毕业答辩-基于PID控制算法的自平衡机器人.ppt

答辩者：学号：指导老师：,基于PID控制算法的自平衡机器人,两轮自平衡车介绍,二轮自平衡车的模型是一个高阶次、不稳定、多变量、非线性、强耦合的系统，它实际上是一个可以行走的一级倒立摆，它以双轮差速方式布置，每个轮子由直流电机通过减速器直接驱动，以电机轴心线为中心前后转动。,自平衡车模型,设计内容,控制任务分解,直立原理,直立原理：平衡的原理，就是通过控制小车运动，以抵消车身角度的偏差。因此，要控制小车平衡，就首先要能够测量车身倾角。,平衡控制流程图,倾角测量原理,利用MEMS惯性传感器测量倾角，主要依据以下两点原则：（1）加速度计传感器三轴加速度传感器在静止时候，仅受重力加速度作用，根据三个轴测量的重力加速度分量大小，可以计算出加速度传感器的倾角。（2）陀螺仪陀螺仪测量的是角速度的大小，而角速度积分则可得到变化的角度，在给定初始角度的情况下，通过陀螺仪的积分量，也可以得到倾角值。,加速度计测量倾角原理,根据加速度计在静止和匀速运动时，仅受重力加速度作用的特点，可以根据重力加速度在加速度计三个轴上的分量，计算出倾角。,如右图所示，倾角可以根据以下三种方法计算：（1）（2）（3）,由于小车在运动过程中，加速度计会受到多维度加速度的影响，产生的噪声极大，因此取加速度计瞬时值测量倾角，误差极大。,陀螺仪测量倾角的原理,角速度积分可以得到变化的角度。但是传感器都有误差，陀螺仪也不例外，而且陀螺仪还存在温漂，因此长时间的积分过程，很难保证得到正确的角度。,多传感器融合,1.使用加速度测量倾角，由于受运动影响很大，取瞬时值计算，误差很大。但是能长期反映角度的变化与趋势。2.使用陀螺仪测量倾角，由于陀螺仪本身的误差，以及稳定漂移等特性，不能够长时间保证精确度，但是在短期内很准确。因此需要一种方法，能够结合加速度计的精确特性与陀螺仪的动态特性，得到可靠的倾角测量值。,互补滤波法,互补滤波算法，在短时间内采用陀螺仪得到的角度值为最优解，通过加速度传感器的计算结果对角度值进行校正。加速度计要滤掉高频信号，陀螺仪要滤掉低频信号，互补滤波器就是根据传感器的特性不同，通过不同的滤波器（高通、低通），进而得到整个频带的信号。互补滤波器参数少，程序简单，在低成本的INS导航系统中应用广泛。一阶互补滤波进行角度融合公式：,互补滤波法效果,如上图所示：红色代表加速度计数据（噪声严重）黄色代表陀螺仪数据蓝色代表融合后角度,K=0.02,互补滤波法效果,如上图所示：红色代表加速度计数据（噪声严重）黄色代表陀螺仪数据蓝色代表融合后角度,K=0.05,卡尔曼滤波,卡尔曼滤波算法是一个最优化自回归数据处理算法，对于很多工程问题，它的效率很高，可靠性很高。卡尔曼滤波法广泛应用已经超过了30年，包括控制、制导、导航、通讯等现代工程等。,卡尔曼滤波效果,如上图所示：红色代表加速度计数据（噪声严重）黄色代表陀螺仪数据紫色代表融合后角度,方案选择,互补滤波：算法简单，时间复杂度低。卡尔曼滤波：算法复杂，时间复杂度高，但是能够有效克服温漂带来的影响。本系统使用的处理器主频高达150Mhz，且内部集成浮点运算单元，经测试，卡尔曼滤波法仅消耗3us，可以忽略不计，因此本系统使用卡尔曼滤波算法。,速度控制算法,自平衡车的速度控制与普通车的速度控制方法不同，平衡车的速度控制是通过改变车模倾角实现的，改变车模倾角有两种方法：（1）改变直立控制的目标倾角：在直立控制的作用下产生运动。（2）给电机施加干扰。由于第二种方法对直立的影响较小，因此采用这种方法，缺点是速度控制灵敏度较低。,方向控制算法,两轮平衡车无法安装舵机，方向控制是通过差速的形式实现的。在自主运动的系统中，路径识别系统（如摄像头）作为方向控制的信息输入。本系统无自主识别路径功能，使用遥控器对小车进行控制。,PID算法结构,PID控制器是一种线性控制器，它将给定值r(t)与实际输出值c(t)的偏差的（P），积分（I）,微分（D）通过线性组合构成控制量，对控制对象进行控制。,PID算法调试方波,PID算法调试锯齿波,PID算法调试正弦波,硬件解决方案,（1）微控制器：MK60FX512VLQ15Cortex-M4内核，150Mhz主频，外设丰富。（2）传感器：三轴模拟加速度计MMA7361；三轴数字陀螺仪L3G420