??C车模中，使用舵机控制前轮的左右转向，我们的智能车选用了立式安装，即舵机直立在车模中央，并用四根长螺钉将其固定。确保舵机中轴至左右轮的传动距离相同，保持较高的响应速度，提高系统的稳定性。在舵机支架上，该组安装了一个电压表，实时显示当前电池的功率，以确保智能汽车在最佳状态下运行，同时避免电池损失影响使用寿命。由于车辆运动速度快，为了防止电压表正负线脱落缠绕影响舵机，对其进行了密封处理。

??本组调整了前轮前束。前束是指前轮前端面与后端面之间的距离差，也是指车身前进方向与前轮平面之间的夹角[1]。适当选择前束角可以抵消前束引起的侧向力和车轮外倾引起的侧向推力，避免额外的轮胎磨损和功耗。根据自身车辆的重量和舵机的性能，调整前轮前束的角度，使车辆行驶更加平稳。

??编码器用于检测车辆电机的运行状态和速度PID闭环控制非常重要。本组选用精度较高的1024线带方向编码器，为实现高精度检测，编码器的安装尤为重要。本组采用轮啮合传输方案，将编码器连接到电机控制旋转轴上的齿轮上，并使用润滑油，使编码器齿轮与传动齿轮之间的运动平稳，无滑动或卡尺。为准确控制速度提供了前提条件。

??在车辆轮胎方面，为了获得更大的抓地力和支撑，本组在原轮胎的基础上进行了以下处理。

??（1）轮胎软化。将轮胎外皮均匀浸泡在轮胎软化液中。一段时间后，轮胎外皮变软。此时，轮胎与地面的接触面积更大，抓地力更强。 ??（2）轮胎密封胶。由于组车辆在最高时速下电机转速较快，为了避免轮胎橡胶与轮毂分离，将塑料橡胶挤入其中，确保两者不分离。

??轮胎经过处理后，性能更好。同时，本组轮胎满足比赛对轮胎的要求，即轮胎图案清晰，车模放置在A4纸张5秒以上不粘连。

??此次智能车比赛是本组第一次参加，由于设计能力有限，未采用将驱动，模板，AD虽然放大电路集成在同一板上的设计方案更简单，但对电路设计要求更高，部分问题需要重新设计。因此，我们采用了多块小板的单独设计方案。该方案有效地提高了电路设计的效率，模块化设计带来了处理不同部分更方便的优势，后续升级只改变了单个模块，提高了硬件设计的灵活性。 ??主要设计电路有母板、驱动板、电磁输放板。

??根据比赛规则，本组选择推荐XSHY 18650 2000mH 7.4V电池。但除了电机，大多数部件所需的电压都是5V和3.3V，因此，我们需要设置它3.3V和5V稳压电路。因为系中3.3V电路的功耗较小，我们决定使用线性稳压芯片LDO，本组选择了市场上运用非常成熟的RT9013-33线性稳压芯片，3.3V稳压电路如图3.1所示。

  在设计5V的电路时，考虑到有舵机等器件，对负载的电流要求较高，所以我们没有使用线性稳压，采用了DC-DC变换器，我们使用了SY8205FCC芯片，5V稳压电路如图3.2所示。

  根据竞赛的规则，我们选用了推荐的XSHY 18650 2000mH 7.4V电池。但是除了电机外，大部分元件需要的电压为5V和3.3V，因此，我们需要设3.3V和5V的稳压电路。由于系统中3.3V电路的功耗较小，我们决定使用线性稳压芯片LDO我们选择了市场上运用非常成熟的RT9013-33线性稳压芯片。

  母板作为智能车上面积最大的板子，主要有微处理器最小系统，电源电路，传感器以及通信接口等，我们在板子上设计了固定孔来固定母版以及连接摄像头支架。

  电机驱动电路方面，我们选择了DRV8701E芯片，相较于传统的驱动，无需升压电路，带电流保护功能，能更好的保护车辆，同时其控制信号也更加简单，只需要两路PWM控制速度，两路IO控制方向。相较于传统的HIP4082N沟道MOSFET驱动，我们使用了TPH1R403NL，其内阻更小，减少驱动的发热量。隔离芯片我们选用了SN74HC125PWR线路缓冲器，单片机信号只能单向输出到驱动，方向的信号被拦截，能在有效保护单片机的同时提高驱动能力。

  根据《第十六届全国大学生智能汽车竞赛总决赛 AI视觉组线上赛细则》，识别任务可大体分成两大类，边框检测问题和图像分类问题。其中图像分类问题又可分为四个小类：AprilTag奇偶分类，数字奇偶分类，动物水果分类以及对AprilTag，数字，动物水果这三类进行分类的三分类问题[2]。

  其中边框检测问题我们使用传统图像处理手段进行处理，而图像分类问题我们则全使用了神经网络进行解决。

  图像分类首先需要解决的是三分类问题。三分类问题指的是对于显示器上会出现的AprilTag、数字、动物水果这三种类型进行初次判断并分类。我们首先考虑了通过设置HSV阈值的方式来对其进行分类，但实际效果并不理想。因为摄像头对显示器的背光极其敏感，略微的角度改变都会改变摄像头所识别到的光源位置，从而使图像对应的HSV值发生改变。

  所以我们最后采用了先识别AprilTag，再用纯神经网络进行二分类的方案。由于Open Art Mini本身对于AprilTag识别的灵敏度极佳，因此可以先通过内置函数判断是否为AprilTag，再利用神经网络来进行数字、和动物水果的二分类。得益于神经网络本身的鲁棒性，我们在三分类问题上取得了远比HSV方案理想的结果。

  数字奇偶和动物水果的分类问题则使用神经网络来处理。其中数字奇偶分类是一个十分类网络，动物水果则是一个二分类网络。

  受限于硬件的ram较小，神经网络本身的可操作空间不大，无法使用较为复杂的网络模型，我们统一使用了最为经典的卷积神经网络模型。模型参数如下：

  数字识别问题，可以参照经典的mnist手写数字识别问题[4]，轻松将10个数字进行识别，再分别按照奇偶进行分类。   值得推敲的是在动物水果分类问题中，最后一层全连接层究竟是输出2-class还是10-class。在主流CV分类问题中，应当是将最后的class分得越细越好，即将目标图片在苹果、香蕉、橙子、葡萄、猪、狗、猫、马、牛十种类型中进行分类。相比于仅对动物和水果进行分类，这样做能够使神经网络关注到更多的细节，学习的目标更加明确，避免学到一个"四不像"的情况。但在实际调试过程中，我们发现，受制于硬件，模型的深度不够深，无法很好地把握住图片的细节，同时十分类会将更多的资源放在最后一层全连接层上，浪费资源。

  因此在动物水果分类问题上，我们最终采用了动物-水果的二分类方案。虽然二分类模型对于一些界限不太明显的图片识别效果不佳，而十分类器却能够识别，例如容易将白底粉色的猪识别成苹果。但整体上，二分类器的效果优于十分类器。

  模型训练主要处理的是数据集。

  对于数字分类问题，我们选择先用mnist集进行预训练，动物水果分类问题则没有预训练，直接进行正式训练。我们先使用官方提供的数据集进行正式训练，并通过旋转、扭曲、亮度调节等方式进行数据增强。最后，用摄像头实际拍到的图像进行微调，以此获得一个准确率较高的结果。

  PID是闭环控制算法中最简单的一种。PID是比例 (Proportion) 积分 ,(Integral) 微分 ,(Differential coefficient) 的缩写，分别代表了三种控制算法。通过这三个算法的组合可有效地纠正被控制对象的偏差，从而使其达到一个稳定的状态。[5]

  成比例地反映控制系统的偏差信号，偏差一旦产生，立即产生控制作用以减小偏差。比例控制器的输出u(t)与输入偏差e(t)成正比，能迅速反映偏差，从而减小偏差，但不能消除静差。静差是指系统控制过程趋于稳定时，给定值与输出量的实测值之差。偏差存在，才能使控制器维持一定的控制量输出，因此比例控制器必然存在着静差。由偏差理论知，增大疋虽然可以减小偏差，但不能彻底消除偏差。比例控制作用的大小除与偏差e(t)有关之外，还取决于比例系数Kp的大小。比例系数Kp越小，控制作用越小，系统响应越慢；反之，比例系数Kp越大，控制作用也越强，则系统响应越快。但是，Kp过大会使系统产生较大的超调和振荡，导致系统的稳定性能变差。因此，不能将Kp选取过大，应根据被控对象的特性来折中选取Kp，使系统的静差控制在允许的范围内，同时又具有较快的响应速度。

  积分环节的作用，主要用于消除静差提高系统的无差度。积分作用的强弱，取决于积分时间常数Ti，Ti越大积分作用越弱，反之则越强。积分控制作用的存在与偏差e(t)的存在时间有关，只要系统存在着偏差，积分环节就会不断起作用，对输入偏差进行积分，使控制器的输出及执行器的开度不断变化，产生控制作用以减小偏差。在积分时间足够的情况下，可以完全消除静差，这时积分控制作用将维持不变。Ti越小，积分速度越快，积分作用越强。积分作用太强会使系统超调加大，甚至使系统出现振荡。   微分环节的作用能反映偏差信号的变化趋势（变化速率），并能在偏差信号的值变得太大之前，在系统中引入一个有效的早期修正信号，从而加快系统的动作速度，减小调节时间。积分控制作用的引入虽然可以消除静差，但是降低了系统的响应速度，特别是对于具有较大惯性的被控对象，用PI控制器很难得到很好的动态调节品质，系统会产生较大的超调和振荡，这时可以引入微分作用。在偏差刚出现或变化的瞬间，不仅根据偏差量作出及时反应（即比例控制作用），还可以根据偏差量的变化趋势（速度）提前给出较大的控制作用（即微分控制作用），将偏差消灭在萌芽状态，这样可以大大减小系统的动态偏差和调节时间，使系统的动态调节品质得以改善。微分环节有助于系统减小超调，克服振荡，加快系统的响应速度，减小调节时间，从而改善了系统的动态性能，但微分时间常数过大，会使系统出现不稳定。微分控制作用一个很大的缺陷是容易引入高频噪声，所以在干扰信号比较严重的流量控制系统中不宜引入微分控制作用。

  微分控制作用的阶跃响应特性对于一个恒定的偏差量，不管其数值有多大，微分控制作用均为零。因此，微分作用不能消除静差，单独使用意义不大，一般需要与比例、积分控制作用配合使用，构成PD或PID控制。

  对于PID控制，在控制偏差输入为阶跃信号时，立即产生比例和微分控制中作用。由于在偏差输入的瞬时，变化率非常大，微分控制作用很强，此后微分控制作用迅速衰减，但积分作用越来越大，直至最终消除静差。PID控制综合了比例、积分、微分3种作用，既能加快系统响应速度、减小振荡、克服超调，亦能有效消除静差，系统的静态和动态品质得到很大改善，因而PID控制器在工业控制中得到了最为广泛的应用。

  为达到在弯道，赛道元素达到快速加减速，以及通过后轮主动差速调整转弯半径的目的，我们通过读取编码器获得车轮实际转速，并与六轴imu采集到的X轴加速度积分进行加权获得估测的车速，并进行PD控制来使得轮速能够快速调整为我们需要的速度。控制周期设定为5ms，通过PIT定时器中断确定控制周期。

  在赛道控制部分，我们采用了两横两竖四电感，横向电感在外，对与直道电磁线的距离较为敏感，竖向电感在内，对车体与电子线的相对角度较为敏感。采集到的电感值经过归一化控制在0-255之间，方向通过PID控制，横竖两组电感分别做差并使用两套PID参数，通过电感值判断当前道路，通过一个有限状态机在大弯道，直道，小弯道三种基本赛道模式以及环岛，三叉，十字坡道（由陀螺仪判断）等特殊元素的各个阶段中切换，改变两组电感PID控制器输出的加权，再将加权的值作为舵机的偏移量和后轮的差速，经过限幅后由舵机和电机输出。

  [1] 李占东, 唐岚, 王贤民, 邵南平, and 李杨. “基于减少轮胎磨损某SUV前轮前束角与外倾角的匹配优化设计.” 成都工业学院学报 21.2 (2018): 1-17. Web. [2] 《第十六届全国大学生智能汽车竞赛总决赛 AI视觉组线上赛细则》 [3] OpenMV Cam 中文文档 [4] 王晓华. TensorFlow 2.0深度学习应用实践. 第2版 ed. Print. [5] 黄友锐. PID控制器参数整定与实现. Print.

● 相关图表链接:

• 图 2.2 舵机的安装
• 图 2.3 前轮前束的调整
• 图 2.4 编码器的安装
• 图 2.5 识别摄像头的安装
• 图3.1 3.3V 电路设计
• 图 3.2 5V电路设计
• 图 3.3 母版直观图
• 图 3.4 驱动原理图
• 图 3.4 驱动原理图
• 图 3.5 电磁运放直观图
• 表4.1 神经网络模型参数表
• 图4.2 控制速度控制周期的PIT中断函数