智能汽車設(shè)計基礎(chǔ)—軟

1、第3章 智能汽車設(shè)計基礎(chǔ)—軟件,,,第3章 智能汽車設(shè)計基礎(chǔ)—軟件,在智能車系統(tǒng)的設(shè)計中，硬件是基礎(chǔ)，沒有一個好的硬件平臺，軟件就無法運行。對于智能車系統(tǒng)來說，軟件的核心是控制算法。而完成這些任務(wù)的編程語言有匯編語言和C語言。軟件部分是整個智能車系統(tǒng)的靈魂，在硬件方面各參賽隊之間大同小異，真正體現(xiàn)各參賽隊智能車的優(yōu)勢和最后決定比賽成績好壞的往往是軟件部分，尤其是核心控制算法的設(shè)計。本章首先簡要介紹軟件編程中使用的匯編語言和C語言各自

2、的特點，然后重點介紹核心控制算法的原理。,第3章 智能汽車設(shè)計基礎(chǔ)—軟件,3.1 編程語言簡介,匯編語言是用符號指令書寫程序的語言，是依賴于硬件平臺的語言，對于不同架構(gòu)的CPU都會有相應(yīng)的匯編指令。匯編語言可以直接操作CPU內(nèi)部的寄存器以及各種外圍設(shè)備，對于單片機啟動開始運行或者對于時序要求嚴格的I/O操作必須采用匯編語言編寫，在啟動開始運行時匯編語言創(chuàng)建系統(tǒng)的運行環(huán)境。C語言的特點就是可以使程序員盡量少地對硬件進行操作，具有很強

3、的功能性、結(jié)構(gòu)性和可移植性。由于C語言具有語言簡潔、緊湊，使用靈活、方便，運算符和數(shù)據(jù)類型豐富，可以直接訪問物理地址，進行位操作，能實現(xiàn)匯編語言的大部分功能，可以直接對硬件進行操作，因此C語言既具有高級語言的功能，又具有匯編語言的功能，對于編寫與硬件相關(guān)的應(yīng)用程序而言具有明顯的優(yōu)勢。,3.1 編程語言簡介,在絕大多數(shù)場合，采用C語言編程即可完成預(yù)期的目的，但是對實時時鐘系統(tǒng)、要求執(zhí)行效率高的系統(tǒng)就不適合采用C語言編程，對這些特殊情況進

4、行編程時要結(jié)合匯編語言。匯編語言具有直接和硬件打道、執(zhí)行代碼的效率高等特點，可以做到C語言所不能做到的一些事情，例如對時鐘要求很嚴格時，使用匯編語言便成了唯一的選擇。這種混合編程的方法將C語言和匯編語言的優(yōu)點結(jié)合起來，已經(jīng)成為目前單片機開發(fā)最流行的編程方法。關(guān)于編程語言的詳細介紹可參閱相關(guān)書籍。,3.2 控制算法,3.2.1 PID控制算法,PID（Proportional Integral Differential）控制是比例、積

5、分、微分控制的簡稱。在自動控制領(lǐng)域中，PID控制是歷史最久、生命力最強的基本控制方式。PID控制器的原理是根據(jù)系統(tǒng)的被調(diào)量實測值與設(shè)定值之間的偏差，利用偏差的比例、積分、微分三個環(huán)節(jié)的不同組合計算出對廣義被控對象的控制量。圖3.1是常規(guī)PID控制系統(tǒng)的原理框圖。,3.2.1 PID控制算法,圖3.1 常規(guī)PID控制系統(tǒng)原理框圖,3.2.1 PID控制算法,其中虛線框內(nèi)的部分是PID控制器，其輸入為設(shè)定值 與被調(diào)量實測值

6、 構(gòu)成的控制偏差信號 ： (3.1)

7、 其輸出為該偏差信號的比例、積分、微分的線性組合， 也即PID控制律： (3.2) 式中， 為比例系數(shù)； 為積分時間常數(shù)； 為微分時間常數(shù)。,3.2.1 PID控制算法,根據(jù)被控對象動態(tài)特性和控制要求的不同，式(3.2)中還可以只包含比例和積分的PI調(diào)節(jié)或者只包含比例微分的PD調(diào)節(jié)。下面主要討論PID控

8、制的特點及其對控制過程的影響、數(shù)字PID控制策略的實現(xiàn)和改進，以及數(shù)字PID控制系統(tǒng)的設(shè)計和控制參數(shù)的整定等問題。,3.2.1 PID控制算法,1．PID控制規(guī)律的特點 （1）比例控制器 比例控制器是最簡單的控制器，其控制規(guī)律為 (3.3) 式中，Kp為比例系數(shù)； 為控制量的初值，也就是在啟動控制系統(tǒng)時的控制量。圖3.2所示是比

9、例控制器對單位階躍輸入的階躍響應(yīng)。 由圖3.2可以看到，比例控制器對于偏差是及時反應(yīng)的，偏差一旦產(chǎn)生，控制器立即產(chǎn)生控制作用使被控量朝著減小偏差的方向變化，控制作用的強弱取決于比例系數(shù)Kp。,3.2.1 PID控制算法,圖3.2 比例控制器的階躍響應(yīng),3.2.1 PID控制算法,比例控制器雖然簡單快速，但對于具有自平衡性（即系統(tǒng)階躍響應(yīng)終值為一有限值）的被控對象存在靜差。加大比例系數(shù)Kp雖然可以減小靜差，但當(dāng)Kp過大時

10、，動態(tài)性能會變差，會引起被控量振蕩，甚至導(dǎo)致閉環(huán)系統(tǒng)不穩(wěn)定。,3.2.1 PID控制算法,（2）比例積分控制器 為了消除在比例控制中存在的靜差，可在比例控制的基礎(chǔ)上加上積分控制作用，構(gòu)成比例積分PI控制器，其控制規(guī)律為 (3.4)式中， 稱為積分時間。圖3.3所示為PI控制器對單位階躍輸入的階躍響應(yīng)。,3.2.1 PID控制算法,PI

11、控制器對偏差的作用有兩個部分：一個是按比例部分的成分，另一個是帶有累積的成分（即呈一定斜率變化的部分），這就是積分控制部分的作用。只要偏差存在，積分將起作用，將偏差累計，并對控制量產(chǎn)生影響，即偏差減小，直至偏差為零，積分作用才會停止。因此，加入積分環(huán)節(jié)將有助于消除系統(tǒng)的靜差，改善系統(tǒng)的穩(wěn)態(tài)性能。,3.2.1 PID控制算法,圖3.3 PI控制器的階躍響應(yīng),3.2.1 PID控制算法,顯然，如果積分時間太大，則積分作用減弱，反之則積

12、分作用較強。增大，將使消除靜差的過程變得緩慢，但可以減小系統(tǒng)的超調(diào)量，提高穩(wěn)定性。必須根據(jù)被控對象的特性來選定，如對于管道壓力、流量等滯后不大的對象，可以選得小些，對溫度、成分等滯后比較大的對象，可以選得大些。,3.2.1 PID控制算法,（3）比例積分微分控制器 積分調(diào)節(jié)作用的加入，雖然可以消除靜差，但其代價是降低系統(tǒng)的響應(yīng)速度。為了加快控制過程，有必要在偏差出現(xiàn)或變化的瞬間，不但要對偏差量做出反應(yīng)（即比例控制作用），而且要

13、對偏差量的變化做出反應(yīng)，或者說按偏差變化的趨勢進行控制，使偏差在萌芽狀態(tài)被抑制。為了達到這一控制目的，可以在PI控制器的基礎(chǔ)上加入微分控制作用，即構(gòu)造比例積分微分控制器（PID控制器）。PID控制器的控制規(guī)律為 (3.5),3.2.1 PID控制算法,式中，稱為微分時間。理想的PID控制器對偏差階躍變化的響應(yīng)如圖3.4所示，它在偏差變化的瞬間處

14、有一個沖激式的瞬態(tài)響應(yīng)，這就是由微分環(huán)節(jié)引起的。 圖3.4 理想PID控制器的階躍響應(yīng),3.2.1 PID控制算法,由微分部分的控制作用 (3.6) 可見，它對偏差的任何變化都會產(chǎn)生控制作用，以調(diào)整系統(tǒng)的輸出，阻止偏差的變化。偏差

15、變化越快，控制量就越大，反饋校正量就越大。故微分作用的加入將有助于減少超調(diào)量，克服振蕩，使系統(tǒng)趨于穩(wěn)定。微分作用可以加快系統(tǒng)的動作速度，減小調(diào)整時間，改善系統(tǒng)的動態(tài)性能。,3.2.1 PID控制算法,2．?dāng)?shù)字PID控制算法 在連續(xù)生產(chǎn)過程控制系統(tǒng)中，通常采用如圖3.1所示的PID控制，其對應(yīng)的傳遞函數(shù)表達式為

16、 (3.7) 對應(yīng)的控制算法表達式為 (3.8)式中， 為比例增益； 為積分時間常數(shù)； 為微分時間常數(shù)； 為控制量； 為被控量與設(shè)定值 的偏差。,,3.2.1 PID控制算法,

17、為了便于計算機實現(xiàn)PID算法，必須將式(3.3)改寫為離散（采樣）式，這可以將積分運算用部分和近似代替，微分運算用差分方程表示，即 (3.9）

18、 (3.10) 式中，T為采樣周期；k為采樣周期的序號（ ）；和分別為第和第k個采樣周期的偏差。,3.2.1 PID控制算法,將式(3.9)和式(3.10)代入式(3.8)可得相應(yīng)的差分方程，即 (3.11) 式

19、中， 為第 k 個采樣時刻的控制量。如果采樣周期T與被控對象時間常數(shù)比較相對較小，那么這種近似是合理的，并與連續(xù)控制的效果接近。 模擬調(diào)節(jié)器很難實現(xiàn)理想的微分 ，而利用計算機可以實現(xiàn)式(3.10)所表示的差分運算，故將式(3.11)稱為理想微分數(shù)字PID控制器?；镜臄?shù)字PID控制器一般具有以下兩種形式的算法。,,3.2.1 PID控制算法,圖3.5 位置型算法流程圖,3.2.1 PID控制算法,（1）

20、位置型算法 模擬調(diào)節(jié)器的調(diào)節(jié)動作是連續(xù)的，任何瞬間的輸出控制量 u 都對應(yīng)于執(zhí)行機構(gòu)（如調(diào)節(jié)閥）的位置。由式(3.11)可知，數(shù)字控制器的輸出控制量 也和閥門位置相對應(yīng)，故稱為位置型算式（簡稱位置式）。相應(yīng)的算法流程圖如圖3.5所示。 由圖3.5可以看出，因為積分作用是對一段時間內(nèi)偏差信號的累加，因此，利用計算機實現(xiàn)位置型算法不是很方便，不僅需要占用較多的存儲單元，而且編程也不方便，因此可以采用其改進式——增量型

21、算法來實現(xiàn)。,（2）增量型算法 根據(jù)式(3.6)不難得到第個采樣周期的控制量，即 (3.12) 將式(3.11)與式(3.12)相減，可以得到第k個采樣時刻控制量的增量，即 (3.13) 式中， 為比例增益； 為積分系數(shù)，

22、 ； 為微分系數(shù)， 。,3.2.1 PID控制算法,3.2.1 PID控制算法,由于式(3.13)中對應(yīng)于第k個采樣時刻閥門位置的增量，故稱式(3.13)為增量型算式。由此，第k個采樣時刻實際控制量為 (3.14) 為了編寫程序方便，將式(3.13)改寫為

23、 (3.15) 式中， ； ； 。,3.2.1 PID控制算法,由此可見，要利用 和 得到 ，只需要用到 , 和 三個歷史數(shù)據(jù)。在編程過程中，這三個歷史數(shù)據(jù)可以采用平移法保存，從而可以遞推使用，占用的存儲單元少，編程簡單，運算速度快。增量型算

24、法的程序流程圖如圖3.6所示。 增量型算法僅僅是在算法設(shè)計上的改進，其輸出是相對于上次控制輸出量的增量形式，并沒有改變位置型算法的本質(zhì)，即它仍然反映執(zhí)行機構(gòu)的位置開度。如果希望輸出控制量的增量，則必須采用具有保持位置功能的執(zhí)行機構(gòu)。 數(shù)字PID控制器的輸出控制量通常都是通過D/A轉(zhuǎn)換器輸出的，在D/A轉(zhuǎn)換器中將數(shù)字信號轉(zhuǎn)換成模擬信號（4～20 mA的電流信號或0～5 V的電壓信號），然后通過放大驅(qū)動裝置作用于執(zhí)行機構(gòu)，信

25、號作用的時間連續(xù)到下一個控制量到來之前。因此，D/A轉(zhuǎn)換器具有零階保持器的功能。,3.2.1 PID控制算法,圖3.6 增量型算法流程圖,3.2.2 模糊控制算法,模糊（Fuzzy）控制是用語言歸納操作人員的控制策略，運用語言變量和模糊集合理論形成控制算法的一種控制。模糊控制的最重要特征是不需要建立被控對象精確的數(shù)學(xué)模型，只要求把現(xiàn)場操作人員的經(jīng)驗和數(shù)據(jù)總結(jié)成較完善的語言控制規(guī)則，從而能夠?qū)哂胁淮_定性、不精確性、噪聲以及非線性、時

26、變性、時滯等特征的控制對象進行控制。模糊控制系統(tǒng)的魯棒性強，尤其適用于非線性、時變、滯后系統(tǒng)的控制。模糊控制的基本結(jié)構(gòu)如圖3.7所示。,3.2.2 模糊控制算法,圖3.7 模糊控制基本結(jié)構(gòu)圖,3.2.2 模糊控制算法,1．模糊控制器的輸入變量與輸出變量（1）模糊控制器的輸入、輸出變量 模糊控制器是模仿人的一種控制。在對被控對象進行控制的過程中，一般根據(jù)設(shè)定值與被控量的偏差、偏差變化EC和偏差變化的速率ER進行決策。人對偏

27、差最敏感，其次是偏差的變化，再次是偏差變化的速率。因此，模糊控制器的輸入變量通常取、和EC或者, EC和ER，分別構(gòu)成所謂一維、二維和三維模糊控制器。一維模糊控制器的動態(tài)性能不佳，通常用于一階被控對象，二維模糊控制器的控制性能和控制復(fù)雜性都比較好，是目前廣泛采用的一種形式。并且，一般選擇增量算法作為模糊控制器的輸出變量。,3.2.2 模糊控制算法,（2）描述輸入、輸出變量的詞匯 在模糊控制中，輸入、輸出變量大小是以語言形式

28、描述的，因此要選擇描述這些變量的詞匯。我們的日常語言中對各種事物和變量的描述，總是習(xí)慣于分為三個等級，例如，物體的大小分為大、中、小；運動的速度分為快、中、慢；年齡的大小分為老、中、青。實際應(yīng)用中一般都選用“大、中、小”三個詞匯來描述模糊控制器的輸入、輸出變量的狀態(tài)，再加上正、負兩個方向和零狀態(tài)，共有7個詞匯，即 {負大，負中，負小，零，正小，正中，正大} 一般用這些詞的英文字頭縮寫，即

29、 {NB, NM, NS, O, PS, PM, PB} 一般情況下，選擇上述7個詞匯比較合適，但也可以多選或少選。選擇較多的詞匯，可以精確描述變量，提高控制精度，但會使控制規(guī)則變得復(fù)雜；選擇的詞匯過少，則對變量的描述過于粗糙，導(dǎo)致控制器的性能變差。,3.2.2 模糊控制算法,（3）變量的模糊量 某個變量變化的實際范圍稱為該變量的基本論域。記偏差的基本論域為，偏差變化的基本論域為，模糊控制器的輸出變量（系

30、統(tǒng)的控制量）的基本論域為。顯然，基本論域內(nèi)的量是精確量，因而模糊控制器的輸入和輸出都是精確量，但是模糊控制算法需要模糊量。因此，輸入的精確量（數(shù)字量）需要轉(zhuǎn)換為模糊量，這個過程稱為“模糊化”（Fuzzification）；另一方面，模糊算法所得到的模糊控制量需要轉(zhuǎn)換為精確的控制量，這個過程稱為“清晰化”或者“反模糊化”（Defuzzification）。 比較實用的模糊化方法是將基本論域分為n個檔次，即取變量的模糊子集論域為

31、,3.2.2 模糊控制算法,從基本論域到模糊子集論域的轉(zhuǎn)換公式為 (3.16) 增加論域中的元素個數(shù)可以提高控制精度，但增大了計算量，而且模糊控制效果的改善并不明顯。一般選擇模糊論域中所含元素的個數(shù)為模糊語言詞集總數(shù)的兩倍以上，以確保各模糊集能較好地覆蓋論域，避免出現(xiàn)失控現(xiàn)象。例如在選擇上述7個詞匯的情況下，可選擇E和EC的論域均為

32、 選擇模糊控制器的輸出變量即系統(tǒng)的控制量U的論域為,3.2.2 模糊控制算法,（4）隸屬度 為了實現(xiàn)模糊化，要在上述離散化了的精確量與表示模糊語言的模糊量之間建立關(guān)系，即確定論域中的每個元素對各個模糊語言變量的隸屬度。 隸屬度是描述某個確定量隸屬于某個模糊語言變量的程度。例如，在上述和EC的論域中，+6隸屬于（正大），隸屬度為1.0；+5也隸屬于，但隸屬度要比+6差，可取為0.8；+4隸屬于的程度更小，隸

33、屬度可取為0.4；顯然-6～0就不隸屬于了，所以隸屬度取為0。 確定隸屬度的值要根據(jù)實際問題的具體情況而定。實驗研究結(jié)果表明，人進行控制活動時的模糊概念一般可以用正態(tài)型模糊變量描述。下面給出常用的確定模糊變量隸屬度的賦值表，如表3.1、表3.2和表3.3所示。,3.2.2 模糊控制算法,2．建立模糊控制規(guī)則 模糊控制是語言控制，因此要用語言歸納專家的手動控制策略，從而建立模糊控制規(guī)則表。手動控制策略一般都可以用條件

34、語句加以描述。條件語句的基本類型為 if A or B and C or D then U,3.2.2 模糊控制算法,3.2.2 模糊控制算法,3.2.2 模糊控制算法,3.2.2 模糊控制算法,下面介紹一種根據(jù)系統(tǒng)輸出的誤差及誤差的變化趨勢，消除誤差的模糊控制規(guī)則。該規(guī)則用下述21條模糊條件語句來描述。[1]if E = NB or NM and EC = NB or NM then U = PB

35、[2]if E = NB or NM and EC = NS or O then U = PB[3]if E = NB or NM and EC = PS thenU = PM[4]if E = NB or NM and EC = PM or PB then U = O[5]if E = NS and EC = NB or NM then U = PM[6]if E = NS and EC = NS or O the

36、n U = PM[7]if E = NS and EC = PS then U = O[8]if E = NS and EC = PM or PB then U = NS[9]if E = NO or PO and EC = NB or NM then U = PM[10]if E = NO or PO and EC = NS then U = PS[11]if E = NO or PO and EC = O the

37、n U = O,3.2.2 模糊控制算法,[12]if E = NO or PO and EC = PS then U = NS[13]if E = NO or PO and EC = PM or PB then U = NM[14]if E = PS and EC = NB or NM then U = PS[15]if E = PS and EC = NS then U = O[16]if E = PS and EC =

38、O or PS then U = NM[17]if E = PS and EC = PM or PB then U = NM[18]if E = PM or PB and EC = NB or NM then U = O[19]if E = PM or PB and EC = NS then U = NM[20]if E = PM or PB and EC = O or PS then U = NB[21]if E = P

39、M or PB and EC = PM or PB then U = NB以上21條模糊條件語句可以歸納為模糊控制規(guī)則表3.4。,3.2.2 模糊控制算法,,3.2.2 模糊控制算法,3．模糊關(guān)系與模糊推理 模糊控制規(guī)則實際上是一組多重條件語句，可以表示為從偏差論域到控制論域的模糊關(guān)系矩陣 ，通過偏差的模糊向量 和偏差變化的模糊向量 ，與模糊關(guān)系矩陣 的合成進行模糊推理，得到控制量的模糊向量，然后采用“反模糊化”

40、方法將模糊控制向量轉(zhuǎn)換為精確量。 根據(jù)模糊集合和模糊關(guān)系理論，對于不同類型的模糊規(guī)則可用不同的模糊推理方法。下面僅介紹其中的對if A then B類型的模糊規(guī)則的推理。 若已知輸入為 ，則輸出為 ；若現(xiàn)在已知輸入為 ，則輸出 用合成規(guī)則求?。?(3.17) 其中模糊關(guān)系 定義為,3.2.2 模糊控制算法,例如，

41、已知當(dāng)輸入的模糊集合和輸出的模糊集合分別為 (3.18) (3.19) 這里采用模糊集合的Zadeh表示法，其中 ,

42、表示模糊集合所對應(yīng)的論域中的元素， 而表示相應(yīng)的隸屬度，“—”不表示分數(shù)的意思。,3.2.2 模糊控制算法,(3.20),3.2.2 模糊控制算法,則當(dāng)輸入 (3.21) 由下式求取，即,3.2.2 模糊控制算法,則

43、 (3.22) 在上述運算中，“ ”為取小運算，“ ”為取大運算。 由于系統(tǒng)的控制規(guī)則庫是由若干條規(guī)則組成的，因此對于每一條推理規(guī)則都可以得到一個相應(yīng)的模糊關(guān)系。n條規(guī)則就有n個模糊關(guān)系： ，對于整個系統(tǒng)的全部控制規(guī)則所對應(yīng)的模糊關(guān)系可對 n個模糊關(guān)系 ( )取“并”操作得到，即

44、 (3.23),3.2.2 模糊控制算法,4．模糊控制向量的模糊判決 由上述得到的控制量是一個模糊集合，需要采用“反模糊化”方法將模糊控制項轉(zhuǎn)換為精確量。下面介紹兩種簡單實用的方法。 （1）最大隸屬度法 這種方法是在模糊控制向量中，取隸屬度最大的控制量作為模糊控制器的輸出。例如，當(dāng)?shù)玫侥：刂葡蛄繛?(3.24)

45、由于控制量隸屬于等級5的隸屬度為最大，所以取控制量為 這種方法的優(yōu)點是簡單易行，缺點是完全排除了其他隸屬度較小的控制量的影響和作用，沒有充分利用取得的信息。,3.2.2 模糊控制算法,（2）加權(quán)平均判決法 為了克服最大隸屬度法的缺點，可以采用加權(quán)平均判決法，即

46、 (3.25) 例如 則,3.2.2 模糊控制算法,5．模糊控制表 模糊關(guān)系、模糊推理以及模糊判決的運算可以離線進行，最后得到模糊控制器輸入量的量化等級 , EC與輸出量即系統(tǒng)控制量的量化等級之間 的確定關(guān)系，這種關(guān)系通常稱為“控制表”。對應(yīng)于前面介紹的21條控制規(guī)則的“控制表”如表3.5所列。 模糊控制表可以離線求出，作為文件存儲在計算機中，計

47、算機實時控制時只要將A/D轉(zhuǎn)換得到的偏差和偏差變化 ec 進行量化，得到相應(yīng)的等級 E 和 EC ，然后從文件中直接查詢所需采取的控制策略。,3.2.2 模糊控制算法,3.2.2 模糊控制算法,6．確定實際的控制量 顯然，實際的控制量 應(yīng)為從控制表中查到的量化等級 乘以比例因子。設(shè)實際的控制量 的變化范圍為[a, b]，量化等級為{ }，則實際的控制量應(yīng)為 若

48、 ，則 例如在上述二維模糊控制器中，當(dāng) E 和 EC 的量化等級分別為-3和+1時，由控制表查得 ，則模糊控制器輸出的實際控制量應(yīng)為 。,3.2.3 其它智能控制算法,在智能車這樣并不是很復(fù)雜的控制系統(tǒng)中，有一點需要銘記：簡單的算法只要參數(shù)調(diào)整得好，效果會相當(dāng)不錯；相反，復(fù)雜的算法，其設(shè)計和參數(shù)整定則相對復(fù)雜，效果不一定比簡單算法好。在智能車控制系統(tǒng)中，控制算法最普遍的就是上面講到的PI

49、D和模糊控制算法，當(dāng)然也有些參賽隊用到其他的智能控制算法，如記憶算法。,3.2.3 其它智能控制算法,全國大學(xué)生智能汽車競賽的規(guī)則為記憶算法在智能車控制系統(tǒng)中的應(yīng)用提供了條件。比賽中智能車要在賽道上連續(xù)跑兩圈，并以其中最好圈的成績作為比賽成績。賽道記憶算法的基本方法是：在第一圈以最安全的速度慢速駛過一圈，將賽道的信息保存下來，第二圈根據(jù)保存下來的信息進行車速和轉(zhuǎn)向控制策略的最優(yōu)化，從而在第二圈取得好成績。,3.2.3 其它智能控制算法,

50、要想成功實現(xiàn)賽道記憶算法，必須具備以下幾點：（1）智能車在第一圈必須安全走完全程。在第一圈，智能車的最主要目的并不是跑得快，而是采集賽道信息。因此，它的期望運行軌跡是與賽道重合，如果智能車在第一圈出現(xiàn)跑出場外等特殊情況，那么可以說智能車并沒有真正將賽道正確記錄下來，此時賽道記憶已經(jīng)失敗。因此，使用賽道記憶算法的智能車，在第一圈一般都采用較緩慢的勻速走完全程。（2）智能車必須能明確分辨出賽道起點線和十字交叉線的區(qū)別。根據(jù)比賽規(guī)則，在賽

51、道的計時起始點兩邊有一個長度100 mm黑色計時起跑線，智能車前端通過起始線作為比賽開始或者結(jié)束時刻；同時比賽規(guī)則還規(guī)定了賽道可以交叉，交叉角為90°。不采用賽道記憶算法的智能車有時可以通過簡單地將起點線和交叉線一起處理來回避這個問題，而采用賽道記憶算法的智能車則必須要判斷出第一圈的結(jié)束和賽道十字交叉線的區(qū)別。,3.2.3 其它智能控制算法,（3）智能車必須有足夠記錄一圈賽道數(shù)據(jù)的內(nèi)存空間。由于單片機芯片的RAM容量有限，因此

52、這個問題也不能忽視。算法設(shè)計者需要對算法進行優(yōu)化處理，改變保存的格式，從而節(jié)省內(nèi)存空間。以上是成功實現(xiàn)記憶算法的條件，但實現(xiàn)記憶的難度遠不止這些，主要體現(xiàn)在對第一圈記憶的賽道信息的分析和處理，這往往是記憶算法成功與否的關(guān)鍵。記憶算法的難度雖然大，但若成功，它取得的效果則是不言而喻的，而且它有很大的發(fā)展空間。,思考題,1．在智能車系統(tǒng)軟件設(shè)計中，請簡述匯編語言與C語言的優(yōu)、 缺點。2．在PID算法中，P, I, D分別指代什么？它們