FLL机器人比赛中的巡线
摘要：本文从搭建和编程两个方面阐述了目前FLL机器人比赛中常见的PID巡线的使用方法。搭建中讨论了车体重心的要求，光电传感器位置的要求。在算法中讨论了P算法、I算法和D算法的不同作用。
关键词：PID、巡线、结构、FLL、机器人、算法
巡线是FLL竞赛中一项非常重要的支撑技能。有了它机器人就能在场地上准确定位，完成任务；有了它机器人就能充分利用场地上的线路，提高速度和准确性。在一般的教材中提到的往往是由传感器判断黑白位置，控制器控制左右轮交替前进的方式，该方式车体摆动较大，定位的精度不够，所以在比赛中失误较多。为了能够达到比赛精度，我们往往采用的是PID算法巡线。
一、巡线对车体结构的要求
巡线要稳定车体结构是基础，在搭建车体时往往要注意以下几点。光电（颜色）传感器要放置在驱动轮的前面（前后以机器人运行的方向为准），至于左右位置是根据任务需要来设计，甚至在车体的驱动轮之外。传感器的高度一般是离场地1.5CM~2.5CM。太低了，光线值的变化太小，车体的摆动较大，甚至脱线；太高了，容易受环境光的影响，不具有通用性。车体的重心在驱动轮和从动轮之间偏驱动轮的三分之一处比较合理，如太靠近驱动轮则车体在前进和后退的过程中因为惯性的原因会造成车体的抬头和点头现象，形成误差；如太靠近从动轮，驱动轮会出现打滑现象，造成较大的误差。重心在高度上宜低不宜高。
二、PID巡线的P算法
有了稳定的好的车体，下面就欠缺好的算法了。机器人在巡线的时候巡的是黑白的交界线，用我们的肉眼看这条分界线是黑白分明，黑色的光线暗而白色的光线亮。实际上光线不论从暗到明还是从明到暗都不是跳跃的而是线型变化的。我们利用这个线型的变化值来确定机器人的位置，来确定驱动轮电机的功率，从而修正位置。
通常我们用于驱动的电机都习惯是B和C（因为程序默认B和C），依照前进的方向，左侧的为B电机，右侧的为C电机。假定黑色路线的平均光线值为5，白色部分的光线值为55，那么平均值30我们就可以看成是黑白分界线的值，换句话说就是传感器测出的值为30，那么我们就确定传感器的位置在分界线上，值越小就越靠近黑线里面，值越大离黑线就越远。我们以巡右侧的分界线为例来说明一下算法。首先由传感器测出当前的光线值，然后用平均值减去当前光线值，若差是正值则说明偏黑线部分，这时B电机应该功率大，C电机应该功率小甚至是负值。用该差值乘以一个0到1的系数（该系数由光电跟驱动轮的距离和驱动轮的大小决定），得到一个新数值，用该新数值加上一个基础功率（该功率越大前进越快，车辆越不稳定，反之亦然）就得到B电机的功率；用基础功率减去该新数值就得到C电机的功率，这样就实现了调整机器人位置的目的。这里的关键就是根据需要找好系数和基础功率，这两个值直接决定了巡线的速度和稳定性，而这两点往往是矛盾的，所以要找好平衡点。
三、PID巡线的I算法
以上的P算法对于一些比较平滑的线路已经能够做到比较好的巡线精度了，但对于弯曲度比较大的曲线或是急拐弯就显得不够了，那就要加入I算法。每次计算出当前光线值和平均值的误差后，将这个误差存到一个变量中，那么就会出现这样一个公式：变量=变量+误差，如果线路比较平滑，那么误差有正、有负，所以大部分的误差是可以抵消的，变量趋近于零。但对于曲度较大的线路，引入该算法后就可以修正误差，我们最终希望变量趋近于零，得到较为平顺的行进线路。具体做法是我们将累累积的误差，也就是这个变量加到B和C电机的基础功率里，还是以巡右侧线为例，基础功率加上变量赋给B电机；基础功率减去变量赋给C电机即可。
四、PID巡线的D算法
前面的P算法用于修正当前的误差；算法用于修正累积的过去的误差。D算法就是用于预测未来的误差给予修正。假定误差的下一个变化与当前最后一个变化是相同的，我们据此来预测将来。这个意思是说，下一个误差的期望值是：修正量=当前误差+前两次传感器采样误差的变化量。
以上就是FLL比赛中使用的PID算法的基本原理，其中的关键参数对不同的机器人都需要自行调整，适合自己的才是最好的。
参考文献
[1] 费仁元,张慧慧.机器人设计与分析[M].北京:北京工业大学出版社,1998.9
[2] Davod Cook. 机器人制作入门篇(美) [M].北京:北京航空航天大学出版社2005
[3] 迈克•普瑞德克.机器人控制器与程序设计[M].北京:科学出版社,2004.5 2005
[4] 高国富.机器人传感器及其应用[M].北京:化学工业出版社,2005.9
[5] 秦曾煌.电工学(上册) [M]. 北京:高等教育出版社,2003.5
[6] 胡大可.MSP430系列——FLASH型超低功耗16位单片机[M].北京：北京航空航天大学出版社，2001.11
[7] 库克(Davod Cook).机器人制作入门篇(美) [M].北京:北京航空航天大学出版
