CN102774453B - 智能平衡车系统 - Google Patents

Abstract

本发明公开了一种智能平衡车系统。所述智能平衡车系统至少包括：两轮车本体、分别安装在两轮车本体所包含的方向杆两端的两个手握件；分别用于感测一手握件的压力的两压力传感器；以及设置在所述两轮车本体的控制模块，用于基于所述两压力传感器所感测的压力值来控制所述方向杆的转向。优选地，所述控制模块还包括速度检测单元、根据相关信息、采用基于倒立摆模型及人主动干预运动相结合的响应模型来控制两轮车行驶的第一子控制单元、用于基于两轮车的相关参数，在两轮车车速已达到预定最大值时，使两轮车在预定范围内先加速再减速来调整车速的第二子控制单元。本发明能基于压力、速度等来控制两轮车的平衡行驶，以确保行车平稳及安全。

Description

智能平衡车系统

技术领域

本发明涉及车辆控制领域，特别涉及一种智能平衡车系统。

背景技术

市场上现有的两轮电动车轮子为前后分布，在行驶过程中完全需要依靠驾驶者的控制来保持车辆平衡，由于车辆自身不能维持平衡，行驶过程中一旦驾驶者失去平衡，就极为容易造成危险，严重时甚至会引起交通事故。

因此，迫切需要一种平衡系统来对行驶中的两轮车进行有效控制，以保持其平衡。

发明内容

有鉴于此，本发明提供了一种智能平衡车系统，以确保两轮车在行驶过程中的平衡及安全。

为达上述目的及其他目的，本发明的智能平衡车系统，包括：两轮车本体；两个手握件，分别安装在所述两轮车本体所包含的方向杆两端；两压力传感器，分别用于感测一个手握件的压力；以及设置在所述两轮车本体的控制模块，用于基于所述两压力传感器所感测的压力值来控制所述方向杆的转向。

优选地，所述控制模块包括：速度检测单元，用于基于当前所获得的霍尔状态数据，采用预定测速法来确定所述两轮车的速度。

优选地，所述控制模块包括：第一子控制单元，用于根据相关信息、采用基于倒立摆模型及人主动干预运动相结合的响应模型来控制两轮车的行驶。

优选地，所述控制模块包括：第二子控制单元，用于基于所述两轮车的相关参数，在所述两轮车车速已达到预定最大值时，使所述两轮车在预定范围内先加速再减速来调整车速。

本发明的优点包括：能在两轮车行驶过程中，基于压力、速度等信息来控制两轮车的平衡，以确保行车安全。

附图说明

图1为本发明实施例中智能平衡车系统的一示例性示意图。

图2为本发明实施例中智能平衡车系统的控制模块的优选示意图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举实施例，对本发明进一步详细说明。

如图1所示，本发明提供一种智能平衡车系统。所述智能平衡车系统至少包括：两轮车本体、两个手握件11、两压力传感器12、及控制模块13。

需要说明的是，为简化图示，图1中仅示出两轮车本体所包含的方向杆2及支撑所述方向杆的立杆3，控制模块13在图1中也未示出。

所述两轮车包括任何一种只有前后两个车轮的车辆，优选地，包括但不限于：电动车等。

由于本领域技术人员应该已经理解两轮车本体的结构，故在此不再予以详述。

所述两个手握件11分别安装在所述两轮车本体所包含的方向杆2的左右两端，作为所述两轮车的驾驶者的手握之处。优选地，每一手握件11夹设在两轮车方向杆2的一端，通过施加在方向杆2的压力来控制所述方向杆2的转向。

所述两压力传感器1 2分别用于感测一个手握件11的压力，如图1所示，一个压力传感器12连接左端的手握件11，另一个压力传感器12连接右端的手握件11。

所述控制模块13设置在所述两轮车本体，用于基于所述两压力传感器12所感测的压力值来控制所述方向杆2的转向。例如，所述控制模块13基于两个压力传感器12所感测的压力值的差值来确定方向杆2的最佳转向角度，进而控制驱动该方向杆2转动的驱动装置，以使该方向杆2转动该最佳转向角度。

作为一种优选方式，所述控制模块13包括速度检测单元131，如图2所示。

所述速度检测单元131基于当前所获得的霍尔状态数据，采用预定测速法来确定所述两轮车的速度。

其中，所述霍尔状态数据由设置在所述两轮车的电机的霍尔传感器所提供。通常，电机运转一周共有12个霍尔状态。

具体地，所述速度检测单元131基于当前所获得的霍尔状态数据，采用诸如周期法、频率法或周期与频率混合法等预定测速法来确定所述两轮车的速度。

需要说明的是，本领域技术人员应该理解周期法、频率法及周期与频率混合法，故在此不再予以详述。

优选地，所述速度检测单元131包括：误差消除单元（未予图示）及速度确定单元（未予图示）。

所述误差消除单元用于基于当前所获得的霍尔状态数据与所有霍尔状态各自的标定数据之间的相关性来确定与所述当前所获得的霍尔状态数据对应的标定数据。

具体地，所述误差消除单元基于以下公式来确定与所述当前所获得的霍尔状态数据对应的标定数据：

$Z\left(u\right)=\underset{k=1}{\overset{12}{\mathrm{\Σ}}}X(k+u)\·Y(n-12+k)$

其中，x(i)={x₁,x₂,x₃,x₄,x₅,x₆,x₇,x₈,x₉,x₁₀,x₁₁,x₁₂}为电机运转一周霍尔状态的标定数据，其值可归一化处理，在0到1之间取值，为方便运算，将x(i)扩展为两个周期即 $X\left(k\right)=\left\{\begin{array}{cc}x\left(k\right)& k<=12\\ x(k-12)& 12<=<=24\end{array}\right.,$

Y(k)={y₁,y₂,y₃,y₄,y₅,y₆,y₇,y₈,y₉,y₁₀,y₁₁,y₁₂,y₁₃}为运行过程中测量所得的霍尔状态数据序列,n为当前霍尔状态的序列号，Y(n)为当前时刻采集到的霍尔状态数据，u取0至11的整数，Z(u)为n序列时霍尔状态数据Y(n)与标定X(k)的相关运算函数。

具体计算方法为：每得到一个Y(n)值，根据上述公式便会得到一个Z关于u的函数，其中u取0至11的整数，Z(u)是X(k)与Y(n)的相关函数，从中可以得到Z(u)的最大值，我们并不关心Z(u)中具体值，而是关心其中的最大值的序列号，找到对应的序列号，便可根据序列号找到对应的X中的数据，即此对应数据便是与Y(n)时刻霍尔状态最相关的标定数据，例如：u=a（a取0至11的整数常量）时Z(u)取得最大值，代入上述公式便得到X(k+a)与Y(n-12+k)对应相关（k取1至12的任意值对应数据相关），此处k值取12代入便得X(12+a)与Y(n)相关，其中X(12+a)为标定数据的具体数值，参数本次速度运算。

所述速度确定单元用于基于所确定的与所述当前所获得的霍尔状态数据对应的标定数据、采用以下滤波算法来确定所述两轮车的速度及加速度：

$v_k=\mathrm{\&gamma;}\frac{1}{Y\left(k\right)}\frac{X\left(n\right)}{\left(E\right[X\left(n\right)\left]\right)},$

$E\left[X\left(n\right)\right]=\underset{n=1}{\overset{12}{\mathrm{\&Sigma;}}}X\left(n\right),$

${\hat{v}}_k={\hat{v}}_{k-1}+{\hat{a}}_{k-1}T+\mathrm{\&xi;}[v_k-({\hat{v}}_{k-1}+{\hat{a}}_{k-1})],$

${\hat{a}}_k={\hat{a}}_{k-1}+\mathrm{\&eta;}(a_k-{\hat{a}}_{k-1}),$

其中，X(n)是与所述当前所获得的霍尔状态数据对应的标定数据，E[X(n)]是所有霍尔状态的标定数据的平均值，Y(k)为所述当前所获得的霍尔状态数据，γ是每进行一次霍尔状态转换对应轮子所走过的距离，其值可根据电机一周霍尔状态个数、齿轮箱转速比及车轮外径关系得到，一般在0.0001m至0.01m之间取值，当前时刻车轮速度的最优估计值，上一时刻车轮速度的最优估计值，当前时刻车轮加速度的最优估计值，上一时刻车轮加速度的最优估计值，v_k是车轮的速度，a_k当前所测得的电机加速度，T是当前时刻与上一时刻的时间间隔，ξ,η为预定滤波系数，优选的，ξ在0至1之间取值，η在0.1至1000之间取值。ξ越趋近于1响应速度越快，相应的滤波数据波动越大。η取值过大将引起数据震荡。

作为另一种优选方式，所述控制模块13包括：第一子控制单元132，如图2所示。

所述第一子控制单元132用于根据相关信息、采用基于倒立摆模型及人主动干预运动相结合的响应模型来控制两轮车的行驶。

其中，所述相关信息包括由设置在所述两轮车本体的诸如压力传感器、陀螺仪传感器、速度传感器、加速度传感器等器件所提供的信息等。

优选地，所述响应模型为：

$M_k=\frac{{\hat{I}}_k(M+{\hat{m}}_k)+M{\hat{m}}_k{{\hat{r}}_k}^2}{{\hat{m}}_k}{\mathrm{\&omega;}}_k^{\&prime;}+{\hat{r}}_k+{\hat{r}}_k{v}_k-{\mathrm{gr}}_k(M+{\hat{m}}_k){\mathrm{\&alpha;}}_k,$

$a_k=\frac{-{\hat{I}}_k+{\hat{m}}_k{{\hat{r}}_k}^2}{{\hat{I}}_k(M+{\hat{m}}_k)+M{\hat{m}}_k{{\hat{r}}_k}^2}{v}_k+\frac{{{\hat{m}}_k}^{2}g{{\hat{r}}_k}^2}{{\hat{I}}_k(M+{\hat{m}}_k)+M{\hat{m}}_k{{\hat{r}}_k}^2}{\mathrm{\&alpha;}}_k+\frac{{\hat{I}}_k+{\hat{m}}_k{r_k}^2}{{\hat{I}}_k(M+{\hat{m}}_k)+M{\hat{m}}_k{r_k}^2}{M}_k,$

${\mathrm{\&Delta;}}_k=P_a(a_k-{\hat{a}}_k)+I_a\underset{n=1}{\overset{k}{\mathrm{\&Sigma;}}}(a_k-{\hat{a}}_k),$

${\hat{v}}_{k+1}={\hat{v}}_k+a_k+{\mathrm{\&lambda;\&Delta;}}_k,$

${\hat{I}}_{k+1}=(1-\mathrm{\&eta;}){\hat{I}}_k+{\mathrm{\&eta;\&phi;\&Delta;}}_k,$

${\hat{m}}_{k+1}=(1-\mathrm{\&kappa;}){\hat{m}}_k+\mathrm{\&kappa;\&tau;}{\mathrm{\&Delta;}}_k,$

${\hat{r}}_{k+1}(1-\mathrm{\&rho;}){\hat{r}}_k+\mathrm{\&rho;\&delta;}{\mathrm{\&Delta;}}_k,$

${\hat{r}}_{k+1}(1-\mathrm{\&rho;}){\hat{r}}_k+\mathrm{\&rho;\&delta;}{\mathrm{\&Delta;}}_k,$

其中，M_k是绕车轮转动的平台及平台上的人绕质心运动的力矩；M是车轮质量；是系统对平台及平台上的人的质量总和m在k时刻的估计值;是系统对平台及平台上的人绕其质心转动的转动惯量I在k时刻的估计值；是转动轴心与m质心的距离r的估计值；分别是k+1时刻对I、m、r的估计值并替代I_k、参与k+1时刻运算。ω′_k是角加速度，v_k是所述两轮车的行驶速度；g是重力加速度；α_k是所述两轮车相对于水平位置的倾斜角度；a_k是为所述两轮车保持平衡状态所预设的加速度；P_a与I_a分别是预定比例与预定积分系数，预定比例系数P_a根据系统响应强度可以在0到100之间取值，优先的，P_a可以在0到1之间取值；为所述两轮车的加速度估计值；为上一时刻的速度最优估计值，为所述两轮车的速度控制量；η、κ、ρ分别是I_k、m_k、r_k的预定一阶滤波系数，优选的，η、κ、ρ可在0到1之间取值，其值越大I_k、m_k、r_k的响应越迅速，同时也会可能造成误差，选取合适的参数是系统稳定运行的前；φ、τ、δ分别是预定反馈系数，优选的，可以在±1之间取值。反馈系数限制了当前状态对下一状态变量的影响。

由此，所述第一子控制单元132基于所计算出的力矩来控制两轮车的电机的电流、转速等，由此来调整所述两轮车的车速，从而，当驾驶者体重较重时，增大电机的输出力矩，反之，则减小电机的力矩，动态调整参数，增加驾驶者的舒适度，提高电池的利用率。

作为有一种优选方式，所述控制模块13包括：第二子控制单元133，如图2所示。

所述第二子控制单元133用于基于所述两轮车的相关参数，在所述两轮车车速已达到预定最大值时，使所述两轮车在预定范围内先加速再减速来调整车速。

其中，所述两轮车的相关参数包括但不限于：所述两轮车电机的霍尔状态信息、所述两轮车平台相对于水平方向的偏移角度、车辆的速度及加速度等。所述第二子控制单元1 33通过设置在所述两轮车上的霍尔传感器、陀螺仪及速度检测单元等来获得所述两轮车的相关参数。

具体地，当所述两轮车的速度达到预定最大值（小于所述两轮车的速度极限值）时，所述第二子控制单元133基于所述两轮车的相关参数、在预定范围内增加所述两轮车电机的驱动力，以使两轮车电机加速，进而所述两轮车在行驶中有个加速的过程，而所述两轮车的驾驶者由于惯性，滞后所述两轮车车体的变化，从而产生一个向后的拉力，使驾驶者身体带着平台翘起，随后，所述第二子控制单元133再根据各传感器所感测的信息及速度检测单元提供的速度信息，控制所述两轮车减速，使两轮车达到新的速度平衡。经过实际测试，在预定范围内的加速过程，时间短，幅度小，驾驶者几乎感觉不到，此种控制方式比常用的直接限速调整，更加安全和舒适。

综上所述，本发明的智能平衡车系统基于各传感器所采集数据，由控制模块经过处理后，使两轮车的平衡过程更加流畅，舒适，速度达到预定最大值时能进行限速以保证驾驶者安全。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换以及改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种智能平衡车系统，其至少包括：两轮车本体；

两个手握件，分别安装在所述两轮车本体所包含的方向杆两端；

两压力传感器，分别用于感测一个手握件的压力；

设置在所述两轮车本体的控制模块，用于基于所述两压力传感器所感测的压力值来控制所述方向杆的转向，

所述控制模块包括：速度检测单元，用于基于当前所获得的霍尔状态数据，采用预定测速法来确定所述两轮车的速度；

所述速度检测单元包括：

误差消除单元，用于基于当前所获得的霍尔状态数据与所有霍尔状态各自的标定数据之间的相关性来确定与所述当前所获得的霍尔状态数据对应的标定数据；

速度确定单元，用于基于所确定的与所述当前所获得的霍尔状态数据对应的标定数据、采用以下滤波算法来确定所述两轮车的速度及加速度：

$v_k=\mathrm{\&gamma;}\frac{1}{Y\left(k\right)}\frac{X\left(n\right)}{\left(E\right[X\left(n\right)\left]\right)},$

$E\left[X\left(n\right)\right]=\underset{n=1}{\overset{12}{\mathrm{\&Sigma;}}}X\left(n\right),$

${\hat{v}}_k={\hat{v}}_{k-1}+{\hat{a}}_{k-1}T+\mathrm{\&xi;}[v_k-({\hat{v}}_{k-1}+{\hat{a}}_{k-1})],$

${\hat{a}}_k={\hat{a}}_{k-1}+\mathrm{\&eta;}(a_k-{\hat{a}}_{k-1}),$

其中，X(n)是与所述当前所获得的霍尔状态数据对应的标定数据，Y(k)为当前采集的霍尔持续时间，γ是每进行一次霍尔状态转换对应轮子所走过的距离，其值可根据电机一周霍尔状态个数、齿轮箱转速比及车轮外径关系得到，在0.0001m至0.01m之间取值，当前时刻车轮速度的最优估计值，上一时刻车轮速度的最优估计值，当前时刻车轮加速度的最优估计值，上一时刻车轮加速度的最优估计值，v_k是车轮的速度，a_k当前所测得的电机加速度，T是当前时刻与上一时刻的时间间隔，ξ,η为预定滤波系数。

2.如权利要求1所述的智能平衡车系统，其特征在于，所述控制模块包括：

第一子控制单元，用于根据相关信息、采用基于倒立摆模型及人主动干预运动相结合的响应模型来控制两轮车的行驶。

3.如权利要求2所述的智能平衡车系统，其特征在于，所述响应模型包括：

$M_k=\frac{{\hat{I}}_k(M+{\hat{m}}_k)+M{\hat{m}}_k{{\hat{r}}_k}^2}{{\hat{m}}_k}{\mathrm{\&omega;}}_k^{\&prime;}+{\hat{r}}_k{v}_k-g{r}_k(M+{\hat{m}}_k){\mathrm{\&alpha;}}_k,$

$a_k=\frac{-{\hat{I}}_k+{\hat{m}}_k{{\hat{r}}_k}^2}{{\hat{I}}_k(M+{\hat{m}}_k)+M{\hat{m}}_k{{\hat{r}}_k}^2}{v}_k+\frac{{{\hat{m}}_k}^{2}g{{\hat{r}}_k}^2}{{\hat{I}}_k(M+{\hat{m}}_k)+M{\hat{m}}_k{r_k}^2}{\mathrm{\&alpha;}}_k+\frac{{\hat{I}}_k+{\hat{m}}_k{r_k}^2}{{\hat{I}}_k(M+{\hat{m}}_k)+M{\hat{m}}_k{r_k}^2}{M}_k,$

${\mathrm{\&Delta;}}_k=P_a(a_k-{\hat{a}}_k)+I_a\underset{n=1}{\overset{k}{\mathrm{\&Sigma;}}}(a_k-{\hat{a}}_k),$

${\hat{v}}_{k+1}={\hat{v}}_k+a_k+\mathrm{\&lambda;}{\mathrm{\&Delta;}}_k$

${\hat{I}}_{k+1}=(1-\mathrm{\&eta;}){\hat{I}}_k+\mathrm{\&eta;\&phi;}{\mathrm{\&Delta;}}_k,$

${\hat{m}}_{k+1}=(1-\mathrm{\&kappa;}){\hat{m}}_k+\mathrm{\&kappa;\&tau;}{\mathrm{\&Delta;}}_k,$

${\hat{r}}_{k+1}=(1-\mathrm{\&rho;}){\hat{r}}_k+\mathrm{\&rho;\&delta;}{\mathrm{\&Delta;}}_k,$

其中，M_k是绕车轮转动的平台及平台上的人绕质心运动的力矩；M是车轮质量；是系统对平台及平台上的人的质量总和m在k时刻估计值；是系统对平台及平台上的人绕其质心转动的转动惯量I在k时刻的估计值；是转动轴心与m质心的距离r的估计值；分别是k+1时刻对I，m，r的估计值并替代I_k，参与k+1时刻运算，ω′_k是角加速度，v_k是所述两轮车的行驶速度；g是重力加速度；α_k是所述两轮车相对于水平位置的倾斜角度；a_k是为所述两轮车保持平衡状态所预设的加速度；Ρ_a与Ι_a分别是预定比例与预定积分系数；为所述两轮车的加速度估计值；为上一时刻的速度最优估计值，为所述两轮车的速度控制量；η、κ、ρ分别是I_k、m_k、r_k的预定一阶滤波系数；φ、τ、δ分别是预定反馈系数。

4.如权利要求1所述的智能平衡车系统，其特征在于，所述控制模块包括：

第二子控制单元，用于基于所述两轮车的相关参数，在所述两轮车车速已达到预定最大值时，使所述两轮车在预定范围内先加速再减速来调整车速。