23国电赛E题论文

2023-10-25 00:20
文章标签 论文 23 国电

本文主要是介绍23国电赛E题论文,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

 全国大学生电子设计竞赛

                                                                                  

运动目标控制与自动追踪系统E题)

【本科组】

202385

   

针对本题目的各项要求本系统采用STM32F103ZET6和STM32F103C8T6为主控模块,设计主要包含LM2596S稳压模块分析及OpenMV4进行图像识别感应装置,2个二维电机云台,1个红色激光笔,1个 绿色激光笔,红色激光笔发射的光斑用来模拟运动目标,绿色激光笔发射的光斑由绿色光斑位置系统控制,用于自动追踪屏幕上的红色光斑,指示目标的自动追踪效果,2个亚克力板用来固定Open MV4和二维电机云台,1个蜂鸣器, 2个12V充电锂电池,1个3.7V充电锂电池。2个复位暂停按键,设置运动目标位置复位功能。

关键词:STM32F103ZET6;STM32F103C8T6主控模块,LM2596S稳压模块,,OpenMV4图像识别,二维电机云台,激光笔,锂电池,蜂鸣器,按键。

Abstract

According to the requirements of this problem, STM32F103ZET6 and STM32F103C8T6 are used as the main control modules in this system. The design mainly includes LM2596S voltage regulator module analysis and OpenMV4 image recognition induction device, two two-dimensional motor head, one red laser pointer, one green laser pointer, and two different types of laser Pointers. The light spot emitted by the red laser pointer is used to simulate the moving target, the light spot emitted by the green laser pointer is controlled by the green spot position system, which is used to automatically track the red light spot on the screen, indicating the automatic tracking effect of the target, 2 acrylic plates are used to fix the Open MV4 and 2D motor head, 1 buzzer, 2 12V rechargeable lithium batteries. 1 3.7V rechargeable lithium battery. 2 reset pause buttons to set the reset function of moving target position.

Key words:

      STM32F103ZET6; STM32F103C8T6 main control module, LM2596S voltage regulator module, OpenMV4 image recognition, 2D motor head, laser pointer, lithium battery, buzzer, key.

目录

一、系统方案. 1

1.1、主控制器件的论证与选择... 1

1.1.1、控制器选用.. 1

1.1.2、控制系统方案选择... 1

1.2、视觉图像识别模块的论证与选择.. 2

1.3、二维电动云台模块的论证与选择.. 2

1.4、声光提示的论证与选择.. 3

1.5、控制算法的论证与选择.. 3

二、理论分析与计算. 3

2.1、云台运动控制分析.. 3

2.2、控制算法分析计算.. 4

2.3、OpenMV4图像识别分析... 4

2.4、按键、LED、蜂鸣器模块的分析.. 5

三.电路与程序设计. 5

3.1、电路设计.. 5

3.2、子系统框图与电路原理图... 6

3.3、电源... 6

3.4、程序结构与设计... 7

四、测试方案与测试结果. 7

4.1、测试方案.. 7

4.2、测试条件与仪器... 7

4.3、测试结果与分析... 7

五、结论与心得. 9

附录:核心源程序(部分). 9

 

运动目标控制与自动追踪系统E题)

【本科组】

一、系统方案

本系统主要由STM32F103ZET6和C8T6单片机控制模块、通过带处理器的OpenMV4模块实现白色屏幕图像识别以及A4 靶纸的边缘循迹功能OpenMV4输出PWM,实现对舵机控制借助二维电动云台绑定激光笔进行模拟运动目标和自动追踪效果,STM32F103ZET6和C8T6单片机通过计算路径的偏差,采取PID开环控制算法,来调控舵机云台实现绿色光斑追踪红色光斑,追踪成功发出连续声光提示。下面分别论证这几个模块的选择。

1.1、主控制器件的论证与选择

1.1.1、控制器选用

单片机比较

方案一:采用传统的51系列单片机。

     51单片机是经典易上手,编程较为灵活,但其地址空间上仅有64KB,片上储存器较小,无内置AD,外设串口较少,控制精度较低,采样速度较慢,因此对于本设计较为不便。

方案二:采用STM32F103ZET6、C8T6单片机

     STC32单片机的性能较高,储存器较大,具有内部数据储存功能,可以进行串口调试,低功耗,具有实时性,串口完全满足本装置需求,价格合适,信息处理速度较快。

    通过比较,我们选择方案二。

1.1.2、控制系统方案选择

方案一:

采用在面包板上搭建简易单片机系统

    在面包板上搭建单片机系统可以方便的对硬件做随时修改,也易于搭建,适合本系统使用。

方案二:

自制洞洞板单片机

    自制印刷电路实现较为困难,实现周期长,此外也会花费较多的时间,影响整体设计进程。不宜采用该方案。 

方案三:

采用单片机最小体统。

    单片机最小系统包含了显示、矩阵键盘、复位等模块,能明显减少外围电路的设计,降低系统设计的难度,非常适合本系统的设计。

综合以上三种方案,选择方案一、三。

1.2、视觉图像识别模块的论证与选择

方案一:

采用K210,发现K210的缺点还是有的。 首先就是摄像头视角问题,官方maix-bit套件中的摄像头视角太小,不能很好的完全显示0.6X0.6㎡的白色屏幕,也会出现误识别,发烫严重,flash小,刷大固件有时卡。

方案二:

采用OpenMV4摄像头,在OpenMV4文件系统中存储多个模板,使用NCC多模板匹配算法,支持 Python 语言,易于编程和调试,它还搭载了 ARM Cortex -M7处理器,具有强大的图像处理能力,可以通过连接 USB 电脑进行编程和调试,也可以独立运行,支持多种图像处理算法和功能。

综上以上种方案,选择方案二。

1.3、二维电动云台模块的论证与选择

方案一:

采用带步进电机驱动器,步进电机在低转速运行的时候容易发生异常抖动,步进电机是开关控制,高转速运行时转矩损失大,这对步进电机的使用产生了很大的影响。其次步进电机以及步进电机驱动器的体积较大,不利于小型二维电动云台的设计。此外,步进电机抖动对云台和OpenMV摄取图像、路径识别以及处理造成不必要的误差。

方案二:

采用舵机的二维电动云台,舵机的优势在于结构紧凑、性价比高、使用方便、位置精度、云台的转向与转速容易控制,并且可控制速度范围较大,角度可以保持在驱动当中,稳定性好,还能利用PID算法对速度实现闭环控制。

综合以上种方案,选择方案二。

1.4、声光提示的论证与选择

方案一:

采用无源蜂鸣器和LED,无源蜂鸣器则和电磁扬声器一样,需要接在音频输出电路中才能发声,内部驱动电路并且不需要提供直流电源,使其工作为方波驱动,如果给该更名器直流信号它将不会工作,需要对其进行程序编程才可工作,操作起来较为复杂。

方案二:

采用有源蜂鸣器和LED形成声光提示,有源蜂鸣器带震荡源直接接上额定电源就可连续发声而且程序控制方便,信号端输入高电平即可。经测试,输入2.6V以上电压可让蜂鸣器和LED同时指示实现连续声光提示。

综合比较以上两个方案,本系统选择方案二。

1.5、控制算法的论证与选择

方案一:采用模糊控制算法,模糊控制算法有许多良好的特性,它不需要事先知道对象的数学模型,具有系统响应快、超调小、过渡时间短等优点,但编程复杂,数据处理量大。

方案二:采用PID算法,按比例、积分、微分的函数关系,进行运算,将其运算结果用以输出控制。优点是控制精度高,对于本系统的控制已足够精确。

综合比较以上两个方案,本系统选择方案二。

二、理论分析与计算

2.1、云台运动控制分析

二维电动云台采用两个S20系列舵机。通过当前位置信息和目标位置的差得到的差值用于闭环控制系统的线路确保云台携带激光笔按照要求达到指定点位。

2.2、控制算法分析计算

采用PID算法来控制云台舵机移动的角度。开始工作后,实时检测目标坐标,并与之前的位置坐标比较,使得激光云台舵机趋向指定点位。其PID结构原理如图,PID分别表示云台舵机的位置比例(P)、位置误差(I)、位置积分(D)。 

P:对云台舵机的当前位置偏差e(t)进行调整,系数越大调节速度越快,减小误差,但是过大的比例,会造成舵机速度状态的突变,从而导致云台状态不稳定 

I:加入积分调节,可以消除系统的稳态误差,提高无误差度。

D:微分调节反应的是云台舵机的角速度,可以预见偏差变化的趋势具有可预见性因而可以产生超前调节,加入微分调节可以改善系统的动态性能。

PID控制器由比例单元(P)、积分单元(I)和微分单元(D)组成。其PID控制器的传递函数为:

 

其中,KP, KI 和KD为PID控制器的比例,积分和微分参数。

2.3、OpenMV4图像识别分析

在OpenMV4的库中有色块识别的关键函数blob(),可以传回识别出的矩形色块的中心坐标blob.cx() blob.cy()和色块宽度blob.w()及高度blob.h() ,及色块偏转角度. 在巡A4靶纸过程中可以通过传回色块中心坐标和角度来判断当前的姿态是否需要矫正,可通过其他处理器中的pid矫正,就是通过判断blob.w()即色块宽度来判断是否到达A4靶纸90°角,当blob.w()大于一定阈值时,即可判断为A4靶纸90°角。

2.4、按键、LED、蜂鸣器模块声光提示的分析

本设计中设置有按键电路,按键分为独立式的矩阵式的,对于矩阵式键盘还需要驱动芯片才可让其工作在最佳状态,对于本系统设计而言,只需要最简单的独立按键即可。

三个按键对应各自的按键功能,当按键按下时,单片机引脚为低电平,电路连接图如图所示,此外对于独立按键在程序上需要采用软件消抖,按键在按下的时候会有20ms左右的抖动时间,在这段时间内单片机引脚上检测到的电平为不定态,所以此时需要延时20ms左右来消除按键的抖动。

声光提示电路

文本框: 声光提示电路

三.电路与程序设计

3.1、电路设计

(1)系统总体框图

声光提醒

STM32控制芯片

OpenMV4

电 源

二维电动云台

舵机运转

复位按键

3.2、子系统框图与电路原理图

(1)摄像头的OV7725部分硬件连接图

(2)系统电路原理图理

文本框:

3.3、电源

电源由变压部分、滤波部分、稳压部分组成。为整个系统提供

3.3V或者

5V电压,确保电路的正常稳定工作。

3.4、程序结构与设计

本系统开始时先对相应的硬件进行初始化、开启定时器中断、同时在主函数当中调用、OpenMV4连接电脑显示相关参数,同时调用摄像头函数采用二值化处理得到A4靶纸和红激光笔的信息,根据得到的相关数据并通过舵机控制两个云台的转动对应处理相关的任务;在定时器中断服务函数中,调用任务处理函数,这样可以保证系统具有较高的实时性。

四、测试方案与测试结果

4.1、测试方案 

  1. 硬件测试:测试机械部分能否正常工作,各项参数是否准确。同时,检查电路焊接是否正确,各部分接线是否正确。  
  2. 程序测试:用keil5、OpenMV IDE软件编程并通过单片机多次运行调试。  

4.2、测试结果与分析

1、测试结果

  (1)基本要求的测试

1设置运动目标位置复位功能。执行此功能,红色光斑能从屏幕任意位置 回到原点。光斑中心距原点误差≤2cm。

图1 基础部分1测试结果

次数

1

2

3

4

5

光斑中心距原点误差cm

0.4

0.6

0.6

0.4

0.4

   2启动运动目标控制系统。红色光斑能在 30 秒内沿屏幕四周边线顺时针 移动一周,移动时光斑中心距边线距离≤2cm。

次数

1

2

3

4

5

时间/秒

5.2

5.4

5.6

5.4

5.4

光斑中心距边线距离cm

0.9

1.1

0.8

0.9

0.8

图2 基础部分2测试结果

       3、用约 1.8cm 宽的黑色电工胶带沿 A4 纸四边贴一个长方形,构成 A4 靶 纸。将此 A4 靶纸贴在屏幕自定的位置。启动运动目标控制系统,红色光斑能在 30 秒内沿胶带顺时针移动一周。超时不得分,光斑完全脱离胶带一次扣 2 分, 连续脱离胶带移动 5cm 以上记为 0 分。

图3 基础部分3测试结果

次数

1

2

3

4

5

时间/秒

4.1

4.2

4.3

3.9

3.8

光斑完全脱离胶带次数

0

0

0

0

0

     4、将上述 A4 靶纸以任意旋转角度贴在屏幕任意位置。启动运动目标控制系统,要求同(3)。

图4 基础部分4测试结果

次数

1

2

3

4

5

时间/秒

4.1

4.2

4.3

3.9

3.8

光斑完全脱离胶带次数

1

2

0

1

0

(2)发挥部分的测试

    1、运动目标位置复位,一键启动自动追踪系统,控制绿色光斑能在 2 秒 内追踪红色光斑,追踪成功发出连续声光提示。此时两个光斑中心距离应≤3cm。

图5 发挥部分1测试结果

次数

1

2

3

4

5

是否声光提示

 

两个光斑中心距离cm

1.5

1.3

1.4

1.3

0.9

综上所述,本设计基本达到设计要求。

五、结论与心得

附录:核心源程序(部分)

这篇关于23国电赛E题论文的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/278738

相关文章

龙蜥操作系统Anolis OS-23.x安装配置图解教程(保姆级)

《龙蜥操作系统AnolisOS-23.x安装配置图解教程(保姆级)》:本文主要介绍了安装和配置AnolisOS23.2系统,包括分区、软件选择、设置root密码、网络配置、主机名设置和禁用SELinux的步骤,详细内容请阅读本文,希望能对你有所帮助... ‌AnolisOS‌是由阿里云推出的开源操作系统,旨

安卓链接正常显示,ios#符被转义%23导致链接访问404

原因分析: url中含有特殊字符 中文未编码 都有可能导致URL转换失败,所以需要对url编码处理  如下: guard let allowUrl = webUrl.addingPercentEncoding(withAllowedCharacters: .urlQueryAllowed) else {return} 后面发现当url中有#号时,会被误伤转义为%23,导致链接无法访问

AI hospital 论文Idea

一、Benchmarking Large Language Models on Communicative Medical Coaching: A Dataset and a Novel System论文地址含代码 大多数现有模型和工具主要迎合以患者为中心的服务。这项工作深入探讨了LLMs在提高医疗专业人员的沟通能力。目标是构建一个模拟实践环境,人类医生(即医学学习者)可以在其中与患者代理进行医学

论文翻译:arxiv-2024 Benchmark Data Contamination of Large Language Models: A Survey

Benchmark Data Contamination of Large Language Models: A Survey https://arxiv.org/abs/2406.04244 大规模语言模型的基准数据污染:一项综述 文章目录 大规模语言模型的基准数据污染:一项综述摘要1 引言 摘要 大规模语言模型(LLMs),如GPT-4、Claude-3和Gemini的快

论文阅读笔记: Segment Anything

文章目录 Segment Anything摘要引言任务模型数据引擎数据集负责任的人工智能 Segment Anything Model图像编码器提示编码器mask解码器解决歧义损失和训练 Segment Anything 论文地址: https://arxiv.org/abs/2304.02643 代码地址:https://github.com/facebookresear

论文翻译:ICLR-2024 PROVING TEST SET CONTAMINATION IN BLACK BOX LANGUAGE MODELS

PROVING TEST SET CONTAMINATION IN BLACK BOX LANGUAGE MODELS https://openreview.net/forum?id=KS8mIvetg2 验证测试集污染在黑盒语言模型中 文章目录 验证测试集污染在黑盒语言模型中摘要1 引言 摘要 大型语言模型是在大量互联网数据上训练的,这引发了人们的担忧和猜测,即它们可能已

OmniGlue论文详解(特征匹配)

OmniGlue论文详解(特征匹配) 摘要1. 引言2. 相关工作2.1. 广义局部特征匹配2.2. 稀疏可学习匹配2.3. 半稠密可学习匹配2.4. 与其他图像表示匹配 3. OmniGlue3.1. 模型概述3.2. OmniGlue 细节3.2.1. 特征提取3.2.2. 利用DINOv2构建图形。3.2.3. 信息传播与新的指导3.2.4. 匹配层和损失函数3.2.5. 与Super

BERT 论文逐段精读【论文精读】

BERT: 近 3 年 NLP 最火 CV: 大数据集上的训练好的 NN 模型,提升 CV 任务的性能 —— ImageNet 的 CNN 模型 NLP: BERT 简化了 NLP 任务的训练,提升了 NLP 任务的性能 BERT 如何站在巨人的肩膀上的?使用了哪些 NLP 已有的技术和思想?哪些是 BERT 的创新? 1标题 + 作者 BERT: Pre-trainin

[论文笔记]LLM.int8(): 8-bit Matrix Multiplication for Transformers at Scale

引言 今天带来第一篇量化论文LLM.int8(): 8-bit Matrix Multiplication for Transformers at Scale笔记。 为了简单,下文中以翻译的口吻记录,比如替换"作者"为"我们"。 大语言模型已被广泛采用,但推理时需要大量的GPU内存。我们开发了一种Int8矩阵乘法的过程,用于Transformer中的前馈和注意力投影层,这可以将推理所需

2024 年高教社杯全国大学生数学建模竞赛 C 题 农作物的种植策略 参考论文 无水印

持续更新中,2024年数学建模比赛思路代码论文都会发布到专栏内,只需订阅一次!  完整论文+代码+数据结果链接在文末!  订阅后可查看参考论文文件 第一问 1.1 问题重述 这个问题围绕的是华北山区的某乡村,在有限的耕地条件下,如何制定最优的农作物种植策略。乡村有 34 块露天耕地和 20 个大棚,种植条件包括粮食作物、蔬菜、水稻和食用菌。除了要考虑地块的面积、种植季节等,还要确保