基于STM32的两轮平衡车设计

近年来,两轮自平衡车的研究与应用获得了迅猛发展.本文提出了一种两轮自平衡小车的设计方案,采用陀螺仪ENC-03 以及MEMS 加速度传感器MMA7260 构成小车姿态检测装置,使用卡尔曼滤波完成陀螺仪数据与加速度计数据的数据融合.系统选用飞思卡尔16 位单片机MC9S12XS128 为控制核心,完成了传感器信号的处理,滤波算法的实现及车身控制,人机交互等.     

两轮自平衡车运动姿态的测量和控制

两轮自平衡车姿态测量与控制是两轮自平衡车设计的关键环节.针对两轮自平衡车倾角的测量问题,采用了卡尔曼多传感融合算法.该算法融合了加速度传感器和陀螺仪传感器数据,实现了两轮自平衡车倾角实时在线估算.根据测量得到的倾角和角速度,采用了比例微分(PD)控制算法,实现了两轮自平衡车姿态的稳定控制.     

单轴两轮自平衡小车姿态控制系统设计

两轮自平衡车是动态平衡机器人的一种,需要靠运动保持平衡不倒,要施加强有力的控制手段使其稳定.介绍一种单轴两轮自平衡小车姿态控制系统设计过程,采用Freescale Kinetis 60作为核心控制单元,三轴加速度传感器MMA7260和陀螺仪ENC-03M测量车模的倾角和倾角速度,测速编码器获取电机运动状态,通过PD调节控制两个电机正反向运动,保持车模直立平衡状态.为了增加小车的机械稳定性,采取了降低重心和减轻小车质量的方法,比如把小车电池和主控板等尽量压下,将整个车模的重心降到轮轴附近.     

卡尔曼滤波在二轮自平衡车直立控制中的应用

目前车模倾角一般采用陀螺仪或加速度计进行测量。然而单纯利用其中一种传感器采集到的信号存在极大误差,无法满足二轮自平衡车直立控制的需要。为此,采用陀螺仪和加速度计测量倾角,并应用卡尔曼滤波算法对上述两种信号进行融合,得出理想的输出倾角。同时,将得到的卡尔曼滤波程序移植到车模直立控制程序中,进行车模直立控制试验。试验结果表明,运用该方法可以得到很好的滤波效果。     

两轮自平衡机器人角度检测数据融合算法

分析了采用单一传感器检测动态角度时存在的信号失真问题;采用了双传感器数据融合方法对加速度传感器检测到的角度进行数据处理,消除了信号中的干扰成分;在Matlab环境中对所采用的算法进行了仿真,并分析了仿真结果;在对两轮自平衡机器人控制过程中,将数据融合算法移植到了单片机中;利用加速度传感器及陀螺仪,完成了对角度的检测,被控系统的正常工作和检测数据验证了所采用算法的合理性及有效性。     

基于摄像头的直立自平衡智能车设计

设计直立行走式循迹智能车的机械及控制系统;系统选用微控制器MK60为控制核心,利用陀螺仪和加速度传感器,采用互补滤波的方法计算车体的角度和角速度,通过比例微分算法控制智能车车轮的加速度来抵消车模运动倾向,实现智能车直立;单片机通过模拟摄像头进行赛道图像捕捉,采用边沿检测算法识别赛道中心线,计算与设定值的偏差,进而控制左右两个电机产生速度差,完成智能车的转向;经测试,智能车能够在保持直立同时,完成赛道识别,且运行平稳快速。     

两轮自平衡机器人惯性传感器滤波问题的研究

针对惯性传感器在两轮机器人姿态检测中存在随机漂移误差的问题,基于卡尔曼滤波实现对倾角仪与陀螺仪的信息融合,设计了简单而实用的滤波算法,对传感器的误差进行补偿后得到机器人姿态信号的最优估计,从而将其应用于两轮自平衡机器人系统。实验结果表明,采用卡尔曼信息融合的方法,来得到机器人姿态信息最优估计是有效可行的,并且有利于机器人完成自平衡的控制。     

卡尔曼滤波在两轮自平衡代步车姿态检测中的应用

介绍了一种MENS加速度计、陀螺仪与嵌入式微控制器相结合的两轮自平衡代步车姿态检测系统。针对加速度计和陀螺仪测量分别存在噪声干扰和随机漂移误差,采用卡尔曼滤波实现传感器数据融合,补偿传感器测量误差,得到车体姿态的最优估计。将该算法移植到姿态检测系统的微控制器中,测试结果表明卡尔曼信息融合可以有效提高系统检测精度。     

基于数据融合的两轮自平衡小车控制系统设计

为解决两轮自平衡系统中传感器存在较大震动干扰与漂移误差的问题,并提高系统姿态倾角测量的精确性和实时性,提出了基于陀螺仪与加速度计数据融合的两轮系统自平衡控制方法。建立两轮自平衡系统的动力学模型,采用卡尔曼滤波算法融合陀螺仪与加速度计信号,得到系统姿态倾角与角速度最优估计值,通过双闭环数字PID算法实现两轮系统的自平衡控制。通过两轮小车自平衡控制系统的软硬件设计,成功验证了该方法的可行性与有效性。利用该方法大大提高了两轮自平衡系统的抗干扰性。     

基于体感技术的人机交互游戏研究

针对传统陀螺仪定位的精度和稳定性问题,结合加速度传感器和陀螺仪各自的优势,提出一种组合的定位采集方法。在该采集方法中,利用MPU集成模块实现加速度传感器与陀螺仪数据采集的接入;然后通过卡尔曼滤波算法实现数据的融合;平均值滤波实现信号的预处理,最后再通过零速率的基准值动态自校正方法实现对采集到的坐标校正。MATLAB仿真结果表明,构建的体感设备定位采集方法可行,且精度高。     

K64和MQXLite的直立智能循迹小车设计

本文介绍了一种直立智能循迹小车的设计方法.利用恩智浦半导体公司生产的32位微控制器MK64FX512VLL12(K64)为核心控制单元,使用陀螺仪和加速度传感器获取车体角速度和加速度,进行直立控制;使用编码器获取小车行驶速度,进行速度控制;使用摄像头采集路径信息,进行方向控制.为了使系统获得更好的实时性和稳定性,使用实时操作系统 MQXLite.最终实现小车直立行驶,自动循迹功能.     

基于陀螺仪与加速度计的二轮自平衡控制系统设计

为了实现二轮自平衡系统的稳定控制,提高系统姿态倾角的可靠性,提出了基于陀螺仪与加速度计的二轮自平衡系统控制方法.建立二轮自平衡系统的简易动力学模型,以Lyapunov方法对稳定性进行分析,得到系统稳定控制的条件,采用陀螺仪和加速度计采集姿态倾角数据,经融合滤波后得出高精度姿态倾角,最后控制二轮自平衡系统电机实现稳定运行.通过二轮自平衡控制系统的硬软件设计,成功验证了该方法的可行性.     

基于多传感信息融合的轨道线形检测

多传感信息融合是实现轨道线形高精度检测的重要方法,而加速度计和陀螺仪是多传感信息融合中的关键传感器。为了解决加速度计和陀螺仪存在累积误差导致测量精度较低的问题,提出一种基于多传感信息融合的轨道线形检测方法。基于捷联惯性系统和双目视觉的测量原理,建立了双目视觉与惯性测量结合的多传感数据融合模型,并利用扩展卡尔曼滤波实现了双目视觉、加速度计和陀螺仪测量信息的融合,提高轨道线形检测精度。通过实验进行验证,结果表明：基于多传感信息融合方法的测量精度比惯性测量方法提高了近9倍,且测量所得坐标在三个方向上的最大位移绝对误差不超过0.536mm,可有效实现高精度轨道线形检测。     

基于互补滤波的两轮自平衡车姿态控制

利用飞思卡尔XS128控制器、MMA7260三轴加速度计、ENC-03系列陀螺仪设计制作了两轮自平衡车.通过软件编程对两种传感器的检测值进行互补滤波融合,得到了可稳定、准确地反映自平衡车真实情况的角度值.并结合增量式PID算法,很好地实现了两轮自平衡车的动态平衡,验证了互补滤波算法应用于两轮自平衡车姿态控制的有效性.     

Intelligent Adaptive Motion Control Using Fuzzy Basis Function Networks for Electric Unicycle

This paper presents two intelligent adaptive controllers, called self‐balancing and speed controllers, for self‐balancing and motion control, respectively, of an electric unicycle using fuzzy basis function networks (FBFN), which are employed to approximate model uncertainties and unknown friction between the wheel and the terrain surface. Both controllers are established based on the linearized model of the vehicle whose model uncertainties and parameter variations are caused by different riders and terrain. An adaptive backstepping controller together with online learning FBFN and sensing information of the rider's body inclination then is presented to achieve self‐balancing motion control. By adding an electronic throttle as the input device of speed commands, a decoupling sliding‐mode controller with online learning FBFN is proposed to accomplish self‐balancing and speed control. The performance and merit of the two proposed control methods are exemplified by conducting four simulations and three experiments on a laboratory‐built electric unicycle.     

基于多传感器的智能车辆姿态解算方法

针对智能车辆主动环境感知的需求,提出了一种采用三轴加速度计、三轴磁强计和三轴陀螺仪组合进行车辆姿态解算的方法.首先以旋转矢量法为陀螺仪的车辆姿态解算方法,作为扩展卡尔曼滤波的状态方程,用于车辆姿态的预测;其次以高斯牛顿法为加速度计和磁强计的车辆姿态解算方法,作为扩展卡尔曼滤波的观测方程,用于车辆姿态校正;然后在此基础上构建扩展卡尔曼滤波传播方程,采用扩展卡尔曼滤波进行多传感器信息融合,得到车辆的姿态解算结果;最后通过构建实车测试环境对解算方法有效性进行验证.实验结果表明,通过基于多传感器的车辆姿态解算方法解算得到的车辆姿态角稳定、准确,能够满足智能车辆行为参数估计的实际需求.     

基于遗传算法的舵机数学模型辨识研究

针对"飞思卡尔"杯全国大学生智能车竞赛,在智能车整体控制中,对于舵机的精准控制显得十分重要;分析了舵机系统各个部分组成原理,采用实验建模方法,利用实验测得的舵机系统的阶跃响应曲线来辨识出舵机模型参数(增益k、惯性时间常数T、滞后时间L);并根据遗传算法原理,借助MATLAB软件方便的绘图功能和强大的图像处理能力,用MATLAB语言编写了M文件进行辨识仿真;仿真结果表明,辨识参数误差小,对于舵机模型是一种有效的辨识方法;实践证明了该方案的可行性,这为实现舵机实时准确控制提供了重要的理论支持。