基于卡尔曼滤波的两轮平衡姿态检测系统设计

针对传统两轮平衡检测系统易受噪声等环境因素影响,导致测量产生误差的现象,提出基于卡尔曼滤波的两轮平衡系统设计。选择SCA610-CA1H1G型号姿态传感器,以MEMS技术为基础设计姿态传感器结构,具备可选择的多种数据输出模式。选取36V电源将3个12V12AH的铅酸电池利用串联在一起,为系统提供充足电源。设计主控芯片Pentium II/III/4系列CPU,将它的状态信息描述和对外输出。设计基于卡尔曼滤波的去噪流程,构建误差修正模型,通过四元数转旋转矩阵转移到当前设备坐标系上处理,由此获取姿态矩阵从本体坐标系旋转到另一个坐标系的过程,对测量数值进行归一化处理,可得到无量纲标量。使用定时采样三阶逼近法,更新四元数,完成姿态检测。由实验结果可知,无论是在0-15dB噪声环境,还是15-30dB噪声环境下,系统监测精准度最高为92%,为汽车、航天领域提供设备支持。     

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．     

基于最大反馈线性化的两轮机器人平衡控制

为了对两轮直立式机器人进行平衡控制研究,首先应用一种拉格朗日方法对两轮直立式机器人系统进行动力学建模,以力矩作为模型控制输入并且考虑到了系统无滑动的非完整约束方程.求出了系统的最大相对阶并对非线性系统进行了部分反馈线性化,经过坐标变换和输出反馈得到了2个由两链积分器构成的子系统,外加3个代表系统内动态的非线性方程.根据...     

基于互补滤波算法的移动机器人姿态检测

移动机器人的姿态检测能够反映出机体相对于路面的实时姿态,有利于机器人对行进过程中的当前姿态做出相应的控制.针对移动机器人姿态检测的要求,采用MEMS陀螺仪和加速度计对移动机器人在移动过程中相对于路面的姿态倾角进行测量并通过互补滤波算法对其测量的角度进行解算.互补滤波算法将加速度计静态特性和陀螺仪动态特性有效融合到一起,并对互补滤波算法进行了微分处理,提高了系统的动态特性,计算量小,从而实现对机器人行进过程的路面起伏状况进行实时测量.     

面向两轮平衡机器人姿态检测系统的研究与设计

以两轮平衡车的平衡姿态研究为背景,提出了一种基于陀螺仪与加速度计的两轮平衡机器人的姿态检測系统,对姿态检測系统的原理、组成及数据采集进行了研究。通过对各传感器输出信号特征的提取、分析,将PID控制算法与卡尔曼滤波思想相结合,实現了数据融合,从而有效地提高姿态检测系统的检测精度。经过软硬件的综合调试取得了良好的效果,并应用到实际的机器人姿态检测。     

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。     

可穿戴式人体姿态检测系统设计

针对临床康复中人体关节活动度检测评估和康复机器人动作示教不方便、训练参数设置繁琐等问题,设计一种价格低廉、运动数据采集方便直观的人体姿态检测系统。系统采用MPU6050惯性测量单元,利用I~2C通信实现多通道传感器数据的采集上传,在上位机LabVIEW环境下基于互补滤波算法实现人体关节角度的检测。通过与某公司生产的三维步态分析及运动训练系统进行比对,证实此系统准确可靠,并利用此系统进行卧式下肢康复训练机器人示教动作采集,实现了机器人示教功能。     

基于姿态角的轮腿机器人驱动控制系统研究

在城市楼道环境中,尤其在面对楼梯等障碍时,五星形轮腿式机器人具有越障能力强、控制简单的优势。为防止机器人在攀爬楼梯时出现较大偏航倾斜,通过仿真软件ADAMS和Simulink中建立了五星形轮腿式机器人的整车动力学模型和PID速度控制模型。结果表明,该联合仿真控制模型能有效、快速地控制机器人速度,减小偏航角度,降低了研究和开发成本。将该驱动控制系统移植到原机器人系统中,并分析了机器人在本控制系统控制下攀爬楼梯等特殊情况下的稳定性能。     

基于红外传感器的两轮桌面机器人设计实现

为了验证红外传感器作为姿态检测的可行性,又能满足经济性要求,设计了一种基于红外传感器的两轮桌面式小型机器人WillBot-Ⅱ,此机器人通过红外传感器检测与地面之间的距离来达到姿态检测的目的,此种方法大大节约了传感器的成本,同时克服了零点漂移现象,能够有效准确地对姿态进行检测.首先介绍了机器人的系统构成,包括机械结构部分...     

基于互补滤波和粒子滤波融合的球形机器人姿态解算

针对球形机器人在运动控制中难以实时、准确地获取机器人的位置和姿态估计精度的问题,提出了一种基于互补滤波和粒子滤波相融合的姿态解算算法.为了避免使用磁力计数据参与四元数计算时俯仰角和横滚角误差较大的问题,使用陀螺仪和磁力计互补滤波算法单独对球形机器人的偏航角进行解算,同时,通过信息熵评估磁力计噪声大小,动态调整磁力计在互补滤波中的权值.实验结果表明,在外部磁场干扰实验中,偏航角误差在3?以内,在球形机器人动态和静态实验中,偏航角误差在0.3?左右,俯仰角和横滚角误差能够控制在0.1?之内.因此,该算法能够保证球形机器人姿态解算的实时性,增强准确性和和抗干扰能力,有效提高球形机器人运动控制的精度.     

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。     

基于扩展卡尔曼滤波的球形机器人姿态解算

针对球形机器人在姿态解算的过程中,惯性测量元件精度不高、稳定性差和易受噪声干扰从而导致无法精确控制其运动姿态的问题,提出一种通过扩展卡尔曼滤波融合IMU(Inertial Measurement Unit)惯性测量元件数据来进行姿态解算的方法,利用多传感器测量数据进行融合,并使用扩展卡尔曼滤波得到精确的姿态信息。通过相关实验充分验证了基于扩展卡尔曼滤波的姿态解算方法的精度和鲁棒性明显提高,抗噪声干扰能力更强。实验表明,该姿态解算方法相比于互补滤波的姿态解算,全姿态角均方根误差和平均误差分别下降了0.0601和0.1984,可见其对于球形机器人的运动控制具有良好的适用性。     

滑模控制在两轮机器人平衡控制中的应用

针对两轮机器人平衡控制中鲁棒性要求较高的问题,设计了基于趋近律的滑模变结构控制器;首先对机器人的非线性模型进行线性化处理,再根据线性模型设计滑模控制器,并使用饱和函数的方法抑制系统的抖振,最后在MATLAB/Simulink上进行了仿真实验,并与状态反馈控制器进行了比较;结果表明在参数摄动存在情况下,滑模控制器优于状态反馈控制器.     

可跳跃式两轮机器人的设计与动力学分析

为提高跳跃机器人运动的灵活性和实用性,通过将跳跃运动与轮式运动相结合,设计了一种新型的可跳跃式两轮机器人.跳跃运动由三杆弹簧跳跃机构实现,在大大减小机构尺寸的同时提高了能量利用率.详细介绍了机器人各机构的组成及工作原理,在此基础上,对机器人跳跃过程进行了动力学建模,分析了影响机器人跳跃能力的因素.为验证机械设计的有效性,利用ADAMS进行了机器人轮式移动与跳跃越障过程的仿真.搭建机器人控制系统并制作可跳跃式两轮机器人原理样机,最终跳跃实验结果证明了机器人设计的合理性以及理论分析的正确性.该跳跃机器人的能量利用效率接近70%,跳跃高度超过自身尺寸.     

神经元PID控制器在两轮机器人控制中的应用

针对两轮机器人传统PID控制器参数整定困难的问题,设计了一种神经元PID控制器.该控制器利用神经元的自学习和自适应能力,在线实时调整控制器各项参数.建立了两轮机器人的非线性模型,讨论了神经元PID控制系统的结构及其控制算法和各项控制器参数的学习算法.将设计的控制器其应用于两轮机器人的平衡控制中,并且与传统PID控制器进...     

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.     

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.     

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.