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.     

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.     

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.     

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Skinner操作条件反射的两轮机器人自平衡控制

针对两轮自平衡机器人的运动平衡控制问题,采用了基于Skinner操作条件反射理论的自回归神经网络学习算法作为机器人的学习机制,利用自回归神经网络对评价函数进行逼近,以实现对行为决策的优化,从而使机器人能够在无需外部环境模型的情况下,通过学习和训练,获得像人或动物一样的自主学习技能,解决了两轮机器人的运动平衡控制问题.最后分别在无扰动和有扰动的两种状态下设计了仿真实验并进行了比较.结果表明,该操作条件反射学习机制具有较快的自主平衡控制技能和较好的鲁棒性能,体现了较高的理论研究意义和工程应用价值.     

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．     

基于模糊PD控制方法的两轮直立自平衡电动车研究北大核心CSCD

通过机构设计、硬件开发、软件策略等方面,搭建两轮直立电动车控制系统,满足了直立车的控制要求。设计以陀螺仪和加速计为传感器的姿态获取模块,利用卡尔曼滤波算法提高控制精度。基于系统结构模型,采用牛顿力学的分析方法构建两轮自平衡直立车动力学方程。设计了模糊PD控制器,以直立车的位移和速度为输入变量进行模糊控制器控制,倾斜角度和角速度由PD控制器控制。最后,建立了直立车实时控制系统平台,用于两轮自平衡直立车的参数调试及实时控制。实验结果表明,该系统具有较好的稳定性,实时响应性高,具有较高的市场推广价值。     

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.     

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.     

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...     

Robust Tracking Control for Self-balancing Mobile Robots Using Disturbance Observer

In this paper, a robust tracking control scheme based on nonlinear disturbance observer is developed for the self-balancing mobile robot with external unknown disturbances. A desired velocity control law is firstly designed using the Lyapunov analysis method and the arctan function. To improve the tracking control performance, a nonlinear disturbance observer is developed to estimate the unknown disturbance of the self-balancing mobile robot. Using the output of the designed disturbance observer, the robust tracking control scheme is presented employing the sliding mode method for the selfbalancing mobile robot. Numerical simulation results further demonstrate the effectiveness of the proposed robust tracking control scheme for the self-balancing mobile robot subject to external unknown disturbances.      

Position-Based Fuzzy Force Control for Dual Industrial Robots

In this paper, a fuzzy force control framework is proposed for dual-industrial robot systems. The master/slave control method is used in dual-robot systems. Two MITSUBISHI MELFA RV-M1 industrial robots, one is equipped with an BL Force/Torque sensor and the other is not, are utilized for implementing the dual-arm system. In order to adapt various stiffness of the holding object, an adaptable fuzzy force control scheme has been proposed to improve the performance. The ability of the adaptable force control system is achieved by tuning the scaling factor of the fuzzy logic controller. Successful experiments are carried out for the dual-robot system handling an object.     

基于遗传算法的管道机器人分层模糊控制

为了适应空调管道的复杂环境,提高空调管道清扫机器人控制性能,降低控制复杂度,构建了一个分层的自适应模糊控制器.通过多输入系统进行分层输入和叠加输出,大量简化了模糊逻辑推理,减少了控制规则数.应用遗传算法对控制器参数进行优化,有效地融合了控制信息,达到了较理想的控制特性.实验和仿真结果表明,模糊控制器适应性强,优化后模糊控制器具有很好的控制效果,实现了机器人在管道中自主导航.     

SCARA机器人的模糊自适应滑模控制

为了提高SCARA机器人的轨迹跟踪控制性能,提出一种双模糊自适应滑模控制;采用一自适应模糊控制器,根据滑模到达条件对滑模切换增益进行估算,消除滑模控制中输出力矩的抖振现象,增强其对不确定性因素的适应能力;采用另一自适应模糊控制器对指数趋近律系数进行修正,改善由于大范围初始位姿产生的偏差而引起的大力矩和速度跳变问题;基于Lyapunov方法进行了稳定性证明,保证控制系统的稳定性与收敛性;仿真实验结果表明,该方法应用于SCARA机器人,跟踪效果良好并产生了平滑的力矩输出和速度输出.     

基于单神经元控制器的独轮自平衡机器人双闭环自适应控制

针对竖直飞轮的独轮自平衡机器人系统,提出了一种基于自适应单神经元控制的双闭环(DLSN)控制方法.根据对独轮自平衡机器人动力学模型的分析,将独轮自平衡机器人分成两个子系统,提出了一种具有俯仰倾角和横滚倾角内环、前向位移外环的双闭环自适应控制结构,其中每个控制环均由单神经元自适应控制器构成.仿真实验结果表明:所设计的基于双闭环单神经元自适应独轮自控制方法是有效的.     

基于模糊理论的高速公路递阶控制

将递阶结构和模糊控制用于高速公路多匝道的协调控制,协调控制器采用多输入-多输出的模糊控制方法协调确定相邻路段的匝道入口调节率;各路段根据协调控制器给定的匝道入口调节率,利用单匝道模糊控制器将系统状态保持在给定的标称点范围内。给出了分层控制系统的结构和控制算法,并在交通仿真软件PARAMICS上进行了仿真实现。仿真结果表明,该方法能够有效地消除交通拥堵,维持主线车流稳定。     

基于模糊神经网络的机器人滑模自适应控制

滑模控制（SMC）响应快,对系统参数和外部扰动呈不变性,可保证系统的渐近稳定性,但其缺点是控制存在很强的抖动;而模糊神经网络（FNN）具有模糊系统和神经网络共同的特点。将滑模控制和模糊神经网络控制有机结合,利用简单得到的学习信号对模糊神经网络进行在线学习,通过平滑切换函数实现直接自适应控制策略。对两连杆机械手的仿真研究表明,在存在模型误差和外部扰动的情况下,该方案既能达到高精度快速跟踪的目的,又能有效减小滑模控制的抖动问题。