【智能车学习】电磁循迹中的基本控制算法

最新推荐文章于 2025-10-29 21:25:11 发布

原创

最新推荐文章于 2025-10-29 21:25:11 发布 · 6.2w 阅读

361

2.3k ·

CC 4.0 BY-SA版权

文章标签：

#自动驾驶

本文介绍了电磁车控制中的关键算法，包括采样信号滤波（限幅法和算术平均值滤波）、归一化处理以及PID控制（舵机与电机控制）的应用。通过实例代码演示了如何实现场景中的信号处理和精准控制。

文章目录

前言
采样信号滤波
归一化
- 什么是归一化
- 归一化的代码实现
PID控制
目标速度的确定

前言

今天心血来潮，突然想总结一下电磁车的一些基本算法，也希望可以给新手同学们一点帮助和参考。
电磁车的控制相对比较简单，大致可以分为信号采集，舵机控制和电机控制三部分，所谓电磁车控制算法，其实就是对这三个模块功能的研究和精确，从而使赛车达到我们想要的效果。
本篇讲述的是基础算法部分，优化部分可以参考:https://blog.youkuaiyun.com/Carry_qing/article/details/109906383

采样信号滤波

什么是滤波

滤波（Wave filtering）是将信号中特定波段频率滤除的操作，是抑制和防止干扰的一项重要措施。它可以从含有干扰的接收信号中提取有用信号，很大程度上保证了采集到的信号的真实性和稳定性。正因如此，滤波算法也成了在智能车控制中不可或缺的一种控制算法。

常见的软件滤波办法

软件滤波在嵌入式的数据采集和处理中有着很重要的作用。对于电磁车来说，我们需要对采集到的赛道电磁信号进行滤波处理，这里我们介绍几种常见的软件滤波处理办法。

限幅法

一般来说，每个电感在赛道上采集到的值都有一个固定的范围，由于电感排布方案的不同（水平电感、竖直电感或斜电感等）或不同赛道电磁信号的差别，这个范围也会随之变化。这时我们可以在程序的初始化中加入一个扫描赛道的程序，在初始化程序运行时令车左右扫描，将每个电感的最大值和最小值分别记录入两个一维数组中，让其作为每个电感采集信号值的上下限（这样也是为了提高赛车对于不同赛道的适应性）。在后续赛车行驶过程中，便可以过滤在这个范围之外的电感值，从而排除偶然误差，达到软件滤波的效果。
具体代码如下（此处只写一个其中电感的处理）：

////////// 扫描赛道 //////////
void saomiao()
{
   
      
     uint32 i;
     uint16 max1=0,min1=4095;
        
     for(i=0;i<1000;i++)  
     {
   
          
       LeftADC[0]=ADC_Ave(ADC0,ADC1_SE8,ADC_12bit,10); 
       if(LeftADC[0]>max1) 
	   	 max1=LeftADC[0];
       if(LeftADC[0]<min1)
      	 min1=LeftADC[0];
     }
     
} 


////////// 限幅法滤波 //////////
void AD_value(<