两轮同轴机器人的自平衡控制研究

研究了一种控制两轮同轴机器人平衡的新方法。通过改良两轮机器人的总体机械结构,将整个机器人的重心降到轮轴高度下方或者维持在通过轮轴的垂直平面内,在轮轴下方外加平衡摆杆以调节机器人重心,使之平衡,解决两轮自平衡机器人非线性、强耦合和绝对不稳定的特点。利用ARMStm32系列单片机实现控制,陀螺仪EWTS86和双轴加速度传感器ADXL330相结合提供一个惯性基准,感知两轮同轴机器人位姿和倾角,进行平衡协调;通过PID调节和卡尔曼滤波,实现机器人轮子转速控制和平衡杆的平衡控制的有机统一。     

多传感器滤波算法下的两轮自平衡机器人控制

文中旨在实现两轮自平衡机器人更加稳定的姿态控制的研究,选择STM32作为开发平台,针对在对两轮平衡车姿态检测过程中存在一定的噪声干扰和测量误差的问题,设计了一种基于卡尔曼滤波的由多个传感器数据融合的方法。在更好地融合了多组陀螺仪与加速度计的数据,同时减少了存储量,得到更准确更稳定的角度值。控制结果表明,卡尔曼滤波方法下的多组传感器数据融合的姿态检测方案,能够更好地有助于系统抑制噪声,使得自平衡机器人的姿态调节更加稳定,更有利于机器人系统的控制。     

基于粒子滤波算法的自平衡两轮电动车设计与研究

智能自平衡两轮电动车是典型的非线性系统,智能自平衡两轮电动车是一种两轮式左右并行布置结构的自平衡系统,要在各种状态下保持动态平衡.采用超声波、陀螺仪传感器及其他传感器实现增稳系统.智能自平衡两轮电动车是严重非线性、非高斯系统,传统滤波算法无法解决传感器噪声问题,粒子滤波是一种基于Monte Carlo思想的非线性、非高斯系统滤波算法,完全突破Kalman滤波理论框架,它对系统的过程噪声和量测噪声没有任何限制.     

基于STM32的两轮自平衡小车控制系统设计

介绍了一种采用STM32F103C8T6单片机和数字运动传感器MPU-6050等设计的两轮自平衡小车。并利用卡尔曼滤波器算法融合陀螺仪和加速度计信号,计算出小车倾角和角速度的最优估计值,利用数字PID算法控制驱动电机的PWM信号实现两轮小车的自平衡控制。实际测试表明,设计的两轮小车可稳定地实现自平衡控制及简单的遥控运动功能。     

基于单片机的两轮平衡车设计

采用单片机MC9S12XS128作为控制器,结合陀螺仪ENC-03、三轴加速度计MMA7260芯片,设计一个运行稳定、体积小、可匀速运动的两轮自平衡车。通过介绍平衡车的平衡原理、系统架构以及软硬件设计,阐明两轮自平衡车的设计要点。最后,通过系统理论分析以及实验测试表明了这种设计方式的合理性和应用的可行性。     

基于STM32的模块化平衡车设计

介绍了一种基于模块化设计的两轮自平衡小车,分析了系统软硬件模块和调试过程.为了增强系统灵活性,设计了上位机和手机应用,对小车姿态数据进行实时显示、对系统参数进行实时调节.实践表明,模块化设计的自平衡小车控制稳定,调试方便,扩展灵活.     

基于新型惯性传感器的两轮自平衡车的设计

两轮自平衡车是检验各种控制算法的理想平台之一。设计了两轮自平衡车的实验平台,车体姿态数据采集采用新型加速度传感器和陀螺仪传感器组合,型号分别为ST公司的LIS331DLH和L3G4200D。姿态检测数据融合算法采用卡尔曼滤波算法,系统控制算法采用倾角环,角速度环与电流环的PID控制方法。最后,制作了两轮自平衡车的原型,并给予了初步运动控制验证。该实验平台能够初步实现自平衡功能,后续的研究将着重对各种控制算法在该平台的验证研究。     

基于Matlab和Adams的自平衡机器人联合仿真

为检验自平衡机器人控制系统的准确性及其动静态性能,采用Matlab／Simulink和Adams建立虚拟样机系统的方法。通过建立机器人的状态空间方程并利用LQR方法配置系统极点,设计出状态反馈控制器。分别在Simulink和Adams中建立机器人的控制系统和机械仿真模型,利用二者实现对机器人的联合仿真。仿真结果表明,所设计的控制方法能实现机器人平衡,并具有良好的动静态性能。     

基于复合控制的自行车机器人平衡控制

为了实现自行车机器人的平衡控制,提出一种复合控制的方法。将自行车看成多体系统,根据拉格朗日方程建立系统动力学模型。针对自行车机器人不稳定零动态的特点,采用复合控制,将系统的不稳定子系统作为内环,采用二次型性能指标最优控制器镇定。针对干扰以及模型不确定性,对输出作为反馈的外环设计鲁棒控制器,使得整个系统具有较强的鲁棒性。仿真结果表明,所提方法可以实现自行车的平衡控制,使系统具备了抑制干扰的能力,并保证了系统的鲁棒稳定性。     

自平衡人形机器人动作控制器的设计

为了解决自平衡人形机器人多关节协调控制问题,提高系统控制品质,借鉴计算机系统结构中的分层结构体系思想,提出了一种新的自平衡人形机器人动作控制器的实现方法,并根据该动作控制器设计出了一种相应的控制方法,可帮助机器人系统较好地实现任务的自组织分配,使机器人的平衡控制达到了很好的效果。     

基于视觉跟踪的两轮自平衡移动机器人控制系统

本文设计了两轮自平衡移动机器人各个功能模块单元，介绍了自平衡原理，对视觉跟踪给出了目标物体在视觉模块中坐标与中心位置差值计算方法并给出了视觉跟踪策略；给出了系统整体程序框架以及图像处理与发送程序框架，对视觉跟踪进行了相应测试实验，测试结果达到预期效果。     

两轮自平衡机器人系统设计、建模及LQ控制

设计一个以TMS320F2812DSP为控制核心、2个独立驱动的同轴直流电机为执行机构的两轮自平衡机器人,其姿态传感器包括倾角仪、速率陀螺和电机编码器。依据经典牛顿力学建立线性系统数学模型,采用LQR方法得到系统的反馈系数后,进行系统仿真实验和实际物理系统实验。实验结果表明,该系统的建模和控制器的设计是合理和有效的,且所设计的DSP控制程序可以方便的实现其他控制算法,并且可得到系统运行时各状态的值,为数据分析和传感器信号的处理提供方便。     

倒立摆理论在直立自平衡智能车系统中的应用

两轮自平衡智能车要求车模两轮驱动实现其直立行走。直立车的硬件设计和软件设计与四轮车相比更加复杂,在"飞思卡尔"杯全国大学生智能汽车竞赛中,直立车故障多,近一半的参赛队伍完不成比赛。直立自平衡智能车主要简化为倒立摆模型,把倒立摆理论引入并通过PID控制,能得到良好的控制效果。     

双足机器人RCG姿态控制算法的研究

稳定步行是仿人双足机器人开展实际作业的基础,也是研究的难点和热点.为了提高对仿人机器人步行失稳的响应速率和控制准确性,克服利用陀螺仪进行姿态测量及控制无法完整表述机器人运动状态,从而造成控制滞后的缺点.本文提出了RCG姿态控制算法,在以角速度和角度作为控制参量的模型基础上,引入机器人运动过程中的加速度作为姿态判断和调整的影响因子,实现对机器人行走过程的反馈控制,提高了双足机器人对失稳状态的响应速率和响应的准确性.通过对自主搭建的机器人样机进行测试,结果表明：当双足机器人步行失稳时,RCG姿态控制算法比以角速度和角度作为参量的控制算法能够更快速、准确的修正姿态偏差,保持姿态稳定.     

两轮自平衡车横向动力学建模与控制研究进展

两轮自平衡车是一种在外力矩作用下可维持自身姿态平衡的类自行车交通工具。与常见的交通工具相比,具有安全性高、环境友好、造型轻巧、驾驶便捷等显著优点,是智能交通工具发展的重要方向之一。关于两轮车的平衡性研究始于十九世纪后期,如今从理论探索到机体开发取得了极大的进展。文中论述并总结了两轮自平衡车在横向动力学建模、执行机构、控制算法方面的发展现状,并对未来的研究方向做出了展望。     

Double-level ball-riding robot balancing: From system design,modeling, controller synthesis,to performance evaluation

In this research, a new robot, double-level ball-riding robot, is introduced. The robot consists of an upper ball-riding subsystem and a lower ball-riding subsystem. The robot’s dynamics model can be considered separately in two identical planes. Euler–Lagrange equation of motion is applied in order to obtain the dynamics model. Motors are included in the robot’s model. The model is then linearized. The robot’s parameters are identified. The robot’s prototype is manufactured and assembled. Linear Quadratic Regulator with Integral (LQR + I) controller is proposed and applied in order to balance both levels of the robot. The complementary and orientation transformation are used to fuse sensors in order to obtain robot leaning angles. Balancing performance of the developed double-level ball-riding robot is evaluated by simulations and experiments. The results show efficient control performance of LQR + I controller.     

Calculation of a robot manipulator model in the form of arecurrent neural net

A neural model for robot manipulator is proposed similar to the mathematical model of a robot manipulator in the form of a Lagrange-Euler equation. A learning algorithm based on the backpropagation method is given for a neural model. A numerical example of calculation of a neural model for Puma 560 robot is presented.