基于Cortex-M3的礦井車循跡系統(tǒng)設計

摘要：針對礦井惡劣的環(huán)境，設計一種能自動循跡的礦井車系統(tǒng)。硬件方面，采用Cortex-M3作控制模塊，紅外感應方式探測路徑，測溫模塊和圖像傳感器辨別周圍環(huán)境，無線Zigbee模塊進行通訊；軟件設計上，循跡系統(tǒng)使用了模糊控制策略，針對不同軌跡自適應調整行車路線。仿真實驗結果表明，該系統(tǒng)能根據(jù)預設的軌跡運行，并能自動糾偏，偏差小于5％，同時能較好的監(jiān)視周圍環(huán)境和溫度。
關鍵詞：循跡系統(tǒng)；Cortex-M3；紅外感應；模糊控制；Zigbee

    隨著科技的發(fā)展、和諧社會的需求，在惡劣礦井下自動小車取代人力運作、保證礦工的人身安全成為了急需解決的問題。智能循跡小車為改善和提高礦井下運輸貨物，發(fā)揮了重要的作用。其中，系統(tǒng)硬件設計及其運行穩(wěn)定性是智能循跡小車系統(tǒng)的基本要素，而自動循跡的控制是其重要的方面。在礦井環(huán)境下，小車運行控制系統(tǒng)具有較強的非線性、模糊性和不確定性，一般路面的運載小車無法完成相應工作，用傳統(tǒng)的控制理論和方法很難對其進行有效的控制。
    可見礦井惡劣環(huán)境下，智能小車自動循跡系統(tǒng)性能的設計變得非常重要。為了實現(xiàn)系統(tǒng)的穩(wěn)定性，在做了具體環(huán)境分析和需求情況下，提出了一種智能小車系統(tǒng)的設計方案，該方案采用最新的ARM內核作控制端，紅外探測器和圖像傳感器等作為信息采集、傳輸與通訊，軟件上采用模糊控制策略實現(xiàn)。系統(tǒng)能完成在惡劣礦井環(huán)境下的自動循跡。

1 系統(tǒng)硬件設計
    根據(jù)系統(tǒng)設計的需求，結合CPU的選型以及軟件控制算法的特點，對自動循跡小車硬件系統(tǒng)進行了整體的規(guī)劃設計。系統(tǒng)由CPU處理模塊、紅外探測器、圖像傳感器、溫度傳感器、電機驅動、無線傳輸模塊以及存儲器模塊等組成。各模塊之間的聯(lián)系如圖1所示。

    1)CPU處理模塊采用ARM最新內核Cortex-M3，與其它處理器相比，優(yōu)勢在于低功耗、低成本、高性能3者(或2者)的結合。在系統(tǒng)中其主要功能：實時采集各種傳感器的信息，根據(jù)系統(tǒng)模糊控制方法，作出系統(tǒng)的判斷、決策、相應數(shù)據(jù)的存儲或處理。
    2)紅外探測器模塊是安裝在小車周圍的多組紅外收發(fā)模塊，通過即時的收發(fā)紅外信息，判斷路況。主要負責對小車路徑實時探測，并及時將信息反饋CPU進行處理。
    3)圖像傳感器模塊采用高速采集、高分辨率、彩色圖像OV7725傳感器，按照CPU預先設定的采集參數(shù)，負責特殊場景的圖像采集，并保存在系統(tǒng)存儲器或上傳遠程終端。
    4)無線Zigbee模塊是基于2．4 G的無線通信組網(wǎng)Zigbee技術，功能是將循跡小車系統(tǒng)的信息上傳遠程終端，或接收遠程終端的控制命令，完成系統(tǒng)的無線通信與整體組網(wǎng)。
    5)存儲器模塊包括外部SDRAM和外擴DKTA FLASH，前者用于系統(tǒng)CPU運算數(shù)據(jù)的臨時存儲，后者用于保存采集的重要圖像數(shù)據(jù)，以備遠程終端調用。

2 系統(tǒng)軟件設計
    系統(tǒng)主控芯片為ARM公司的Cortex-M3控制器，負責整體系統(tǒng)的數(shù)據(jù)采集、運算控制、驅動調配與通信。軟件設計開發(fā)是基于集成開發(fā)環(huán)境Keil Uvision4完成，系統(tǒng)軟件設計的整體流程如圖2所示。

    系統(tǒng)上電后初始化各寄存器，設置圖像傳感器OV7725采集參數(shù)，Zigbee模塊通信參數(shù)以及配置紅外傳感器的探測參數(shù)。進入工作狀態(tài)后，先通過無線Zigbee模塊檢查是否需要與遠程終端通信；判斷是否需要采集當前環(huán)境的圖像或溫度數(shù)據(jù)；通過分布在系統(tǒng)周圍的紅外收發(fā)模塊，探測小車運行軌跡，實時上傳數(shù)據(jù)到處理器；處理器根據(jù)紅外探測數(shù)據(jù)，采取模糊控制策略，輸出下一刻電機運行的狀態(tài)，從而控制小車運行的軌跡。

3 模糊控制決策輸出
   系統(tǒng)軟件設計上，主控制器采集了實時探測的紅外信號，作為小車運動的方向判決，由于需要較強的實時性，因此本文提出的控制方法采用了模糊推理機制對參數(shù)進行處理，得到模糊可靠的輸出，以滿足系統(tǒng)的實時性要求。模糊控制系統(tǒng)輸入為當前運行路徑與期望運行路徑的偏差以及偏差的變化率，系統(tǒng)輸出為所計算的控制量糾正量。輸入變量為A，B(路徑偏差、偏差變化率)，輸出變量為U(控制量糾正量)?？刂埔?guī)則表示為
    Ri：ifA is Aiand B is Bi then C is Ck (1)
    其中Ai，Bi，Ck分別表示語言詞集。主通道模糊控制器的輸入為E和EC，輸出為U，設定E，EC和U的論域均為：{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}。對應的模糊語言子集為{NB(負大)、N(負中)、NS(負小)、ZO(零)、PS(正小)、PM(正中)、PB(正大)}。通過比例因子ke和kec將偏差e和偏差變化率ec轉換為模糊學習控制器的輸入論域E和EC，通過量化因子ku將控制器的輸出轉化為實際控制量C。
   
    根據(jù)在校正過程中要遇到的各種可能出現(xiàn)的情況和相應的調整策略得到控制規(guī)則表如表1所示。

    對于整個模糊控制器決策，在t時刻采樣周期內，由公式(2)，根據(jù)路徑誤差和誤差變化率E，EC，由模糊判決表查出相應的U，并由量化因子ku計算得到實際控制輸出C。控制算法實現(xiàn)步驟如下：
    1)計算擁塞控制系統(tǒng)的輸入狀態(tài)。
    2)根據(jù)參考模型的輸出與實際對象輸出計算e，ec。
    3)根據(jù)參考模型誤差和誤差變化率E，EC。
    4)計算規(guī)則自校正模糊控制器的輸出U。
    5)由模糊控制的量化因子計算最終的實際控制輸出C。

4 仿真研究
    該系統(tǒng)設計及軟件算法研究在Matlab 7．0環(huán)境下進行軟件仿真。預先設定小車運行的期望軌跡為yd，根據(jù)模糊控制方法設計的小車實際運行軌跡為y，仿真的目的是檢驗該系統(tǒng)設計的小車，在運行過程是否能根據(jù)預設的軌跡運行。仿真的結果如圖3所示，橫軸為運行時間，縱軸為運行的距離。仿真結果顯示，小車運行初始狀態(tài)，不同出發(fā)點時與期望路徑有偏差，可能達到50％以上；在運行過程中，小車運行逐漸接近預設的軌跡，其后整體的偏差小于5％。系統(tǒng)運行穩(wěn)定以后，在給定期望軌跡下，探測小車系統(tǒng)能較好的跟蹤期望軌跡。

5 結論
    該小車探測系統(tǒng)采用基于高性能Cortex-M3處理器，圖像傳感器、溫度傳感器和紅外探測器綜合設計的硬件平臺，軟件設計采用模糊控制策略的思想，提高了系統(tǒng)的可靠性和穩(wěn)定性。該測試系統(tǒng)在專業(yè)仿真軟件平臺Matlab下進行，仿真實驗結果表明，小車系統(tǒng)能較好的實現(xiàn)探測、數(shù)據(jù)采集、跟蹤軌跡等功能，達到了設計要求。