Baixe o app para aproveitar ainda mais
Prévia do material em texto
Implementação de sistemas de assistência à condução utilizando Plataforma baseada em LabVIEW 1Átila Trohak, Janos Vegh 2 3Gergely Kovacs, Zs6fia Forgacs 4 Departamento de Automação e Infocomunicação Tecnologias Universidade de Miskolc Aluno do Departamento de Automação e Informação tecnologias de comunicação Universidade de Miskolc Hungria Hungria 1trohak.attila@uni-miskolc.hu , j .vegh @ uni-miskolc.hu 2 3kovacs.gergeIy17@gmail.com , forgacs.zso@gmail.com 4 Resumo-esteO artigo é focado no sistema de assistência ao motorista baseado no NI CompactRIO, que foi desenvolvido por uma equipe de estudantes da Universidade de Miskolc. Dentro de uma competição de três anos organizada pela Bosch, as equipes precisam implementar sistemas de assistência ao motorista em um kart. O artigo descreve nosso sistema após o segundo ano da competição e apresenta a unidade de controle que selecionamos para o desenvolvimento. plataforma da National Instruments que atende completamente aos nossos requisitos. O design compacto e robusto do CompactRIO oferece segurança mecânica para os componentes internos. O NI cRIO-9031 foi classificado para faixa de temperatura operacional de -40°C a 70°C, choque operacional de 50 g e vibração de 10 Hz - 500 Hz. Além disso, o controlador do dispositivo contém sistema operacional em tempo real que nos permite desenvolver códigos críticos de tempo. Palavras-chave-CompactRIO; FPGA; Sistemas de tempo real; sistemas de assistência ao condutor; Comunicação CAN EU. INTRODUÇÃO Hoje em dia começou a surgir um grande interesse pelo desenvolvimento de sistemas inteligentes de assistência à condução. Muitas funções podem ajudar o motorista, como estacionamento automático, controle de cruzeiro, manutenção de faixa e mudança de faixa. [1-4] Em 2013, a Bosch anunciou uma competição de 3 anos chamada "Go-Kart, Go-Bosch", onde a Universidade de Miskolc participa com uma equipe. No primeiro ano a tarefa principal foi fazer modificações no kart para deixá-lo encontrar um lugar de estacionamento e fazer um estacionamento paralelo sem motorista. Neste ano tivemos que estender a funcionalidade automática com frenagem preditiva, controle de cruzeiro e manutenção de faixa. Em nosso artigo apresentamos nosso sistema de controle, descrevemos as razões pelas quais escolhemos o controlador usado e mostramos nossa solução em detalhes. FIGO. 1. NI CompactRIO 9031 Outra vantagem desta plataforma é a velocidade que está disponível como resultado da reconfiguração do chassi do dispositivo que contém um chip FPGA Kintex-7. Aprender e usar uma linguagem de descrição de hardware (HDL) que os sistemas baseados em FPGA geralmente exigem pode ser um processo demorado. Com o LabVIEW FPGA não temos que conhecer a fundo sobre HDLs, o ambiente de desenvolvimento gráfico de alto nível mencionado acima nos poupa tempo e esforço. II. AUNIDADE DE CONTROLE Não poderíamos ignorar tanto os efeitos físicos externos quanto os fatores importantes das ferramentas de desenvolvimento de software através da seleção de nossa unidade de controle. Os impactos mecânicos que afetam o kart, como vibrações ou colisões, o estresse térmico e os problemas surgem principalmente no exterior, os parâmetros ambientais exigem uma plataforma industrial. Os sistemas de assistência ao motorista são sistemas críticos de segurança - o tempo de resposta das chamadas do sistema deve ser determinístico. Então, ao selecionar nosso controlador, tivemos que escolher um dispositivo onde tivéssemos a capacidade de desenvolver um sistema em tempo real. A gestão do tempo era absolutamente necessária durante a competição. Tempos relativamente curtos foram fornecidos para as tarefas, portanto, um ambiente de desenvolvimento de alto nível oferece uma grande vantagem para nós, se construirmos um aplicativo em muito menos tempo do que o tempo gasto usando uma linguagem de programação de nível inferior. Depois de considerar os requisitos mencionados acima, tomamos uma decisão. Escolhemos o CompactRIO baseado em LabVIEW A. Controlador em tempo real O módulo LabVIEW Real-Time combina a programação gráfica do LabVIEW com o poder de um sistema operacional de tempo real, permitindo construir aplicações determinísticas em tempo real. A National Instruments projetou o módulo LabVIEW Real-Time para executar Vis em três sistemas operacionais de tempo real diferentes. O módulo LabVIEW Real-Time pode executar Vis em alvos de hardware executando o sistema operacional em tempo real do NI Embedded Tool Suite (ETS), Wind River VxWorks ou NI Linux Real-Time. [5] 978-1-4799-7370-5 / 15 / $ 31,00 © 2015IEEE 548 Uso licenciado autorizado limitado a: UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL. Baixado em 05 de março de 2022 às 14:53:35 UTC do IEEE Xplore. Restrições aplicadas. Traduzido do Africâner para o Português - www.onlinedoctranslator.com https://www.onlinedoctranslator.com/pt/?utm_source=onlinedoctranslator&utm_medium=pdf&utm_campaign=attribution FIGO. 2. Ferramentas de desenvolvimento em tempo real Escolhemos o sistema operacional Linux Real-Time porque ele oferece uma ampla gama de oportunidades para conectar outros dispositivos ao nosso sistema. O NI Linux Real-Time contém interface de usuário incorporada e Mini OisplayPort para usar uma IHM local. FIGO. 3. Modelo 3D do kart A. Estacionamento paralelo O estacionamento paralelo automático significa que, se apertarmos um botão, o kart deve começar a avançar e mapear seu ambiente com seus sensores ultrassônicos. Se encontrou um lugar de estacionamento adequado, tem de poder estacionar. A Bosch nos deu um sistema de sensor ultrassônico com 12 sensores, mas a unidade central foi enviada com uma funcionalidade reduzida. O sistema nos fornece a distância em centímetros de cada canal. Dá a menor distância do sensor e funciona na área de 60 ° vertical e 120 ° horizontal. A sobreposição e triangulação do sinal do sensor foi desabilitada, então tivemos que encontrar a maneira mais fácil de trabalhar com isso. Para encontrar o espaço de estacionamento adequado, usamos o sensor frontal direito para medir o comprimento do espaço livre. Depois de encontrar o local, temos que avançar um pouco até medir a distância necessária para começar a manobrar e reverter. A medição do comprimento é baseada na contagem das bordas ascendentes dos sensores indutivos colocados nos eixos traseiros. Como conhecemos as características de direção fizemos um algoritmo paramétrico para estacionamento. A Figura 4 mostra nosso acionamento de direção que é acionado por um motor de limpador. B.LaboratórioVISUALIZARFPGA Os componentes básicos de um sistema LabVIEW FPGA são: o módulo LabVIEW FPGA, o driver NI- RIO, e um dispositivo NI-RIO, também conhecido como alvo RIO. • • • O módulo LabVIEW FPGA permite que o LabVIEW direcione FPGAs em hardware NI Reconfigurable I/O (RIO) para que cientistas e engenheiros possam aproveitar o desempenho e a flexibilidade dos FPGAs sem a necessidade de aprender ferramentas de projeto de baixo nível. O módulo LabVIEW FPGA compila o LabVIEW VI para hardware FPGA, o código gráfico é traduzido para código VHDL baseado em texto. Em seguida, as ferramentas do compilador Xilinx sintetizam o código VHOL em uma realização de circuito de hardware do projeto LabVIEW. O resultado final é um arquivo de bits que é carregado no chip FPGA antes de executar o aplicativo. [6] III.FUNÇÕES IMPLEMENTADAS Nossa tarefa era implementar funções inteligentes em um kart, como estacionamento paralelo automático, freio de emergência preditivo, controle de cruzeiro adaptativo e manutenção de faixa. Para atingir esses objetivos, tivemos que reconstruir o kart fornecido pelo organizador da competição. A Figura 3. mostra a construção completa do veículo desenvolvido. Tivemos que fazer muitas modificações para obter um kart controlável eletronicamente. Essas modificações são as seguintes: sensor eletrônico de posição do pedal do acelerador,• • regulaçãoeletrônica da válvula borboleta, sistema de freio eletro-hidráulico, direção eletrônica, reversão eletrônica com BLOC, acionamento híbrido com motor de partida, partida eletrônica do motor de combustão interna, integração de um sistema de radar, integração de um sistema de câmeras de manutenção de linha, integrando um sistema de sensores ultrassônicos. • • • • FIGO. 4. A direção do kart • Continuamos medindo as distâncias para que, se algo acontecer ou a traseira do kart se aproximar do carro traseiro, possamos parar imediatamente. Consideramos importante implementar outro algoritmo que mantenha o veículo em linha reta e • • • 2015 16ª Conferência Internacional de Controle dos Cárpatos (ICCC) 549 Uso licenciado autorizado limitado a: UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL. Baixado em 05 de março de 2022 às 14:53:35 UTC do IEEE Xplore. Restrições aplicadas. em uma distância definida dos objetos próximos ao kart. Com esta função nosso sistema tem a capacidade de corrigir a imprecisão mecânica do sistema de direção e iniciar a manobra de estacionamento da posição correta. Implementamos esta função com controle PID devido à simplicidade e confiabilidade desta regulação. Foi fácil implementar este algoritmo, pois a paleta LabVIEW PID e Fuzzy Logic Toolkit nos forneceu a função de controle que tínhamos que usar, então só tivemos que configurar o PID vi como a função necessária. faixa de tráfego entre as linhas, tanto na estrada reta quanto na curva. Considerando as experiências dos usuários, onde os sistemas de assistência à manutenção de faixa já instalados muitas vezes moviam o veículo linha a linha na faixa de tráfego, tivemos que desenvolver um plano para evitar essa falha. Evitamos esta falha através de um controle PID devidamente ajustado, com o resultado de que o sistema regula menos e o kart se move mais reto. As perturbações causadas pelas luzes também são uma fonte potencial de erros. Contra essa possível falha usamos lentes com filtros polarizadores e uma camada fosca na área abaixo da lente. Com esta solução nosso sistema detecta as linhas de tráfego com alta confiança. B.Assistência de estacionamento na zona de origem Durante a função de estacionamento na zona de origem, o veículo autônomo chega ao local de estacionamento usando uma trajetória pré-aprendida. Durante o processo de ensino nosso sistema gera o mapa virtual do ambiente. O kart vai da posição de partida pré-definida até o estacionamento e compensa a imprecisão mínima da posição de partida usando os sensores ultrassônicos. Durante os processos de ensino e estacionamento, o kart conta também com um sistema de sensor de orientação, que foi integrado à nossa rede CAN através de um gateway CAN de alta velocidade. Utilizando o mapa virtual e a posição inicial o sistema de estacionamento determina a posição do lugar de estacionamento e realiza a manobra de estacionamento de acordo com o algoritmo descrito anteriormente. D.Controle de cruzeiro adaptativo Pela função de controle de cruzeiro adaptativo (ACC), distinguimos duas maneiras diferentes. [no primeiro caso, se não houver alvo antes do nosso veículo, o sistema deve manter uma velocidade definida pelo motorista. [no segundo caso, se um objeto em movimento vai antes do kart com velocidade menor que o nosso veículo, então temos que manter a velocidade do alvo à nossa frente. [no caso em que não há alvo à nossa frente, regulamos a velocidade com um simples controle PID. Mas, se nossa tarefa não é apenas manter a velocidade definida pelo motorista, mas também um controle de cruzeiro que mantém a velocidade do alvo antes, temos que aplicar uma regulação que sobrescreva o valor de velocidade ajustado definido pelo motorista certamente sob um velocidade máxima. A equipe organizadora nos forneceu um Mid-Range Radar (MRR) para esta função, que nos envia os seguintes dados através da comunicação CAN: • a distância e a velocidade relativa de um objeto na pista vizinha esquerda, a distância e a velocidade relativa de um objeto na pista vizinha direita, a distância e a velocidade relativa de um objeto à nossa frente em nossa pista, a distância e a velocidade relativa de um objeto parado diante de nós em nossa pista. • • • Os dados sobre o objeto parado serão relevantes durante a implementação do sistema preditivo de frenagem de emergência. A Figura 6. mostra o inversor que foi regulado pelo controle PID. FIGO. 5. Arquitetura do sistema do sensor de orientação C. Assistência de manutenção de faixa Escolhemos o mesmo tipo de regulação para assistência de manutenção de faixa e controle de cruzeiro adaptativo durante o desenvolvimento. A Bosch disponibilizou para nós uma câmera multifuncional (MPC) para implementar o sistema de assistência na faixa de rodagem. A câmera pode detectar vários objetos, mas no nosso caso ela envia dados apenas sobre as linhas das pistas. [t envia a distância da câmera das duas linhas da direita e das duas linhas da esquerda da nossa própria faixa e das faixas de tráfego paralelas, o grau de curvatura das linhas e alguns outros dados que são irrelevantes para nós. De acordo com os requisitos para esta função, o kart deve deslocar-se na FIGO. 6. Modelo 3D da unidade 2015 16ª Conferência Internacional de Controle dos Cárpatos (ICCC) 550 Uso licenciado autorizado limitado a: UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL. Baixado em 05 de março de 2022 às 14:53:35 UTC do IEEE Xplore. Restrições aplicadas. E.Sistema de frenagem de emergência preditivo Módulo de comunicação CAN, que permite construir duas redes separadas para poder desenvolver posteriormente um sistema mais modular. Portanto, nossa escolha foi o Módulo CAN de alta velocidade de 2 portas NI 9853 para CompactRIO, que pode lidar com IDs de arbitragem padrão (1 bits) e estendidas (29 bits). [7-10] O requisito definido do sistema de frenagem preditiva de emergência é o seguinte: ele deve frear mais tarde do que uma pessoa com experiência de condução média (normalmente 1-1,3 s desde a detecção do perigo até a ação preventiva), mas a tempo de ser capaz de parar o veículo com segurança. Com isso, oferecemos uma oportunidade para o motorista reagir e frear, mas se ele não frear dentro de um limite de tempo seguro, o sistema de frenagem de emergência tem que reagir. Para atingir este objetivo, temos que determinar com precisão a velocidade do kart, o que realizamos usando os dois sensores indutivos colocados nos eixos traseiros. Em nossa segunda rede CAN que opera em uma velocidade diferente colocamos um módulo desenvolvido por nós que é colocado no volante. Com este módulo podemos ativar as diferentes funções inteligentes e o piloto pode obter um feedback sobre o estado do kart. V.RECONHECIMENTO Esta pesquisa foi (parcialmente) realizada no âmbito do Centro de Excelência em Mecatrônica e Logística da Universidade de Misko1c. VI.RESUMO Desenvolvemos um sistema complexo de assistência ao driver usando a plataforma CompactRIO baseada em LabVIEW e os dispositivos inteligentes fornecidos pela Bosch. Escolhemos a unidade de controle da National Instruments devido à sua fácil instalação, conectividade, escalabilidade e facilidade de configuração. Ao desenvolver um sistema modular temos a possibilidade de modificar o projeto de forma flexível durante o processo de desenvolvimento. As plataformas da NI são altamente compatíveis com outros sistemas que podem reduzir o tempo de desenvolvimento. FIGO. 7. Cálculo da distância de frenagem Fechamos o primeiro ano com sucesso. Nossa equipe foi a vencedora absoluta da competição e também conquistamos o primeiro prêmio na categoria de melhor solução técnica.4.COMUNICAÇÃO Como foi escrito acima, as funções de manutenção de faixa, estacionamento paralelo automático, controle de cruzeiro adaptativo e frenagem de emergência preditiva foram implementadas usando três dispositivos diferentes. Esses dispositivos estão se comunicando em uma rede de área de controlede alta velocidade (CAN), como mostra a Figura 8. O Claus-box é um gateway CAN de alta velocidade programável e o ParkPilot ECU é a unidade de controle dos sensores ultrassônicos. REFERÊNCIAS [I] BRANDON SCHOETTLE, MICHAEL SIVAK: SEGURANÇA VIÁRIA COM VEÍCULOS AUTÓNOMOS: LIMITAÇÕES GERAIS E COMPARTILHAMENTO VIÁRIO COM VEÍCULOS CONVENCIONAIS, Relatório No. UMTRI-2015-2, janeiro de 2015., Michigan, EUA [2] BRANDON SCHOETTLE, MICHAEL SIVAK: IMPACTO POTENCIAL DE VEÍCULOS AUTÓNOMOS NA DEMANDA E USO DE VEÍCULOS DOMÉSTICOS, Relatório No. UMTRl-201S-3, fevereiro de 2015., Michigan, EUA [3] Litman, Todd: Previsões de Implementação de Veículos Autônomos: Implicações para Planejamento de Transportes, Transportation Research Board 94th Annual Meeting, 2015., Washington DC, Estados Unidos [4] Pedido de Patente dos Estados Unidos 20150012167: DISPOSITIVO DE CONTROLE PARA UM VEÍCULO TERRESTRE AUTÔNOMO [5] Instrumentos Nacionais: Manual do Curso LabVTEW Real-Time I, setembro de 2012. [6] Instrumentos Nacionais: Manual do Curso LabVIEW FPGA, agosto de 2012. [7] Ajtonyi,1º:Ipari Kommunikaci6s Rendszerek1.AUT-INFO Kft. , Miskolc, 2008. Dezembro, 431 p., ISBN: 978-963-06-5813-3, HU ISSN: 1789-5456 [8] Padrão J1939 [9] Altila Trohak, Bela liles, Zoltan Bir6: Algoritmos de Filtro de Mensagem CAN para Diagnóstico Remoto de Veículos, Mecânica Aplicada e Materiais Vol.309 (2013) pp213-220, doi: 10.4028 / www.scientific.net/AMM.309. 213 FIGO. 8. Estrutura do primeiro sistema de comunicação CAN [10] S2. Trohak, A., Kolozsi-T6th, M., Radi, P., Mehes, L., Bir6, Z.: O desenvolvimento de um sistema de diagnóstico remoto para veículos, Advanced Logistic Systems Volume 5., HU ISSN 1789-2198, 2011, pág. 216-220Para controlador e os dispositivos acima mencionados, exigimos um High-Speed construção umaPOSSO comunicação entre nosso 2015 16ª Conferência Internacional de Controle dos Cárpatos (ICCC) 551 Uso licenciado autorizado limitado a: UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL. Baixado em 05 de março de 2022 às 14:53:35 UTC do IEEE Xplore. Restrições aplicadas.
Compartilhar