基于数据融合的小型两轮自平衡机器人姿态检测方法

针对小型两轮自平衡机器人姿态检测所用低成本加速度计(MMA7361)数据不够准确及陀螺仪(ENC03)信号的漂移问题,分别采用互补滤波器、kalamn滤波器和自适应kalman滤波器进行数据融合处理方法研究,通过对比实验确定采用自适应kalman滤波器实现加速度计和陀螺仪检测数据的融合,从而确定小型两轮自平衡机器人的姿态,进而实现其运动平衡控制.物理实验结果表明基于自适应kalman滤波器的加速度计和陀螺仪检测数据融合姿态检测方法不仅适用于小型两轮自平衡机器人的运动平衡控制,而且其参数较先前普遍采用的kalamn滤波器更易调整,姿态检测结果更加可靠.

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。

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。

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.

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。

两轮自平衡机器人系统建模与模糊自整定PID控制

针对不稳定、非线性、强耦合的两轮自平衡机器人系统,运用牛顿力学方法建立了转向运动的数学模型.介绍了用模糊控制进行PID参数整定的原理和方法,并用该方法实现对两轮自平衡机器人系统的控制.仿真结果和实际应用均表明,该方法能使系统有更好的快速性和稳定性.

基于改进遗传算法的两轮自平衡机器人能量优化策略

为有效使用有限的电池容量,延长机器人运行时间,针对机器人能量消耗问题,建立了两轮自平衡机器人的动力学模型和能耗模型。由于能量函数具有指数形式,很难获得解析解最小化能耗函数。因此提出基于改进遗传算法的分步渐进优化策略。通过全局寻优的方式对机器人的运动速度和能量消耗进行优化,解决了能耗最小化问题。通过仿真验证了算法的有效性和实时性。

复杂环境下两轮自平衡机器人稳定控制研究

针对两轮自平衡机器人在控制过程中的抖动现象,采用一种快速跟踪的有限记忆递推最小二乘估计方法,实现系重心偏移角的参数辨识.仿真表明,在参数突然变化时,该方法能快速辨识系统参数.通过增加一个惯导元件,用一个倾角仪A中采集的数据辨识出的偏移角对另一个倾角仪B的零位进行修正,将B采集的数据反馈到控制器中,对机器人实施平衡控制.分析表明,考虑重心偏移的控制策略是一种自适应的控制方法,能有效去除抖动现象,提高两轮自平衡机器人平衡控制的鲁棒性.

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。

两轮自平衡机器人的LQR实时平衡控制

两轮平衡机器人已经成为能够为日常机器人提供未来运动方式的一个研究领域。两轮平衡机器人区别于传统形式的机器人,它需要必须具有一个独特的稳定控制系统来保持其直立。为了平衡系统该文利用平衡机器人的动态模型设计控制器,测试LQR在平衡系统的实用性并评估其性能。仿真结果表明LQR控制器可以稳定系统,并且在平衡基于倒立摆模型的两轮自平衡机器人时表现出满意的结果。

两轮自平衡机器人运动平衡控制研究

对两轮自平衡机器人的运动平衡控制进行研究。通过搭建两轮自平衡机器人实验平台,采用Newton-uler法建立动力学模型以及针对机器人的运动控制、平衡控制和伺服控制设计相应的PID控制器。物理实验表明,机器人在外界冲击干扰和阶跃干扰的作用下,能够维持自身平衡同时可以执行相应的运动控制命令。结果表明,提出的两轮自平衡机器人运动平衡控制的方法是合理有效的。

两轮自平衡机器人平衡控制仿真与研究

针对两轮自平衡机器人的平衡不稳定问题,建立了机器人动力学数学模型,设计了一种基于变论域的模糊PID控制器,以ARM的微控制器STM32F103为核心,搭建硬件平台,详细阐述两轮自平衡机器人控制参数整定的原理和方法,实现了两轮自平衡机器人系统的平衡控制。仿真结果表明:基于变论域模糊PID控制的两轮自平衡机器人响应速度快、抗干扰能力强,能够更好的减小超调量,提高系统的动静态特性和鲁棒性。

基于强化学习规则的两轮机器人自平衡控制

两轮机器人是一个典型的不稳定,非线性,强耦合的自平衡系统,在两轮机器人系统模型未知和没有先验经验的条件下,将强化学习算法和模糊神经网络有效结合,保证了函数逼近的快速性和收敛性,成功地实现两轮机器人的自学习平衡控制,并解决了两轮机器人连续状态空间和动作空间的强化学习问题;仿真和实验表明:该方法不仅在很短的时间内成功地完成对两轮机器人的平衡控制,而且在两轮机器人参数变化较大时,仍能维持两轮机器人的平衡。

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。

两轮平衡机器人控制系统设计与实现

针对两轮自平衡机器人的研究现状,设计了自平衡机器人的控制系统,包括软件和硬件系统,传感器采用陀螺仪以及加速度来检测两轮自平衡机器人的重力方向的倾斜角度和车轮的旋转加速度,经过STM32控制器处理后,控制电机调整车轮状态,使机器人保持平衡。由于陀螺仪存在测量误差,加速度响应较慢,不能有效可靠的反应车身的状态,利用Kalman滤波算法将陀螺仪和加速度测量数据融合,可解算出俯仰角,得到一个优化的角度近似值。最后通过实验验证了自平衡机器人软硬件控制方案的可行性。

两轮自平衡机器人的控制方法研究

由于两轮自平衡机器人在工业和社会的应用日益广泛,结合传统的机器人控制理念,提出了两种思路新颖、效果更优的控制方法.在数学建模基础上对自平衡机器人的运动进行分析,把非线性模型线性化.并针对两轮自平衡机器人平衡点线性化模型,采用现代控制理论经典的极点配置方法设计状态反馈控制器,对初始倾角及初始位移控制进行了仿真分析,同时也运用了LQR方法,对现代控制理论中的状态空间方程给出的线性系统进行研究,对倾角控制和位移控制进行仿真.

两轮自平衡机器人的LQR改进控制

针对传统LQR最优控制器选取权阵的不确定性以及由此引发的响应速度慢的问题,对两轮自平衡机器人系统进行改进控制,使用传统LQR算法进行系统控制,并对存在的问题提出解决方法,选择一加权矩阵使系统稳定性得到进一步的提高,对比改进前后的LQR控制器,使用MATLAB进行仿真对比,可以得出优化后的LQR具有良好的控制效果,达到了预期效果,并具有良好的稳定性.

两轮机器人自平衡稳定性控制仿真研究

两轮机器人自平衡控制的难点在于提高机器人达到平衡的快速性和稳定性的能力。为解决传统强化学习算法收敛速度慢,系统易发散的问题,提出一种分层强化学习算法。将目标任务分解为若干个子任务,为每个子任务寻找最优策略,当所有的子目标都收敛到最优值时,目标任务也收敛到最优。在上述算法中,报酬函数可以从启发式的环境中学习,加快对未知环境的探索,快速达到自平衡并保持稳定。对两轮机器人进行自平衡仿真实验。仿真结果表明,相对于传统的强化学习算法,应用改进算法的两轮机器人的各控制状态的收敛特性及机器人的学习性能更强,有效的提高了机器人系统的稳定性控制性能。