OC学习机制的两轮平衡车模糊自平衡控制

针对两轮平衡车的自平衡控制问题,为了提高平衡车自学习和自平衡能力,受操作条件反射原理启发,以模糊规则为基本模型,引入学习OC学习机制,提出一种具有学习能力的模糊控制器,能够使平衡车自主学习获得模糊控制规则,实现控制器设计自动化。OC学习机制根据状态的评价值序列对模糊规则表进行修正,经过多次修正后,可针对每一个状态获得合理的输出。仿真实验表明,控制器能够自主设计模糊规则,具有一定自主学习能力。两轮平衡车在多次迭代学习后可以自主从倾角不稳定恢复到直立平衡状态。

两轮平衡车的控制系统设计

两轮平衡车具有便携、低碳等优点,近几年深受人们喜爱。研究两轮平衡车的自平衡控制问题,以STM32单片机为主控制器来搭建两轮平衡小车系统。采用集陀螺仪和加速度计为一体的MPU6050姿态传感器,用于获取小车的姿态信息。采用PID控制算法,实现了对小车的自平衡控制。采用卡尔曼滤波算法,用以对包含在数据信息里的系统扰动和数据采集误差进行最优估计。最后,对小车的运行稳定性进行了测试。设置了4种坡度的运行路面,即0°、15°、30°和45°,依次测试了小车运行的平稳性。测试结果表明,当坡度不超过15°时,小车能够实现静止平衡、运动平衡以及稳定刹车等功能。当坡度达到30°时,小车仍能够平稳爬过斜坡,但在斜坡上保持静止平衡则较为困难。相关研究结果为进一步提升两轮平衡车的自平衡性能奠定了一定基础。

两轮平衡车的Simulink可视化仿真平台设计

分析两轮平衡车的工作原理,建立其动力学模型,设计串级式PID控制器,在Simulink环境下搭建两轮平衡车的仿真控制模型,并测试两轮平衡车恢复平衡、跟踪阶跃位置指令、跟踪阶跃转向指令和跟踪手动摇杆指令等性能。仿真结果表明,设计的仿真平台能够使学生更加直观地观察两轮平衡车的运动状态,有助于提高教学效果,同时对工程应用也有一定的借鉴价值。

两轮平衡车姿态测量及直立控制基本原理探究

两轮平衡车作为新型代步工具的代表,在近几年来得到了越来越广泛的应用。本文针对两轮平衡车,运用浅显易懂的几何及力学知识,探讨分析了两轮平衡车姿态测量和直立控制的基本原理,并给出了一种简单有效的平衡车实现直立控制的方法。最后通过实验验证了本文中给出的姿态测量和直立控制方法的有效性和实用性。

无动量轮双模式纵向两轮平衡车关键技术研究

研究了无动量轮双模式前后纵向两轮平衡车的关键技术。针对陀螺仪采集的数据进行滑动滤波与互补滤波,优化得到姿态信息;不采用动量轮,设计程序对舵机和电机进行精确控制,以实现平衡车的动态平衡。实验结果表明,该纵向两轮平衡车姿态解算信息准确,控制决策可行,降低了舵机和电机的耦合关系的影响,在多种路面环境下电磁自主循迹与蓝牙遥控两种模式均可满足自平衡的需求。

基于MC56F8013主控的两轮平衡车的设计与制作

两轮平衡车是具有强耦合、不稳定、多变量等多种特点的复杂系统,而基于倒立摆模型的两轮平衡车主要依靠平衡和操纵动力来实现系统自平衡。本论文设计了基于MC56F8013数字信号控制器的两轮自平衡小车,自平衡车的姿态检测与车身的平衡控制是通过MPU6050陀螺仪和TB6612电机驱动模块实现的,通过引入蓝牙模块实现了平衡车的无线控制和路径规划。最终的样车实际测试结果表明本两轮平衡车的设计是成功的。

基于HJB方程稳定流形方法的两轮自平衡车最优控制

基于HJB方程的稳定流形结构,借助深度神经网络的学习能力得到反馈式最优控制器,实现对两轮自平衡车欠驱动系统的稳定平衡控制。通过数值仿真结果验证该最优控制器的控制效果,尤其在系统参数不确定及存在外部扰动的情况下表现出了良好的鲁棒性。该方法避免了传统数值求解HJB方程方法中遇到的“维数诅咒”问题,为非线性系统最优控制的实现提供了一种可行的方法。

两轮直立代步平衡车的设计与实现

针对市面上昂贵的两轮平衡车,提出一种廉价的两轮直立代步平衡车的设计方案。通过改进卡尔曼滤波算法对加速度传感器和陀螺仪输出的数据进行融合得到准确姿态,采用功率NMOS设计大功率电机驱动电路,设计PID控制器实现直立代步平衡车的动态平衡和转向控制。经过实际路况测试,车子运行灵活,能够适应各种路况,最大爬坡角度为30°,时速最大15 km/h,行程60 km。系统成本在1300 RMB左右,有很高的性价比。

基于卡尔曼滤波与PD两轮平衡小车的控制研究

两轮平衡小车控制的关键是姿态控制,姿态控制的核心是控制算法。以陀螺仪和加速度计传感器为一体的传感器作为平衡小车姿态检测装置,在两轮自平衡小车数学模型建立的基础上,提出卡尔曼滤波算法来实现陀螺仪数据与加速度计数据的数据融合,PD控制算法来实现两轮平衡小车的姿态自平衡控制。

两轮自平衡车的设计与实现

以飞思卡尔E车模为模型,意法半导体stm32为控制核心,设计了一个两轮自平衡车。阐述了平衡车的硬件组成和软件设计,设计了单片机最小系统、电源模块、姿态检测模块的电路。给出了软件的总体设计框图,包括卡尔曼滤波算法、姿态检测和PID控制算法。该平衡车能够实现稳定、可靠地车体直立、匀速以及转向功能,表明算法准确有效。

基于模糊调节的两轮自平衡车的终端滑模分解控制

文章针对两轮自平衡车的平衡控制问题,提出一种新型滑模控制方法。该方法首先将平衡控制系统分解为摆角子系统和位移子系统,分别设计各子系统的快速终端滑模面,利用一个具有反正切函数形式的中间变量将位移子系统的控制目标嵌入到摆角子系统的控制目标中,从而用1个控制量实现了对2个子系统的有效控制,使其在有限时间内收敛至平衡点;考虑到滑模面系数对系统状态收敛速度的影响,采用模糊推理对系数进行调节,改善了动态响应速度,且从理论上证明了滑模面的稳定性。最后,针对所提出的方法进行仿真,仿真结果验证了该控制方法的有效性。

两轮自平衡车的自适应模糊滑模控制

针对两轮自平衡车的平衡控制问题,文章提出一种自适应模糊滑模控制方法。将整个平衡控制系统分为摆角子系统和位移子系统;利用分层滑模控制策略推导出系统总的控制律;针对控制律中存在的系统不确定部分,利用模糊逻辑的万能逼近功能进行估计,并基于Lyapunov方法设计相应的自适应律;考虑到线性滑模面斜率对于系统性能的影响,采用模糊控制方法对其进行调节,进一步改善了控制系统的品质。仿真结果验证了该控制方法的有效性,而且优化后的控制器具有较好的控制效果和鲁棒性。

基于滑模变结构算法的两轮自平衡电动车控制

针对两轮自平衡电动车(简称两轮自平衡车)平衡控制及其数学模型参数不确定性对系统控制性能影响问题,提出基于滑模变结构和电机磁场定向控制算法的两轮自平衡车控制策略。建立了两轮自平衡车和电机数学模型,并将两轮自平衡系统数学模型进行解耦,得到三个子系统状态空间方程。构造两轮自平衡车控制策略并将滑模变结构算法应用于电机磁场定向控制中。通过仿真分析了所提控制方法的控制效果,表明提出的控制策略可行有效。

两轮自平衡车控制系统设计

将两轮自平衡控制分为平衡、速度、转向进行处理,将平衡控制作为主要控制对象,将速度、方向控制作为干扰,对速度和转向的控制尽可能平滑,以免破坏平衡。通过理论分析建立了动力学方程,得到了各部分控制框图和传递函数。设计中用MPU6050测量车模的旋转角度、角速度、加速度,用编码器测量电机转速,构建了反馈系统。软件设计中用卡尔曼滤波器消除干扰,用PD算法很好地控制了平衡、速度、转向。

基于新型惯性传感器的两轮自平衡车的设计

两轮自平衡车是检验各种控制算法的理想平台之一。设计了两轮自平衡车的实验平台,车体姿态数据采集采用新型加速度传感器和陀螺仪传感器组合,型号分别为ST公司的LIS331DLH和L3G4200D。姿态检测数据融合算法采用卡尔曼滤波算法,系统控制算法采用倾角环,角速度环与电流环的PID控制方法。最后,制作了两轮自平衡车的原型,并给予了初步运动控制验证。该实验平台能够初步实现自平衡功能,后续的研究将着重对各种控制算法在该平台的验证研究。

两轮自平衡车控制系统的设计与实现

根据飞思卡尔智能车竞赛的要求,设计了基于MC9S12XS128单片机的两轮自平衡智能车控制系统。介绍了该智能车系统的硬件模块电路设计、控制系统的构成及核心控制算法的实现。在此基础上详细介绍了用于智能车直立控制、速度控制和方向控制的参数调试时简单易行的关键技术。经过反复多次的实验表明,本文设计的两轮自平衡车控制系统性能可靠,在车身保持直立平衡的同时能够沿着赛道快速平稳运行.

基于卡尔曼滤波的两轮自平衡车姿态检测

建立了两轮自平衡车的动力学模型;设计了一种采用卡尔曼滤波的两轮自平衡车姿态检测控制算法的控制器;搭建了SIMULINK仿真模型,仿真分析了控制器中各参数对系统的影响;并将仿真程序移植到16位Freescale单片机中对两轮自平衡车进行控制;通过实测数据验证了所设计控制算法的合理性和设计电路的正确性。

基于PD算法的两轮自平衡车直立控制

建立了两轮自平衡车的动力学模型;在Matlab环境中设计了基于PD控制算法的两轮车直立控制器;仿真分析了控制器中各参数对系统的影响。利用普通小功率直流电机,模拟量输出的陀螺仪和加速度传感器,BTS7960半桥芯片等低价位元件设计了一套硬件电路,并将仿真程序移植到16位Freescale单片机中对两轮自平衡车进行控制;实测数据验证了所设计控制算法的合理性和设计电路的正确性。

基于卡尔曼滤波的自平衡两轮电动车多传感器信息融合研究

针对MEMS惯性传感器在两轮自平衡车姿态检测中存在随机漂移误差的问题,利用扩展卡尔曼滤波实现对加速度计与陀螺仪的信息融合,设计实用的滤波算法,根据实验获得的惯性传感器误差特性,采用Levenberg-Marquardt非线性最小二乘迭代法拟合数据,建立自平衡车导航用惯性传感器陀螺仪和加速度计误差的数学模型,对加速度传感器的随机误差和陀螺仪的温度漂移误差进行补偿,从而得到自平衡车姿态信号的最优估计,实现两轮自平衡车的自平衡运行。实验结果分析表明,采用卡尔曼信息融合方法,得到自平衡车姿态信息最优估计是有效可行的,并且有利于两轮车完成自平衡控制。

两轮自平衡车的最优滑模输出跟踪控制

在两轮自平衡车平面轨迹的鲁棒最优跟踪问题的研究中,由于在存在外界干扰等不确定性时,为保证平衡车保持车体平衡的同时最优跟踪参考轨迹,引入滑模控制对最优跟踪控制器进行鲁棒化设计。将平衡车不确定系统的最优跟踪问题转化为一类增广系统的最优调节问题,采用一种带有状态变量积分项的新型切换函数对增广系统设计最优滑模输出跟踪控制器,证明系统的理想滑动模态与标称系统的最优动态方程相一致。仿真结果表明,所设计的控制器对于由外系统给出的参考信号能够实现精确跟踪,对于外界干扰等不确定性具有完全鲁棒性,动态性能优于传统的最优跟踪控制。