車模塊選型

起跑線處布有磁鐵表面磁場強度為 3000-4000 G，針對磁場強度和車速兩個條件下不斷嘗試不同霍爾元件型號如 SM351LT，SS41F，DRV5055，HAL145 等，在最后根據(jù)車速和檢測準(zhǔn)確率我們選擇 HAL145。

這是一種全極性霍爾開關(guān)。當(dāng) 霍爾開關(guān)在磁鐵上方時，霍爾開關(guān)輸出低電平，單片機檢測到低電平引發(fā)單片機中斷。單個霍爾開關(guān)的電路原理圖如圖 3.2.6 所示。

▲ 霍爾開關(guān)原理圖

3.9 人機交互模塊

為了方便調(diào)試，本車有無線串口模塊，有效進(jìn)行運行參數(shù)之間的傳送，除此之外，還設(shè)置了鍵盤、OLED 液晶顯示屏，以方便控制參數(shù)的修改，便捷的智能車的調(diào)試。

傳統(tǒng) PID 控制部分，我們需要考慮基于電感電壓的數(shù)據(jù)，控制舵機轉(zhuǎn)向和電機轉(zhuǎn)速。另外，我們加入了陀螺儀和編碼器對賽道進(jìn)行建圖，以期獲得無限長前瞻。

4.1 舵機轉(zhuǎn)向控制

舵機控制中，我們的目標(biāo)是通過改變舵機轉(zhuǎn)向，讓車子盡量地保持在賽道中間。我們希望車身在賽道中間，即誤差 Error 盡量地在 0 附近，當(dāng) Error<0 時，說明車身偏右，需要舵機向左打角，同理當(dāng) Error>0 時，說明車身偏左，需要舵機向右打角。

4.1.1 舵機轉(zhuǎn)向偏差計算方案

4.1.1.1 差值法

差值法，顧名思義，通過左右電感的差值作為偏差對小車進(jìn)行控制，符號判斷方向，大小作為控制量，這是我們最開始采用的控制小車的策略，這樣的控制策略能夠在低速情況下滿足控制要求，但是極不穩(wěn)定，容易出界，經(jīng)過數(shù)據(jù) 采集和可視化，我們發(fā)現(xiàn)這種策略所計算出來偏差并不是單調(diào)的，而是隨著原理賽道中線的距離增大先增，到達(dá)峰值，再遞減，這也解釋了當(dāng)其遠(yuǎn)離賽道中線后其控制量不足，導(dǎo)致車身出界的情況。

4.1.1.2 三電感控制法

在我們發(fā)現(xiàn)偏差不單調(diào)后，我們就想找一種控制策略來解決這個問題，我們發(fā)現(xiàn)，差值法判斷方向是比較準(zhǔn)確的，所以我們保留了其方向控制策略，在兩個電感中間加了中間電感，以中間電感與其設(shè)定的最大值的差值作為偏差，這種方案較好的解決了偏差不單調(diào)的問題，在前瞻比較長的情況下控制效果也很不錯，但后面我們發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)不能很好的學(xué)習(xí)長前瞻所收回的數(shù)據(jù)的時候，我們改用短前瞻進(jìn)行數(shù)據(jù)收錄，這時我們發(fā)現(xiàn)這種策略在轉(zhuǎn)大彎時候效果不太好，響應(yīng)太慢跟不上，由于信號線的鋪設(shè)問題，不同的直道，中間電感所能測量的最大幅度也不同，導(dǎo)致在 Error 在直道上不一定為 0，會產(chǎn)生舵機的震蕩，無法解決，因此也放棄這種方案。

4.1.1.3 歸一化法

在我們發(fā)現(xiàn)三電感方案不能滿足段前瞻控制需求后，我們和往屆學(xué)長進(jìn)行溝通交流，他們提出歸一化法方案，這種方案具體是用左右電感的差值比上左右電感的和，我們嘗試了一段時間后，這種方案確實是有一定的效果，控制作用在大彎的時候確實是得到了增強，解決了三電感所存在的問題，但在我們加速后，發(fā)現(xiàn)它和差值法存在同樣的問題，計算出來的偏差不單調(diào)，所以在連續(xù)過彎切邊的時候，誤差值會變小，非常容易跑飛出去，因此我們不得不尋找下一種控制方案。

4.1.1.4 比值法

除了上面的方案，我們還嘗試了各種各樣的方案：比如放置斜電感、多個中間電感模擬攝像頭等等，最終我們選取了下面這種方案。

構(gòu)建位置誤差公式：

L：左邊電感電壓值 R：右邊電感電壓值

這種計算式其實也存在不單調(diào)的情況，但單調(diào)的區(qū)間很大，在賽道的約束條件下完全滿足要求，并且其對轉(zhuǎn)彎比較靈敏，有效的解決了過彎的難題。

4.1.2 舵機轉(zhuǎn)向控制策略

4.1.2.1 傳統(tǒng)控制策略

此部分中，我們只采用了 PD 控制，因為車輛電感值在實時更新，需要進(jìn)行實時轉(zhuǎn)向，因此不需要使用 I 控制。PD 控制中，P 為實時修改狀態(tài)，而 D 是為了修補 P 實時性的不足，達(dá)到提前的作用。另外，為了提升大彎轉(zhuǎn)向的快速性能和直道的穩(wěn)定性能，我們通過 Error，劃分了兩組 PD，當(dāng) Error 較小時，認(rèn) 為是在直道，采用較小的 PD 保證穩(wěn)定性，防止震蕩，當(dāng) Error 較大時，認(rèn)為是在彎道，采用較大的 PD 保證快速轉(zhuǎn)向。

▲ 舵機控制模型

4.1.2.2 控制策略探索

運用傳統(tǒng)控制策略進(jìn)行控制的時候，我們發(fā)現(xiàn)參數(shù)調(diào)節(jié)十分麻煩，而且適應(yīng) 性不強，因此我們就想有沒有一種方案能不能在一定區(qū)間自動調(diào)整 PID 參數(shù)去適應(yīng)不同的條件，我們查閱了相關(guān)文獻(xiàn)，幾乎都指向了模糊 PID 控制這一方向。

帶著探索的心，我們?nèi)チ私饬四：?PID 的相關(guān)理論，并試著寫了一套模糊 PID 算法，發(fā)現(xiàn)這套算法調(diào)參難度并不亞于傳統(tǒng)的 PID，但是適應(yīng)性的確強了不少，但這與我們想要簡化調(diào)參過程的初衷并不一致，所以沒有更深入的去探索。

后面根據(jù)我們對問題的分析，我們發(fā)現(xiàn)舵機控制與當(dāng)前偏差、偏差的變化率息息相關(guān)，我們根據(jù)這兩者的狀態(tài)繪制了以下程序框圖并實現(xiàn)：

▲ 模糊控制PID部分流程圖

我們僅僅需要確定每次調(diào)整步長，我們就可以是 PID 在一個范圍內(nèi)進(jìn)行變動，滿足不同情況下的要求。

4.1.2.3 控制策略展望

為了簡化調(diào)參和增強適應(yīng)性，在上一小節(jié)我們對控制策略進(jìn)行了探索，但是還是逃不掉反復(fù)調(diào)參的過程，這個過程枯燥乏味又不得不做，我們就想能不能有一套系統(tǒng)能夠在調(diào)好一套參數(shù)的情況下，通過獎勵——懲罰機制使其不斷提速，參數(shù)不斷適應(yīng)速度的改變呢？

我們就想用一個攝像頭來捕捉車子在賽道上的狀態(tài)信息，建立一套獎勵懲罰機制，當(dāng)車子偏離賽道中央過大，說明參數(shù)不太好，給與一定的懲罰，反之亦反之，然后車子緩慢的提速，參數(shù)不斷適應(yīng)車速達(dá)到自適應(yīng)的效果。

4.2 電機控制

電機控制中，我們使用 PID 控制電機的速度。另外，還需要由轉(zhuǎn)向角度控制電機差速，從而讓車子更好過彎。

4.2.1 電機速度

電機轉(zhuǎn)速控制中，我們不斷地讀取編碼器返回的實際轉(zhuǎn)速，與期望轉(zhuǎn)速作差得到 Error，我們希望轉(zhuǎn)速能夠快速跟隨，即希望 Error 能夠盡快地到 0。采用最原始的位置式 PID 控制，加上積分抗飽和算法基本滿足控制要求。

▲ 電機速度控制模型

4.2.2 電機差速

電機差速的和舵機轉(zhuǎn)向相關(guān)，基于阿克曼轉(zhuǎn)向模型，當(dāng)舵機需要轉(zhuǎn)向更大的角度的時候，差速的值應(yīng)該越大，以輔助車身更好的入彎。另外，我們發(fā)現(xiàn)車身出界的情況大多數(shù)是在入彎的過程中，在彎道部分一般是不會出的。

為了實現(xiàn)彎道加速的功能，我們也讓其與舵機轉(zhuǎn)向變化率相關(guān)，當(dāng)轉(zhuǎn)向變化率較大時，即入彎過程中，速度降低，而當(dāng)轉(zhuǎn)向變化率逐漸變小時，即車身穩(wěn)定后，則可以提高速度。因此，我們的速度是由需要轉(zhuǎn)彎的角度和轉(zhuǎn)彎角度的變化率二者共同決定。

具體的計算流程如下圖：

▲ 電機差速控制流程圖

由圖中可以看到，當(dāng)突然出現(xiàn)需要打一個比較大的角度的時候，速度會減下來，與此同時，由于突然產(chǎn)生了如此大的角度，方向變化率也會變大，從而讓小車順利減速過彎。但是在過彎的途中，雖然角度仍然是比較大的值，可是方向變化率在減小，從而可以讓整體速度進(jìn)行提升，最終達(dá)到過彎加速的效果。

4.3 記憶方案

通常我們使用電感等傳感器實時檢測到的信息作為判斷依據(jù)來控制車模的轉(zhuǎn)向和加減速，在限制前瞻長度的情況下這樣的實時判斷相比于長前瞻就有嚴(yán) 重的滯后性，我們嘗試不使用或少使用實時判斷的信息進(jìn)行控制。

我們先使車模在平穩(wěn)狀態(tài)下運行一段賽道，記錄每個控制周期的陀螺儀 z 軸轉(zhuǎn)角與編碼器數(shù)值，通過這些信息對賽道進(jìn)行解算，將賽道元素分為三類：直道、左轉(zhuǎn)、右轉(zhuǎn)，可以得到一個簡化版的賽道數(shù)組（包含按順序排列的賽道的每個元素以及對應(yīng)的直道長度或彎道角度以及彎道半徑）。

▲ 某段賽道的結(jié)算數(shù)組及其圖像

發(fā)現(xiàn)效果良好，嘗試在第二圈時使用第一次運行時記錄下的解算后的賽道信息作為判斷依據(jù)通過如下步驟控制車模運行（使用速度 PID 環(huán)作為內(nèi)環(huán)、位置 PID 環(huán)作為外環(huán)對車模進(jìn)行控制）：

①進(jìn)入直道后使用速度圖像為拋物線的加速方式，加到設(shè)定的直道速度后勻速運行；

②在直道中根據(jù)編碼器的實時讀數(shù)計算減速至設(shè)定的彎道速度所需的距離與車模在當(dāng)前直道元素中已行進(jìn)的距離，當(dāng)減速所需的距離與車模進(jìn)入下一賽道元素的剩余距離相差很小時，使車模進(jìn)行拋物線減速，在進(jìn)入下一賽道元素前就能減至設(shè)定的彎道速度；

③在彎道中根據(jù)彎道的半徑控制前輪的轉(zhuǎn)角與后輪的差速，并使車模勻速通過彎道；

④重復(fù)①～③步驟；

⑤車模檢測到終點線后停止運行。但由于備賽時間較短，未能完整實現(xiàn)上述控制方案。我們又嘗試使用車模第一次運行賽道記憶的信息提升直道速度，只根據(jù)距離信息來進(jìn)行入彎時的提前減速。

不過，我們發(fā)現(xiàn)直接加速會存在問題，車子變得非常不好控制，很容易沖出賽道，因此后面我們只是略微增大了一些速度，但是增加電機的 I 項，從而讓整體的速度進(jìn)行提高。

神經(jīng)網(wǎng)絡(luò)控制部分，我們希望送入神經(jīng)網(wǎng)絡(luò)電感值，讓神經(jīng)網(wǎng)絡(luò)輸出舵機轉(zhuǎn) 向值。

5.1 數(shù)據(jù)收集

數(shù)據(jù)收集部分，我們分別采用了長短前瞻的電感值電壓輸入作為 PID 控制，進(jìn)行數(shù)據(jù)的采集。采集過程中，我們使用無線串口進(jìn)行上位機和 MCU 通信，通過 python 寫上位機。其中 pyserial 進(jìn)行串口數(shù)據(jù)的解析，pygame 讀取鍵盤命令從而達(dá)到小車控制的功能。另外，我們采用了 Matlabplotlib 的包進(jìn)行了多種情況的可視化，便于進(jìn)行分析。

另外，我們對車子進(jìn)行了遠(yuǎn)程控制，通過串口，我們可以在上位機中實現(xiàn)控制車輛啟停，車輛加減速，車輛拐彎等功能，從而更好地收集數(shù)據(jù)。與此同時，我們還通過遠(yuǎn)程串口，進(jìn)行了 PID 參數(shù)的調(diào)節(jié)，從而大大方便了 PID 的調(diào)參過程。

經(jīng)過整理，我們發(fā)現(xiàn)這個環(huán)境中徹底驗證了"Garbage in, Garbage out" 的說法，即數(shù)據(jù)好則神經(jīng)網(wǎng)絡(luò)效果好，數(shù)據(jù)不好，則神經(jīng)網(wǎng)絡(luò)效果很差。

我們分別采用了長前瞻和短前瞻作為 PID 數(shù)據(jù)源進(jìn)行車輛控制，然后在長前瞻 PID 中收集了長前瞻和短前瞻的電感數(shù)據(jù)，在短前瞻 PID 中，收集短前瞻的電感數(shù) 據(jù)，對這三種數(shù)據(jù)進(jìn)行學(xué)習(xí)。

實驗發(fā)現(xiàn)，當(dāng)長前瞻跑 PID 時，長前瞻的電感送入神經(jīng)網(wǎng)絡(luò)中擬合的很好，但是短前瞻電感值送入神經(jīng)網(wǎng)絡(luò)中擬合卻不行。短前瞻跑 PID 時，短前瞻電感值送入神經(jīng)網(wǎng)絡(luò)擬合很好。

因此實驗結(jié)論是：基于某幾個電感進(jìn)行 PID 控制，則采集對應(yīng)電感值作為神經(jīng)網(wǎng)絡(luò)輸入，神經(jīng)網(wǎng)絡(luò)的擬合性能很好。

關(guān)于數(shù)據(jù)集制作，為了更好地收集數(shù)據(jù)，我們在上位機中遠(yuǎn)程控制車輛是否發(fā)送數(shù)據(jù)，從而可以有針對性地在各個環(huán)境中進(jìn)行數(shù)據(jù)制作。數(shù)據(jù)清洗方面，因為串口發(fā)送的頻率過高，存在了大量的數(shù)據(jù)是重復(fù)的，因此我們針對性地對相鄰兩幀之間電感數(shù)據(jù)差距不算很大的進(jìn)行了刪除。

另外，為了適應(yīng)不同的場地，我們還進(jìn)行了數(shù)據(jù)歸一化的操作，每次啟動車子之前，我們平移我們的車子，收取賽道中最大的電感值，然后所有的電感除以對應(yīng)最大電感值從而獲取歸一化后的電感值。

在數(shù)據(jù)采集的過程中我們發(fā)現(xiàn)了訓(xùn)練出來的模型效果不是很好，經(jīng)過可視化之后，發(fā)現(xiàn)靠近舵機的電感數(shù)據(jù)不穩(wěn)定，即使開啟了硬件平均也有很大的抖動，這對于訓(xùn)練必然是不好的。

▲ 某電感濾波前的圖像

在觀察到這樣的現(xiàn)象之后，我們決定加入軟件濾波，對于這種數(shù)據(jù)抖動較大的情況，最簡單的濾波公式莫過于卡爾曼濾波，對于單片機性能的要求也最低，在電感的采集過程中，只需要貯存上一個電感數(shù)據(jù)既可，下圖為濾波之后的效果。

▲ 某電感濾波后的圖像

5.2 電感排布

電感排布部分，我們通過隨機增加擾動的方式，尋找最為重要的電感。最終確定了 11 個電感排布的方案。假設(shè)有 3 個電感分別放置在車前左中右位置，前面的系數(shù)分別為 0.8，1.2， 0.8，則可列電感控制舵機的方程:

但是實際上，我們并不知道各個電感前的系數(shù)，因此假設(shè)為 A，B，C，直觀地，我們可以認(rèn)為：某個電感前系數(shù)較大，則某個電感更為重要，因為他的對舵機的影響更大。

雖然在神經(jīng)網(wǎng)絡(luò)中，每個電感與舵機輸出并不是線性關(guān)系，但是我們不妨假設(shè)：不同電感變化同一個幅度時，哪個電感能導(dǎo)致舵機變化越大，哪個電感就是更為重要的電感。基于此假設(shè)，我們完成了電感排布的確定。

▲ 電感分布確定流程圖

具體步驟如下：每次我們隨機選擇放置電感排布，通過神經(jīng)網(wǎng)絡(luò)收取數(shù)據(jù)進(jìn) 行訓(xùn)練得到一個網(wǎng)絡(luò)模型。然后，我們對收集到的數(shù)據(jù)添加隨機擾動，從-0.1～ 0.1，分為 10 個范圍，即-0.1～-0.08，-0.08～-0.06....0.06～0.1。

得到隨機擾動的數(shù)據(jù)集之后，我們把原始數(shù)據(jù)的輸出和擾動數(shù)據(jù)的輸出（都使用同一個網(wǎng)絡(luò)）做差得到絕對值。如果某個電感的絕對值較大，則說明此電感輕微擾動對網(wǎng)絡(luò)輸出影響大，是比較重要的電感。

基于此套方法，我們確定了 11 個電感的排布位置，下為某組數(shù)據(jù)擾動之后的誤差分布圖。

▲ 電感誤差分布

以第一列圖片為例，第一列對應(yīng)的是第一排最左邊的電感，從上到下，分別對應(yīng)了施加擾動的范圍為-0.1～-0.08，-0.08～-0.06.......0.06～0.08， 0.08～0.1。直方圖代表了施加擾動前后輸出的差的絕對值的分布。從圖中我們可以看到在中間部分的偏差靠近 0，而上下偏差靠近 1，符合邏輯。另外，橫向對比，我們可以看到，第 1，2，3，4，5，8，9 列的影響相對比較大，他們對應(yīng)了第一排左中右（1，2，3），第二排左右（4，5），第一排豎電感（8，9）。

5.3 網(wǎng)絡(luò)結(jié)構(gòu)

我們進(jìn)行了大量的網(wǎng)絡(luò)結(jié)構(gòu)測試，由于 NXP 芯片所限，基本上只能夠使用全連接層。不過相比于直接送入電感值，我們將電感值和歷史 10 次網(wǎng)絡(luò)輸出值（舵機期望值）共同送入網(wǎng)絡(luò)，從而相同網(wǎng)絡(luò)結(jié)構(gòu)（只有輸入層不同）訓(xùn)練結(jié)果的 loss 從 0.04 降到了 0.02，網(wǎng)絡(luò)跟蹤的效果也變得更好。

另外，我們也發(fā)現(xiàn)，基本上的全連接層已經(jīng)足夠訓(xùn)練網(wǎng)絡(luò)，網(wǎng)絡(luò)的效果也是滿足需求的。基于此我們盡可能地縮小網(wǎng)絡(luò)大小，讓速度盡快，最終的網(wǎng)絡(luò)結(jié) 果為：

網(wǎng)絡(luò)結(jié)果輸入為 Nx21x1 的數(shù)據(jù)，（11 個電感和前 10 幀的舵機控制角度），分別經(jīng)過 Dense，BatchNormal，Dropout 等的操作，最終生成一個 1 維度的舵機值，即為目標(biāo)輸出，網(wǎng)絡(luò)結(jié)構(gòu)圖如下。

▲ 網(wǎng)絡(luò)結(jié)構(gòu)圖

電路部分嘗試過為軟件增加電機的電流環(huán)，但由于 AI 電磁要求的磁傳感器過多，芯片 ADC 引腳比較緊張，最后沒有落地。鑒于 AI 電磁本身的特殊性—— 對磁傳感器位置的嚴(yán)要求，電路部分將用于 AI 的磁傳感器分割到單獨 PCB 板上，確保位置固定，車與車差異小，算法可以移植，與機械部分一同做好電感保護。

機械方面，使用碳板制作的頂棚搭載多個電感，增強了電感數(shù)值的可靠性電控方向，我們采用陀螺儀和編碼器進(jìn)行了全地圖的繪制，然后針對直道進(jìn)行了二次加速。

神經(jīng)網(wǎng)絡(luò)方向，我們將歷史的舵機控制值送入神經(jīng)網(wǎng)絡(luò)，大大提升了網(wǎng)絡(luò)的效果。

從機械到電路再到電控和神經(jīng)網(wǎng)絡(luò)，我們搭建了一個完整的車子。對車子進(jìn) 行穩(wěn)定性測試，算法迭代優(yōu)化，我們才算是真正地完成了一個項目。小組成員每個人都盡著自己最大的努力，不加班不快樂，沒成果沒休息逐漸成為我們的常態(tài)。這一次的磨礪，所有的隊員都有了非常大的進(jìn)步，與此同時，我們也收獲了一份友誼。

另外，感謝學(xué)校對我們的支持，在疫情期間仍然全力支持我們。感謝組委會提供的參賽機會。

[1] 卓晴，黃開勝，邵貝貝等，《學(xué)做智能車——挑戰(zhàn)“飛思卡爾”杯》[c].北京：北京航空航天大學(xué)出版社，2007.

[2] 譚浩強，C 語言程序設(shè)計[M]，北京：清華大學(xué)出版社，2005.

[3] 王宜杯，嵌入式系統(tǒng)原理與實踐：ARM Cortex-M4 Kinetis 微處理器，北京：電子工業(yè) 出版社，2012.

[4] 陶永樂，新型 PID 控制及其應(yīng)用（第二版），北京：機械工業(yè)出版社 [5] 李發(fā)海，王巖等，電機與拖動基礎(chǔ)，北京：清華大學(xué)出版社

[6] 胡壽松，自動控制原理（第六版），北京：科學(xué)出版社