智能车电磁信号处理系统设计与优化实践-嵌云网-嵌入式AI开发资源站

智能车电磁信号处理系统设计与优化实践

Williams lee

1. 电磁智能车信号处理系统概述

在智能车竞赛的电磁组比赛中，信号处理系统是整个车辆控制的核心。与摄像头组不同，电磁组需要处理的是看不见摸不着的磁场信号，这使得信号处理的质量直接决定了车辆的稳定性和速度表现。经过多次比赛实践，我们发现90%的失控情况并非源于控制算法本身，而是由于信号采集和处理环节的缺陷导致的。

电磁信号处理系统主要包含五个关键环节：信号采集、滤波处理、归一化转换、循迹算法计算和丢线保护。每个环节都需要精心设计和调试，才能确保车辆在各种赛道条件下都能稳定运行。我们的RT1064主控芯片搭载了12位ADC采样模块，理论上可以获得0-4095的原始数据范围，但实际赛道环境中有效信号通常集中在1000-3500之间。

2. 信号采集与预处理

2.1 多通道同步采样策略

电磁智能车通常需要同时采集多个电感传感器的数据。我们采用四路电感布局：左右两侧各一个横向电感（用于检测左右偏差），以及两个纵向电感（用于检测前瞻距离）。在每一个控制周期内，我们对这四路信号进行连续采样：

c复制#define SAMPLE_TIMES 5
uint16_t filter_buf_L[SAMPLE_TIMES];   // 左侧横向电感
uint16_t filter_buf_LS[SAMPLE_TIMES];  // 左侧纵向电感
uint16_t filter_buf_RS[SAMPLE_TIMES];  // 右侧纵向电感
uint16_t filter_buf_R[SAMPLE_TIMES];   // 右侧横向电感

void sample_sensors() {
    for(int i=0; i<SAMPLE_TIMES; i++) {
        filter_buf_L[i] = adc_read(LEFT_ADC_PIN);
        filter_buf_LS[i] = adc_read(LEFT_SHU_PIN);
        filter_buf_RS[i] = adc_read(RIGHT_SHU_PIN);
        filter_buf_R[i] = adc_read(RIGHT_ADC_PIN);
        delay_us(50); // 适当间隔防止信号干扰
    }
}

采样次数的选择需要权衡信号平滑度和系统实时性。经过实测，5-7次采样能在保证足够平滑度的同时，将处理延迟控制在可接受范围内。值得注意的是，采样间隔不宜过短，否则可能因电感充放电不充分而影响数据准确性。

2.2 死区处理与噪声抑制

原始ADC数据中往往包含大量环境噪声和电路本身的零漂。我们发现，对于横向电感，小于240的数值基本是无效信号；而对于纵向电感，这个阈值提高到500。这是因为纵向电感通常距离导线更远，信号强度本身就较弱。

c复制void dead_zone_filter() {
    for(int i=0; i<SAMPLE_TIMES; i++) {
        if(filter_buf_L[i] < 240) filter_buf_L[i] = 0;
        if(filter_buf_LS[i] < 500) filter_buf_LS[i] = 0;
        if(filter_buf_RS[i] < 500) filter_buf_RS[i] = 0;
        if(filter_buf_R[i] < 240) filter_buf_R[i] = 0;
    }
}

死区处理必须在滤波计算之前进行，否则微弱的干扰信号会被带入后续计算，影响最终结果的准确性。这个步骤看似简单，却能显著提高系统的信噪比。

2.3 去极值平均滤波算法

普通的均值滤波对异常值非常敏感，一个突发的干扰脉冲就可能严重影响滤波结果。我们采用去极值平均滤波法，先去除采样数据中的最大值和最小值，再对剩余数据求平均：

c复制float advanced_filter(uint16_t *buf) {
    uint16_t max = 0, min = 0xFFFF;
    uint32_t sum = 0;
    
    for(int i=0; i<SAMPLE_TIMES; i++) {
        if(buf[i] > max) max = buf[i];
        if(buf[i] < min) min = buf[i];
        sum += buf[i];
    }
    
    return (float)(sum - max - min) / (SAMPLE_TIMES - 2);
}

这里需要特别注意数据类型的选择。虽然12位ADC的最大值为4095，5次累加最大约为20475，仍处于uint16_t范围内(0-65535)，但如果增加采样次数到16次以上，就必须使用uint32_t来避免溢出。

3. 信号归一化处理

3.1 归一化的必要性

原始ADC值会受多种因素影响，如电池电压变化、赛道磁场强度差异等。为了消除这些影响，我们将12位ADC值(0-4095)映射到0-100的统一范围：

c复制void normalization() {
    left_adc = 100.0 * filtered_L / 4096;
    leftshu_adc = 100.0 * filtered_LS / 4096;
    rightshu_adc = 100.0 * filtered_RS / 4096;
    right_adc = 100.0 * filtered_R / 4096;
}

归一化处理带来三个显著优势：

算法逻辑与具体硬件解耦，提高代码可移植性
不同传感器数据具有可比性，便于参数调整
输出范围固定，简化后续PID参数整定

3.2 归一化参数调整

在实际应用中，我们发现完全按照理论最大值4095进行归一化并不总是最佳选择。可以根据实际赛道情况调整归一化基准：

c复制#define ADC_MAX 3500  // 根据实测最大信号强度调整

void dynamic_normalization() {
    left_adc = 100.0 * filtered_L / ADC_MAX;
    // 其他通道类似
}

这种动态基准方法可以更好地利用ADC的分辨率，特别是在信号强度较弱的赛道上。但需要注意定期校准，确保基准值的准确性。

4. 循迹算法实现

4.1 基础差比和算法

差比和算法是电磁组最基础的循迹算法，通过计算横向和纵向电感的差值比上和值来得到偏差：

c复制float basic_error_calc() {
    float horiz_error = (left_adc - right_adc) / (left_adc + right_adc);
    float vert_error = (leftshu_adc - rightshu_adc) / (leftshu_adc + rightshu_adc);
    return 10.0 * (0.5 * horiz_error + 0.5 * vert_error);
}

这个算法的优势在于简单直观，且对信号强度变化具有自适应性。当所有信号同比变化时(如电池电压下降)，计算结果保持不变。

然而，基础差比和算法存在一个严重缺陷：当车辆接近赛道边缘时，分母趋近于零，导致计算结果剧烈波动，容易引发车辆失控。

4.2 改进的差比和差算法

为了解决基础算法的问题，我们引入了差比和差算法，在分母中加入阻尼项：

c复制#define ALPHA 0.6f  // 横向权重
#define BETA 0.3f   // 纵向权重
#define OMEGA 0.1f  // 阻尼系数

float advanced_error_calc() {
    float numerator = ALPHA * (left_adc - right_adc) + 
                     BETA * (leftshu_adc - rightshu_adc);
    
    float denominator = ALPHA * (left_adc + right_adc) + 
                       OMEGA * fabs(leftshu_adc - rightshu_adc);
    
    return 10.0 * (numerator / denominator);
}

这个改进的关键在于分母中的fabs()项，它确保分母永远不会为零。即使横向电感信号完全丢失，纵向电感的差值也能维持分母的稳定性。

4.3 参数整定经验

差比和差算法的三个参数(ALPHA、BETA、OMEGA)需要根据实际车辆和赛道情况进行调整。我们的经验是：

初始值可以设为ALPHA=0.6, BETA=0.3, OMEGA=0.1
直道行驶时，适当增大ALPHA使车辆更稳定
弯道较多时，适当增大BETA提高转向灵敏度
OMEGA不宜过大，否则会降低算法灵敏度

调试时可以借助OLED屏幕实时显示偏差值，观察不同赛道段落的算法输出特性。建议记录直道、小弯、大弯等不同情况下的数据，进行针对性优化。

5. 信号后处理与丢线保护

5.1 一阶低通滤波

即使经过前述处理，偏差信号仍可能包含高频噪声。我们采用一阶低通滤波进行平滑：

c复制float last_error = 0;
float filter_coef = 0.8f;  // 滤波系数

float low_pass_filter(float current_error) {
    last_error = last_error + filter_coef * (current_error - last_error);
    return last_error;
}

滤波系数的选择需要权衡响应速度和平滑度：

系数接近1(如0.9)：响应快但平滑效果差
系数接近0(如0.1)：非常平滑但响应滞后
通常选择0.7-0.8能在两者间取得较好平衡

5.2 丢线检测与保护

丢线是电磁车最常见的问题之一，必须实现可靠的保护机制：

c复制bool check_signal_lost() {
    float total = left_adc + leftshu_adc + rightshu_adc + right_adc;
    return (total <= 15);  // 阈值根据实际情况调整
}

void safety_control() {
    if(check_signal_lost()) {
        set_motor_pwm(-200);  // 反向制动
        set_servo_pwm(SERVO_MID);  // 舵机回正
        delay_ms(100);
        set_motor_pwm(0);  // 完全停止
    }
}

丢线保护的关键点：

阈值设置要合理，既要能及时检测丢线，又要避免误触发
保护动作应包括减速、舵机回正等
可以增加声音或灯光提示，方便调试人员识别

6. 硬件优化与调试技巧

6.1 电感安装与支架设计

硬件安装对信号质量影响极大，我们的经验教训包括：

电感支架必须足够坚固，避免振动引入噪声
电感安装位置要合理，前瞻距离影响信号强度
使用热熔胶固定电感和线缆，防止松动
定期检查电感角度，碰撞后需要重新校准

6.2 数据采集与分析方法

建立系统的调试方法可以事半功倍：

使用OLED/TFT屏幕实时显示关键数据
通过串口将数据发送到上位机进行分析
记录不同赛道段落的典型数据特征
使用Excel或MATLAB进行离线分析和算法验证

6.3 开发流程建议

电磁车的开发应该分阶段进行：

初期：确保基础功能正常，车辆能完成赛道
中期：优化算法和参数，提高行驶稳定性
后期：精细调参和速度优化，追求极限性能

每个阶段都要有明确的目标和评估标准，避免过早优化。记住，一个稳定完成赛车的方案，远优于一个速度快但不可靠的方案。