全国大学生“飞思卡尔”智能车比赛新的竞赛规则中,用通有20kHz交变电流的载流导线取代了原来的白底黑线道路,要求小车通过检测载流导线周围的电磁场信号来控制小车沿着载流导线前进。

磁场模型及磁场检测

图1展示了往年比赛的赛道,2010年图上黑线要用导线代替,并在导线中通以20kHz的交变电流,需要通过传感器检测周围的电磁场来确定道路(导线)相对于小车的位置。由电磁学可知,导线周围的空间充满了交变的电磁场,如果在里面放置一个电感线圈,电磁感应会使线圈中产生交变的电流。在导线位置和导线中电流既定的条件下,线圈中感应电流(或者电压)是空间位置的函数。因此,电感线圈就可以作为传感器。

直接分析交变的电磁场并不是一个可取方法,考虑到问题的线度远远小于20kHz的电磁波波长,因此可以先讨论直流的情况,然后将结果应用到交变的条件下。问题可以简化为:载流导线中通过直流电流I,它在空间产生了静态磁场B(x,y,z),电感线圈中的电压有效值U正比于所在位置的磁感应强度B(x,y,z)。

为了从电感线圈感应电压中获得道路的信息,需要分析导线周边磁场的分布。由毕奥-萨法尔定理可知,空间任一点的磁感应强度可以看成是导线上电流元产生的磁场之和,即:

其中积分路径遍及整个载流导线。上述积分只有在一些特定的曲线下才可以求得解析解,对于一般的曲线,可以通过数值积分求得数值解,若要考察整个空间的磁场分布,则可以借助一些专业的电磁场分析软件进行全空间的数值仿真,比如Ansoft Maxwell,CST EM Studio等。

从道路元素来看,赛道一般可以分成直道、转弯、S道、回环道等形式(如图1),其中直道是最简单的,因此,分析清楚直道情况下的传感器响应及赛车控制是基础。为了讨论方便,我们作以下约定:(1)小车车体坐标系中,定义小车前进的方向为Y轴正向,顺着Y轴的右手边为X轴的正向,Z轴指向小车正上方,如图2所示;(2)水平线圈是指轴线平行于Z轴的电感线圈,垂直线圈是指轴线平行于X轴的线圈,轴线平行于Y轴的线圈所感应到的电动势远小于上述两类线圈,在本文中暂不做讨论,但该类摆放线圈在回环路检测中将可以用到;(3)BX是指向载流导线右手边的电磁感应强度,BZ是指向载流导向正上方的电磁感应强度。显然,垂直线圈感应的是BX变化率,水平线圈感应的是BZ的变化率。

直道附近的磁场分布,可以近似为无限长的直导线上的磁场分布,容易算得距离长直导线距离为r的点的磁感应强度:

进而可以推出:

则B'X、B'Z分别和BX、BZ有相同的变化趋势。图3和图4显示了当分别取5、8、10时B'X和B'Z的变化趋势。由图可知:(1)B'X是x的偶函数,在Y轴两侧单调;B'Z是x的奇函数,在Y轴两侧没有单调关系;(2)在相同的高度下,B'X幅值是B'Z的两倍,但是在x=20的时候,B'X只有B'Z的一半左右了,因此B'X的衰减较B'Z快很多。

android磁场传感器页面布局在哪,基于磁场检测的寻线小车传感器布局研究相关推荐

  1. 基于STC89C52RC模块的巡线小车

    基于STC89C52RC模块的巡线小车 在STC89C52RC的基础上使用电机驱动使小车完成巡线,停站,避障,掉头等多功能智能小车 所需头文件: #include <reg52.h> #i ...

  2. 基于目标检测的海上舰船图像超分辨率研究

    基于目标检测的海上舰船图像超分辨率研究 人工智能技术与咨询 来源:< 图像与信号处理> ,作者张坤等 关键词: 目标检测:生成对抗网络:超分辨率 摘要: 针对海上舰船图像有效像素在整体像素 ...

  3. 基于AT89C52芯片的寻迹小车论文

    单片机的应用与开发 智能循迹避障小车 摘 要:利用红外对管检测黑线与障碍物,并以STC89C52单片机为控制芯片控制电动小汽车的转向,从而实现自动循迹避障的功能. 关键词:智能小车  STC89C52 ...

  4. 基于51单片机的寻迹小车

    智能车刚入门,前段时间制作了一个51寻迹小车,就是网上那种寻迹是用四个红外传感器,驱动是L298N,主板是自己焊接的51最小系统加了一个7805将电池的7.2v稳压成5v(虽然我直接用的电池电压),原 ...

  5. 基于arduino下的巡线小车

    先发代码再进行解释吧 #include <Wire.h> // Include the I2C library (required) #include "QGPMaker_IIC ...

  6. 基于Verilog HDL 和FPGA的寻线小车设计代码

    刚进实验室的第一个项目--做一个寻线小车,我就用FPGA芯片尝试做了一个. 用到的零件有:车模一个.一块L298N驱动模块.一块cyclone IV芯片(具体型号是EP4CE6E22C8N).四个电机 ...

  7. 多传感器融合定位十四-基于图优化的定位方法

    多传感器融合定位十四-基于图优化的定位方法 1. 基于图优化的定位简介 1.1 核心思路 1.2 定位流程 2. 边缘化原理及应用 2.1 边缘化原理 2.2 从滤波角度理解边缘化 3. 基于kitt ...

  8. android磁场传感器页面布局在哪,教程:Android传感器—传感器查询demo

    今天给大家带来一个篇安卓传感器查询的干货教程,五一出去旅游看人山人海,不如宅在家学技术! 在Android系统中提供有加速度.磁场.方向.陀螺仪.光线.压力.温度和接近等传感器.传感器系统会主动对上层 ...

  9. android室内定位传感器辅助pdr jar,基于PDR辅助的视觉室内定位算法的研究

    1引言由于室内环境复杂多变,人们对于室内位置服务的要求也越来越高.一系列的定位技术如Wi-Fi定位.蓝牙定位.惯性导航系统(INS, Inertial NavigationS y s t e m).基 ...

最新文章

  1. redmine 贴图操作
  2. 设计模式:建造者模式
  3. 生成和验证注册码的基本思路
  4. Android Preference 须知
  5. 第31讲 UI组件之 Gallery画廊控件
  6. 11月22日弹性计算跟您在广州不见不散
  7. Spring 的核心API
  8. AtCoder Beginner Contest 131 F - Must Be Rectangular!
  9. 科研诚信与学术规范_大学教授学术造假,违背科研诚信
  10. Github上多人协作方式之一
  11. 对因果报应和轮回的态度
  12. paip.输入法编程---词频顺序order by py
  13. uTorrent任务栏的种子状态一直是“找不到元素”
  14. 风控建模二、特征工程---通用
  15. 基本的信号——矩阵脉冲信号(门函数)
  16. git笔记之README.md格式
  17. UWB定位系统会存在定位误差吗?
  18. 海南省计算机作品大赛,海南省教育研究培训院:关于举办第二十届海南省中小学电脑制作活动的通知...
  19. GitHub怎么用?GitHub是什么?新手怎么用GitHub?图文并茂,不看都不行
  20. 摄影构图的基本要领!

热门文章

  1. 【Python】蟒蛇绘制
  2. C#开发笔记之21-C#解析Json(序列化/反序列化)的最佳实践。
  3. python can i use return in wiht statement?
  4. 硅谷历史_使其新颖:硅谷设计的历史
  5. springboot 404_Spring Boot(四) 异常处理
  6. ubuntu安装sqoop1.4.7
  7. 离线安装python环境
  8. ubuntu下idea后台执行的方法
  9. PyTorch入门-词向量
  10. 多线程服务器(python 版)