本发明涉及一种平衡车，具体是一种基于神经网络的智能寻迹竞速平衡车。
背景技术：
目前，针对具有自主导航能力的智能车辆研宄已经能够在具有一定标记的道路上为驾驶人员提供辅助驾驶功能，某些国家和机构甚至已经能够实现无人驾驶。这些自主导航的智能车辆通常都是依靠特定道路标记完成路况识别，通过推理判断，模仿人为驾驶操作。下面针对国内外具备自主识别路况的智能车研宄及发展现状，作简要介绍：
国外智能小车始于上世纪50年代，它的发展历程大致可以分为以下三个阶段：第一阶段：1954年美国barrettelectronic公司研究开发出了世界上第一台自主引导车系统，该系统只是一个运行在固定路线上的拖车式运货平台，但它却具有了智能车辆最基本的特征无人驾驶。第二阶段：从80年代中后期，在欧洲，普罗米修斯项目于1986年开始了在这个领域的探索，在美洲，美国于1995年成立了国家自动高速公路系统联盟，其目标之一就是研究发展智能车辆的可行性，并促进智能车辆技术进入实用化，在亚洲，日本于1996年成立了高速公路先进巡航/辅助驾驶协会，主要目的是研制自动车辆导航的方法，促进日本智能车辆的整体进步。进入80年代中期，设计和制造智能车辆的浪潮席卷了全世界，一大批世界著名的公司开始研制智能车辆平台。第三阶段：从90年代开始，智能车辆进入了深入、系统、大规模的研究阶段。最为突出的是，美国卡内基-梅陇大学机器人研究所完成了navlab系列的自主车的研究，取得了显著的成就。
在我国，各大学也在广泛的开展智能小车的研究，清华大学汽车研究所是国内最早成立的主要从事智能汽车及智能交通的研究单位之一，在主动避撞、车载微机、汽车导航等领域有广泛而深入的研究。吉林大学（原吉林工业大学）在1992年就幵始了智能小车的研究，其中自主研发的图像识别自动引导小车为我国提供了一种新型的自动引导车辆系统。为我国生产组织模式向柔性或半柔性生产组织转化提供了有意义的技术支撑和关键设备。吉林大学先后研制出代型实验型视觉导航小车，现已进入商品化开发阶段。中国一汽集团和国防科技大学联合研制了型自主导航车，并已经开发到第四代，此型号的智能车在长沙市绕城公路上进行了自主试验，最高车速可达75.6km/h，并具备超车功能。其技术性能指标已经达到了世界先进水平。2006年，我国开始举办“飞思卡尔”全国智能小车竞赛，该赛事是由教育部高等学校自动化专业教学指导委员会主办，在飞思卡尔半导体公司资助下举办的，该赛事吸引了大量高校的多支代表队参与。
目前，智能小车的研究呈现出新的特点。首先，随着计算机硬件技术的提高，硬件结构由最初的专用板卡或芯片逐渐向通用板卡或芯片过渡，为了提高运算速度，出现了专用的运算指令。其次，在控制系统方面，随着网络的发展和传输速度的提高，出现了基于ai技术的具有自主学习能力的智能小车。
技术实现要素：
本发明的目的在于提供一种基于神经网络的智能寻迹竞速平衡车，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于神经网络的智能寻迹竞速平衡车，包括陀螺仪、加速度传感器、编码器、微控制器、角度姿态采集模块、电机驱动电路和cmos摄像头，所述陀螺仪和加速度传感器的信号输出端均连接编码器，编码器还连接微控制器，微控制器还分别连接角度姿态采集模块、电机驱动电路和cmos摄像头。
作为本发明的进一步技术方案：所述微控制器具体是32位mcf52259芯片。
与现有技术相比，本发明的有益效果是：本发明基于神经网络的智能寻迹竞速平衡车系统实现混沌技术在语音传输中的应用研究，提高通信的保密性和抗破译能力。
附图说明
图1为本发明的整体方框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，一种基于神经网络的智能寻迹竞速平衡车，包括陀螺仪、加速度传感器、编码器、微控制器、角度姿态采集模块、电机驱动电路和cmos摄像头，所述陀螺仪和加速度传感器的信号输出端均连接编码器，编码器还连接微控制器，微控制器还分别连接角度姿态采集模块、电机驱动电路和cmos摄像头。微控制器具体是32位mcf52259芯片。
本发明的工作原理是：采用飞思卡尔的mcf5225932位微控制器作为主控，通过cmos摄像头对赛道进行识别，采用陀螺仪及加速度传感器进行小车姿态采集，通过编码器获取小车速度，经神经网络算法学习并自适应修改控制参数。
使用altiumdesignerwinter09设计小车主控板电路，电机驱动电路，角度姿态采集模块电路以及其他外围电路，并制作相应的pcb板。
设计系统的各个接口的驱动程序以及控制程序，使用c语言进行开发，程序的设计要满足可读性好、模块化、层次清晰等要求，并结合硬件进行简单调试。最终通过神经网络算法设计神经元网络结构。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。