云控制器在机器人平衡系统中应用与研究

针对云模型理论的研究现状,提出了基于单片机一维云模型控制器的设计方法,应用该方法设计的云模型控制器成功地实现了对轮式机器人动态倒立的平衡控制,同时比较了三规则云模型控制器和五规则控制器对系统的性能影响。实验结果表明,该云模型控制器可以保证轮式机器人倒立平衡系统具有良好的控制性能和较强的抗干扰性,并证明拟合人类思维更好的五规则控制器具有更好的控制效果,为以后规则云模型控制器设计提供了参考。     

一维云模型控制器在平衡控制系统中的应用

云模型控制理论是智能控制学科的新兴领域,该理论从提出至今,主要以理论研究和仿真实验为主。针对云模型理论的研究现状,提出了基于单片机的一维云模型控制器的设计方法,应用该方法设计的云模型控制器成功实现了对轮式机器人平衡系统的控制。轮式机器人动态平衡实测数据表明,一维云模型控制器可以保证轮式机器人定位系统具有良好的控制性能和较强的干扰性,证明了该设计的有效性和科学性,为今后云模型控制器设计提供了一定的参考。     

自平衡机器人变论域模糊PID控制研究

针对两轮自平衡机器人的动态平衡控制问题,提出了一种可变论域模糊PID控制算法,对机器人体的倾斜角度设计了二级模糊控制器.由第一级模糊控制器利用论域伸缩因子来动态改变第二级模糊控制器的论域,实现了论域随自平衡控制系统要求进行自适应伸缩,能较好地解决自平衡系统控制规则数量与控制精度间的矛盾.仿真结果表明,变论域控制方法动态特性明显优于常规模糊PID控制,使机器人的平衡控制系统具有自适应能力强,实时控制性能好的特点.     

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.     

一维云模型控制器在轮式机器人中的应用

云模型控制理论是智能控制学科的新兴领域,该理论从提出至今,主要以理论研究和仿真实验为主.针对云模型理论的研究现状,提出了基于单片机的一维云模型控制器的设计方法,应用该方法设计的云模型控制器成功地对轮式机器人进行了实时定位控制.实验结果表明,一维云模型控制器可以保证轮式机器人定位系统具有良好的控制性能和较强的干扰性,证明了该设计的有效性和科学性,为今后云模型控制器设计提供了一定的参考.     

一种两轮自平衡机器人比例-积分-微分控制方法

两轮自平衡机器人以其机械结构简单,灵活高效的运动特性,具有广阔的应用前景。本文应用理论力学原理,分析并建立了两轮自平衡机器人的动力学模型。在此基础上,分别针对机器人系统的自平衡控制、速度控制设计了比例-积分-微分(PID)控制器。通过复频域和时域分析的方法,提出了一种简便的PID控制参数的整定方法。根据系统PID控制模型,给出了计算机器人马达输出转矩的理论公式。应用实验表明,该控制方法的平衡和速度控制动态和稳态性能良好,且具有占用机器人系统资源少,PID控制参数整定效率高的特点。     

自平衡两轮机器人的参数自整定模糊控制

为解决具有强耦合、非线性和不确定性等特点的自平衡两轮机器人的平衡控制问题,提出一种参数自整定模糊控制器.该控制器通过比较系统响应与给定的差别来对控制参数进行自整定,降低了控制器设计过程中对设计者经验的要求.该控制器采用零阶Takagi Sugeno模型,易于在嵌入式系统中实现.搭建了自平衡两轮机器人硬件本体,建立了相应的数学模型,并给出仿真与实验结果,验证了该控制器的有效性.     

基于自抗扰控制的两轮自平衡车控制系统仿真研究

为解决两轮自平衡车因不同用户身高体重的差异造成系统模型不准确而带来控制器对系统控制稳定性能差的问题,将自抗扰控制技术运用到两轮自平衡车运动平衡控制中。首先采用拉格朗日方法建立两轮自平衡车动力学模型,然后针对系统的特性推导出实现两轮平衡车自平衡控制的自抗扰控制器控制律。最后,搭建两轮自平衡车控制系统的Simulink仿真平台,分别采用线性自抗扰控制和经典自抗扰控制方法进行了试验比较。试验结果表明:与经典自抗扰控制器相比,新的自抗扰控制器能够较好地适应身高体重变化的环境,较好地自主达到稳定运行状态。     

神经元PID控制器在两轮机器人控制中的应用

针对两轮机器人传统PID控制器参数整定困难的问题,设计了一种神经元PID控制器.该控制器利用神经元的自学习和自适应能力,在线实时调整控制器各项参数.建立了两轮机器人的非线性模型,讨论了神经元PID控制系统的结构及其控制算法和各项控制器参数的学习算法.将设计的控制器其应用于两轮机器人的平衡控制中,并且与传统PID控制器进...     

两轮自平衡机器人的自适应模糊平衡控制

在两轮自平衡机器人系统的平衡控制中,为解决因所建立的数学模型不准确和存在未知干扰而影响控制性能的问题,设计了一种自适应模糊控制方法.首先,运用牛顿力学法建立了系统在斜坡上运动的数学模型.针对所建动态模型的非线性,提出采用单点模糊化、乘积推理机和中心平均解模糊化的方法构建了自适应模糊逻辑控制器,然后通过李雅普诺夫稳定性分析的方法,导出控制器的自适应律.在MA TLAB/Simulink中,对自适应模糊控制的两轮自平衡机器人的平衡情况进行了仿真,结果表明,提出的自适应模糊控制器可以实现系统平衡,并具有自适应能力和鲁棒性,为两轮机器人优化控制提供了依据.     

自适应模糊控制的自平衡机器人设计

在两轮自平衡机器人系统的平衡控制中,为解决因所建立的数学模型不准确和存在未知干扰而影响控制性能的问题,设计了一种自适应模糊控制方法;首先,运用牛顿力学法建立了系统在斜坡上运动的数学模型;基于所建立的非线性动态模型,采用单点模糊化、乘积推理机和中心平均解模糊化的方法构建了自适应模糊逻辑控制器,然后通过李雅普诺夫稳定性分析的方法,导出控制器的自适应律;对自适应模糊控制的两轮自平衡机器人的平衡情况进行了仿真,结果表明,提出的自适应模糊控制器可以实现系统平衡,并具有自适应能力和鲁棒性。     

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Hopfield 网络的柔性两轮自平衡机器人控制

用弹簧模仿人的腰椎,采用LQR 成功实现了机器人实物控制．针对柔性两轮自平衡机器人的姿态控 制,提出了一种基于联想学习的离散Hopfield 网络实现方法,以生物学习控制方式实现柔性两轮自平衡机器人在姿 态控制上的自适应、自组织能力．针对非线性、强耦合的柔性机器人系统,首先定义了合理的能量变化函数,并运用 柔性机器人动力学方程设计了满足该动态过程的Hopfield 网络控制器,然后分析了该控制器的收敛性．仿真实验表 明了该方法的有效性和系统的稳定性．对实验结果进行详细分析,表明了系统姿态控制器设计的合理性和有效性．     

两轮自平衡机器人的无源控制器设计

以两轮自平衡机器人为研究对象,基于其状态空间模型,利用线性矩阵不等式的方法,设计两轮自平衡机器人平衡的无源控制器,并给出了两轮自平衡机器人无源控制器存在的充分条件。仿真结果表明,设计的无源控制器对于机器人的平衡是有效的。     

两轮电动车自平衡控制系统的建模与仿真

电动车平衡控制方法的研究与实现,是两轮电动车设计的关键所在,决定了整个系统能否实现,也是电动车能够安全、可靠行驶的保证.两轮电动车在实际运行情况过程中存在突然撞到路面障碍物的可能性,故分别对电动车正常运行时和发生障碍物碰撞时的平衡控制器进行设计,并通过判断电动车的输出状态成功地实现了两种控制方法之间的切换.应用动力学理论和方法对自平衡两轮电动车进行力学分析,建立系统非线性模型,采用PID控制方法完成两轮电动车正常运行下的平衡控制器设计.使用MATLAB建立系统仿真模型,验证平衡控制方法的正确性.仿真结果证明,提出的平衡控制算法具备有效性和可行性,为两轮电动车平衡控制系统设计提供了理论基础.     

一种基于模糊控制理论的独轮机器人控制算法

以一种由一个车轮驱动并控制前向平衡、由电机驱动惯性轮形成反力矩控制侧向平衡的独轮机器人系统为被控对象,建立系统动力学模型,并将其在平衡点线性化,得到系统在前向和侧向两个正交方向解耦的近似线性模型.然后针对每一个控制方向上的子系统,分别设计基于融合函数的模糊控制器.该方法可以减少模糊规则,防止规则爆炸.仿真实验表明,所设计的模糊控制器可有效地实现独轮机器人的运动平衡控制.     

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。     

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Matlab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.     

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。     

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。