基于数据融合的两轮自平衡小车控制系统设计

为解决两轮自平衡系统中传感器存在较大震动干扰与漂移误差的问题,并提高系统姿态倾角测量的精确性和实时性,提出了基于陀螺仪与加速度计数据融合的两轮系统自平衡控制方法。建立两轮自平衡系统的动力学模型,采用卡尔曼滤波算法融合陀螺仪与加速度计信号,得到系统姿态倾角与角速度最优估计值,通过双闭环数字PID算法实现两轮系统的自平衡控制。通过两轮小车自平衡控制系统的软硬件设计,成功验证了该方法的可行性与有效性。利用该方法大大提高了两轮自平衡系统的抗干扰性。     

两轮自平衡车运动姿态的测量和控制

两轮自平衡车姿态测量与控制是两轮自平衡车设计的关键环节.针对两轮自平衡车倾角的测量问题,采用了卡尔曼多传感融合算法.该算法融合了加速度传感器和陀螺仪传感器数据,实现了两轮自平衡车倾角实时在线估算.根据测量得到的倾角和角速度,采用了比例微分(PD)控制算法,实现了两轮自平衡车姿态的稳定控制.     

基于MCF52255的两轮自平衡巡线机器人设计

设计了以MCF52255高性能微处理器为控制核心的两轮自平衡巡线机器人的硬件和软件系统。使用卡尔曼滤波方法实现了加速度计信号和陀螺仪信号的数据融合,提高了该机器人的姿态角控制精度。实验结果表明,该机器人可以稳定地实现自平衡控制和巡线自动行走功能。     

卡尔曼滤波在二轮自平衡车直立控制中的应用

目前车模倾角一般采用陀螺仪或加速度计进行测量。然而单纯利用其中一种传感器采集到的信号存在极大误差,无法满足二轮自平衡车直立控制的需要。为此,采用陀螺仪和加速度计测量倾角,并应用卡尔曼滤波算法对上述两种信号进行融合,得出理想的输出倾角。同时,将得到的卡尔曼滤波程序移植到车模直立控制程序中,进行车模直立控制试验。试验结果表明,运用该方法可以得到很好的滤波效果。     

基于STM32的两轮平衡车设计

近年来,两轮自平衡车的研究与应用获得了迅猛发展.本文提出了一种两轮自平衡小车的设计方案,采用陀螺仪ENC-03 以及MEMS 加速度传感器MMA7260 构成小车姿态检测装置,使用卡尔曼滤波完成陀螺仪数据与加速度计数据的数据融合.系统选用飞思卡尔16 位单片机MC9S12XS128 为控制核心,完成了传感器信号的处理,滤波算法的实现及车身控制,人机交互等.     

卡尔曼滤波在两轮自平衡代步车姿态检测中的应用

介绍了一种MENS加速度计、陀螺仪与嵌入式微控制器相结合的两轮自平衡代步车姿态检测系统。针对加速度计和陀螺仪测量分别存在噪声干扰和随机漂移误差,采用卡尔曼滤波实现传感器数据融合,补偿传感器测量误差,得到车体姿态的最优估计。将该算法移植到姿态检测系统的微控制器中,测试结果表明卡尔曼信息融合可以有效提高系统检测精度。     

基于互补滤波算法的移动机器人姿态检测

移动机器人的姿态检测能够反映出机体相对于路面的实时姿态,有利于机器人对行进过程中的当前姿态做出相应的控制.针对移动机器人姿态检测的要求,采用MEMS陀螺仪和加速度计对移动机器人在移动过程中相对于路面的姿态倾角进行测量并通过互补滤波算法对其测量的角度进行解算.互补滤波算法将加速度计静态特性和陀螺仪动态特性有效融合到一起,并对互补滤波算法进行了微分处理,提高了系统的动态特性,计算量小,从而实现对机器人行进过程的路面起伏状况进行实时测量.     

基于四元数和卡尔曼滤波的两轮车姿态稳定方法

针对自平衡两轮车姿态角的在线估计问题,采用四元数的姿态解算算法,利用Levenberg-Marquardt非线性最小二乘法对自平衡两轮车陀螺仪信号拟合,建立了随机漂移误差数学模型,应用卡尔曼滤波融合陀螺仪和加速度计输出的信号,补偿了陀螺仪输出角速度的随机漂移误差,得到了自平衡两轮车姿态的最优估计。实验结果表明,这种姿态估计算法是有效的,有利于车体的自平衡控制。     

两轮自平衡小车的系统设计与实现

两轮自平衡小车是以倒立摆模型为基础的动态平衡系统,针对系统设计中的车身结构、姿态检测与动态平衡控制等关键问题进行研究.采用一体化轮毂电机作为自平衡小车的驱动单元,设计轻量化车身结构以降低车身重量和能量损耗.控制系统采用含有加速度计、陀螺仪、电子罗盘的9轴姿态检测传感器检测车身姿态角度,利用卡尔曼滤波算法进行数据融合,获得姿态角度的最优估计,借助PID运动控制算法驱动轮毂电机运动,实现自平衡小车车身的动态平衡.通过参数优化,提升了系统的响应速度,将姿态角度估计的误差降低到0.5°以内,实现了两轮小车自主动态平衡功能,为两轮自平衡小车的设计提供了一种简单、可行、低成本的设计方案.     

基于四元数的前臂假肢手部自平衡的设计

针对残疾人的前臂假肢在端水等运动过程中需要手部虎口一直与大地保持平行,即手部实现姿态自平衡问题,提出采用四元数的姿态解算算法,并采用卡尔曼滤波融合MPU6050传感器中陀螺仪和加速度计的输出数据,补偿了陀螺仪输出数据的随机漂移误差,得到前臂假肢手部姿态的正确估计。该系统由安卓手机、STM32单片机、MPU6050传感器、高性能数字舵机组成,通过安卓手机语音识别向STM32单片机发送是否保持手部自平衡指令,由STM32实时采集MPU6050中陀螺仪和加速度计的数据并经过算法处理后,通过串口向舵机发送信号。实验结果表明,这种姿态估计算法有效地解决了前臂假肢在运动过程中手部自平衡问题,为前肢缺失的残疾人提供了便利。     

自平衡车的电流环串级PID控制设计

为了解决两轮自平衡电动车用传统占空比控制无法实现对转矩的精确控制问题,本文采用飞思卡尔微处理器MK60DN512ZVLQ10,卡尔曼滤波算法获取车身倾角实时最优值,基于电流环的串级PID控制来调节直流电机.电流传感器精度能达到1%左右,系统受扰动后,此方法调节时间更短、超调量更小、鲁棒性更强.实验结果表明,直接转矩控制在快速性、稳定性和抗扰性等方面明显优于传统占空比控制.     

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。     

两轮自平衡小车模型参考自适应控制平衡算法

两轮自平衡小车是一类非完整的本征不稳定系统,其动力学方程具有复杂非线性、高阶次、强耦合、欠驱动等特点,采用牛顿力学分析法进行系统建模,利用前馈、反馈以及输入量构成自适应机构,在此基础上提出模型参考自适应控制（Model Reference Adaptive Control,MRAC）策略对两轮自平衡小车的姿态和速度进行控制。通过仿真,结果表明采用MRAC算法能够在保证系统稳定的前提下,获得接近于给定理想参考模型的动态性能,并使系统在平衡点附近具有良好的鲁棒性。     

自平衡两轮移动机器人的LQR控制策略研究

采用dsPIC30F4011作为主控芯片,利用自制倾角传感器、陀螺仪和自制的电机编码器作为系统的传感器,设计了价格低廉的自平衡两轮移动机器人,很适合作为各种控制方法的研究平台。根据机器人的系统参数和运动状态,设计了电机模型、车轮模型及车身前进模型,构建了系统的动力学模型,得到了机器人平衡前进时的状态空间表达式,设计了LQR最优控制器,并进行了MATLAB仿真,得到了预期的平衡效果,验证了系统具有良好的鲁棒性,同时表明硬件设计和系统建模的合理有效性。     

简易两轮自平衡机器人的设计与制作

两轮自平衡机器人与倒立摆的基本原理相同,都是自动控制理论的典型研究对象,但要自行制作都有一定难度。介绍了用市场上很容易买到的玩具车改装而成的两轮自平衡机器人。在单片机的控制下,实现了连续稳定的直立平衡。可以作为自动控制系统的实验平台,进行各种控制算法的可行性与效果验证。     

非同轴两轮机器人自平衡与转向闭环控制

针对车速、车身侧倾角和前轮转角变化较大工况下的非同轴两轮机器人在基于前轮转角的自平衡控制中,因动力学模型准确性对自平衡控制带来的影响,设计了基于RBF神经网络模糊滑模控制的自平衡控制器,利用RBF神经网络的逼近特性,对动力学模型中非线性时变的不确定部分进行自适应逼近,从而提高动力学模型的准确性,并借助模糊规则削弱滑模控制中产生的系统抖振;以及因前轮转角用于自平衡控制中难以实现转向闭环控制,建立了基于纯跟踪法的轨迹跟踪控制器,并设计利用车身平衡时车身侧倾角与前轮转角的耦合关系,将转向闭环控制中的目标前轮转角替换为目标车身侧倾角,从而将自平衡控制器与轨迹跟踪控制器相结合,在保证车身平衡行驶的前提下,实现带有轨迹跟踪的转向闭环控制。实验结果表明,凭借动力学模型的较高准确性,RBF神经网络模糊滑模自平衡控制器具有鲁棒性好、超调量低和响应迅速的优点,并且利用车身平衡后车身侧倾角与前轮转角耦合关系,实现转向闭环控制是可行的,具有良好的轨迹跟踪效果。