華南理工大學(xué)drift隊(duì)技術(shù)報(bào)告修改最終版

1、華南理工大學(xué)Drift 隊(duì)技術(shù)報(bào)告1，1，1 ，1，1，（1華南理工大學(xué)自動(dòng)化學(xué)院，廣州 五山 510640)：我們對(duì)參賽用車建立了簡(jiǎn)化的模型，通過對(duì)模型的分析提高了效果。該車使用了遠(yuǎn)距離和近距離兩層紅外傳感器探測(cè)體系對(duì)軌跡進(jìn)行探測(cè)，同時(shí)，使用模糊算法和 PID 算法根據(jù)不同的路況切換。模糊算法通過視覺的方法進(jìn)行了訓(xùn)練，通過7.0 上的模糊邏輯工具包進(jìn)行了，我們使用智能化的模糊算法在 PID 算法的配合下對(duì)智能汽車進(jìn)行，取得了很好的效果設(shè)計(jì)了車輛的機(jī)械結(jié)構(gòu)減輕了重量，提高了行駛性能。我們使用了飛思的 S12 單片機(jī)MC9S12DG128 完成了整個(gè)：智能汽車 模糊，PID可靠。紅外探測(cè) S12

2、 單片機(jī)of the race car. By using this mAbstract：We designed a simple m, we improvedeffect of the car running. Our smartcar use both long-distance and short-distance infrared sensors to get the track. We use Fuzzy Logic control arithmetic and classical PID control arithmetic to control the smartcar. The

3、 Fuzzy Logic control arithmetic was trained by using the method of machine vision. We also simulate the Fuzzy Logic control arithmeticby using Fuzzy Logic Toolbox for use with7.0. We improved the speed of ourcar by change the machine framework. We use freescale s12 singlechip MC9S12DG128 finishing a

4、ll the job, perfectly.Key words: smartcar, Fuzzy Logic control,PID,s12 singlechipinfrared sensor,正文：智能汽車的行駛一直以來是自動(dòng)化、汽車等學(xué)科研究的目標(biāo)，首屆“飛思”杯大學(xué)生智能車大賽使的學(xué)校和同學(xué)有了探索研究處理這個(gè)的機(jī)會(huì)。大學(xué)生智能模型車競(jìng)賽是在飛思半導(dǎo)體公司資助下舉辦的以HCS12單片機(jī)為的大學(xué)生課外科技競(jìng)賽。組委會(huì)將提供一個(gè)標(biāo)準(zhǔn)的汽車模型、直流電機(jī)和可充電式電池，參賽隊(duì)伍要制作一個(gè)能夠識(shí)別路線的智能車，在專門設(shè)計(jì)的跑道上自動(dòng)識(shí)別道路行駛，誰最快跑完全程而沒有沖出跑道并且技術(shù)報(bào)告評(píng)分較高，

5、誰就是獲勝者。1為了追求獲勝的目標(biāo)，人們對(duì)人工智能與人技術(shù)，汽車技術(shù)，自動(dòng)化技術(shù)能在更廣泛、更深入的層面展開研究 ,這樣無疑對(duì)學(xué)術(shù)研究和生產(chǎn)應(yīng)用很強(qiáng)的實(shí)際意義。比賽的專業(yè)知識(shí)涉及、模式識(shí)別、傳感技術(shù)、電氣、計(jì)算機(jī)、機(jī)械等多個(gè)學(xué)科，對(duì)學(xué)生的知識(shí)融合和學(xué)科學(xué)術(shù)水平的提高，具有良好的長(zhǎng)期的推動(dòng)作實(shí)踐動(dòng)手能力的培養(yǎng)，對(duì)高等學(xué)校用。1車輛模型的建立及2.1 車輛建模的意義要想精確的車輛，車輛模型的建立尤其是運(yùn)動(dòng)模型的建立是十分重要的。在系統(tǒng)分析上，我們比賽的智能車建模應(yīng)該歸于汽車型非完整對(duì)于這樣一個(gè)模型，如果完全建立它的模型，人建模。懸掛，路面摩擦，滑動(dòng)等的影響是一件復(fù)雜而又作用有限的事，基于簡(jiǎn)化模型，

6、提高效率的原理，我們對(duì)車輛在無車輪打滑的情況下的運(yùn)動(dòng)學(xué)模型進(jìn)行了建立和分析。在模型中我們先對(duì)單一車輪的運(yùn)動(dòng)學(xué)模型進(jìn)行建立和分析， 然后擴(kuò)展到整個(gè)車輛。2.2 單一車輪模型。設(shè)想一個(gè)車輪垂直的在一個(gè)水平面上滾動(dòng)，如圖 2.1 所示。圖 2.1 對(duì)于獨(dú)輪系統(tǒng)的統(tǒng)一化的坐標(biāo)顯示這個(gè)系統(tǒng)的狀態(tài)可以由3個(gè)變量組成的一個(gè)矢量q表示，其中x，y表示對(duì)于運(yùn)動(dòng)平面的相對(duì)位置，角表示車輪相對(duì)于y軸的方向角度。這個(gè)矢量q不能認(rèn)為是律的2變量，實(shí)際上，它是符合以下規(guī)我們?cè)O(shè)v1為車輪的行駛方向的線速度，v2為相對(duì)于垂直軸的角速度。這就是對(duì)于單一車輪運(yùn)動(dòng)學(xué)的模型。2.3 轎車型模型的建立單一車輪運(yùn)動(dòng)學(xué)的模型推廣到一個(gè)完整

7、的轎車型車輛模型。如圖2.2所示圖2.2 對(duì)于轎車型模型統(tǒng)一坐標(biāo)表示根據(jù)圖中所示，我們可以列出以下方程：其中xf、yf與x、y是相關(guān)聯(lián)的變量對(duì)于后輪驅(qū)動(dòng)的車輛，如我們現(xiàn)在所要的目標(biāo)車輛，我們可以列出如下的車輛方程：這是一個(gè)多變量的微分方程組，簡(jiǎn)單有效的對(duì)后輪驅(qū)動(dòng)的轎車型非完整人做了闡釋。我們?cè)趯?duì)車輛的算法的研究中，以這個(gè)模型為基礎(chǔ)，取得了良好的效果。以此模型為基礎(chǔ)，我們只要取得車輛的速度和轉(zhuǎn)向角度，然后再對(duì)車輛速度和轉(zhuǎn)向角度進(jìn)行控制就能對(duì)車輛的軌跡進(jìn)行精確。同時(shí)我們?nèi)绻麥y(cè)出車輛軸向的度和垂直軸向的度也可以出車輛狀態(tài)。23. 車輛的總體設(shè)計(jì)3.1 車輛設(shè)計(jì)思路車輛對(duì)路況的距離越遠(yuǎn)，越能提前得到路

8、況信息，對(duì)車輛行駛速度越有幫助。我們提出的算法就是基于遠(yuǎn)距離探測(cè)配合近距離探測(cè)的算法。所以，我們使層紅外探測(cè)，組成兩層探測(cè)體系，兩層探測(cè)體系再結(jié)合先進(jìn)的整車設(shè)計(jì)簡(jiǎn)圖：算法進(jìn)行。3.2 車輛機(jī)械部分的設(shè)計(jì)參輛是由組委會(huì)統(tǒng)一下發(fā)的，車輛運(yùn)動(dòng)部分是改動(dòng)的，這樣，我們主要從提高車輛對(duì)路況的判別，同時(shí)，更好的設(shè)計(jì)步驟：車輛方面進(jìn)行了總體設(shè)計(jì)。1首先利用的另外一種較便宜，容易改裝，同時(shí)機(jī)械運(yùn)動(dòng)結(jié)構(gòu)和我們現(xiàn)在使用的較為一致的模型車初步設(shè)計(jì)方案，結(jié)合算法進(jìn)行調(diào)試。2在經(jīng)過調(diào)試確定最佳方案后，對(duì)實(shí)際比通過試車進(jìn)行調(diào)整。提出方案。并利用簡(jiǎn)易支架進(jìn)行固定。3確定最終方案。利用輕質(zhì)保證安裝質(zhì)量。板材進(jìn)行機(jī)械。盡可能將

9、重量壓縮到最小，同時(shí)4在機(jī)械中為了確度和安裝要求，我們使用了機(jī)床和數(shù)控銑床進(jìn)行，取得了很好的效果。根據(jù)車輛的行駛特性，我們調(diào)整了車輛的重心和車輪的內(nèi)心前移，重心到后軸水平距離增大，易發(fā)生后軸側(cè)滑，對(duì)高速汽車心到后軸水平距離減小，前輪易喪失轉(zhuǎn)向能力。實(shí)踐證明前輪，取得了很好的效果。若重性大；若重心后移，重大一點(diǎn)對(duì)車輛的轉(zhuǎn)向很有好處，因?yàn)檐嚨淖陨砉β瘦^小，不易加到很高的速度，所有，剎車性能的好壞對(duì)車輛影響有限，但轉(zhuǎn)向性能的提高，過彎速度的提高對(duì)比賽成績(jī)有決定性的影響。所以， 機(jī)械安裝的調(diào)整，調(diào)整到靠近前輪的位置3。車的重心通過3.3 車輛電氣部分的設(shè)計(jì)我們使用了原配的112腳的MC9S12DG12

10、8大開發(fā)板進(jìn)行開發(fā)設(shè)計(jì)， 開發(fā)環(huán)境。開發(fā)環(huán)境就是標(biāo)準(zhǔn)3.3.1 電氣部分方案我們的方案簡(jiǎn)單的說就是利用遠(yuǎn)距離傳感器對(duì)遠(yuǎn)方路況進(jìn)行一個(gè)，然后車輛速度，同時(shí)，根據(jù)前方路況切換不同的算法，近距離傳感器則是對(duì)車輛行駛起直接作用，不同的算法都是通過近距離傳感器的信息，車輛巡線行駛。同時(shí)，度傳感器車輛的位配合簡(jiǎn)易光電碼盤對(duì)車輛的行駛狀態(tài)進(jìn)行置，是否打滑等。3.3.2 路徑測(cè)量，測(cè)量車速，軸向和側(cè)向度，智能車巡線的精確度和檢測(cè)速度成為智能車大賽的，可以說是“得巡線者得冠軍”。想要讓車輛能又準(zhǔn)又快的循跑道黑線駛完全部賽道，怎樣巡線成為關(guān)鍵。讓智能車巡線前進(jìn)有很多解決途徑,并有多種光電器件可供選擇,如光敏器件、

11、紅外器件、近紅外探測(cè)器電機(jī)及測(cè)速舵機(jī)遠(yuǎn)紅外探測(cè)器遠(yuǎn)紅外探測(cè)器電氣部分光纖器件、顏色傳感器等. 由于光敏器件受可見光影響較大,光纖器件、顏色傳感器成本相對(duì)較高使用較復(fù)雜,故選用了反射式紅外器件,它具有效率高、受可見光影響較小、造價(jià)低廉、易于使用等優(yōu)點(diǎn)4。所以我們?cè)趯?duì)路況的1 遠(yuǎn)距離紅外傳感器：上，選用的傳感器都是紅外傳感器。我們使用士kenyence公司的紅外光電傳感器作為遠(yuǎn)距離傳感器，這種傳感器性能優(yōu)異，使用紅外調(diào)制光，可以對(duì)前方50cm的斜面進(jìn)行路況探測(cè)或物體探測(cè)。工作可靠，能力強(qiáng)。我們使用它作為遠(yuǎn)距離，也就是通過它進(jìn)行算法切換。2 近距離紅外傳感器：我們使用普通的紅外對(duì)管，設(shè)計(jì)成單排垂直照

12、地的模式。根據(jù)調(diào)試經(jīng)驗(yàn)，選擇了相對(duì)窄一點(diǎn)但傳感器分布密一點(diǎn)。電路圖如圖3.1所示。5圖3.1近距離紅外傳感器電路示意圖。3.3.3導(dǎo)航測(cè)量我們使用度傳感器和光電碼盤配合進(jìn)行慣性導(dǎo)航，通過對(duì)度的得到當(dāng)前車輛軸向和側(cè)向的速度，再次，就可以得到車輛的位置信息。而光電碼盤則通過對(duì)速度的，度傳感器的測(cè)量誤差。度傳感器我們選用ADXL202。ADXL202是一種低成本、低功耗、功能完善的雙軸度傳感器，其測(cè)量范圍為±2g。ADXL202既能測(cè)量動(dòng)態(tài)度(如振動(dòng)度)，又能測(cè)量靜態(tài)度(如重力度)。ADXL202可輸出數(shù)字信號(hào)，其脈寬占空比與兩根傳感軸各自所感受到的度成正比。這些信號(hào)可直接傳輸給微處理器，

13、而不需A/D轉(zhuǎn)換或附加其它電路。輸出信號(hào)周期在0.5ms10ms范圍內(nèi)，可用外接電阻RSET調(diào)節(jié)。如果需要與度成正比的模擬電壓輸出，則可從XFILT和YFILT管腳輸出信號(hào)，或者使用對(duì)脈寬占空比輸出信號(hào)濾波后的信號(hào)6。電路圖如圖3.2所示圖3.2度傳感器及AD轉(zhuǎn)換電路3.3.4驅(qū)動(dòng)電機(jī)我們使用標(biāo)準(zhǔn)的33886進(jìn)行電機(jī)驅(qū)動(dòng)。電路圖如圖3.3所示圖3.333886驅(qū)動(dòng)電機(jī)電路圖4車輛算法4.1 算法總體設(shè)計(jì)：我們?cè)O(shè)計(jì)的算法主要是分兩層算法，因?yàn)檐囕v在彎道行駛和在直道行駛有不同的特性，所以這兩種情況分成兩種算法來進(jìn)行處理，而遠(yuǎn)距離紅外傳感器對(duì)彎道的判斷就成為兩種算法切換的觸發(fā)點(diǎn)。在直道行駛時(shí)，我們使

14、用精度的PID算法進(jìn)行，讓車輛能夠準(zhǔn)確的巡線前進(jìn)，在彎道行駛中，我們發(fā)現(xiàn)如果用PID算法繼續(xù)準(zhǔn)確巡線的話車輛會(huì)因?yàn)檗D(zhuǎn)向過度或轉(zhuǎn)向不足，產(chǎn)生較大的偏差，而這種比較大的偏差會(huì)激勵(lì)PID算法產(chǎn)生一個(gè)很大的量，從而使舵機(jī)轉(zhuǎn)向角度變大，舵機(jī)的劇烈運(yùn)動(dòng)通過車輛的行駛特性導(dǎo)致車輛速度大幅降低。所以我們認(rèn)為彎道使用PID算法并不是一個(gè)很好的選擇。在彎道行駛中，我們根據(jù)模糊的原理設(shè)計(jì)了一種基于訓(xùn)練樣本的模糊算法。這種算法首先通過訓(xùn)練制訂出根據(jù)不同曲率半徑圓弧賽道的行駛策略，車速和舵機(jī)偏轉(zhuǎn)角，通過對(duì)各種方式策略的訓(xùn)練從而得到最優(yōu)化的行駛策略。過彎時(shí)，車輛根據(jù)紅外傳感器測(cè)量出來的曲率，查表得最優(yōu)化的行駛策略，在PI

15、D算法的配合下，用最優(yōu)化策略通過彎道程序分層情況：圖 4.1 程序分層情況，程序采用分層結(jié)構(gòu)。不同層的分工不同，執(zhí)行的頻率也不同。最底層為“傳感器數(shù)據(jù)的和處理”，例如對(duì)遠(yuǎn)、近紅外傳感器的和，對(duì)加速度傳感器的和累加。執(zhí)行周期大約在 15ms?！暗讓铀俣乳]環(huán)采用 PID 或者開環(huán)的”根據(jù)速度決策給出的參考值將速度在一個(gè)相對(duì)的值。算法，執(zhí)行周期大約在 1030ms?！奥窙r及算法切換”對(duì)底層的數(shù)據(jù)進(jìn)行分析，當(dāng)前路況的情形，并根據(jù)不同路況進(jìn)行算法的切換。具體策略見下邊“不同路況策略”。執(zhí)行周期 40100ms。“路況歷史”整個(gè)賽道的路況歷史情況，視情況采取策略。速度決策”接收“路況歷史”和“路況及算法切

16、換”中對(duì)速度的要求，并具體設(shè)定一個(gè)參考值。4.2PID算法基礎(chǔ)的PID調(diào)節(jié)：在近距離紅外傳感器車輛走在直路或者曲率不大的彎道的時(shí)候，我們使用的是經(jīng)典的離散數(shù)字PID算法。7 1 de(t)tòu(t) = k e(t) + ()e(t)dt +TTpddt0i式中Ti 為時(shí)間常數(shù)；T d 為微分時(shí)間常數(shù)； K p 為比例系數(shù)。e(t)為誤差項(xiàng)，u(t)為令T 為采樣時(shí)間量。得到離散算法Du(k) = u(k) - u(k -1) = k1e(k) + k 2e(k -1) + k 3e(k - 2), k = -(k p + 2k d ) ,2其中k1 = k p + k i + k

17、 dk 3 = k d以此算法為基礎(chǔ)，很容易在CodeWarrior上，用C語言編寫出算法8。PID算法在的同時(shí)，結(jié)合度傳感器傳回去的度，速度，位置信息，通過已經(jīng)建立起來的簡(jiǎn)單車輛模型對(duì)車輛位置狀態(tài)進(jìn)行，將誤差項(xiàng)也放到PID算法中進(jìn)行消除9。4.3. 模糊訓(xùn)練算法：4.3.1 算法簡(jiǎn)介這是我們根據(jù)智能車模的特性結(jié)合我們現(xiàn)在所擁有的測(cè)量和所設(shè)計(jì)的一路況歷史及速度決策路況及算法切換底層速度閉環(huán)（遠(yuǎn)、近紅外，度傳感器）種算法。這種算法是首先測(cè)出車輛在各種半徑的彎道下所能達(dá)到的最大轉(zhuǎn)向速度。通過訓(xùn)練樣本集測(cè)出最優(yōu)數(shù)據(jù)，把最優(yōu)數(shù)據(jù)制作車輛在行駛中，如果遠(yuǎn)距離傳感器。在前方30cm的范圍內(nèi)是直道，則車輛全

18、力前進(jìn)，舵機(jī)算法為PID調(diào)節(jié)。如果是彎道則根據(jù)車輛當(dāng)前速度，把車輛到彎道前保證速度，并把算法切換到自適應(yīng)訓(xùn)練算法。進(jìn)入彎道，車輛的近距離紅外傳感器，這個(gè)偏差值的大小，變化速率和彎道的曲率是有直接的，查表，得出彎道的曲率，同時(shí)也得到了彎道的過彎速度和舵機(jī)的偏轉(zhuǎn)角度。以這個(gè)速度和角度對(duì)車輛進(jìn)行，在過彎的時(shí)候，如果出現(xiàn)誤差error，則進(jìn)行模糊據(jù)車速，寫出不同的隸屬度函數(shù)，當(dāng)車速高的時(shí)候同時(shí)PID算法也輔助誤差10。，根經(jīng)過測(cè)試，我們發(fā)現(xiàn)這樣的算法比純粹用PID算法調(diào)節(jié)，無論是了較大提高。4.3.2 制作訓(xùn)練樣本集精度還是過彎速度利用視覺和單片機(jī)片內(nèi)器制作訓(xùn)練樣本集。狀態(tài)和特征通過兩種探測(cè)：1） 通

19、過工業(yè)相機(jī)，垂直從空中俯照。工業(yè)CCD從車輛正后方拍攝車輛以不同速度過彎時(shí)的過彎狀況。相機(jī)使用固定頻率采樣，車輛使用固定速度過彎。訓(xùn)練達(dá)到最佳效果點(diǎn)。圖4.2所示的就是一次非常好的過彎情況。同時(shí)在上位機(jī)通過像計(jì)算出車輛當(dāng)時(shí)實(shí)際速度和位置變化。視覺的圖像算法，通過圖圖4.2視覺過彎探測(cè)訓(xùn)練2） 將車輛行駛中近距離紅外傳感器探測(cè)到的信息和當(dāng)時(shí)車輛對(duì)舵機(jī)和電機(jī)的信息存放在s12單片機(jī)的片內(nèi)和分析。器里，然后再通過串口讀到電腦中來。從而對(duì)數(shù)據(jù)進(jìn)行3）將視覺得到的過彎過程中各采樣點(diǎn)的速度、位置與過彎過程中的s12片內(nèi)器里量。的探測(cè)信息和信息相比較，根據(jù)車輛模型所確定的車輛行駛特性確定最佳4.3.3 模糊

20、算法我們?cè)谀：惴ǖ臅r(shí)候首先定出一些定義1、 近距離紅外傳感器測(cè)得賽道偏離中心程度為 error，有正負(fù)； 2、 error 在兩次間隔的采樣時(shí)間點(diǎn)的偏差為 derror，有正負(fù)；3、 遠(yuǎn)距離紅外傳感器測(cè)到賽道中的黑線為 distant on，沒有測(cè)到為 distant off； 4、 遠(yuǎn)距離紅外傳感器采用居中的安裝方式；路況共有 6 種1、 出發(fā)點(diǎn)，作為標(biāo)志點(diǎn)；2、 十字交叉路，作為標(biāo)志點(diǎn)；3、 直道采用 PID 消除 error 算法；4、 彎道采用轉(zhuǎn)彎角消除 derror 算法；5、 小角度蛇行采用直過法或者第一圈測(cè)繪，第二圈直過法；6、 大角度蛇行視作彎道處理；路況規(guī)則：1、 erro

21、r 小，derror 穩(wěn)，distant off彎道的開始2、 error 小，derror 穩(wěn)，distant on直道3、 error 小，derror 不穩(wěn)，distant off小蛇行4、 error 小，derror 不穩(wěn)，distant on蛇行5、 error 大，derror 穩(wěn)，distant off彎道中（轉(zhuǎn)彎半徑較?。?6、 error 大，derror 穩(wěn)，distant on彎道中（轉(zhuǎn)彎半徑較大） 7、 error 大，derror 不穩(wěn)，distant off蛇行8、 error 大，derror 不穩(wěn)，distant on蛇行說明：“傳感器數(shù)據(jù)的和處理”并約 82

22、0 組數(shù)據(jù)后，“路況及算法切換”這些數(shù)據(jù)應(yīng)用以上規(guī)則進(jìn)行。例如“error 小”這樣的結(jié)論也是在分析了 820 個(gè)數(shù)據(jù)后得出的，而得出結(jié)論的值得討論。而 distant 數(shù)據(jù)的使用要結(jié)合 error 情況進(jìn)行。具體來說，就是直道時(shí)，為了避免車體振動(dòng)造成的誤判，應(yīng)該只在 error 為 0 時(shí)進(jìn)行 distant 的。設(shè)定為 6 組近距離紅外傳感器在車前方成直線布置，如圖 4.2 所示.11賽道ABCDEF圖 4.2近距離紅外傳感器布置示意圖傳感器布置密度保證同時(shí)只有兩個(gè)傳感器檢測(cè)的賽道。傳感器檢測(cè)與誤差大小如表 4.1 所示。表 4.1 傳感器檢測(cè)與誤差對(duì)照Error 的隸屬度函數(shù)如圖 4.3

23、 所示傳感器ErrorABCDEF-3100000-2110000-10110000001100100011020000113000001圖4.3 error的隸屬度函數(shù)Derror的隸屬度函數(shù)如圖4.4所示圖4.4 derror的隸屬度函數(shù)輸出信號(hào)out的隸屬度函數(shù)如圖4.5所示圖4.5輸出信號(hào)out的隸屬度函數(shù)模糊程序結(jié)構(gòu)如圖4.6所示圖4.6模糊程序結(jié)構(gòu)模糊規(guī)則表rulelist如表4.2所示表4.2模糊規(guī)則表rulelist通過的，我們對(duì)模糊規(guī)則表rulelist很好的調(diào)節(jié)，然后經(jīng)過實(shí)際車輛行駛訓(xùn)練取得了很好的rulelist參數(shù)值。經(jīng)過調(diào)試，最終取得了在最優(yōu)狀態(tài)下通過彎道的算法12。

24、5在學(xué)校總結(jié)與展望和學(xué)院的支持下，我們參賽隊(duì)員竭盡全力，廢寢忘食，在車輛上取得了階段性的成果。車輛的總體性能如下：改造后的車模總體重量，長(zhǎng)、寬、高等基本參數(shù):重：0.9kg；長(zhǎng)：37cm；高：25cm；寬：185cm。電路功耗：約 1.5W所有電容總?cè)萘浚?91.7uF傳感器種類以及個(gè)數(shù)：光電 14 個(gè)；度傳感器 1 個(gè)；除了車模原有的驅(qū)動(dòng)電機(jī)、舵機(jī)之外伺服電機(jī)個(gè)數(shù)：0 賽道信息檢測(cè)精度、頻率：98、1KHZ在我們的努力下車輛現(xiàn)在的直道時(shí)速大于2.2m/s，彎道時(shí)速平均也有1.6m/s。但還有增大的余地，我們輛重量，提高車輛的工作主要是增強(qiáng)算法的與行駛特性。性與精確性，同時(shí)在機(jī)械方面盡可能的減輕車展望下一屆比賽，我們希望能提供功率更大的車輛，同時(shí)在車輛結(jié)構(gòu)和方面盡可能的放寬要求。我們對(duì)于下一屆比賽，