基于完整约束的两轮机器人建模及平衡控制

依据完整约束下的拉格朗日方程,推导了同轴两轮移动机器人做平面直线运动时的动力学模型,并在此基础上设计了基于极点配置的状态反馈控制模型和系统数字仿真模型。结合控制模型进行了数字仿真实验研究和物理实验研究,并给出了实验分析结果。研究表明,采用基于极点配置的状态反馈控制方案,能够实现机器人动态平衡控制;机器人在初始偏角绝对值小于0.25 rad时,能够在2 s内恢复平衡,当外部干扰使机器人偏离平衡位置后,机器人能够在3 s内恢复平衡;机器人模型推导合理、有效,数字仿真和物理实验一致性好。     

自平衡控制系统的平衡性仿真

自平衡两轮移动式倒立摆是三个自由度的强耦合和非线性的自然不稳定系统。虽然现代控制论中的状态反馈的极点配置对两轮移动式倒立摆的平衡起到了一定的控制作用,但是在现实多干扰的外界环境中,控制论中极点配置算法的控制作用就很难满足实际控制需要。针对两轮移动式倒立摆数学模型,给出详细的力学推导并在Simulink环境下,对状态反馈的极点配置法控制的两轮移动式倒立摆处于不同的坡度平衡情况进行了仿真和分析。     

基于同伦映射的两轮机器人控制器设计

两轮自平衡移动机器人是一种高阶次、不稳定、非线性的典型控制系统,以其为研究对象,采用Lagrange方程建立其动力学模型,经过线性化处理并在多项式同伦映射与其零点映射轨线的基础上,采用同伦不动点的控制系统闭环极点配置方法实现闭环极点的配置;仿真和物理实验表明.同伦法对两轮自平衡机器人的姿态进行控制,在很短时间即可获得较为稳定的动态平衡,此控制器设计方法优于传统极点配置方法.     

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.     

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。     

考虑姿态检测误差的两轮机器人研究

两轮机器人通过姿态反馈达到稳定状态,但需要解决其姿态检测传感器存在误差的问题。本文首先通过力学分析建立两轮机器人数学模型,采用极点配置法设计状态反馈矩阵,进而得到系统控制方法 ;然后通过分析两种普遍使用的姿态检测传感器的特性,得到各自的误差模型,并采用互补滤波方法对两种姿态检测传感器进行融合。将姿态检测传感器的误差模型和互补滤波融合后的模型分别应用到两轮机器人模型中,并对两种单独使用姿态检测传感器的机器人系统和采用互补滤波方法的机器人系统进行仿真。仿真效果和实验测试表明,采用互补滤波方法的两轮机器人姿态检测误差减小,系统更加稳定。     

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。     

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.     

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.     

两轮机器人在坡面上的运动平衡控制

两轮机器人在坡面上运动时,由于受到重力作用的影响,其姿态平衡控制变得更加复杂。为实现机器人在坡面上的平衡控制,首先建立了两轮机器人在坡面上的动力学模型,然后针对两轮机器人设计一种非线性PD控制器。与传统的线性PD控制器进行仿真实验对比,实验结果说明:在响应速度、稳定性、鲁棒性方面,非线性PD控制有着更好的效果。最后,在姿态平衡控制中加入速度控制,构成双环的PD控制,实现了两轮机器人在坡面上的静态平衡。     

基于陀螺仪与加速度计的二轮自平衡控制系统设计

为了实现二轮自平衡系统的稳定控制,提高系统姿态倾角的可靠性,提出了基于陀螺仪与加速度计的二轮自平衡系统控制方法.建立二轮自平衡系统的简易动力学模型,以Lyapunov方法对稳定性进行分析,得到系统稳定控制的条件,采用陀螺仪和加速度计采集姿态倾角数据,经融合滤波后得出高精度姿态倾角,最后控制二轮自平衡系统电机实现稳定运行.通过二轮自平衡控制系统的硬软件设计,成功验证了该方法的可行性.     

双轮自平衡机器人的滑模变结构控制研究

本文以双轮自平衡机器人为研究对象,根据经典牛顿力学建立了数学模型,针对传统极点配制方法无法克服机器人运动过程中干扰大、参数变化的问题设计了一种滑模变结构控制算法,并做出了相应的控制和仿真,有效的解决了机器人的平衡控制问题。仿真实验分析表明,滑模变结构控制算法使系统的跟踪速度更快、稳定性更高,较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。     

Skinner 操作条件反射的一种仿生学习算法与机器人控制

针对两轮自平衡机器人的运动平衡控制问题,提出了基于Skinner 操作条件反射理论的BP 神经网络 与资格迹相结合的仿生自主学习算法作为两轮机器人的学习机制．该算法利用资格迹能解决延迟影响、加快学习速 度和提高可靠性的特点,将其与BP 神经网络相结合构成复合学习算法,能够预测机器人将要获得的行为评价函数, 并依据概率取向机制以一定的概率选择最大评价值对应的最优行为,从而使机器人能够在未知环境下通过与环境的 交互、学习和训练,获得像人或动物一样的自主学习技能,实现对两轮机器人的运动平衡控制．最后,分别用基于 Skinner 操作条件反射理论的BP 算法和BP 资格迹复合算法对两轮机器人做了仿真实验并进行了比较．结果表明, 基于Skinner 操作条件反射理论的BP 资格迹复合仿生自主学习算法的学习机制能够使机器人获得良好的动态性能 和较快的学习速度,体现了机器人较强的自主学习技能和平衡控制能力．     

基于蚁群算法的机器人系统LQR最优控制研究

针对两轮自平衡机器人线性二次最优控制器(LQR)中的权参数选择问题,提出了一种基于自适应蚁群算法的权矩阵优化参数策略.利用LQR控制器,采用自适应蚁群算法对LQR权矩阵Q的各位参数进行数字寻优,将得到的数字序列进行划分,寻找到最优参数值,从而对两轮自平衡机器人的俯仰属性进行有效的系统控制.仿真实验结果表明:采用蚁群算法优化后的控制器比人工选择参数策略有更好的控制效果,验证了方法的稳定性和有效性.     

OCPA仿生自主学习系统及在机器人姿态平衡控制上的应用

针对本质上非线性、强耦合的两轮自平衡机器人复杂动态系统,构造操作条件反射概率自动机(OCPA)仿生自主学习系统。OCPA仿生自主学习系统是一个基于Skinner操作条件反射的概率自动机,主要特征在于模拟生物的操作条件反射机制,具有仿生的自组织功能,包括自学习和自适应功能,可用于描述、模拟、设计各种自组织系统。从理论上分析OCPA学习系统的操作条件反射学习机制的收敛性。应用于两轮机器人姿态平衡控制的仿真和实验结果均表明,设计的OCPA仿生自主学习系统不需要系统的模型,通过模拟生物的操作条件反射机制,自组织地渐进形成、发展和完善其姿态平衡控制技能。     

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。     

Self-Balancing Controlled Lagrangian and Geometric Control of Unmanned Mobile Robots

This work presents a novel geometric framework for self-balancing as well as planar motion control of wheeled vehicles with two fewer control inputs than the configuration variables. For self-balancing control, we shape the kinetic energy in such a way that the upright direction of the robot’s body becomes a nonlinearly stable equilibrium for the corresponding controlled Lagrangian which is inherently a saddle point. Then for planar motion control of the robot, we set its position and attitude as an element of the special Euclidean group SE(2) and apply a logarithmic feedback control taking advantage of the Lie group exponential coordinates. For simulation and evaluating the controllers, the unified dynamic model of the self-balancing mobile robot (SMR) is developed using the constrained Euler-Lagrange equations.