两轮自平衡机器人的控制方法研究

由于两轮自平衡机器人在工业和社会的应用日益广泛,结合传统的机器人控制理念,提出了两种思路新颖、效果更优的控制方法.在数学建模基础上对自平衡机器人的运动进行分析,把非线性模型线性化.并针对两轮自平衡机器人平衡点线性化模型,采用现代控制理论经典的极点配置方法设计状态反馈控制器,对初始倾角及初始位移控制进行了仿真分析,同时也运用了LQR方法,对现代控制理论中的状态空间方程给出的线性系统进行研究,对倾角控制和位移控制进行仿真.     

两轮自平衡机器人的LQR改进控制

针对传统LQR最优控制器选取权阵的不确定性以及由此引发的响应速度慢的问题,对两轮自平衡机器人系统进行改进控制,使用传统LQR算法进行系统控制,并对存在的问题提出解决方法,选择一加权矩阵使系统稳定性得到进一步的提高,对比改进前后的LQR控制器,使用MATLAB进行仿真对比,可以得出优化后的LQR具有良好的控制效果,达到了预期效果,并具有良好的稳定性.     

两轮自平衡机器人动力学建模与运动控制

为兼顾低成本、小体积,可实现负重行走的运动控制,设计了一种基于姿态传感器的两轮桌面式小型机器人SmallRot-I.介绍了机器人的系统构成,包括机械结构部分和电气结构部分.使用Lagrange方程对此机器人进行了动力学建模,并采用双闭环PID算法对此机器人分别进行了系统仿真和实物的控制.机器人负重保持自平衡行走和转向运动时的仿真结果和实物控制结果证明了机器人物理系统和控制方法的合理性与有效性.     

两轮自平衡机器人系统建模与模糊自整定PID控制

两轮自平衡机器人系统建模与模糊自整定PID控制针对不稳定、非线性、强耦合的两轮自平衡机器人系统,运用牛顿力学方法建立了转向运动的数学模型.介绍了用模糊控制进行PID参数整定的原理和方法,并用该方法实现对两轮自平衡机器人系统的控制.仿真结果和实际应用均表明,该方法能使系统有更好的快速性和稳定性.     

复杂环境下两轮自平衡机器人稳定控制研究

针对两轮自平衡机器人在控制过程中的抖动现象,采用一种快速跟踪的有限记忆递推最小二乘估计方法,实现系重心偏移角的参数辨识.仿真表明,在参数突然变化时,该方法能快速辨识系统参数.通过增加一个惯导元件,用一个倾角仪A中采集的数据辨识出的偏移角对另一个倾角仪B的零位进行修正,将B采集的数据反馈到控制器中,对机器人实施平衡控制.分析表明,考虑重心偏移的控制策略是一种自适应的控制方法,能有效去除抖动现象,提高两轮自平衡机器人平衡控制的鲁棒性.     

基于改进遗传算法的两轮自平衡机器人能量优化策略

为有效使用有限的电池容量,延长机器人运行时间,针对机器人能量消耗问题,建立了两轮自平衡机器人的动力学模型和能耗模型。由于能量函数具有指数形式,很难获得解析解最小化能耗函数。因此提出基于改进遗传算法的分步渐进优化策略。通过全局寻优的方式对机器人的运动速度和能量消耗进行优化,解决了能耗最小化问题。通过仿真验证了算法的有效性和实时性。     

基于参数寻优的自学习算法在两轮机器人控制上的应用

针对两轮机器人现有控制算法的弊端,基于自学习参数寻优算法设计自适应控制器.该控制器结构简单,无需依赖精确数学模型,经过多次学习训练,即可获得最优控制参数.将该控制器应用于两轮机器人的平衡控制中,并与线性二次型(linear quadratic regulator,LQR)最优控制器进行对比,仿真结果验证了该算法的正确性、有效性,凸显出较强的鲁棒性和仿生学习性;将该控制器应用于两轮机器人物理系统,取得了良好的控制效果.     

球面2自由度机器人的滑模变结构控制

球面2自由度5杆机器人的应用非常广泛,可用于机械数字化仪、微操作装置、灵捷眼和人体关节修复装置等。在球面2自由度5杆机器人运动学和动力学模型研究的基础上,提出了该类机器人系统的滑模变结构控制方法。介绍了球面2自由度机器人的机构和动力学模型。引入决定附加补偿力矩的指数趋近律,建立了球面2自由度机器人的控制算法。提出了外力、质量、转动惯量以及滑模控制参数等对球面2自由度机器人的控制精度和系统稳定性的影响规律,并对球面2自由度机器人进行了控制仿真。仿真表明,控制方法是有效的。在选择合理参数下能避免机器人系统的振荡,且能保持系统的稳定性、鲁棒性和提高系统的运动精度。     

两轮直立式自平衡移动机器人的控制系统设计

研究了两轮直立式自平衡机器人的系统组成,并利用动力学原理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),并进行了仿真和机器实体的实验,系统具有良好的鲁棒性.表明了系统建模和控制器设计的合理性和有效性.这种机器人两轮共轴、独立驱动,车身重心倒置于车轮轴上方,通过运动保持平衡,可直立行走.由于特殊的结构,其适应地形变化能力强,运动灵活,可以胜任一些复杂的工作.为机器人的自主控制、自学习提供了可靠的实验平台.     

两轮自平衡电动车的结构设计与有限元分析

阐述了两轮自平衡车的动平衡原理和条件.对整车进行了结构设计和有限元分析;采用高速电机和下沉式悬架设计方案,有利于降低控制难度和节能;使用玻璃纤维增强型材料PA66制造的减速器惰轮可以满足设计要求,而且减轻了整车重量;所设计的自平衡电动车主要参数为:整车尺寸448 mm×660 mm×1350 mm,重31.6 kg,最大爬坡度10°,最大载重量100 kg,可在-5°～5°倾角范围内保持平衡.     

基于变结构方法的机器手臂自适应控制

针对二自由度机器手臂的轨迹跟踪控制中出现的运动学模型参数可能发生改变以及外部状况变化和负荷变化等不确定因素,提出基于滑模变结构补偿方法的径向基神经网络自调节控制律,其中径向基神经网络抵偿了系统参数不确定性和外部扰动量,滑模变结构方法抵消了径向基神经网络的逼近误差,较好地消除了系统未知不确定性的影响。仿真结果表明,该控制律能保证轨迹跟踪误差的快速收敛性及对参数不确定性和外部扰动的鲁棒性。     

基于PD方法的不确定机器人神经网络变结构控制

针对不确定机器人轨迹跟踪控制,提出基于PD方法自适应神经网络变结构控制律,利用RBF神经网络补偿系统参数不确定性,用滑模变结构控制器消除神经网络的逼近误差.仿真结果表明,该控制律能保证轨迹跟踪误差的快速收敛性及对参数不确定性和外部扰动的鲁棒性.     

基于逆系统方法的非线性系统变结构控制

针对一类可化为简约形式的非线性系统，基于非线性系统的逆系统理论，讨论了实施变结构控制的问题．通过对降阶的模型引入动态补偿器．来实现整个系统的部分线性化．在此基础上，设计了变结构控制的切换函数，并对滑动模态进行了讨论．     

Kalman滤波算法在自平衡机器人中的应用

针对两轮自平衡机器人系统的单一惯性传感器采集数据不够准确,且极易受到外界噪声信号的干扰的问题,提出了基于片上可编程系统的卡尔曼滤波算法来实现多惯性传感器的数据融合系统.介绍了卡尔曼滤波器的基本原理、特点和应用环境.利用FPGA控制器的硬件可重构特性,搭建了Nios软核处理器的SOPC系统硬件平台,在硬件平台上采用C语言实现多姿态传感器的卡尔曼滤波算法,为两轮自平衡机器人的多传感器姿态数据融合提供了有效工具,获得了自平衡机器人姿态数据的最优估计,解决了陀螺仪和加速度计惯性传感器的数据补偿问题.测试结果表明,采用FPGA硬件平台实现卡尔曼滤波算法效率高,姿态数据融合准确、可靠,能够满足自平衡机器人控制系统的姿态最优估计和倾角数据实时反馈要求,系统工作稳定.     

基于神经元网络补偿的变结构控制

提出一种基于神经元网络补偿的变结构控制策略,应用于一液压伺服系统的控制,结果表明,所提出的控制策略可以改善液压伺服系统的自适应鲁棒性,系统的动静态性能良好,具有应用参考价值。