两轮自平衡小车要点分析.pptVIP

两轮自平衡小车 一、整体感知 二、两轮自平衡机器人建模（一） 三、两轮自平衡机器人建模（二） 四、数据融合 五、控制方案 * * 一、整体感知 二、两轮自平衡机器人建模（一） 采用两轮并排固定的方式, 两轮自平衡电动车仅靠两个轮子支撑车体，采用蓄电池提供动力，由两个直流无刷电动机驱动，采用多处理器、姿态感知系统、控制算法及车体机械装置共同协调控制车体的平衡，仅靠人体重心的改变便可以实现车辆的启动、加速、减速、停止等动作。 两轮自平衡小车结构如图所示，过车轮轴中点竖直向上为Y轴正向；车体前进方向为x轴正向；两轮轴线方向为z轴正向。 为了实现运动状态控制，需要建立两轮自平衡机器人运动学模型。 三、两轮自平衡机器人建模（二） * 系统软件功能模块划分： 1)初始化及主循环程序； 初始化：陀螺仪和加速度计信号值AD转换获得的角度、滤波后系统的估计角度、转把信号角度、系统给无刷电机的PWM信号等等。 主循环：上电初始化完成后，控制程序进入主循环，开中断。主循环程序中，系统不断 检测更新车体的姿态信息，根据车体当前状态计算出适合电机驱动信号在中断程序中送给无刷电机，维持车体动态平衡。 2)AD采样及计算程序： 系统设计一个函数GetVolt()完成的AD转换功能，陀螺仪、加速度计、转把分别调用该函数获取AD采样值。采样所得电压信号值分别经各自的换算关系得到标准单位的角度信号值。 3)实时转速计算程序； 4)PWM占空比调节程序； 5)故障处理程序。 积分分离的PID算法 在过程的启动、结束或大幅度增减设定值时，短时间内系统输出有很大的偏差，会造成PID运算的积分积累，致使算得的控制量超过执行机构可能最大动作范围对应的极限控制量，最终引起系统较大的超调，甚至引起系统的振荡。引进积分分离PID控制算法，既保持了积分作用，又减小了超调量，使得控制性能有了较大的改善。其具体实现如下： 1)根据实际情况，人为设定一个阈值a0； 2)当a时，也即偏差值比较大时，采用PD控制，可避免过大的超调，又使系统有较快的相应； 3)当=a时，也即偏差值比较小时，采用PID控制，可保证系统的控制精度。 针对陀螺仪的高通滤波和针对加速度计的低通滤波两部分恰好可组成一个互补滤波器。可以看到，两个滤波系数相加结果为1，所以滤波结果是一个比较精确的、线性的角度估计值。（是更相信陀螺仪还是更相信加速度计的一个界限值。） 滤波器设计： 首先选取时间常数，然后用来计算滤波系数。 如果陀螺仪平均每秒漂移，那就可以选取时间常数，这样就可以保证每秒的漂移量不会超过1。但该常数值越小，通过的加速度计噪声就越多。（实验测试下） 采样频率也是一个重要的数值。例如，程序的更新时间(循环一次所用时间)为25ms，如果选定时间常数为0.8s，则滤波系数应该这样计算： ；； 所以滤波器为： 这就是传感器数据融合中典型的状态估计问题。状态估计的目的对目标过去的状态进行平滑、对现在的状态进行滤波和对未来的状态进行预测。 总结： 1.建立数学模型(大类有两种)，分析机器人地盘中心的轨迹和机器人偏航角运动轨迹； 2.进行最大可控角度论证； 3.利用传感器进行姿态检测；（关键是数据融合得精准数据） 4.控制器设计；（利用LQR，PID等控制方法） 5.机器人运动分：直线运动和转角运动；（偏转运动也可分解为直线运动和转角运动） 四、数据融合 传感器有加速度计和陀螺仪，另外还要用到直流无刷电机中自带的霍尔元件，他们分别用于检测车身倾斜角、倾斜角速度和车体实时速度。这三种信号主要反应了机器人的位姿和运动状态。 1加速度计数据处理 首先必须得到足够精确的机器人车身倾角信息。一般选择加速度计和陀螺仪两种传感器来采集代步车的姿态信息。 加速度计输出与重力的关系可表示为： ； ； 式中和为加速度计灵敏轴和灵敏轴的输出；g为重力加速度；为倾斜角度，可见通过反三角函数很容易求得。式子也可由正切来表示： 通过上式即可得到倾斜角度值。在自平衡小车系统中，由于车体倾斜角度小于，所以可以采用正切三角函数近似得到下式，（可以确定倾斜角度） 五、控制方案： 两轮自平衡小车的运动方式有直线运动、原地转动和转弯运动三种。 l、直线运动：两轮自平衡机器人的角速度为零，即，所以，当两轮自平衡机器人两轮输出的角速度大小和方向都相同时，两轮自平衡机器人将以与水平成角做直线运动。 2、原地转动：当两轮自平衡机器人做圆弧运动时，其运动圆弧的半径.以R=0时，即两轮自平衡机器人左右两轮转动速度相同、方向相反，两轮自平衡机器人将以质心为圆心原地旋转。（推导得到，质心）。 3、转弯运动：可以分解为两种运动：原地转动和直线运动。其控制方法就是先让两轮自平衡机器人小车在原地转过所要求的角度，而后再