基于PWM伺服控制及LQR的两轮自平衡移动机器人

研究两轮直立式自平衡机器人的系统结构及PWM直流伺服控制系统,加入伺服系统使得电机控制变得容易,机器人的控制也变得更加有效,并对其进行了仿真和机器实验。系统由运动装置、姿态监测传感器和控制器构成,左右车轮由2个带有光电编码器反馈的高精度直流伺服电机分别驱动,采用晶体管脉冲宽度调制(PWM)直流伺服控制系统,姿态监测使用陀螺仪和倾角传感器。建立系统的数学模型,在M atlab环境下设计了状态反馈控制器(LQR),系统具有良好的鲁棒性和稳定性。通过实验验证了系统的稳定性。一种真正的仿人型机器人实现各种灵活的行走控制,表明了系统建模、引入伺服系统和控制器设计的合理性和有效性。

两轮直立式自平衡移动机器人的控制系统设计

研究了两轮直立式自平衡机器人的系统组成,并利用动力学原理建立系统的数学模型,在Matlab环境下设计了状态反馈控制器(LQR),并进行了仿真和机器实体的实验,系统具有良好的鲁棒性.表明了系统建模和控制器设计的合理性和有效性.这种机器人两轮共轴、独立驱动,车身重心倒置于车轮轴上方,通过运动保持平衡,可直立行走.由于特殊的结构,其适应地形变化能力强,运动灵活,可以胜任一些复杂的工作.为机器人的自主控制、自学习提供了可靠的实验平台.

基于CANopen协议的两轮差速移动机器人电动助力的实现

针对两轮差速移动机器人在满载时质量大、手动移动不便的问题,设计了一种基于CANopen协议的推行助力控制方法。在1个控制周期内检测2个驱动轮码盘的值,计算车体的线速度和角速度,并根据计算结果以及外部开关输入结果判断给2个驱动轮发送力矩的大小和方向,从而实现电动助力的功能。该方法在公司的工业清洁机器人产品的应用效果显著。

基于改进模糊PID果园双轮移动机器人运动控制

针对果园双轮机器人在果园路面移动时难平衡、易失稳的问题,提出了一种基于改进萤火虫算法优化的模糊比例-积分-微分(PID)控制策略。首先,根据机器人与果园不平整路面特点,建立其动力学状态空间模型;第二,阐述改进萤火虫算法原理并用其优化控制器模糊规则;第三,利用MatLab/Simulink软件对机器人运动控制进行仿真试验;最后,为检验所提出算法的可行性,建立对比试验。研究结果表明:改进萤火虫算法优化的模糊PID控制器实现了果园双轮移动机器人的稳定运动功能,到达稳定的时间与最大倾角较传统PID控制器分别减少了3.9s和20.4°。

基于终端滑模控制的两轮移动机器人自平衡实现方法研究

针对两轮移动机器人动力学模型的多变量、强耦合、非线性等特点以及控制性能不稳定等问题,论述了两轮移动机器人的简化模型并基于拉格朗日运动方程建立了两轮移动机器人的动力学模型。在此基础上,基于滑模控制理论提出了一种两轮移动机器人自平衡实现方法,同时设计了终端滑模控制器并进行了稳定性分析。最后,根据所述自平衡实现方法进行了仿真实验,仿真结果表明:终端滑模控制器具有较好的控制效果,而且具有较快的收敛速度,可以实现两轮移动机器人的自平衡控制。

一种自平衡两轮移动机器人的设计实现

本文基于仿人智能控制研究了有关自平衡两轮移动机器人运动控制问题,通过分析自平衡两轮移动机器人的运动特性,设计了基于动觉智能图式仿人智能控制的控制器,并在嵌入式RT-Linux操作系统下实现了机器人软件设计。本文还应用Matlab/Simu2link仿真软件进行了机器人的仿真实验,并得到了较好的实验结果。

柔性两轮移动机器人动力学建模及模型分析

针对两轮机器人腰部柔性的结构特点,以柔性多体系统动力学理论为基础,设计了柔性两轮移动机器人,并根据假设模态法,将其抽象为平面柔性三连杆系统,利用D'Alembert-Lagrange原理建立了柔性机器人的动力学模型,得到了以机器人本体的3个杆的倾斜角度和左右轮的转角为参量的系统动力学方程和系统腰部柔性连杆的振动方程.给出了数学模型推导的具体步骤,并对该模型做了仿真分析.结果表明,该模型为柔性机器人的运动及控制研究提供了理论依据.

两轮驱动移动机器人系统误差分析及校正

在移动机器人的定位中,测距法是广泛使用的方法之一.本文对移动机器人采用测距法定位时的系统误差进行了分析,得出了其系统误差产生的两个主要原因.提出了补偿误差的方法.通过在两轮驱动移动机器人MKⅡ上的实验显示出,该方法简单、实用,校正后的定位精度比校正前提高了10倍左右.

两轮差速移动机器人构型与运动学研究

以两轮差速移动机器人为研究对象,分析了不同构型的优缺点及适用范围,提出了一种适合室内轻量搬运场景的构型,建立了运动学模型并提出了运动学参数校准的工程化方法,通过实验验证了模型的正确性和校准方法的有效性。

基于backstepping方法的两轮移动机器人轨迹跟踪控制

主要利用backstepping方法实现对两轮移动机器人基于动力学模型的控制系统设计与轨迹跟踪。首先,利用牛顿-欧拉公式对两轮移动机器人进行动力学建模;其次对两轮移动机器人的动力学模型进行解耦;最后,利用backstepping方法完成了对移动机器人的轨迹跟踪控制。数值仿真验证了backstepping控制方法的有效性,以及该方法应用于两轮移动机器人轨迹控制的可行性。

基于量子粒子群的斜坡上两轮移动机器人的广义二型模糊控制

两轮移动机器人(2WMR)本身具有多变量和非线性等特征,从而使其控制变得复杂。当2WMR在倾斜的表面上移动时,控制问题变得更加复杂。针对2WMR的非线性模型,设计2WMR的广义二型模糊逻辑平衡控制器和位置控制器。针对广义二型模糊逻辑控制器(GT2FLC)中前、后件中参数难以设定的问题,通过量子粒子群算法(QPSO)优化隶属函数中的参数。针对GT2FLC和区间二型模糊逻辑控制器(IT2FLC)在不同斜面上对移动2WMR的平衡和位置控制的效果进行进一步的对比分析,并干扰对控制效果的影响。仿真结果表明,GT2FLC具有更好的抗干扰能力。

两轮自平衡机器人控制技术研究综述

【目的】两轮自平衡机器人运动控制算法研究一直是机器人领域的研究热点,多数集中在姿态平衡、速度控制、轨迹跟踪控制等方面。【方法】从基于动力学模型的传统控制算法、数据驱动的自适应控制算法、状态观测器3个方面重点阐述了两轮自平衡机器人运动平衡控制的研究进展,并对比分析了多种控制策略的特点。【结果】1)基于模型的控制器设计应考虑关节摩擦-阻尼特性、系统质心的动力学等动力学误差项,未知的系统参数估计,非线性项的识别、抵消或者处理等,以提高模型的精确程度;2)在控制算法的设计中,应根据被控对象和应用场景选择基于模型的控制方法或数据驱动的控制方法或两种方法的结合,以达到最佳的控制效果;3)未来应重点关注两轮机械手、轨迹规划、编队控制以及安全调节等其他方面。【结论】两轮自平衡机器人已经取得了长足的发展,本研究可为提高两轮自平衡机器人的运动稳定性和实用性提供参考。

两轮自平衡机器人动力学建模及其平衡控制

针对高阶次、不稳定、多变量、非线性、强耦合的两轮自平衡移动机器人系统,采用Lagrange方程推导出动力学模型,对其进行稳定性和可控性判断,并利用LQR和龙伯格极点配置的方法在此模型的基础上对两轮自平衡机器人的姿态和速度进行控制,可获得较为稳定的动态平衡过程。给出了数学模型推导的具体步骤,分别采用以上两种方法进行了仿真研究和比较。仿真实验结果表明,这两种控制方法对机器人的稳定性控制都是有效的。其中龙伯格极点配置控制方法使系统的跟踪速度更快、稳定性更高,具有较高的实际应用价值。

带有干扰估计的两轮自平衡机器人运动控制研究

本文运用拉格朗日力学理论分析了自平衡两轮机器人的运动学数学模型,设计了一种带有干扰项的滑模控制方法,该控制器可用于两轮自平衡机器人的纵向速度控制和转向控制。针对非线性因素无法精确建模的情况,利用在线干扰估计技术来估计系统中的干扰项,作为前馈补偿项对滑模控制器进行前馈补偿,只需要计算干扰项和其估计误差的上界,系统的精度和鲁棒性都得到了提高。利用李雅普诺夫稳定性理论证明了系统的渐近稳定性,最后,将所提出的控制算法应用于两轮自平衡车,仿真结果表明,在干扰条件下,该控制算法可以使该机器人迅速恢复平衡状态。

基于SVM数据滤波的非同轴两轮机器人转弯自动平衡控制方法

非同轴两轮机器人由于其轮子的轴线为不共线、不平行构造,使其在转弯时容易出现不稳定的情况;为了提高该机器人在复杂环境下的控制性能,研究基于SVM数据滤波的非同轴两轮机器人转弯自动平衡控制方法;切换机器人传感器节点状态,并定义传感器锚点,以实现对机器人转弯运动数据的转化与分解;选取SVM滤波参数,通过分析该条件下机器人运动行为奇偶模特性的方式,实施对传感器数据的耦合重构,完成对机器人传感器数据的SVM耦合滤波处理;分析两轮机器人足端步态规律,按照转弯足端步态的非同轴规划原则,解算转弯轨迹,并推导具体的控制函数表达式,完成传感器数据SVM耦合滤波下非同轴两轮机器人转弯自动平衡控制方法的设计;实验结果表明,基于上述方法可将俯仰角、横滚角、偏航角同时控制在合理的数值范围之内,有效保障了机器人转弯过程中的运动平衡性。

自平衡两轮机器人的分层模糊控制

为解决具有非线性、强耦合和绝对不稳定特点的自平衡两轮机器人的运动控制问题,提出一种分层模糊控制方法。该方法对机器人体的倾斜角度和轮子转动速度分别设计相应的模糊控制器,其输出同时进入决策器,由决策器进行智能判断与协调,输出控制量。两控制器交替工作,实现机器人体倾角控制和轮子转速控制的有机统一。该方法具有模糊规则少,控制逻辑简单的特点。对机器人的速度跟踪、运动停止及转弯等多种运动方式进行了控制仿真实验,验证了控制方法的正确性和有效性。

两轮自平衡机器人控制系统设计与实现

提出了一种使用PID优化LQR的两轮自平衡机器人控制方案。首先建立自平衡机器人的动态模型,使用卡尔曼滤波实现加速度计及陀螺仪的信息融合,然后设计了一种具有PID动态调节及LQR跟踪功能的PID-LQR控制器,解决了机器人在大角度范围内不能快速稳定地达到设定状态效果的问题,最后搭建了以K60微控制器为核心的机器人软硬件平台。仿真结果表明当设定速度为1m/s时,PID-LQR控制器比LQR控制器动态响应速度减少接近1 s。实际应用测试结果表明当机器人受冲击后,重新回到平衡位置的时间减少接近1s,平衡位置的扰动大小减小50%左右。

两轮自平衡机器人多传感器数据融合方法研究

为了对机器人运行状态进行有效的识别,提出一种基于支持向量机的多传感器数据两级融合方法,从分类的角度实现了运行状态识别,解决了识别正确率较低的问题。将此方法应用于两轮自平衡机器人进行运行状态识别实验,当每种状态采集的独立样本数超过20个时,正确率可以达到98%以上.实验结果表明应用该方法可以对两轮自平衡机器人的运行状态进行有效、可靠的识别,能够满足两轮自平衡机器人快速机动过程中的实时性要求.

基于UKF的两轮自平衡机器人姿态最优估计研究

针对扩展卡尔曼滤波器(EKF)设计困难并且容易发散的问题,提出基于采样卡尔曼滤波(UKF)的方法解决滤波器设计及收敛问题,并补偿低成本的惯性传感器陀螺仪和加速度计的误差,从而得到机器人姿态的最优估计.将滤波后的模型应用到两轮自平衡机器人系统,实验结果表明UKF参数设计简单,姿态估计误差小于EKF,方差估计优于EKF,估计精度、计算量基本与EKF相当.因此,UKF能够满足两轮自平衡机器人快速机动过程中的实时姿态估计要求.

两轮自平衡机器人控制系统的设计

针对自行设计的两轮自平衡机器人Opyanbot建立了动力学模型,应用最优控制和两轮差动等控制方法设计了控制器,提出了针对两轮自平衡机器人平衡和行进的新策略。为了提高两轮自平衡机器人的控制效果,利用基于DSP数字电路的全数字智能伺服驱动单元IPM100分别精确控制左右轮电机,并利用上位机实时控制机器人的运动状态,提高了控制精度、可靠度和集成度,得到了很好的控制效果。