倒立摆系统研究.docVIP

两轮移动式倒立摆机器人的系统结构及算法设计 移动机器人是机器人学的一个重要分支。对于移动机器人的研究，包括轮式、腿式、履带式以及水下机器人等，可以追溯到20世纪60年代。移动机器人尚有不少技术问题有待解决，因此最近几年移动机器人的研究相当活跃。移动机器人得到快速发展有两方面的原因：1、移动机器人的应用范围越来越广泛；2、相关领域如计算传感控制执行以及人工智能等技术的快速发展。 两轮倒立摆是一种两轮式左右并行布置结构的自平衡系统，与其他类型的机器人相比最主要的特征是要解决自平衡问题，即要在各种状态下保持动态平衡。人类本身的平衡系统是在内耳中，透过视觉将自身所处的状态送到大脑进行分析，并发出指令，使肌肉自动调整人体的平衡。而两轮倒立摆则根据平衡传感器以及其它辅助传感器采集的数据，通过建立系统的数学模型和控制算法，最终控制两个伺服电机，使之保持平衡。 系统结构 系统采用的传感器包括倾角传感器、陀螺仪、编码器、通过它们可以测量和运算出小车的状态参数，其中车体倾角、车体倾角角速度分别由倾角传感器、陀螺仪直接测量；左右车轮旋转角度可由编码器测量，通过微分可以计算左右车轮的角速度，进而推算出左右车轮的行驶速度、车体的前进速度以及小车在地面的旋转角速度。 (2 (1 r 二级倒立摆系统示意图 为了实现控制系统与PC机之间的通信，系统配备了无线模块，无线模块与DSP之间通过SCI通信。该无线模块可以使PC机在300m范围内对小车系统进行操作，同时DSP可以通过无线模块将系统的各种状态信息发送到PC机，以供实验分析。整个系统相对于一个无线测试平台。 倒立摆机器人的运动模型 机器人在地面的运动可归结为平面刚体运动，这种运动可分解为直线运动和旋转运动，由于轮式驱动结构简单，动作稳定，较容易控制，且方式直观。所以我们的系统采用双轮驱动，其理论重心位于两轮轴中点处，以它的运动轨迹作为系统的运动轨迹。中心点速度为： (l =(l *R (r =(r *R 其运动方程可以描述为： ( =((l+(r)/2=1/2R* ((l+(r) ( =((l-(r)/D=R/D* ((l-(r) R为车轮半径，(l,(r分别为左右车轮的线速度，(l，(r 分别为左右车轮的转速，(，( 分别为机器人在X-O-R平面内的直线速度和旋转角速度。 可以看出： 当(l = (r时，R→∞，机器人沿直线行走； 当(l = -(r 时，R→0，机器人在原地旋转。 其余情况下，机器人做圆弧运动。机器人在平面上做各种轨迹运动，就是由这些基本的轨迹连接起来的组合合成，因此机器人的轨迹控制可以转化为这些基本运行轨迹的控制。 目标跟踪算法的实现 设机器人初始状态（x,y,δ）为（0,0,0），目标位置为（1,1）。为了使机器人在移动过程中将多个动作连接起来，形成一个比较连续并且光滑的动作，理想的情况应是机器人在速度(下，实时检测机器人前进方向与机器人的目标方向的差值，不断改变旋转角速度使机器人的前进方向跟踪目标方向。其控制流程包括以下几个步骤： ⑴编码器检测左右车轮的转角，获得车体的位移和旋转角速度，根据位移和旋转角度可以算出小车在参考系下的坐标（xc，yc）和前进方向δ； ⑵检测目标点在参考系下的坐标（xt，yt），计算目标的位置角度θ； ⑶根据小车位置（xc，yc）和目标位置（xt，yt）计算目标相对于小车的位置角度θ； ⑷根据θ和δ计算出小车行驶方向需要修正的角度α； ⑸通过反馈系数K得到小车的旋转角速度(； ⑹根据行驶速度(修正旋转角速度(，得到期望的旋转角速度(x。当(较小时的转角速度就比当(较大时要大，否则小车会由于急转弯而失去平衡。 ⑺将行驶速度(和旋转速度(x输入自平衡控制系统的两个独立的控制器；控制器1和控制器2分别控制小车的行驶速度和旋转角速度，其中 控制器1还同时控制倒立摆系统的自身平衡。 实验结果 机器人跟踪目标，首先要有视觉部分作为机器人的“眼睛”，视觉部分担负着识别目标的位置、速度、方向等信息的任务，这些信息是做出正确决策的基础。视觉系统需要图像采集设备，包括摄像头和采集卡等。由于两轮式移动倒立摆机器人还没有装备视觉系统，所以为了检测倒立摆机器人跟踪能力，我们模拟了一个虚拟的跟踪目标，PC机通过无线模块不断地将目标位置发送给机器人，供机器人决策。倒立摆机器人的位置可以通过自身的传感器获取。 设机器人初始状态（x,y,δ）为（0,0,0），目标位置为（1,1）。机器人的初始方向为0，与目标位置有一个45°的角度。 二级倒立摆仿真曲线如图1所示。 基于 ANFIS 控制器的二级倒立摆仿真曲线 从仿真图可以看出，小车初始位置离平衡点较远也能短时间的3.5s内运动到平衡点，摆杆1和摆杆2的仿真曲线在3s内就达到平衡位置。这说明基于自适应神经网络模糊控