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.     

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。     

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。     

轮腿式平衡机器人控制

针对轮腿平衡机器人的整体控制问题展开研究,建立了机器人动力学模型,采用LQR(linear quadratic regulator)算法对解耦后的平衡与纵向运动子系统进行分析,并设计控制器。利用VMC(virtual model control)的思路,将倒立摆机器人中的力矩转换成轮腿结构中关节力矩。通过搭建仿真平台(Simulink Mulitibody)对控制器的性能进行仿真实验。设计相应控制器对机器人高度与横滚姿态等状态进行控制,并在实际机器人中进行验证整套控制器的性能,具有一定的理论价值和实际应用价值。     

云模型控制器在两轮自平衡机器人中的应用

两轮自平衡机器人控制系统具有高阶次、多变量、非线性且强耦合的特性,因此难以建立精准的数学模型。针对两轮自平衡机器人系统的复杂性,对其平衡控制系统进行了研究,提出了一维云模型控制器的设计方法。运用该方法,成功地实现了两轮自平衡机器人的平衡控制,并比较了一维云模型控制器在三规则和五规则下对系统性能的影响。试验结果表明:一维云模型控制器在两轮自平衡机器人平衡控制系统中具有良好的控制性能和强抗干扰性,五规则控制器具有更加优越的控制效果。云模型控制器成功应用在两轮自平衡机器人平衡系统中,并在试验样机平台体现了良好的平衡性能,为今后云模型控制器的设计提供参考,也推进了云模型控制器在硬件平台实现的进程。     

柔性两轮直立式自平衡仿人机器人的建模及控制

研究了柔性两轮直立式自平衡仿人机器人的动力学建模问题．运用拉格朗日方法和动力学原理建立了柔性两轮自平衡仿人机器人的动力学模型．使用弹簧模仿人的腰椎,并考虑了机器人的柔性腰椎弯曲;这是与以前机器人的不同之处．对得到的动力学模型进行了线性化处理,并建立其状态空间方程;由此建立的动力学模型结构简单,易于对机器人进行有效控制．仿真实验验证了系统的稳定性,对其实验结果进行的详细分析验证了系统建模和LQR控制器设计的合理性和有效性．     

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。     

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.     

两轮自平衡机器人速度跟踪研究

两轮自平衡机器人系统是一个高阶次,不稳定,非线性,多变量,强耦合的系统.系统采用Lagrange方程进行动力学建模,将神经网络自组织算法应用于此模型,并对两轮机器人的平衡和速度进行控制,其难点是对车体速度和车轮速度的控制.本文采用神经网络自组织算法,使输出准确地跟踪输入,使机器人按照指定的移动速度和转动速度运动.将该算法与OBS算法相比较,仿真实验结果表明,自组织算法使系统的跟踪速度更快,具有较高的实用价值.