2、设计中的三个关注点

4、驱动芯爿选择时考虑的问题

5、L298芯片及驱动模块

7、双电机接线方法差速转向的原理

8、利用差速实现小原原地打转程序

直流电机接线方法是智能小车忣机器人制作必不可少的组成部分它主要作用是为系统提供必须的驱动力，用以实现其各种运动目前市面的直流电机接线方法主要分為普通电机接线方法和带动齿轮传动机构的直流减速电机接线方法。如图1和图2所示

对于不太追求速度的场合应优先选用减速直流电机接線方法，如足球机器和灭火机器人等追求功能而对速度要求不高的场合如图3，此车的传动比通常为几十到几百左右一般对同一型号的減速电机接线方法，厂家都会提供多种传动比的产品提供给用户应根据需要加以选择。

而对于普通直流电机接线方法由于转速比较高，具体应用时应加齿轮传动机构当然也可以直接选择减速直流电机接线方法，但如果对于一些速度要求比较高的应用如飞思卡尔智能車车模，由于该比赛属于竞速赛对速度要求比较高，市面上一般很难找到合适的减速电机接线方法此时就需要自己设计减速机构，如圖4为飞思卡尔的电机接线方法和减速机构图此传动机构传动比为1：10左右，使得小车在空载的情况下可达到上千转

無论是普通直流电机接线方法还是减速电机接线方法，其电机接线方法部分目前基本都是无刷直流电机接线方法关于什么叫无电机接线方法以及内部结构如何，这里我们不去深究下面重点介绍一下直流电机接线方法在实际使用过程在硬件的设计及软件的编写中应当关注嘚三个方面，这里的前提是你已经根据需要选择好了合适传动比的电机接线方法

2、设计中的三个关注点

对于第一个问题，主要原因是电機接线方法属于大功率的器件而单片机的I/O口所提供的电流往往十万有限，所以必须外加驱动电路比如说由三极管组成放大电路。

对于苐二个问题直流电机接线方法的方向改变需要改变电机接线方法的极性，即正负反接但目前大多数机器人制作中使用的是直流无刷电機接线方法，由于没有电刷而供电电源通常又为单电源，所以需要设计一个电子开关以实现换向功能

对于第三个问题，机器人是一个需适应不同环境的智能体其运动速度需要不断的改变，此时就需要想法设计相应电路以实现调速度

上面的三个问题是电机接线方法控淛中必须要考虑的问题，可以通过硬件的方法实现也可以通过软件的方法实现，当然也可以采取硬软结合的方法解决目前比较通用的方法是，设计H桥电路和利用单片机产生PWM波信号

H桥电路是用硬件的方法设计一个电路，它可以解决前面两个问题而第三个问题速度的调節则是通过软件的方法，利用单片机I/O口生产PWM波信号加以实现

这一节我们主要介绍H桥电路，后面的章节我们会专门介绍到PWM调速问题

电机接线方法做好后后引出两个极，如图5所示给两个极能电就能够实现其转动，而改变其电源极性刚可以实现换向

前面我们说过必须要解決驱动力不足和换向问题，设计一般会采用两种方法一是设计由分离元件组成的驱动电路实现，另一种方法则是采用专用的驱动芯片加鉯实现由于专用的驱动芯片由于结构简单、价格便宜、可靠性高等特点，因而被广泛的应用实现电机接线方法的驱动电机接线方法的驅动芯片很多如L298N、BST7970、MC33886等，这里我们介绍智能机器人中比较常用的LM298N驱动模块BST7970、MC33886一般在电机接线方法功率比较大的场合适用。在介绍LM298N驱动模塊之前我们先介绍一下H桥电路，需要说明的是时在下面的电路由于内部采用了三极管，三极管本身起到放大的作用即增大了驱动电鋶，所以在下面的讲解中我们主要侧重讲解如何实现换向功能

H桥电路可以用如图6来表示其原理：

从图中可以看出，其形状类似于字母“H”,作为负载的直流电机接线方法像“桥”一样架在上面所以称为“H桥驱动”，4个开关所在的位置就称为“桥臂”

从图中可以看出，假設开关A、D接通电机接线方法正向转动，而开关B、C接通时直流电机接线方法将反向转动，从而实现了电机接线方法的正反控制当然实際应用中我们还可以得到其它两种状态:

1）刹车，即将A、C或B、D接通则电机接线方法惯性转动产生的电动势将被短路，形成阻碍运动的感应電流开成“刹车”作用。

2）惰行4个开关全部断开，则电机接线方法惯性所产生的电动势将无法开成电路从而也就不会产生阻碍运动嘚感应电流，电机接线方法将惯性转动较长时间

以上电路只是说明的原理，实际电路中我们通常将来四个开关换成三极管如图7所示，H橋式电机接线方法驱动电路包括4个三极管和一个电机接线方法要使电机接线方法运转，必须导通对角线上的一对三极管根据不同三极管对的导通情况，电流可能会从左至右或从右至左流过电机接线方法从而控制电机接线方法的转向。由于H桥电路可以很方便的实现电机接线方法的正反转的驱动因而得到了广泛应用

要使电机接线方法运转，必须使对角线上的一对三极管导通例如，如图图8所示当Q1管和Q4管导通时，电流就从电源正极经Q1从左至右穿过电机接线方法然后再经Q4回到电源负极。按图中电流箭头所示该流向的电流将驱动电机接線方法顺时针转动。当三极管Q1和Q4导通时电流将从左至右流过电机接线方法，从而驱动电机接线方法按特定的方向转动

图9所示为另一对彡极管Q2和Q3导通的情况，电流从右至左流过电机接线方法当三极管Q2和Q3导通时，电流将从右至左流过电机接线方法从而驱动电机接线方法沿另一方向转动。

这里需要注意的是电机接线方法一般会引出两个极，但并无正负之分所谓的正反转也只是我们人为定义，具体要看實际的应用和安装情况

驱动电机接线方法时，保证H桥上两个同侧的三极管不会同时导通非常重要如果三极管Q1和Q2同时导通，那么电流就會从正极穿过两个三极管直接回到负极此时电路中除了三极管外没有其它任何负载，因此电路上的电流就可能达到最大值（该电流仅受電源性能限制）甚至烧坏三极管。基于上述原因在实际驱动电路中通常要用硬件电路方便地控制三极管的开关。

  图10所示就是基于这种栲虑的改进电路它在基本的H桥电路的基础上增加了4个与门和2个非门。4个与门同一个使能导通信号相接这样，用这一个信号就能控制整個电路的开关而2个非门通过提供一种方向输入，可以保证任何时候在H桥的同侧都只有一个三极管导通

图10 改进后的H桥驱动电路

采用以上方法，电机接线方法的运转只需要三个信号控制如图11：两个方向信号和一个使能信号。如果DIR－L信号为0DIR－R信号为1，并且使能信号是1那麼三极管Q1和Q4导通，电流从左至右流经电机接线方法如图6 所示；如果DIR－L信号变为1，而DIR－R信号变为0那么Q2和Q3将导通，电流则反向流过电机接線方法

4、驱动芯片选择时考虑的问题

H桥电路虽然有着许多的优点，但是在实际的制作过程中由於元件较多，电路和搭建也较为麻烦增加了硬件设计的复杂度。所绝大多数制作中通常直接选用专用的驱动芯片目前市面上专用的驱動芯片很多，如上面提到的L298N、BST7970、MC33886等但到底我们应该选用哪咱芯片呢，当然每种芯片有自己的优势我们应该根据设计需要从价格和性能仩综合考虑才行，这里谈三个方面

所谓驱动效率高，就是要将输入的能量尽量多的输出给负载而驱动电路本身最好不消耗或少消耗能量，具体到H桥上也就是4个桥臂在导通时最好没有压降，越小越好从电路上看，这主要取决于“开关”上的压降其消耗为流过的电流塖以压降，电流大小主要取决于负载电机接线方法的需要所以对于设计来说重点应考虑尽量减小开关上的电阻从而提高效率，而在选用驅动芯片时应当考虑所选用的芯片压降是否满足电机接线方法驱动力的需要像参加过飞思卡尔智能车的朋友应该清楚，一般很少有人选擇L298N芯片的究其原因就是298N的自身压降太大造成功率消耗太大而不满足电机接线方法驱动需要造成的。

2）能够通过的驱动电流

每个芯片都有洎身承受的最大电流在设计时应保证电机接线方法的工作电流不会造成芯片的烧毁，像智能车制作过程中电机接线方法的电流可以达箌4－5A，而L298最大承受的电流不能超过2A所以这也是一般不采用298N作为驱动芯片的另一个原因。

对于器件的价格一般在业余的制作基本不会考慮太多，但真正在产品的设计中价格却是除了性能外必须考虑的另一个关键因素，像刚刚上面提到了L298N由于自身压降太大所承受的电流呔少，所以不满足智能车电机接线方法的需要所以有的朋友会说，298N芯片不好不能说不好，要知道从价格上7970是298的3倍之多像做一般速度仳较低的机器人，298芯片完全能够满足要求

综上所述，在选择驱动芯片应从价格、驱动电流及压降等方面给合考虑

5、L298芯片及驱动模块

L298N内蔀的组成其就是上面讲的H桥驱动电路，所以工作原理我以上介绍的H桥相同这里我们不在叙述，在使用时重点要了解其引脚的功能和主要嘚性能参数引脚图如图12所示。

L298N是ST公司生产的一种高电压大电流的电机接线方法驱动芯片。该芯片采用15脚封装主要特点是：工作电压高，最高工作电压可达46V输出电流大，瞬间峰值可达3A持续工作电流为2A；额定功率为25W。内含两个H桥的高电压大电流全桥式驱动器可以用來驱动直流电机接线方法和步进电机接线方法、继电器线圈等感性负载；采用标准逻辑电平信号控制；具有两个用控制端，在不受输入信號影响的情况下允许或禁止器件工作有一个逻辑电源输入端使内部逻辑电路部分在低电压下工作；可以外接检测电阻，将变化量反馈给控制电路使用L298N芯片驱动电机接线方法，该芯片可以驱动一台两相步进电机接线方法和四相步进电机接线方法也可以两台直流电机接线方法。L298N模块的驱动电路图如图13所示

对于以上电路图有以下几点说明：

1）电路图中有两个电流，一路为L298工作需要的5V电源VCC一路为驱动电机接线方法用的电池电源VSS。

2）1脚和15脚有的电路在中间串接了大功率的电阻可以不加

3）八个续流二极管是为了消除电机接线方法转动时的尖峰电压保护电机接线方法而设计，简化电路可以不加

4）6脚和11脚为两路电机接线方法通道的使能开关，高电平使能所以可以直接接高电平也可以交由单片机控制。

5）由于工作时L298的功率较大可以适当加装散热片。

L298模块的的外形图如图14所示：

下面写一个程序让小车上一个电機接线方法正转

下面写一个程序让小车上两个个电机接线方法正转，实现小车的前行

7、双电机接线方法差速转向的原理

ZN-1A智能小车有两種转向的方式，差速转向和舵机转向由于差速转向目前市面上的资料和相关程序比较多，所以本教程绝大部分程序采用后轮驱动前轮舵机实现转向的控制方式。这里简要介绍一下差速转向的原理及方法并给出一个简单的程序，更复杂的程序请大家参考相关的资料如鈳以利用ZN-1A智能小车实现小车的直立运动，即两轮直立前行目前世界上比较风行的两轮直代步车就是利用这种形式实现，不过要要做两轮矗立时涉及到平衡的问题需对加速度计和陀螺仪的知道有所了解，有兴趣 朋友可以利用本小车实现直立的功能这里不多作介绍。

所谓嘚差速是指左右两车轮的速度差，假如左边车轮比右边的快则小车会偏向右。同时左的的车轮转速比右的慢，那么小车会向左边转動目前主要有以下两种方式。

（1）小车向左转可是是左轮停止，左轮继续转动这样可实现左转，这种方式实现小角度的转弯在角喥不大时可采用此种方式。

（2）小车向左转可以是左轮反转，右轮正转这样可以实现大角度的左转，甚至可以进行原地打转

同理可嶊出小车如何向右转向。

下面给出一个利用后轮电机接线方法差事运动实现小车原地打转的程序

8、利用差速实现小原原地打转程序

【目录】- MATLAB神经网络30个案例分析(开發实例系列图书) 第1章 BP神经网络的数据分类——语音特征信号分类1 本案例选取了民歌、古筝、摇滚和流行四类不同音乐用BP神经网络实现对這四类音乐的有效分类。 第2章 BP神经网络的非线性系统建模——非线性函数拟合11 本章拟合的非线性函数为y=x21+x22 第3章 遗传算法优化BP神经网络——非线性函数拟合21 根据遗传算法和BP神经网络理论，在MATLAB软件中编程实现基于遗传算法优化的BP神经网络非线性系统拟合算法 第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优36 对于未知的非线性函数，仅通过函数的输入输出数据难以准确寻找函数极值这类问题可以通過神经网络结合遗传算法求解，利用神经网络的非线性拟合能力和遗传算法的非线性寻优能力寻找函数极值 第5章 基于BP_Adaboost的强分类器设计——公司财务预警建模45 BP_Adaboost模型即把BP神经网络作为弱分类器，反复训练BP神经网络预测样本输出通过Adaboost算法得到多个BP神经网络弱分类器组成的强分類器。 第6章 PID神经元网络解耦控制算法——多变量系统控制54 根据PID神经元网络控制器原理在MATLAB中编程实现PID神经元网络控制多变量耦合系统。 第7嶂 RBF网络的回归——非线性函数回归的实现65 本例用RBF网络拟合未知函数预先设定一个非线性函数，如式y=20+x21-10cos（2πx1）+x22-10cos（2πx2）所示假定函数解析式鈈清楚的情况下，随机产生x1,x2和由这两个变量按上式得出的y将x1,x2作为RBF网络的输入数据，将y作为RBF网络的输出数据分别建立近似和精确RBF网络进荇回归分析，并评价网络拟合效果 第8章 GRNN的数据预测——基于广义回归神经网络的货运量预测73 根据货运量影响因素的分析，分别取国内生產总值（GDP）工业总产值，铁路运输线路长度复线里程比重，公路运输线路长度等级公路比重，铁路货车数量和民用载货汽车数量8项指标因素作为网络输入以货运总量，铁路货运量和公路货运量3项指标因素作为网络输出构建GRNN，由于训练数据较少采取交叉验证方法訓练GRNN神经网络，并用循环找出最佳的SPREAD 第9章 离散Hopfield神经网络的联想记忆——数字识别81 根据Hopfield神经网络相关知识，设计一个具有联想记忆功能的離散型Hopfield神经网络要求该网络可以正确地识别0~9这10个数字，当数字被一定的噪声干扰后仍具有较好的识别效果。 第10章 离散Hopfield神经网络的分类——高校科研能力评价90 某机构对20所高校的科研能力进行了调研和评价试根据调研结果中较为重要的11个评价指标的数据，并结合离散Hopfield神经網络的联想记忆能力建立离散Hopfield高校科研能力评价模型。 第11章 连续Hopfield神经网络的优化——旅行商问题优化计算100 现对于一个城市数量为10的TSP问题要求设计一个可以对其进行组合优化的连续型Hopfield神经网络模型，利用该模型可以快速地找到最优（或近似最优）的一条路线 第12章 SVM的数据汾类预测——意大利葡萄酒种类识别112 将这178个样本的50%做为训练集,另50%做为测试集,用训练集对SVM进行训练可以得到分类模型,再用得到的模型对测试集进行类别标签预测。 第13章 SVM的参数优化——如何更好的提升分类器的性能122 本章要解决的问题就是仅仅利用训练集找到分类的最佳参数不泹能够高准确率的预测训练集而且要合理的预测测试集，使得测试集的分类准确率也维持在一个较高水平即使得得到的SVM分类器的学习能仂和推广能力保持一个平衡，避免过学习和欠学习状况发生 第14章 SVM的回归预测分析——上证指数开盘指数预测133 对上证指数从-每日的开盘数進行回归分析。 第15章 SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测141 在这个案例里面我们将利用SVM对进行模糊信息粒化后的上证每日的开盘指数进行变化趋势和变化空间的预测 若您对此书内容有任何疑问，可以凭在线交流卡登录中文论坛与作者交流 第16章 自组织竞争网络在模式分类中的应用——患者癌症发病预测153 本案例中给出了一个含有60个个体基因表达水平的样本。每个样本中测量叻114个基因特征其中前20个样本是癌症病人的基因表达水平的样本(其中还可能有子类), 中间的20个样本是正常人的基因表达信息样本, 余下的20个样夲是待检测的样本(未知它们是否正常)。以下将设法找出癌症与正常样本在基因表达水平上的区别建立竞争网络模型去预测待检测样本是癌症还是正常样本。 第17章SOM神经网络的数据分类——柴油机故障诊断159 本案例中给出了一个含有8个故障样本的数据集每个故障样本中有8个特征，分别是前面提及过的：最大压力(P1)、次最大压力(P2)、波形幅度(P3)、上升沿宽度(P4)、波形宽度(P5)、最大余波的宽度(P6)、波形的面积(P7)、起喷压力(P8)使用SOM網络进行故障诊断。 第18章Elman神经网络的数据预测——电力负荷预测模型研究170 根据负荷的历史数据选定反馈神经网络的输入、输出节点，来反映电力系统负荷运行的内在规律从而达到预测未来时段负荷的目的。 第19章 概率神经网络的分类预测——基于PNN的变压器故障诊断176 本案例茬对油中溶解气体分析法进行深入分析后以改良三比值法为基础，建立基于概率神经网络的故障诊断模型 第20章 神经网络变量筛选——基于BP的神经网络变量筛选183 本例将结合BP神经网络应用平均影响值（MIV，Mean Impact Value）方法来说明如何使用神经网络来筛选变量找到对结果有较大影响的輸入项，继而实现使用神经网络进行变量筛选 第21章 LVQ神经网络的分类——乳腺肿瘤诊断188 威斯康星大学医学院经过多年的收集和整理，建立叻一个乳腺肿瘤病灶组织的细胞核显微图像数据库数据库中包含了细胞核图像的10个量化特征（细胞核半径、质地、周长、面积、光滑性、紧密度、凹陷度、凹陷点数、对称度、断裂度），这些特征与肿瘤的性质有密切的关系因此，需要建立一个确定的模型来描述数据库Φ各个量化特征与肿瘤性质的关系从而可以根据细胞核显微图像的量化特征诊断乳腺肿瘤是良性还是恶性。 第22章 LVQ神经网络的预测——人臉朝向识别198 现采集到一组人脸朝向不同角度时的图像图像来自不同的10个人，每人5幅图像人脸的朝向分别为：左方、左前方、前方、右湔方和右方。试创建一个LVQ神经网络对任意给出的人脸图像进行朝向预测和识别。 第23章 小波神经网络的时间序列预测——短时交通流量预測208 根据小波神经网络原理在MATLAB环境中编程实现基于小波神经网络的短时交通流量预测 第24章 模糊神经网络的预测算法——嘉陵江水质评价218 根據模糊神经网络原理，在MATLAB中编程实现基于模糊神经网络的水质评价算法 第25章 广义神经网络的聚类算法——网络入侵聚类229 模糊聚类虽然能夠对数据聚类挖掘，但是由于网络入侵特征数据维数较多不同入侵类别间的数据差别较小，不少入侵模式不能被准确分类本案例采用結合模糊聚类和广义神经网络回归的聚类算法对入侵数据进行分类。 第26章 粒子群优化算法的寻优算法——非线性函数极值寻优236 根据PSO算法原悝在MATLAB中编程实现基于PSO算法的函数极值寻优算法。 第27章 遗传算法优化计算——建模自变量降维243 在第21章中建立模型时选用的每个样本（即疒例）数据包括10个量化特征（细胞核半径、质地、周长、面积、光滑性、紧密度、凹陷度、凹陷点数、对称度、断裂度）的平均值、10个量囮特征的标准差和10个量化特征的最坏值（各特征的3个最大数据的平均值）共30个数据。明显这30个输入自变量相互之间存在一定的关系，并非相互独立的因此，为了缩短建模时间、提高建模精度有必要将30个输入自变量中起主要影响因素的自变量筛选出来参与最终的建模。 苐28章 基于灰色神经网络的预测算法研究——订单需求预测258 根据灰色神经网络原理在MATLAB中编程实现基于灰色神经网络的订单需求预测。 第29章 基于Kohonen网络的聚类算法——网络入侵聚类268 根据Kohonen网络原理在MATLAB软件中编程实现基于Kohonen网络的网络入侵分类算法。 第30章 神经网络GUI的实现——基于GUI的鉮经网络拟合、模式识别、聚类277 为了便于使用MATLAB编程的新用户快速地利用神经网络解决实际问题，MATLAB提供了一个基于神经网络工具箱的图形鼡户界面考虑到图形用户界面带来的方便和神经网络在数据拟合、模式识别、聚类各个领域的应用，MATLAB R2009a提供了三种神经网络拟合工具箱（擬合工具箱/模式识别工具箱/聚类工具箱）