两轮自平衡小车毕业设计修改Word格式.docx
- 文档编号:18069242
- 上传时间:2022-12-13
- 格式:DOCX
- 页数:56
- 大小:1.74MB
两轮自平衡小车毕业设计修改Word格式.docx
《两轮自平衡小车毕业设计修改Word格式.docx》由会员分享,可在线阅读,更多相关《两轮自平衡小车毕业设计修改Word格式.docx(56页珍藏版)》请在冰豆网上搜索。
(1)机器人本体设计:
包括机械,重心调整,电气系统设计等,为进一步研究提供良好的平台;
(2)信号调理及控制部分电路设计:
陀螺仪输出信号需要经过进一步滤波放大,因此需要设计信号调理电路,同时控制核心需要构建相关输入输出模块及人际交互设备,因此需要对主控单元电路进行设计。
同时还需要设计直流电机驱动电路。
(3)基于卡尔曼滤波的数据融合:
由于陀螺仪测量的角速度只在短时间内稳定而加速度传感器的自身白噪声很严重,因此根据其互补特性设计卡尔曼滤波器以得到准确稳定的角度和角速度。
(4)PID控制算法:
包括两路闭环控制。
小车的倾角闭环控制以及直流电机的闭环速度控制。
1.4论文章节安排
第一章:
绪论,介绍两轮自平衡车的发展历史、研究方向及应用前景,然后阐述课题的研究目标及主要内容。
第二章:
系统原理阐述与分析,对小车的运动进行建模,分析陀螺仪与加速度计的特性并对滤波算法进行阐述,介绍PID控制器的设计。
第三章:
系统硬件设计,介绍两轮子平衡车硬件系统的组成与设计,主要介绍单片机最小系统、陀螺仪信号放大电路、电机驱动电路等。
第四章:
系统软件设计,介绍单片机初始化,滤波算法及控制算法,阐述各模块软件设计方法。
第五章:
系统调试,介绍滤波算法的效果与参数调整方法,PID参数整定、电机、编码器等模块的调试效果,对调试结果进行分析。
第六章:
总结与展望,总结本设计各模块,并对两轮自平衡小车的优化方向进行了简要阐述。
2.系统原理分析
2.1控制系统要求分析
小车能够在没有环境干预下靠一对轮子保持站立,并且完成前进,后退和左右转向等动作。
分析系统要求可知,保持小车直立和运动的动力都来自于小车的两只车轮,车轮由两只直流电机驱动。
因此,从控制角度来看,可以将小车作为一个控制对象,控制输入量是两个车轮的转动速度。
整个控制系统可以分为三个部分:
(1)小车平衡控制:
以小车倾角为输入量,通过控制两个电机的正反转保持小车衡。
(2)小车速度控制:
在保持平衡的基础上,通过调节小车倾角实现对速度的控制,实际上还是演变为对电机的控制实现小车的速度控制。
(3)小车方向控制:
通过控制两个电机间的转速不同实现转向。
小车直立和方向控制任务都是直接通过控制车模两个后轮驱动电机完成的,而速度控制则是通过调节小车倾角完成的。
小车不同的倾角会引起车模的加减速,从而达到对小车速度的控制。
三个子系统各自独立进行控制。
由于最终都是对同一个控制对象(小车的电机)进行控制,所以各个子系统之间存在着耦合。
为了方便分析,在分析其中之一时,假设其它控制对象都已经达到稳定。
比如在速度控制时,需要小车已经能够保持直立控制;
在方向控制时,需要小车能够保持平衡和速度恒定;
同样,在小车平衡控制时,也需要速度和方向控制已经达到平稳。
这三个任务中保持小车平衡是关键。
由于小车同时受到三种控制的影响,从小车平衡控制的角度来看,其它两个控制就成为干扰。
因此对小车速度、方向的控制应该尽量保持平滑,以减少对平衡控制的干扰。
以速度调节为例,需要通过改变车模平衡控制中小车倾角设定值,从而改变车模实际倾斜角度,达到速度控制的要求。
为了避免影响车模平衡控制,这个车模倾角的改变需要非常缓慢的进行。
其中平衡控制是系统的最基本要求,也是整个控制系统的难点。
2.2平衡控制原理分析
控制小车平衡的直观经验来自人类日常生活经验。
如人类身体拥有丰富的感知器官,通过大脑调节便可以控制腰部及腿部肌肉保持人体的直立。
而一般人通过简单训练就可以让一根直木棍在手指尖保持直立不倒。
这需要两个条件:
一个是托着木棍的手指可以自由移动;
另一个是人的眼睛可以观察木棍的倾斜角度与倾斜趋势(角速度)。
这两个条件缺一不可,实际上这就是控制系统中的负反馈机制,如图2-1所示。
图2-1保持木棍直立的反馈控制系统
自平衡车的控制也是通过负反馈来实现的,与在指尖保持木棍直立比较则相对简单。
由于小车只依靠两个车轮着地,车轮与地面会发生相对滚动使得小车倾斜。
而小车上装载的姿态检测系统能够对小车的倾斜状况进行实时检测,通过控制器控制车轮转动,抵消在这个维度上的倾斜力矩便可以保持小车平衡,如图2-2所示。
图2-2通过车轮转动保持小车平衡
2.3自平衡小车数学模型
2.3.1两轮自平衡小车受力分析
为了准确控制车轮转动,保持小车始终稳定的直立平衡,需要对自平衡车进行运动学分析并建立其数学模型,从而更好的设计控制系统。
为了更加直观的分析系统受力情况,下面将直立小车与单摆模型进行对比说明小车的受力情况。
重力场中使用细线悬挂的重物经抽象化便形成理想化的单摆模型,两轮自平衡车可以看作一级倒立摆模型进行分析,如图2-3所示。
图2-3小车抽象为一级倒立摆模型
对普通单摆进行受力分析如图2-4所示。
图2-4单摆受力分析
当物体离开平衡位置后便会受到重力与线的合作用力,驱使物体回复至平衡位置。
这个力称为回复力,其大小为:
(式2-1)
在偏移角很小情况下,回复力与偏移角之间的大小成正比,方向相反。
在此回复力的作用下,单摆进行周期运动。
由于空气阻力的存在,单摆最终会停止在平衡位置。
空气阻尼力与单摆的速度成正比,方向相反。
阻尼力越大,单摆会越快停止在平衡位置。
可得出,单摆保持平衡的条件有两点:
(1)受到与偏移相反的回复力作用;
(2)受到与运动速度相反的阻尼力作用。
如果没有阻尼力,单摆会在平衡位置左右晃动而无法停止。
如果阻尼力过小(欠阻尼),单摆会在平衡位置震荡。
阻尼力过大(过阻尼)则导致单摆恢复平衡时间加长。
因而存在一个临界阻尼系数,使单摆稳定在平衡位置所需时间最短。
对静止的一级倒立摆模型进行受力分析(不考虑车轮与地面的滚动摩擦力),如图2-5所示。
图2-5一级倒立摆模型受力分析图
由一级倒立摆模型静止时的受力分析可知,其回复力大小为:
(式2-2)
静止的倒立摆之所以不能像单摆一样可以稳定在平衡位置,是因为在偏离平衡位置时所受回复力与其偏移方向相同,而不是相反,因此不能回复至平衡位置,而是加速偏离垂直位置直至倾倒。
经分析可知,要控制倒立摆使其能够与单摆一样能够回复至平衡位置并保持稳定有两种方案。
一种是改变重力方向;
另一种是在系统中增加另外一种力使合回复力与偏移方向相反。
显然,只能通过第二种方法实现倒立摆的平衡,即在系统中额外增加一种力使合回复力与偏移方向相反。
根据牛顿第一运动定律(即惯性定律),任何一个物体在不受外力或受平衡力的作用时,总是保持静止状态或匀速直线运动状态,直到有作用在其上面的外力迫使其改变这种状态为止。
牛顿运动定律只在惯性参考系中成立。
在非惯性参考系中,由于惯性的存在,物体会受惯性力。
通过控制倒立摆底部车轮,使其做加速运动。
在此条件下再次分析倒立摆受力情况,如图2-6所示。
图2-6非惯性系中的倒立摆受力分析
由于车轮做加速运动,倒立摆会受额外的惯性力作用。
假设车轮运动使倒立摆具有的加速度为α。
选取地面为参考的惯性系,根据牛顿第二定律可知倒立摆受到的惯性力为:
(式2-3)
这样,倒立摆所受到的合回复力为:
(式2-4)
在平衡控制系统中,可控偏移角θ较小,对其进行线性化。
假设控制系统中车轮加速度α与偏移角θ成正比关系,比例系数为
,则式2-4可变换为:
(式2-5)
若比例系数
>
g(重力加速度),则倒立摆所受合回复力的方向即与偏移方向相反。
这样,倒立摆便可以回复平衡位置,但是其调整时间过长。
为提高倒立摆调整时间,需要加入阻尼力。
增加的阻尼力与偏移角速度成正比,方向相反,因此式(2-5)可变为:
(式2-6)
这样车轮需要提供的加速度即为:
(式2-7)
式中
为倾角,
为倾角速度,
、
为比例系数。
由式2-7可知,只有当
g时,倒立摆才能稳定到垂直位置。
为阻尼系数,合适的阻尼系数可以使倒立摆尽快回复至稳定位置。
2.3.2自平衡小车运动微分方程
已知自平衡车高度为
,质量为
,将其抽象为一级倒立摆,并将倒立摆至于可水平移动的小车上。
假设其受外力干扰引起的车体角加速度为
,沿垂直于车体方向进行受力分析如图2-7,可以得到自平衡车倾角与车轮移动加速度为
以及外力干扰带来的加速度
之间的运动方程。
图2-7外力干扰条件下的小车受力分析
小车运动微分方程表达式如式2-8:
(式2-8)
当倾角
很小的时候,可以进行线性化处理:
,运动微分方程可简化为:
(式2-9)
自平衡车静止时
其运动微分方程为:
(式2-10)
2.4PID控制器设计
2.4.1PID控制器原理
当今的自动控制技术都是基于反馈的概念。
反馈理论的要素包括三个部分:
测量、比较和执行。
测量系统需要控制的变量,与期望值相比较,用这个误差纠正调节控制系统的响应。
在工程实际中,应用最为广泛的调节器控制规律为比例、积分、微分控制,简称PID控制,又称PID调节。
PID控制器问世至今已有近70年历史,以其结构简单、稳定性好、工作可靠、调整方便而成为工业控制的主要技术之一。
PID控制器由比例单元(P)、积分单元(I)和微分单元(D)组成。
其输入e(t)与输出u(t)的关系为:
(式2-11)
其中
为比例系数;
为积分时间常数;
为微分时间常数。
PID控制器具有原理简单、使用方便、适应性强、鲁棒性强、对模型依赖少等特点,因此使用PID控制器实现两轮自平衡车的控制是完全可行的。
2.4.2PID控制器设计
由小车静止时其运动方程可得到系统输入输出传递函数:
(式2-12)
此时系统具有两个极点:
。
其中一个极点位于s平面的右半平面。
根据奈奎斯特稳定判据可知系统不稳定,因此小车在静止状态不能保持平衡[5][6]。
由小车受力分析可知小车平衡的条件是提供额外的回复力及阻尼,其来源为车轮与地面的摩擦力。
由式2-7可知,车轮提供的加速度的大小是根据角度
及角速度
的反馈得出,因此需要在控制系统中引入角度
构成比例(P)微分(D)反馈环节,如图2-8所示。
图2-8加入比例微分环节后的控制系统结构图
加入比例微分反馈后的系统传递函数为:
(式2-13)
此时,系统的两个极点为
根据奈奎斯特稳定判据可知,系统稳定需要两个极点都位于s平面的左半平面。
要满足这一点,需要
g,
0。
由此可得出结论,但
0时,小车可以保持平衡,这也与上文中小车受力分析的结果相符。
在反馈环节中,与角度
成比例的控制量称为比例控制;
与角速度成比例的控制量称为微分控制(角速度是角度的微分)。
因此上面系数
,
分别称为比例和微分控制参数。
其中微分参数相当于阻尼力,可以有效抑制自平衡车振荡。
控制系统的输出量为电机控制量,因而小车平衡控制的PID控制器的输出方程可写为:
OUT_Motor=Kp*Angle+Kd*Angle_dot(式2-14)
式2-14中,OUT_Motor为PID控制输出量,Angle为反馈倾角值,Angle_dot为反馈角速度值,Kp和Kd分别为比例系数及微分系数。
2.5姿态检测系统
两轮自平衡车不同于普通传统结构的小车,是一种本质不稳定非线性系统。
需要不断调整自身角度,以实现动态平衡。
因此需要实时检测自身倾角,再进行合理调整,就可以实现动态平衡,因而姿态检测成为控制小车直立平衡的关键。
惯性导航是依据牛顿惯性原理,利用惯性元件来测量运载体本身的加速度,经过积分和运算得到速度和位置,从而达到角度、角速度、位置等姿态检测的目的。
其工作时不依赖外界信息,也不向外界辐射能量,不易受到干扰,是一种自主式导航系统[7][8]。
MEMS惯性器件具有体积小,耐冲击,寿命长,可靠性高,成本低等特点,非常适于构建微型捷联惯性导航系统。
本系统采用MEMS加速度计和陀螺仪构成自平衡车的姿态检测系统。
2.5.1陀螺仪
陀螺仪是一种用高速回转体的动量矩敏感壳体相对惯性空间绕正交于自转轴的一个或二个轴的角运动检测装置,可以用于检测角速度。
本系统使用的陀螺仪是日本村田公司基于压电陶瓷技术的单轴陀螺仪ENC-03,其实物如图2-9所示。
其利用了旋转坐标系中的物体会受到科里奥利力的原理,在器件中利用压电陶瓷做成振动单元。
当旋转器件时会改变振动频率,从而反映出物体旋转的角速度。
ENC-03体积小,响应快,功耗低,成本低。
采用模拟量输出,检测范围可达±
300deg/sec(度每秒),灵敏度为0.67mv/deg/sec。
图2-9陀螺仪ENC-03
陀螺仪直接输出角速度,将角速度进行积分便可以得到角度。
陀螺仪输出数据噪声较少,短时误差较小。
由于陀螺仪及其放大电路存在温漂,且需要经过积分运算,最终会导致误差累积,致使检测结果出错。
因此不能直接利用陀螺仪的积分结果作为可以直接使用的角度[7][8]。
2.5.2加速度计
加速度计是一种利用检测质量块的惯性力来测量载体加速度的敏感装置,分为线加速度计和角加速度计。
本系统采用飞思卡尔公司利用MEMS微电子技术开发生产的三轴加速度计MMA7260。
MMA7260是一种低g值、小量程线性加速度传感器,在不运动或不受重力作用(0g)条件下输出为1.65V,最大测量范围0-6g,灵敏度最高可到800mV/g,MMA7260实物如图2-10所示。
图2-10加速度计MMA7260
加速度计可以直接通过反三角函数计算出小车倾斜角度,但是其对震动非常敏感,输出值中含有大量噪声,而且其输出的值是小车运动加速度与重力加速度的混合数据。
因此不能直接使用。
通过示波器连接陀螺仪与加速度计可以观察其输出波形,如图2-11。
图2-11陀螺仪与加速度计输出波形(1为陀螺仪输出,2为加速度计输出)
2.5.3基于卡尔曼滤波的数据融合
虽然单一惯性传感器就可以单独进行姿态角度检测,但是其准确性主要取决于惯性器件的精度,单从改善硬件结构和生产工艺方面难以有很大幅度的提高,并且系统误差会随时间累积,不适用于长时间姿态检测。
由于利用单一传感器(陀螺仪或加速度计)难以获得相对真实的小车姿态角度,出于对系统测量姿态角度准确性的考虑,本系统采用多传感器信号进行数据融合,以获得最佳姿态角度[9][10]。
多传感器数据融合是一个非常重要的研究内容,只有采用最适合的融合方法才能获得最佳的效果。
常用数据融合方法有加权平均法,神经网络法等。
加权平均法是一种简单的融合方法,故其运算精度很差;
神经网络法具有很好的非线性和有效的自学能力,但是其涉及的模型构建,参数优化非常复杂,不适用于本系统。
国外有研究者根据加速度计与陀螺仪的互补特点研究出互补滤波算法,其简单明了并且具有较好的实时性与稳定性,能够较好的融合出姿态角度。
考虑到本系统使用的惯性器件特性较差,互补滤波在本质原理上不能弥补器件特性缺陷,故本系统采用卡尔曼滤波算法作为数据融合方法。
1960年卡尔曼发表了著名的用递归方法解决离散数据线性滤波问题的论文。
随着数字计算技术的进步,卡尔曼滤波器得到了越来越广泛的应用和推广,尤其是在自主或协助导航领域。
卡尔曼滤波器与大多数滤波器不同之处,在于其是一种纯粹的时域滤波器,不需要像低通滤波器等频域滤波器那样,需要在频域设计再转换到时域实现。
对于解决大部分的问题,是最优,效率最高甚至是最有用的。
卡尔曼滤波器的广泛应用已经超过30年,包括机器人导航,控制,传感器数据融合甚至在军事方面的雷达系统以及导弹追踪等等。
近年来更被应用于计算机图像处理,例如头脸识别,图像分割,图像边缘检测等等[11][12]。
卡尔曼滤波器是一种高效率的递归滤波器(自回归滤波器),能够从一系列的不完全及包含噪声的测量中,估计动态系统的状态。
卡尔曼滤波器不仅能估计信号的过去和当前状态,甚至能估计将来的状态。
卡尔曼滤波器解决离散时间控制过程的一般方法,首先定义模型线性随机微分方程。
假设卡尔曼滤波模型k时刻真实状态是从(k-1)时刻推算出来,如下式
(式2-15)
式2-15中,
是k时刻状态;
A是k-1时刻状态变换模型;
B是作用在控制器向量
上的输入控制模型;
是过程噪声,假设其均值为零,协方差矩阵
符合多元正态分布:
~
(式2-16)
k时刻对应真实状态
的测量
满足下式:
(式2-17)
式2-17中
是观测模型,将真实控制映射为观测空间;
为观测噪声,其均值为零,协方差矩阵
符合正态分布:
(式2-18)
初始状态以及每一时刻的噪声都认为是互相独立的。
卡尔曼滤波器的操作主要包括两个阶段:
预估与更新。
在预估阶段,滤波器根据上一时刻状态,估算出当前时刻状态;
在更新阶段,滤波器利用当前时刻观测值优化在预估阶段获得的测量值,以获得一个更准确的新估计值[11][12][13]。
卡尔曼滤波器迭代过程如下:
1.先验状态估计:
(式2-19)
2.先验估计误差协方差
(式2-20)
3.卡尔曼增益
(式2-21)
4.后验状态估计
(式2-22)
5.后验误差协方差
(式2-23)
在上面各式中:
A:
作用在
上的n阶矩阵;
B:
作用在控制向量
上的n×
1输入控制矩阵;
H:
m×
n观测模型矩阵,将真实状态空间映射为观测空间;
:
n×
n先验估计误差协方差矩阵;
n后验估计误差协方差矩阵;
Q:
n过程噪声协方差矩阵;
R:
m过程噪声协方差矩阵;
I:
n阶单位矩阵;
m矩阵,称之为卡尔曼增益。
2.6本章小结
本章阐述了小车平衡控制原理与所需条件。
对小车进行受力分析,构建了小车的运动模型并提出了小车的运动微分方程。
解算出小车运动控制的传递函数并利用自动控制理论进行了分析,设计了两轮自平衡车的PID控制器。
介绍了本系统使用的姿态检测传感器,分析了其性能特点。
简述了卡尔曼滤波器原理及其设计流程。
3.系统硬件电路设计
本系统硬件电路的设计目标为:
可靠、高效、简洁。
可靠性是系统设计的第一要求,因此对电路设计的所有环节都进行了电磁兼容性设计,做好各部分的接地、屏蔽、滤波等工作,将高速数字电路与模拟电路分开,从而大大提高本系统工作的可靠性。
系统主要由以下几个模块组成:
MC9S12XS128单片机最小系统硬件设计、电源模块硬件设计、倾角传感器信号调理电路设计、电机驱动电路设计、速度检测电路。
系统硬件设计图如下:
图3-1硬件设计总体框图
3.1MC9SXS128单片机介绍
本系统采用飞思卡尔公司(原摩托罗拉公司半导体事业部)的MC9S12XS128单片机为控制核心。
该单片机是飞思卡尔公司的16位HCS12系列单片机,简称S12系列。
MC9S12XS128是HCS12系列的增强型产品。
基于S12的CPU内核,可达到25MHz的HCS12的2~
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 平衡 小车 毕业设计 修改