基于模糊控制的全位移平衡机器人设计

设计了一种模糊控制的四轮全位移平衡机器人,通过SolidWorks改进设计了基于麦克纳姆轮的全位移平衡底盘、双轴云台等机械结构。以Altium Designer为开发平台设计了STM32F405核心板主控,外设电路设计主要包括:ICM20948传感器电路、CAN通信差分电路等。使用Simulink对算法进行仿真验证,云台控制算法使用了串级PID控制,底盘通过HI220陀螺仪传感器结合模糊控制算法实现平衡及运动。最终制作出了实体机器人并对模糊控制算法进行了验证,与传统PID算法相比,基于模糊控制的平衡机器人在响应速度、鲁棒性、稳定性等方面均有一定的提升。相比于传统四轮机器人,制作的平衡机器人能够更好地通过狭小的空间,对环境的适应性更强。

基于Jetson TX2视觉识别的取放一体平衡机器人

为了解决在复杂环境下人工操作难以实现自动化、智能化和精确性的问题,设计了一种具有自平衡功能的取放一体平衡机器人,并开发了其软硬件系统。该机器人利用OpenCV在NVIDIA Jetson TX2平台上进行图像处理,从而能够识别其周围的环境,并根据目标参数实现自动控制平衡机器人的运动。机器人的底盘采用STM32F4系列作为主控芯片,能够快速地获取电机等数据,并进行实时的PID控制等处理。

基于神经网络识别的垃圾分类平衡机器人

本机器人具有广泛应用前景,解决日益严重的环境污染和资源浪费问题,能在复杂环境中解决人工操作难以实现的自动化,精确化,智能化问题。该平衡机器人具有自主定位、自主移动、自主避障、通过垃圾、垃圾抓取与搬运、路径规划等功能。利用外界算力平台,通过神经网络构建垃圾模型,计算特征点,打包传入嵌入式AI计算设备(TX2),通过TX2解算相应的模型,更精确的视觉识别物品模型。同时设计相对应程序使得机器人每个任务都安全可行。并且机器人可在狭窄环境下实现换向。加入视觉识别相机实现垃圾识别、以及放置到指定位置。其次,该机器人加入机械夹爪,可对大体积垃圾进行抓取放置。该机器人的底盘使用STM32作为主控芯片,可以迅速反映,快速获取电机,舵机等反馈数据。且应用PID算法进行控制,根据目标轨迹与当前误差,动态地调整控制参数,机器人四周都装有距离传感器可自动避障,且下方装配了定位轮实时监测机器人位置,若发生问题可以及时做出反应。

两轮自平衡机器人重心偏移自适应控制研究

为了提高两轮自平衡机器人重心偏移的自适应调整和控制能力,提出基于反馈均衡误差补偿和参数融合的两轮自平衡机器人重心偏移自适应控制方法。采用运动目标参数规划方法构建两轮自平衡机器人的运动学和力学模型。通过反演积分补偿控制技术,实现对两轮自平衡机器人重心偏移的反馈均衡误差补偿和参数融合调节,根据参数融合结果,实现对两轮自平衡机器人重心偏移的自适应控制。仿真实验结果表明,提出方法实现了两轮自平衡机器人的重心偏移自适应控制,并且具有良好的鲁棒性和平滑性。

基于滑模变结构方法的两轮自平衡机器人的跟踪控制

本文使用Lagrange方程方法建立了两轮自平衡机器人的非线性动力学模型,建模时考虑了系统阻尼和驱动电机模型,对建立的非线性模型进行线性化处理后将系统解耦为平衡子系统和转向子系统。针对机器人模型参数不精确和外部不确定扰动造成传统控制方法鲁棒性不佳的问题,设计了一种滑模变结构的机器人跟踪算法,实现了机器人的平衡控制和速度跟踪控制。使用MATLAB/Simulink对控制器进行了仿真计算,结果表明,设计的滑模控制器能较好地实现机器人的平衡控制、速度和位移跟踪控制。

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。

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。

柔性双轮平衡机器人的动力学建模与分析

提出了一种柔性双轮平衡机器人,其机身具有以一段弹簧作为弹性阻尼的被动俯仰旋转关节.运用拉格朗日方法建立了此机器人在平面运动的动力学模型.基于此模型,首先证明了柔性双轮平衡机器人在直立平衡点不稳定和局部可控.其次,分析了关节刚度对线性二次型最优姿态平衡控制系统的影响.结果显示,关节刚度减小在理论上能够加强系统的鲁棒性,却使得控制系统动态性能下降.本文提出的模型及相关分析为柔性双轮平衡机器人的设计和控制提供了一定理论依据.

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.

基于Adams和Matlab的自平衡机器人仿真

首先简述了机器人仿真研究的现状,以及机械系统动力学分析仿真软件Adams及Simulink在机器人仿真上的应用。然后应用拉格朗日方程建立了系统的动力学方程,应用Adams和Matlab对自平衡机器人进行了联合仿真。仿真结果表明,基于Adams和Matlab的自平衡机器人具有较好的动态特性。

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。

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。