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。     

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。     

基于自校正PID控制的两轮自平衡小车

两轮自平衡小车是一个参数多变,自然不平衡的运动系统,其平衡姿态的控制关键在于核心控制算法。为此,提出一种基于自校正PID算法的平衡控制方案。实际应用表明,该控制方案能使小车系统具有较好的快速性和稳定性。     

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。     

两轮自平衡车控制系统设计

将两轮自平衡控制分为平衡、速度、转向进行处理,将平衡控制作为主要控制对象,将速度、方向控制作为干扰,对速度和转向的控制尽可能平滑,以免破坏平衡。通过理论分析建立了动力学方程,得到了各部分控制框图和传递函数。设计中用MPU6050测量车模的旋转角度、角速度、加速度,用编码器测量电机转速,构建了反馈系统。软件设计中用卡尔曼滤波器消除干扰,用PD算法很好地控制了平衡、速度、转向。     

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。     

两轮自平衡小车的研究与实现

介绍以飞思卡尔MK60N512VMD100单片机为控制器和以MMA7260加速度传感器及ENC-03角速度传感器等传感器元件作为传感检测系统的两轮自平衡小车系统。阐述了基于加速度传感器和角速度传感器获取两轮小车倾斜角度的滤波算法及其实现、自平衡控制算法及其实现,电机控制策略等相关问题。实验结果表明,此小车具有较好的平衡性和稳定性。     

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。     

基于DSP的两轮自平衡小车系统的研究

两轮自平衡小车的结构类似于倒立摆,具有本质不稳定,多变量、非线性、强耦合等特点,属于复杂系统的一种,同时结构简单,易于实现,且成本不高,因此是检验各种控制算法的理想平台。利用DSP的强大功能,设计了一种基于DSP的两轮自平衡小车系统。介绍了以DSP芯片MC56F8013为核心的两轮自平衡小车系统的硬件系统开发,以及运用现代控制理论设计的控制算法。实验结果表明两轮自平衡小车系统的设计是成功的。     

两轮自平衡车控制系统的设计与实现

根据飞思卡尔智能车竞赛的要求,设计了基于MC9S12XS128单片机的两轮自平衡智能车控制系统.介绍了该智能车系统的硬件模块电路设计、控制系统的构成及核心控制算法的实现.在此基础上详细介绍了用于智能车直立控制、速度控制和方向控制的参数调试时简单易行的关键技术.经过反复多次的实验表明,本文设计的两轮自平衡车控制系统性能可靠,在车身保持直立平衡的同时能够沿着赛道快速平稳运行.     

单轴两轮自平衡小车姿态控制系统设计

两轮自平衡车是动态平衡机器人的一种,需要靠运动保持平衡不倒,要施加强有力的控制手段使其稳定.介绍一种单轴两轮自平衡小车姿态控制系统设计过程,采用Freescale Kinetis 60作为核心控制单元,三轴加速度传感器MMA7260和陀螺仪ENC-03M测量车模的倾角和倾角速度,测速编码器获取电机运动状态,通过PD调节控制两个电机正反向运动,保持车模直立平衡状态.为了增加小车的机械稳定性,采取了降低重心和减轻小车质量的方法,比如把小车电池和主控板等尽量压下,将整个车模的重心降到轮轴附近.     

基于卡尔曼滤波的两轮自平衡车姿态检测

建立了两轮自平衡车的动力学模型;设计了一种采用卡尔曼滤波的两轮自平衡车姿态检测控制算法的控制器;搭建了SIMULINK仿真模型,仿真分析了控制器中各参数对系统的影响;并将仿真程序移植到16位Freescale单片机中对两轮自平衡车进行控制;通过实测数据验证了所设计控制算法的合理性和设计电路的正确性。     

基于UKF的两轮自平衡机器人姿态最优估计研究

针对扩展卡尔曼滤波器(EKF)设计困难并且容易发散的问题,提出基于采样卡尔曼滤波(UKF)的方法解决滤波器设计及收敛问题,并补偿低成本的惯性传感器陀螺仪和加速度计的误差,从而得到机器人姿态的最优估计．将滤波后的模型应用到两轮自平衡机器人系统,实验结果表明UKF参数设计简单,姿态估计误差小于EKF,方差估计优于EKF,估计精度、计算量基本与EKF相当．因此,UKF能够满足两轮自平衡机器人快速机动过程中的实时姿态估计要求．     

基于Accodometry法的两轮自平衡机器人位置估计研究

针对两轮自平衡机器人运行过程中遇到打滑、越障、碰撞等异常事件,测程法进行位置估计失效的情况,提出一种Accodometry方法,通过融合码盘与加速度计数据对位置进行估计,解决了非系统测程法误差对机器人位置估计的影响,降低了加速度计固有漂移的不利影响,提高了两轮自平衡机器人的定位精度.实验验证了Accodometry方法的有效性,结果显示位置误差降为原来的1/4.     

基于互补滤波的两轮自平衡小车的实现

要使两轮自平衡小车协同运动、平衡稳定、有效控制,最为关键的首要因素是准确、快速地解算出其运动姿态信息。该文针对姿态信息解算的卡尔曼滤波解算复杂、运算量大等缺点,采用互补滤波将倾角、加速度传感器信息进行数据融合、优化,得到与实际姿态信息相一致的最优估计值。再综合视觉传感器,两轮自平衡小车自动调整运动姿态、及时修正并回归至平衡位置,实现平稳控制。提出利用传感器—倾角、加速度、磁力计、视觉,互补滤波,ARM微控制器,4G通信等多种技术,设计出基于互补滤波的两轮自平衡小车。详细阐述了工作原理、系统架构、硬件设计及姿态信息检测、互补滤波、方向检测等算法。实践表明,基于互补滤波的两轮竞速自平衡小车姿态解算准确快速、运动控制精准、转弯快速。     

两轮直立车平衡控制系统的设计

相较于四轮车来说,两轮直立车的行动更加的方便和灵活,这主要是因为两轮车能够大大减少转弯时的半径。本研究将对两轮直立车的平衡控制系统进行分析,研究两轮直立车行走、寻迹和进度控制的设计特点。     

自平衡两轮机器人的分层模糊控制

为解决具有非线性、强耦合和绝对不稳定特点的自平衡两轮机器人的运动控制问题,提出一种分层模糊控制方法.该方法对机器人体的倾斜角度和轮子转动速度分别设计相应的模糊控制器,其输出同时进入决策器,由决策器进行智能判断与协调,输出控制量.两控制器交替工作,实现机器人体倾角控制和轮子转速控制的有机统一.该方法具有模糊规则少,控制逻辑简单的特点.对机器人的速度跟踪、运动停止及转弯等多种运动方式进行了控制仿真实验,验证了控制方法的正确性和有效性.     

两轮自平衡机器人多传感器数据融合方法研究

为了对机器人运行状态进行有效的识别,提出一种基于支持向量机的多传感器数据两级融合方法,从分类的角度实现了运行状态识别,解决了识别正确率较低的问题.将此方法应用于两轮自平衡机器人进行运行状态识别实验,当每种状态采集的独立样本数超过20个时,正确率可以达到98%以上.实验结果表明应用该方法可以对两轮自平衡机器人的运行状态进行有效、可靠的识别,能够满足两轮自平衡机器人快速机动过程中的实时性要求.     

基于dsPIC33F DMA控制器的UART设计

本文介绍了一种新型数字信号控制器dsPIC33FJ256GP710的性能特点,重点讲述了使用其直接存储器访问(DMA)控制器设计UART通讯模块的原理和方法,通过其在车辆电源检测和故障诊断系统中的应用,证明了该设计具有较高的实用性。     

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.