随着汽车科技的发展和民众生活水平的提升,车辆的智能化成为了汽车行业的主要发展方向。本文从嵌入式智能小车硬件平台的设计出发,完成循迹控制算法的优化,并通过设计仿真实验与实景实验验证了算法的有效性。具体工作内容如下:首先设计嵌入式智能小车实验平台硬件控制系统的七个模块及其外围电路,其中包括主控、车道线信息采集、电源管理、转向舵机、电机驱动、速度检测和无线通讯模块。合理的布线与外围电路设计,为后续各控制算法的执行提供保障。然后利用动态阈值分割法来确定图像中目标车道线与背景之间的最佳分割阈值,主控系统通过分割后的图像来计算车身横向中心点与黑色车道线中心点的距离偏差,利用该偏差信号调整横向和纵向运动。其次在横向运动控制方面,为避免积分项导致伺服舵机转向延迟,造成灵敏度下降的问题,采用PD控制方法。在纵向运动控制方面,针对传统增量式PID控制的精度低、鲁棒性差、响应速度慢的问题,构建一阶低通滤波器加入到微分环节的不完全微分PID控制算法、将模糊控制与PID算法相结合的模糊自适应PID算法和改进的BP神经网络PID控制算法。在改进的BP神经网络PID控制算法中,针对BP神经网络在训练样本时存在着样本训练过度依赖网络初始权值的选取,导致收敛过程速度缓慢,结果容易陷入局部最优解的问题,本文融合遗传算法和粒子群算法来优化BP神经网络权重的BP神经网络PID控制算法,提高控制系统参数调节的灵敏度和准确性。最后利用上述三种算法分别对智能小车的纵向运动控制系统进行仿真实验,并对其实验效果进行了对比与分析。在实验室中搭建智能小车所需要的实验场景,在同一时间段内分别进行三种算法下的实车循迹实验。实验结果表明,改进BP神经网络的PID控制算法控制效果较好,具有较强的灵敏度和准确性,能够满足基于嵌入式系统智能循迹小车纵向运动的控制需求。