基于图像识别的三轮智能车自动控制系统设计

系统基于图像识别和图像处理技术,使用英飞凌公司的TC264高性能芯片和逐飞公司的总转风摄像头,通过大津法处理图像、位置式PID速度环和模糊PD转向环并行的算法设计,实现该系统自动处理图像并且自动控制差速及电机转速,最终实现系统能稳定且快速地完成直道、弯道、坡道、十字、环岛、路障、断路等路段。经过大量的测试和优化,使该系统在图像处理和自动控制上具有极强的鲁棒性。

智能车横向跟踪控制模式切换策略及评价方法

针对智能车横向跟踪控制算法传统切换策略中模型匹配策略总是处于激活状态,占用计算资源和运动平顺性变差的问题,设计了一种基于最小二乘支持向量机(least squares support vector machine,LSSVM)的控制模式切换策略,在不同工况下根据误差判断策略切换控制模式.从安全性、舒适性和跟踪精度3个方面构建控制效果评估函数,并根据多目标优化数学模型实时执行系统最优控制量.仿真试验结果表明:该切换策略能够保证智能车在不同工况下具有优秀的横向跟踪性能,路径跟踪偏差范围为±0.1 m,横摆角速度波动范围为±2(°)/s,jerk值的范围为±10 m/s^(3),与传统的单一控制算法相比,具有更好的跟踪精度、稳定性和舒适性.

信息采集智能车系统设计与实现

在现代社会生活中,信息采集智能车在环境监测、生态研究、地质勘探等诸多领域发挥着重要作用。该文基于ESP32微处理器设计和开发具有自动避障和语音控制功能的信息采集智能车系统,通过在智能车系统搭载多传感器信息采集模块,实现不同位置环境信息的实时采集、传输与显示。经过实际测试,验证系统功能完善,易于使用与扩展。

基于综合智能车平台的物联网专业模块化课程设计

本文通过分析模块化智能车的研究成果和实践经验,提出了一种基于智能车的模块化课程设计框架,并介绍了该框架的实施步骤和评价方法。最后,作者总结了基于智能车的模块化课程设计的优势和挑战,并展望了未来的研究方向。

基于单片机的导航智能车设计

设计了一款以MC9S12XS128单片机为系统控制器的导航智能车,采用传感器采集道路信息,利用单片机的信息处理能力寻找小车与自动寻迹路径线之间的误差数据,再通过PID策略和PWM技术自动控制小车舵机的偏转角度和电机转速的参数,使得智能车能自动检测和跟踪道路寻迹线,从而实现智能车的自动导航。

基于β线的四轮毂电机低速智能车制动力分配策略研究

再生制动技术的使用是目前提高车辆能量利用率的一个有效措施,文章以四轮毂电机独立驱动的低速智能车为研究对象,重点对整个再生制动过程中小车制动能量回收效率进行分析,考虑液压制动力和电机制动力的协调控制对再生制动的影响,基于β线分配理念,设计了四轮毂电机以最大程度参与制动的前后轴制动力控制策略。基于MATLAB/Simulink软件建立再生制动系统仿真模型,以定比例控制策略为参照对象,利用MAHATTAN经典道路循环工况进行整车仿真试验。单次运行工况的仿真结果表明:基于β线控制策略的制动能量回收效率为29%,高出定比例控制策略16%,制动过程回收的能量不仅可增加部分续航里程,还可提高智能车的制动能量回收利用率。

基于Arduino的智能车电机驱动板设计

设计一种用于智能车的电机驱动板,实现智能车的驱动、控制和导航功能。该电机驱动板采用Arduino Mega2560作为核心控制单元,利用其丰富的IO管脚和强大的计算能力,对各个模块进行协调和控制。其他模块包块供电电路、电机驱动电路、电机测速电路、舵机控制电路、遥控信号接收电路、IMU电路等。该电机驱动板能够通过遥控信号接收电路让智能车实现远程控制和自动导航功能,通过电机测速电路和IMU电路实现智能车的速度闭环控制和姿态闭环控制,在智能车的应用中具有一定的应用价值。

基于超螺旋滑模及前馈补偿的智能车侧向运动控制

智能车路径跟踪控制受到车辆参数摄动、场景多变等干扰,影响路径跟踪精确性,甚至引起控制系统不稳定.本文设计了考虑不确定性的二阶超螺旋滑模鲁棒控制算法,证明了控制系统的收敛性,并针对干扰问题设计了前馈补偿控制器以进一步提升控制系统的精确性.通过Carsim-Simulink联合仿真环境下的双移线、正弦路径跟踪控制,以及参数摄动情况下的路径跟踪控制,与传统一阶滑模控制对比,验证了所设计的超螺旋滑模控制器路径跟踪的精确性及鲁棒性.结果表明,面对智能车辆参数不确定、驾驶场景多变等情况,采用超螺旋滑模算法比传统滑模算法具有更好的鲁棒性和跟踪精度,超螺旋算法能有效地减弱传统滑模算法产生的方向盘抖振问题.最后,利用实车平台对进行了低速大曲率场景测试,验证所设计的超螺旋滑模算法控制器具有良好的路径跟踪精度.

混行场景智能车换道决策与运动规划

针对行人-车辆混行的常见交通场景下智能车决策安全性和行驶效率不高的问题,提出了一种新的基于自车期望车速与前车车速、加速度和车距的行车不满意度换道行为决策模型。同时建立换道最小安全距离模型,用以在换道全过程中判断换道的可行性。为了提高运动规划算法的效率,选用Frenet坐标系,采用路径规划和速度规划解耦的方式。对于路径规划,选择五次多项式曲线,采用考虑安全、舒适以及高效性的3个路径评估指标。对于速度规划,采用动态规划与二次规划获得平滑的速度曲线。在CarSim/PreScan/Simulink的联合仿真平台下搭建人车混行的交通场景进行验证。仿真结果表明,基于行车不满意度的换道决策模型能选择更高效及安全的行驶方式,运动规划模块能确保自车换道及避让行人过程的安全性和操纵稳定性。

改进人工势场法的智能车路径规划

人工势场法常被应用于路径规划中,针对路径规划中的传统人工势场算法存在前期引力过大、目标不可达和局部极小值点等相关问题,本文提出了一种改进的人工势场算法。首先针对前期引力过大问题,建立动态增益函数,作为引力函数的动态增益系数;然后将智能车到目标点的距离引入到斥力场函数中,使得斥力的构成形式得到改变,解决传统人工势场法中目标不可达的问题;最后,针对局部极小值点问题,增加便于智能车跳出局部极小值点的指引力。分别利用仿真实验和实车试验,结果表明改进后的人工势场法无论从路径长度还是行驶时间上同传统的人工势场法进行对比都得到了优化,可以有效解决传统人工势场法中存在的问题。

一种辅助火灾搜救的智能车设计

为了减轻火灾所产生的危害,设计了一款智能车用于辅助搜救工作。该智能车以STM32单片机和OpenMV4plus为主控,采用人体红外传感器、超声波模块等模块,利用PID算法、路径规划、无线通信实现找寻受困人员并向消防人员发送信号、对受困人员进行临时处理、显示受灾楼宇内的实时画面和信息等功能。该智能车的应用,可以节省施救时间,防止搜救人员在探索楼层过程中受伤害,对辅助救灾有重大意义。

基于改进蚁群算法的智能车路径优化

用于自动泊车领域的AGV小车载质量大,对移动轨迹的平滑性与行走距离有更高要求。针对传统蚁群算法易死锁、囤余节点多与转向幅度不可控等问题,提出了一种改进蚁群算法。首先,在算法正式开始迭代前使用地图补偿函数对地图进行优化,降低死锁概率;其次,在对地图优化处理后,对地图进行了信息素浓度初始化,加快了算法收敛速度;最后,通过调整路径生成逻辑,实现算法自适应调整步长,提高了路径的平滑性,减少转向摆动。仿真结果表明:改进后的算法死锁现象减少,收敛速度更快,所生成的路径转向平滑,囤余节点数与总路径长度降低。

基于模糊PID算法的三轮智能车应用

针对实际的三轮智能车运动过程以及停止时的稳定性问题提出一种解决方案。将模糊控制理论与传统PID控制方法相结合,同时利用陀螺仪和编码器得到的定位信息,达到对三轮智能车快速稳定高效地运动控制。通过硬件电路地设计制板焊接和机械结构地制图加工装配,得到三轮智能小车硬件结构;结合对STM32控制芯片的嵌入式程序编写,得到三轮智能车的控制核心。通过计算机仿真和实际三轮智能车运动实验数据的分析,验证该算法的实用性以及准确性,速度控制精度达到1cm/s,定位精度达到5cm。

面向智能交通实践课程的微缩智能车设计方案及教学应用研究

针对智能交通专业实践教学过程中遇到的测试场地、实践成本、安全风险等方面的问题,提出面向智能交通实践课程的微缩智能车设计方案。通过对真实智能网联车按照一定比例进行微缩移植,结合多种先进的传感器,微缩智能车可以基本复现真实智能网联车的功能。同时,综合考虑智能交通专业实践教学在数据方面的需要,微缩智能车可以开放传感器数据、车辆状态数据、车辆动力控制数据等多种类型数据,满足实践教学的数据需求。此外,微缩智能车可以支撑部分实践教学实验,也可以与智能交通沙盘和驾驶模拟器进行搭配,支撑复杂场景下的实践教学,助力智能交通专业人才培养。

基于LPC54606单片机的智能车控制系统设计研究

智能车控制系统是一种由传感器、控制器和执行器等多种技术集成的智能化车辆系统,通过先进的算法和实时数据处理,使车辆能够感知环境、做出决策并执行动作,从而实现自主导航、避障、跟随等功能。基于LPC54606单片机的智能车控制系统充分利用了该单片机强大的性能和丰富的外设资源,实现了高效的数据处理和精确的控制。基于此,简单讨论基于LPC54606单片机的智能车控制系统设计价值,深入探讨基于LPC54606单片机的智能车控制系统设计难点和要点。

基于单片机的自动循迹激光导引智能车PID控制系统设计

智能车在运行过程中,如果遇到突然出现的障碍物或者道路塌陷等情况,容易发生意外;为保证智能车的辅助驾驶功能和安全性能,设计一种基于单片机的自动循迹激光导引智能车PID控制系统;加设MC9S12XS128单片机处理器,改装激光器、测速与测角单元、智能车PID控制器和智能车驱动模块,完成硬件系统的优化;在硬件系统的支持下,根据激光信号的接收结果,规划智能车的引导轨迹,完成自动循迹激光导引工作;利用硬件设备获取智能车的移动速度、位置和转向角,实现对智能车实时运动状态的检测;综合考虑运动参数与规划轨迹之间的偏差,生成智能车PID控制指令,通过舵机转向控制和驱动速度控制,完成系统的控制功能;通过系统测试实验得出结论:优化设计系统的速度和转向角控制误差分别降低了5.37 mm/s和0.25°,同时智能车移动平衡度得到明显提升。

智能车联网下车辆换道安全距离预警仿真

车辆换道过程中涉及横向、纵向的加减速等控制,若驾驶员没有充分考虑到周围车辆的位置和速度,会导致追尾、刮撞等事故的发生。为了提升车辆换道安全性,提出智能车联网下车辆换道安全性预警方法。通过搭建换道车辆横向速度、位移数学模型,基于车辆行驶运动学理论、位移函数,建立最小纵向安全距离数学模型,计算抛物线、导函数得出后车与目标车道上前车、后车最小安全距离。当自车与后车间距离小于安全距离时,存在追尾风险,系统会发出预警信息;当自车与目标车道前、后车间距小于安全距离时,存在刮碰风险,系统也会发出预警信息。实验结果表明,所提方法能够在实际安全距离内发出预警信息,有效解决车辆换道交通安全问题,并且预警系统响应时长保持在5ms内。

基于信号博弈的智能车换道决策模型研究

为了充分利用智能车获取的实时信息,实现安全、高效地换道,本文考虑驾驶员异质性的影响,建立了基于信号博弈原理的智能车换道决策模型。首先,利用急动度比例划分驾驶员心理类型;其次,分析换道博弈原理,构建车辆换道决策模型;然后,验证车辆换道决策模型的有效性;最后,设计混行环境下车辆换道仿真实验,验证模型实用性。研究表明:本文所构建的换道决策模型可有效用于智能车轨迹规划,为无人驾驶提供理论基础。

基于电磁感应的电磁越野智能车设计

【目的】提高电磁越野智能车在复杂赛道工况下的稳定运行性能。【方法】以第十四届“恩智浦杯”室外电磁组为背景,基于电磁感应原理,提出了一种以S9KEAZ128AMLH型号MUC为核心控制单元的电磁越野智能车设计。详细介绍了整个电磁越野智能车硬件系统所需模块及主要作用,从电感采集值的滤波及归一化处理、赛道元素判断、偏差拟合、方向控制及车速控制等方面介绍了电磁越野智能车的软件设计,其中详细说明了KNN算法、模糊算法、PID算法的原理及应用。并通过调整赛道元素位置、更换发车方向、改变运行速度,在长度95 m赛道上以平均运行速度2.80~2.89 m/s测试了该车辆的性能。【结果】该大前瞻、高速电磁越野智能车能够在高速、复杂元素(菱形环岛、横断路障等)场景下实现精准的元素识别以及稳定的循迹。【结论】所设计的电磁越野智能车具有良好的元素识别、电感偏差拟合性能,兼顾方向与车速系统的控制,具备高速性与稳定性,对电磁导航无人车辆控制研究有一定参考价值。

基于GNSS/INS视觉融合智能车导航控制策略研究

为了提高智能导航车辆在复杂环境下的控制精度,提出一种基于GNSS/INS视觉融合处理算法,设计以英飞凌TC364单片机为控制核心单元的智能导航小车。通过对采集到的GNSS、IMU以及灰度图像数据进行预先分析,并对数据进行卡尔曼滤波融合,灰度图像处理边界提取,拟合出符合要求的车辆运行轨迹后,采用纯跟踪算法对车辆进行实时跟踪控制,验证算法可行后移植到智能车。通过实验数据以及实际运行结果分析对比,证明该方案满足车辆的自动巡航要求。