1. 电磁传感器布局智能车的眼睛设计对于参加智能车竞赛的选手来说电磁传感器就像是车辆的眼睛。在负压电磁组比赛中合理的电感布局直接决定了车辆能否准确识别赛道。我见过太多队伍因为传感器布局不当而影响最终成绩这里分享一套经过实战验证的7电感布局方案。最经典的布局方式是三水平、两竖直、两内八的组合。具体来说最外侧两个水平电感左右各一负责基础循迹两个竖直电感左右各一辅助检测弯道两个内八字电感左右各一专门用于识别特殊元素中间一个水平电感作为基准参考这种布局的优势在于水平电感对直道和缓弯响应灵敏竖直电感在急弯时能提供更明显的信号变化内八电感对圆环、坡道等特殊元素的识别率更高实际安装时要注意几个细节电感距地面高度建议保持在1-1.5cm水平电感间距不宜超过车宽的80%内八电感的倾斜角度以30-45度为佳所有电感应尽量安装在同一水平面上2. STC32G12K128的ADC配置技巧STC32G12K128的ADC模块是获取电感信号的关键这款单片机的ADC有以下几个特点12位分辨率0-409515个外部通道1个内部参考电压通道最高1MHz采样率支持硬件均值功能配置ADC时需要特别注意以下几点void ADC_Init(void) { P1M0 0x00; // 设置P1口为高阻输入 P1M1 0xFF; ADCCFG 0x0F; // 设置ADC时钟为系统时钟/16 ADC_CONTR 0x80; // 开启ADC电源 // 校准内部参考电压 ADCCFG | 0x20; while(!(ADCCFG 0x20)); }实际使用中发现ADC采样速率并非越快越好。经过多次测试当采样时钟设置在250-500kHz时既能保证响应速度又能获得较好的信噪比。特别是在电磁干扰较强的环境中适当降低采样速率反而能提高稳定性。3. 三种ADC滤波算法实战对比原始ADC值往往包含各种噪声必须经过滤波处理才能使用。下面详细分析三种常用滤波算法的特点和适用场景。3.1 简单均值滤波这是最基础的滤波方法适合处理平稳信号uint16 adc_mean_filter(ADCN_enum adcn, uint8 count, ADCRES_enum resolution) { uint8 i; uint16 adc_value 0; for(i0; icount; i) { adc_value adc_once(adcn, resolution); } return adc_value / count; }优点实现简单计算量小对随机噪声有较好抑制效果缺点无法处理突发干扰会平滑掉真实信号变化实测数据在静态测试中能将波动范围从±50降低到±15左右。3.2 去极值均值滤波这是对简单均值滤波的改进uint16 adc_mean_filter_remove_max_min(ADCN_enum adcn, uint8 count, ADCRES_enum resolution) { uint8 i; uint16 adc_value 0; uint16 max 0, min 4096; uint16 dat 0; for(i0; icount2; i) { dat adc_once(adcn, resolution); adc_value dat; if(max dat) max dat; if(min dat) min dat; } return (adc_value - max - min) / count; }改进点自动剔除采样中的最大值和最小值对脉冲干扰有更好抵抗能力实测对比在人为加入脉冲干扰时普通均值滤波偏差达80而去极值法偏差仅20。3.3 滑动窗口滤波这是动态滤波方案适合实时性要求高的场景#define FILTER_N 3 float adc_buf[7][FILTER_N1] {0}; uint8 adc_buf_flag[7] {0}; uint16 adc_slid_filter(ADCN_enum adcn, ADCRES_enum resolution, uint8 L_n) { uint8 i; uint16 filter_sum 0; adc_buf[L_n][FILTER_N] adc_once(adcn, resolution); if(adc_buf_flag[L_n] FILTER_N) { adc_buf_flag[L_n] 1; for(i0; iFILTER_N; i) { adc_buf[L_n][i] adc_buf[L_n][i1]; filter_sum adc_buf[L_n][i]; } return filter_sum / adc_buf_flag[L_n]; } else { for(i0; iFILTER_N; i) { adc_buf[L_n][i] adc_buf[L_n][i1]; filter_sum adc_buf[L_n][i]; } return filter_sum / FILTER_N; } }特点实时更新滤波窗口响应速度比均值滤波快内存占用稍大实测数据窗口大小为3时响应延迟仅3个采样周期而均值滤波需要完成全部采样才能输出。4. 电感信号归一化处理实战归一化是让智能车适应不同赛道环境的关键技术。我们的目标是让各电感输出值统一到0-100范围内方便后续处理。4.1 数据结构设计首先需要定义存储电感值的结构体typedef struct { uint16 L_lsp_real; // 左水平电感实际值 uint16 L_lsz_real; // 左竖直电感实际值 // 其他电感实际值... uint16 L_lsp_max; // 左水平电感最大值 // 其他电感最大值... float L_lsp_once; // 一次归一化值 float L_lsp_twice; // 二次归一化值 // 其他归一化值... } DG_state;4.2 一次归一化实现一次归一化将原始ADC值转换为百分比void DG_Normal(void) { Get_ADC_values_slid_filter(); // 获取滤波后的ADC值 // 一次归一化 dg_state.L_lsp_once ((float)dg_state.L_lsp_real) * 100 / dg_state.L_lsp_max; // 其他电感归一化... // 限幅处理 dg_state.L_lsp_once constrain_float(dg_state.L_lsp_once, 0, 100); // 其他电感限幅... }关键点需要提前采集各电感在赛道上的最大值使用浮点运算保证精度必须进行限幅处理防止溢出4.3 二次归一化的取舍最初设计时考虑了二次归一化但实际测试发现在简单赛道上效果不明显增加了计算复杂度可能引入额外噪声最终方案保留了二次归一化的变量定义但实际使用时直接沿用一次归一化结果。这种设计既保持了扩展性又不会影响当前性能。5. 实战经验与避坑指南在多次比赛中总结了几个关键经验电感布局需要根据具体车型调整不能简单照搬ADC采样间隔建议控制在1-2ms过密会增加处理器负担滤波算法要根据赛道环境动态选择室内场地可以用简单滤波室外则需要更强抗干扰能力归一化的最大值需要定期更新特别是更换赛道后所有电感参数应该独立校准不能使用统一参数一个常见的误区是过度追求滤波效果。实际上适当的噪声有助于提高控制系统的灵敏度。我们的经验是保留5%左右的信号波动最为理想。
