CN103753557B - 移动式倒立摆系统的自平衡控制方法及自平衡车智能控制系统 - Google Patents

Abstract

本发明公开了一种移动式倒立摆系统的自平衡控制方法，对移动式倒立摆系统的状态信号的采集，采用小波拓扑网络与调整器相结合的滤波处理数据方式，并辅以采用信号融合技术，经过不断地调整小波拓扑网络有效输入值进入各个滤波节点的输入数据、中间数据和输出数据，完善系统输出的被控系统控制数，提高倒立摆的工作的稳定性和可靠性，提高基于倒立摆系统的电动代步工具的驾乘稳定性、安全性和舒适性。本发明公开了一种自平衡车智能控制系统，通过滤波处理单元与信号融合单元，提高电气系统和机械系统的联合控制和信息反馈的能力，减少由于自平衡车运动中产生的微小扰动，提高智能化程度，更加方便、易用、舒适和平稳，降低成本，提高了性能价格比。

Description

移动式倒立摆系统的自平衡控制方法及自平衡车智能控制系统

技术领域

本发明涉及一种移动机器人自动控制系统及其控制方法，尤其是涉及一种车辆的自主平衡控制系统和控制方法，应用于倒立摆控制技术领域，适用于将控制策略应用及开展各种控制实验平台，尤其适合应用于机器人辅助载人代步装置的控制领域，特别是适用于自平衡车，包括两轮车、单轮车、大轮车或小轮车，适用于环保出行、人类运输、室外健身、沙滩冲浪、便利助行、个性出行、警用巡逻、军队机动、移动摄像摄影、移动观摩、快速到达、小件运送、娱乐休闲、仪式仪仗、登临星球代步运输、星球表面探测和科学实验等智能设备的主动控制和自主机动技术领域，适用于广场、机场、高尔夫球场、会议展览中心、工业园区、高档社区、运动场馆、公园、城市林荫步道、非机动车道和地外星球表面等路面环境的交通工具智能控制使用。

背景技术

倒立摆控制系统是一个复杂的、不稳定的、非线性系统，倒立摆的控制问题就是使摆杆尽快地达到一个平衡位置，并且使之没有大的振荡和过大的角度和速度。当摆杆到达期望的位置后，系统能克服随机扰动而保持稳定的位置。试验中应用的倒立摆通常为减少了影响因子，而抽象成为简单直线倒立摆和简单旋转倒立摆，这样使问题的研究实现了科学简化，为倒立摆系统在现实中应用于装置之中提供了条件，但倒立摆毕竟是一个复杂系统，尤其处于移动状态的倒立摆系统，其稳定性有关的信号控制更加繁复和不稳定。

现有的运动型倒立摆系统的平衡控制还存在问题：直线倒立摆只能沿着固定的轨道内移动，旋转倒立摆只能做固定原点的圆弧运动，这些倒立摆装置都需要加设限位装置及保护电路模块，增加了平衡控制算法的复杂程度，倒立摆系统移动的范围主要局限于固定的导轨或水平面范围内，与实际的生活中应用和工程应用不相符合，只能在实验室应用于科学实验和教学，很难走进人们的生活和工作中。现有倒立摆的运动行程是有限制的，摆杆与电机轴间存在传动机构或悬臂，因而增加了控制的约束条件，使得一些算法在这些倒立摆系统上无法实现。两轮车倒立摆系统控制的实现非常困难，它除了保留以往倒立摆有关的稳定性、非线性和不确定性方面的研究内容外，还能增加许多用于保证高质量稳定性的控制难度。

公开号为CN1952996A的发明专利申请公开了一种“两轮遥控小车倒立摆及其平衡控制方法”，该发明将两直流电机对称固定在车体上，电机轴的一端与轮子固接，轴的另一端与码盘轴相连；在两轮轴线中部位置安装陀螺仪并固接摆杆；控制器、遥控接收器、电源转换模块、电机驱动器焊接在电路板上；电路板和直流电源固定在车身上；其平衡控制方法包括自动判断零位电压，校正其漂移，对测量噪声进行滤波。该发明虽然避免了传统倒立摆因机械传动故障、或传动间隙可能引起的误差所造成的控制失败，可在地面及斜坡上前后左右行走和遥控，但是主要还是用于教学和科研，用于检验各种控制算法的优劣。该发明虽然公开了一种能保持稳定、自由行走且可遥控的两轮遥控小车倒立摆及其平衡控制方法，对采集信号采用了经过滤波处理，对摆杆静止时的噪声还是摆杆运动时的噪声均有很好的抑制作用，但对于多传感器系统来说，信息具有多样性和复杂性，在现实中应用的两轮自平衡代步车不仅需要满足自身的平衡，还要承载使用者的体重，由于驾车人在平衡车上的中心始终处于变化状态，对平衡车的倒立摆系统的平衡产生很多干扰，加之路面情况复杂，外界环境影响系统带来噪声，很多倒立摆系统外来因素对系统的影响无法得到补偿，影响到倒立摆系统控制的容错性、平衡自适应性、智能联想记忆能力，不能有效适应现实的需要。该发明的平衡算法的控制输出仍然是轮子的转矩，由于不规则地面情况下，轮子的负载有较大变化，因此，单独控制轮子的转矩，将不能有效地对车体的平衡进行控制。

公开号为CN101823485A的发明专利申请公开了“一种轮式倒立摆的传感器处理与平衡控制算法”，它包括传感器处理算法，平衡控制算法，过速度保护算法，应急处理算法；传感器处理算法，包括加速度传感器与陀螺仪数据融合算法以及滤波算法；加速度传感器与陀螺仪的数据融合算法，利用加速度传感器的低频特性，和陀螺仪输出的高频特性，用以得到一个在动态情况下稳定的倒立摆偏转角；平衡控制算法，通过使用当前倒立摆的偏转角与倒立摆的偏转角速度，来控制当前车体的加速度和角度；控制过程的输入參数是当其车体运动的速度，当其车体的偏转角，以及偏转角速度；输出为车体的加速度；过速度保护算法，当速度高于一定速度阈值时，该算法会输出一个与速度有关的角度偏移量；该偏移量将附加在传感器融合算法所计算出来的角度上，用于整个车体的減速，当速度减小到一定阈值时，将逐渐撤去该偏移量，使得系统恢复正常；的应急处理算法是在紧急情况下，系统将自动启动应急处理算法，其速度阈值为0附近，控制目标是将车体的速度迅速降下来，以保证车载设备的安全。该发明虽然能提高倒立摆的工作的稳定性和可靠性，但更多是在保持倒立摆平衡的情况下，做了较多的保护措施，使得整个倒立摆系统在复杂的外部环境中运行的更加稳定可靠，该发明采用通用的高通滤波器和低通滤波器进行信号的整理，进少了不必要成分频率的干扰，但采用通用滤波器的局限是，处理数据任意依赖通用器件的设备参数，不利于对自平衡车的平衡策略定制专门的算法策略，提高数据的精确度收到限制，直接影响到后续数据融合系统处理数据的精度，影响到倒立摆系统平衡控制的容错性、自适应性、联想记忆能力。该发明的控制器将融合的角度值和陀螺仪输出的角速度值，通过计算，得出轮子的输出加速度，然后将加速度输入到电机控制器，控制器执行加速度命令。轮子的输出加速度的信号融合算法是以车体偏转角度值和车体偏转的角速度为数据源，对多个传感器所获取的关于倒立摆系统对象和环境全面、完整信息方面有所欠缺，没有充分发挥出信号融合算法的优势，对多源数据进行检测、结合、相关、估计和组合所达到精确的状态估计不够理想，不能有效实现完整、及时的平衡态势评估。该发明仅仅给出针对两轮车自平衡策略，并未公开单轮平衡车的自平衡策略，也为其技术应用的广泛性带来不利影响。

此外，日本丰田自动车株式会社提交的公布号为WO2007/088944JA的PCT申请公开了“同轴两轮倒立摆型移动车辆”，其平衡系统结构复杂，采用力矩控制平衡，不能有效地对车体的平衡进行控制。美国专利5871091公开了一种“自平衡车辆”，具有自推进和用户导向的技术特征，但其平衡控制的静态稳定性不佳。赛格威股份有限公司提交的公布号为WO2010/053740EN的PCT申请公开了“用于动态自平衡车辆的控制的设备和方法”，其控制器联接于驱动件,用于至少响应于所述车辆的重心位置来调节所述驱动件的操作,以动态地控制所述车辆的平衡，其平衡系统结构复杂，制造成本高，控制策略繁冗，使驾乘舒适性受到不利影响。

总之，而对于一些短距离且无需承担过重运输任务的情况，常规运动型倒立摆控制系统可以实现。但常规运动型倒立摆系统的平衡控制算法，虽然也能实现自动平衡车的自主平衡，但往往存在微小的扰动，给自动平衡车的驾驶舒适度带来不佳的影响。常规运动型倒立摆系统与现实需要和工程应用结合不够紧密，控制策略基本是采用通用的数据处理模块，没有专门定制的控制算法策略模块，没有充分有效利用多源检测信息，未能真正实现多源信息在空间或时间上的冗余或互补，未能明显克服传感器测量的不精确性和干扰等引起的相关二义性，为充分考虑到复杂的环境和目标时变动态特性，使倒立摆系统的自适应平衡性打了折扣，现有的平衡车控制系统结构不够紧凑，增加了自动平衡车的设备安装难度，增加制造难度，由于现有的思维车、自平衡车的控制策略比较复杂，在相当的平衡稳定控制水平上，需要增加额外的成本，不利于产业化和工程化制造，同时由于制造成本较高，市场推广的难度较大，对于为了实现行车平衡，采购通用电子元器件组装或在此基础上稍加改进制造的自平衡车，由于兼容性和软件接口存在不兼容的问题，直接影响到自平衡车的整体质量，仅仅通过在生产线上调试和校正，无法再整体系统上克服部件不足，无法适应市场的需要，影响市场前景。总之，目前自平衡车正在随着现代的控制技术的发展而得到广泛应用，但就其传统的技术，还不能保证两轮车的自平衡，其根源在于运行过程中需要人主动的调节来保持平衡，极易造成交通事故，存在安全隐患，这使得自平衡车在行驶过程中的平衡保持成为亟待解决的技术问题。

发明内容

为了解决现有技术问题，本发明的目的在于克服已有技术存在的不足，提供一种移动式倒立摆系统的自平衡控制方法，对移动式倒立摆系统的部件状态信号进行采集，采用小波拓扑网络与调整器相结合的滤波处理数据方式，并辅以采用信号融合技术，经过不断地调整小波拓扑网络有效输入值进入各个滤波节点的输入数据、中间数据和输出数据，完善系统输出的被控系统控制数，提高倒立摆的工作的稳定性和可靠性，提高基于倒立摆系统的智能平衡车等电动代步工具的驾乘稳定性、安全性和舒适性，同时通过定制的自平衡车的自平衡控制算法策略，提高整个电器系统的稳定性，提高电气系统和机械系统的联合控制和信息反馈的能力，减少由于自平衡车运动中产生刚性干涉形成微小扰动，提高整车的智能化程度，降低软硬件控制策略的实现成本。

为达到上述发明创造目的，本发明采用下述技术方案：

1.一种移动式倒立摆系统的自平衡控制方法，包括以下步骤：

S1:在分析检测倒立摆系统保持各种状态所生成的一系列传感器测量信息情况下，采用小波滤波处理单元，形成由一组权重参数组成的标准数据系列作为当前控制策略，来构建通过小波滤波方法的权重函数生成的一系列权重值的参数表，从权重函值的参数表中，选择能够使倒立摆系统维持平衡稳定状态的一个当前控制策略的一组权重值作为倒立摆系统初始时刻的控制策略；

S2:应用当前控制策略初始化倒立摆系统，并初始化小波拓扑网络权重参数，缓存对于倒立摆系统的上一状态时的小波拓扑网络的一组权重值作为使倒立摆系统维持平衡稳定的当前控制策略；

S3:根据当前时刻倒立摆系统状态，通过信息采集单元，处理对于倒立摆系统的当前状态的各传感器的测量信息，将各传感器的测量信息模拟信号读取后转换为数字信号，获取对于倒立摆系统的当前状态的各传感器的信息采样值，将各传感器的信息采样值作为小波拓扑网络的当前有效信息输入值；当前时刻系统获取针对倒立摆系统的部件状态检测的各传感器有效数据，其中包括α(i)、β(i)和这一系列实时变化的数据构成了小波拓扑网络信号输入的源头；

S4:采用小波滤波处理单元，根据在上述S2步骤中调用的当前控制策略以及在上述S3步骤中的小波拓扑网络的当前有效信息输入值，对相应的滤波节点采用小波拓扑网络，生成使倒立摆系统维持平衡稳定的当前有效的算法控制数；

S5:采用小波滤波处理单元，根据在上述S4步骤中的倒立摆系统的当前有效的算法控制数、在上述S2步骤中调用的当前控制策略和在上述S3步骤中得到的各传感器的信息采样值作为小波拓扑网络的当前有效信息输入值，经过数据修正来调整小波拓扑网络输入值的权重，提供倒立摆系统下一状态维持平衡稳定的控制策略；

S6:监测并判断在上述S5步骤中的当前控制周期修正过程的完成状态：如果当前控制周期修正过程未完成，则返回上述S3步骤中，继续更新对于倒立摆系统的当前状态的各传感器的测量信息，直至得到对于倒立摆系统的下一状态维持平衡的控制策略；如果当前控制周期修正过程已经完成，则通过中央控制单元对当前有效的算法控制数进行数据处理，生成可供被控系统的当前实际控制数，再将可供被控系统的当前实际控制数输入倒立摆系统的运动执行机构，使倒立摆系统在当前状态时维持平衡状态，并返回上述S2步骤中，继续调用使倒立摆系统维持平衡稳定的当前控制策略，并进行后续循环。

作为本发明优选的技术方案，信息采集单元处理的倒立摆系统信息采样值和小波滤波处理单元处理的倒立摆系统的算法控制数皆为几何参数或运动速度参数，经中央控制单元运算后输出的倒立摆系统的实际控制数数据是与速度相关的控制量。

作为本发明进一步优选的技术方案，移动式倒立摆系统为轮式牵引的单级倒立摆系统，是由单级直线式倒立摆机构和单级旋转式倒立摆机构组合形成的单级混合倒立摆机构，将倒立摆系统的摆杆的支点轴设置于车体上，倒立摆系统的摆杆的支点轴轴线与车轮轴线平行，通过信息采集单元、小波滤波处理单元和中央控制单元的联合计算处理，使倒立摆系统的摆杆趋向于竖直镇定平衡。

作为本发明更进一步优选的技术方案，倒立摆系统的摆杆的支点轴轴线与车轮轴线重合，即由车体作为倒立摆系统的摆杆，车轮轴同时作为车体的支撑转轴，使车体和车轮同轴转动，在所采用的传感器之中，陀螺仪测量车体的倾斜角速度信息，加速度传感器测量车轮轴的转动角速度信息，hall传感器测量驱动车轮的轮毂电机的速度信息，其中陀螺仪和加速度传感器的测量信息共同反映直线式倒立摆机构和单级旋转式倒立摆机构组合形成的单级混合倒立摆机构的摆杆姿态变化，则在上述步骤S1中，所选的控制策略由参数ε(i,j)、ξ(i,j)、ρ(i,j)、w_j组成一张数值可动态变化的参数表，其中ε(i,j)、ξ(i,j)、ρ(i,j)分别是第i时刻对应小波拓扑网络的第j滤波节点的有效信息输入值的权重函数，ε(i,j)、ξ(i,j)、ρ(i,j)是可由小波拓扑网络以及调节器动态调节，稳定的权重值指的是在初始的一段时刻，对倒立摆系统的摆杆可以稳定控制的一组控制策略，可以使倒立摆系统移动过程中保持稳定的状态，在上述步骤S2中，使倒立摆系统维持平衡稳定的当前控制策略的对相应的滤波节点的缓存数据主要包括ε(i-1，j)、ξ(i-1，j)和ρ(i-1，j)，分别是第i-1时刻对应小波拓扑网络的第j个滤波节点的有效信息输入值的权重函数，i是小波拓扑网络的运行时刻，j是滤波节点的序列数。在上述步骤S2中，应用对应小波拓扑网络的第j个滤波节点的第i时刻的控制策略初始化自平衡倒立摆系统中央处理单元、小波拓扑网络权重。第i时刻的控制策略在不同时刻有不同的体现。系统在初始的一段时刻内控制策略是优选的，满足启动的要求。系统在其他任意某一时刻控制策略是经小波拓扑网络与修正器调整更新后的权重值，以满足下一时刻准确控制的需求。随着时间不断地累积，两轮车的自平衡系统是处于更加稳定的。

作为本发明再更进一步优选的技术方案，在上述步骤S4中，采用小波滤波处理单元，根据在上述S2步骤中调用的当前控制策略以及在上述S3步骤中的小波拓扑网络的当前有效信息输入值，采用以下滤波算法得到第i时刻的倒立摆系统维持平衡稳定的当前有效的算法控制数：

${\mathrm{\θ}}_{\mathrm{Tr}}(i,j)=\left(\frac{\mathrm{\α}\left(i\right)}{\mathrm{\ϵ}(i,j)}\cos \right[(2-k_p)\mathrm{\β}\left(i\right))]+\frac{\mathrm{\β}\left(i\right)}{\mathrm{\ξ}(i,j)}\cos [k_p\mathrm{\α}\left(i\right)]+\frac{\hat{v}\left(i\right)}{\mathrm{\ρ}(i,j)}\∂(i,j),$

$\∂(i,j)=\frac{1}{{\mathrm{\μ}}^4}\frac{1}{\sqrt{2\mathrm{\π}}{o}^3}(1-\frac{i^2}{o^2})e^{-\frac{i^2}{2{(o-\mathrm{\μ})}^2}},$

其中，是倒立摆系统通过对第i时刻的对应小波拓扑网络的第j个滤波节点输出的数据经过运算、处理得出的随不同时刻的应供给的有效的算法控制数，α(i)、β(i)分别是第i时刻陀螺仪与加速度传感器采集倒立摆系统的摆杆姿态信号的角速度，是第i时刻的hall传感器测得的轮毂电机速度值，是在第i时刻对应小波拓扑网络的第j个滤波节点的滤波节点函数，k_p是倒立摆系统对传感器数据的增益系数，k_p取值范围在0～2之间，μ是小波拓扑网络的第j个节点数据的比例系数，μ取值为10，ο是第j个滤波节点函数的调节因子，ο取值范围在0.01～0.1之间。

作为本发明还再更进一步优选的技术方案，在上述步骤S5中，根据在第i时刻对应小波拓扑网络的第j个滤波节点的使倒立摆系统维持平衡稳定的有效的算法控制数、在第i-1时刻对应小波拓扑网络的第j个滤波节点的有效信息输入值的权重函数和在第i时刻的各传感器采集倒立摆系统的状态信息采样值，采用以下数据修正算法调整小波拓扑网络权重：

$\begin{array}{c}\mathrm{\ϵ}(i,j)=\mathrm{\ϵ}(i-1,j)+\mathrm{\σ}\left|\right|{\mathrm{\θ}}_{\mathrm{Tr}}(i,j)-\mathrm{\α}\left(i\right)\left|\right|,j=0,\end{array}$

$\begin{array}{c}\mathrm{\ξ}(i,j)=\mathrm{\ξ}(i-1,j)+\mathrm{\η}\left|\right|{\mathrm{\θ}}_{\mathrm{Tr}}(i,j)-\mathrm{\β}\left(i\right)\left|\right|,j=1,\\ \mathrm{\ϵ\ρ}(i,j)=\mathrm{\ρ}(i-1,j)+\mathrm{\λ}\left|\right|{\mathrm{\θ}}_{\mathrm{Tr}}(i,j)-\hat{v}\left(i\right)\left|\right|,j=2,\end{array}$

其中，当j为0、1、2时还分别代表着小波拓扑网络陀螺仪信、加速度传感器、电机转速的有效输入信号，σ、η和λ分别是相应传感器的修正算法的调整因子，σ、η和λ的取值范围皆在0～1之间。

在本发明上述技术方案的步骤S1中，倒立摆系统维持平衡稳定状态最好优选为在倒立摆系统的摆杆处于或者达到竖直向上的位置时整个倒立摆系统能克服任意随机扰动而保持稳定的情形。

在本发明上述技术方案中，优选采用小波滤波处理单元进行多层小波网络分解重构，在上述S6步骤中，中央控制单元包括信号融合单元，信号融合单元以小波拓扑网络各层产生的当前有效的算法控制数作为数据源，优选采用变参数处理法，通过进行数据处理生成可供被控系统的当前控制数。

作为在本发明上述技术方案基础上更进一步优化的技术方案，小波网络分解的层数为3层，信号融合单元以小波拓扑网络各层产生的当前有效的算法控制数作为数据源，采用以下算法通过进行数据处理生成可供被控系统的当前控制数：

$w\left(i\right)=\frac{1}{j}\underset{j=0}{\overset{j=2}{\mathrm{\Σ}}}{w}_j{\mathrm{\θ}}_{\mathrm{Tr}}(i,j),$

其中，w(i)是第i时刻倒立摆系统经过运算处理后直接应用于被控系统的实际控制数，w_j是对应小波拓扑网络各层的第j个滤波节点的算法控制数输入数据的融合权重。

本发明还提供了一种实施本发明移动式倒立摆系统的自平衡控制方法的自平衡车智能控制系统，主要包括电源系统、信号采集子系统、信号整理子系统、信号处理子系统和控制系统，将作为移动式倒立摆系统的摆杆的被控的车架本体的被控参数检测结果，按照预定的目标将控制信号作用于被控的车轮，从而通过驱动车轮，来实现对车架本体的平衡稳定状态的闭环控制，电源系统为各系统和电子器件供电，信号采集子系统包括陀螺仪、加速度传感器、HALL传感器和采集控制芯片，信号采集子系统安装于车架本体上，其中陀螺仪对应车轮的车轮轴的中段位置处进行设置，陀螺仪实时检测车架本体的倾斜摆动的角速度信息，即也相当于实时检测与车架本体固定连接的车架平台的法线倾斜摆动的角速度信息，即也相当于实时检测车架平台的倾斜摆动角速度信息，加速度传感器实时检测车轮轴的转动角速度信息，HALL传感器实时检测驱动车轮的轮毂电机的转速信息，陀螺仪、加速度传感器和HALL传感器的信号输出端分别与采集控制芯片的信号接收端连接，采集控制芯片处理陀螺仪、加速度传感器和HALL传感器的检测信息，得到信号采集子系统在每一时刻的车架平台的倾斜摆动角速度、车轮轴的转动角速度和轮毂电机的转速的实时检测信息的采样值，信号整理子系统包括小波滤波处理单元和缓存单元，缓存单元至少缓存由小波滤波处理单元生成的控制策略，小波滤波处理单元调用缓存单元中存储的控制策略作为数据源，还从采集控制芯片的信号输出端接收到的车架平台的倾斜摆动角速度、车轮轴的转动角速度和轮毂电机的转速的小波拓扑网络的有效信息输入值作为另一系列数据源，使小波滤波处理单元经过整理数据源数据后，处理生成对应不同时刻和不同滤波节点的有效的算法控制数，再根据对应不同时刻和不同滤波节点的有效的算法控制数、对应不同时刻和不同滤波节点的有效信息输入值的权重函数和对应不同时刻的小波拓扑网络的当前有效信息输入值，通过小波滤波处理单元的修正模块来调整小波拓扑网络输入值的权重，信号处理子系统包括信号融合单元，信号融合单元将对应不同时刻和不同滤波节点的有效的算法控制数作为数据源，并将对应小波拓扑网络不同滤波节点的输入到信号融合单元中的输入数据的融合权重一并作为数据源，通过数据融合运算处理生成能直接应用于被控系统的实际控制数，将车架平台在不同时刻的实际控制数输入控制系统，通过运算得到轮毂电机能识别控制量的控制指令信号，控制系统将控制指令信号输入轮毂电机的驱动模块，使轮毂电机驱动车轮进行正转或反转，来调整车架平台保持水平平衡的稳定状态。

作为上述自平衡车智能控制系统的第一种优选技术方案，对于具有两个车轮的自平衡车，其两个车轮分别设置于车架平台左右两侧设置，每个车轮各配备安装一台轮毂电机，不同的轮毂电机对应独立设置专用的HALL传感器，控制系统将指令信号分别输入两个轮毂电机的驱动模块，使各轮毂电机分别独立驱动车轮进行正转或反转，使车轮牵引车架平台进行前进、后退或转向运动，来调整车架平台保持趋近水平平衡的稳定状态，实现自主平衡。

作为上述自平衡车智能控制系统的第一种优选技术方案的改进，每个车轮分别单独配备维持对应车轮左右平衡的惯性元件，惯性元件通过芯轴与车架本体转动连接，且惯性元件的芯轴与其对应的车轮轴的轴线平行，芯轴由驱动电机来驱动，进而带动惯性元件高速旋转，控制系统通过控制驱动电机的转动速度来调控惯性元件高速旋转产生惯性力矩，约束车轮的左右偏斜。

作为上述自平衡车智能控制系统的第二种优选技术方案，对于仅具有一个车轮的自平衡车，其车轮设置于车架平台的中部位置处，车架平台由分别位于车轮的左右两侧的两部分平台组成，另设置维持车轮左右平衡的惯性元件，惯性元件通过芯轴与车架本体转动连接，且惯性元件的芯轴与车轮轴的轴线平行，芯轴由驱动电机来驱动，进而带动惯性元件高速旋转，控制系统控制轮毂电机驱动车轮进行正转或反转，并通过控制驱动电机的转动速度来调控惯性元件高速旋转产生惯性力矩，使车轮牵引车架平台进行前进或后退运动，来调整车架平台保持趋近水平平衡的稳定状态，实现自主平衡。

作为上述技术方案的进一步改进，对于单个车轮，其专用的轮毂电机和专用的驱动电机合并为单台电机，即仅由轮毂电机的主轴即能同时传动车轮及其所配备的惯性元件围绕相同的轴线转动，同时又能控制轮毂电机的主轴通过大传动比机构高速传动惯性元件转动。

作为在上述技术方案基础上特别优选的技术方案，通过小波滤波处理单元，调用缓存单元中存储的对应第i时刻和第j个滤波节点的控制策略缓存数据作为一系列数据源，同时还将第i时刻的小波拓扑网络的当前有效信息输入值作为另一系列数据源，第i时刻的小波拓扑网络的当前有效信息输入值包括车架平台的倾斜摆动角速度、车轮轴的转动角速度和轮毂电机的转速的实时检测信息的采样值，通过小波滤波处理单元的处理，采用以下滤波算法生成使车架平台在第i时刻维持平衡稳定的有效的算法控制数：

${\mathrm{\θ}}_{\mathrm{Tr}}(i,j)=\left(\frac{\mathrm{\α}\left(i\right)}{\mathrm{\ϵ}(i,j)}\cos \right[(2-k_p)\mathrm{\β}\left(i\right))]+\frac{\mathrm{\β}\left(i\right)}{\mathrm{\ξ}(i,j)}\cos [k_p\mathrm{\α}\left(i\right)]+\frac{\hat{v}\left(i\right)}{\mathrm{\ρ}(i,j)}\∂(i,j),$

$\∂(i,j)=\frac{1}{{\mathrm{\μ}}^4}\frac{1}{\sqrt{2\mathrm{\π}}{o}^3}(1-\frac{i^2}{o^2})e^{-\frac{i^2}{2{(o-\mathrm{\μ})}^2}},$

其中，i是小波拓扑网络的运行时刻，j是滤波节点的序列数，是自平衡车通过对第i时刻的对应小波拓扑网络的第j个滤波节点输出的数据经过运算、处理得出的随不同时刻的应供给的有效的算法控制数，α(i)是在第i时刻的陀螺仪采集车架平台的倾斜摆动角速度，β(i)在第i时刻的加速度传感器采集车轮轴的转动角速度，是在第i时刻的hall传感器测得的轮毂电机速度值，是在第i时刻对应小波拓扑网络的第j个滤波节点的滤波节点函数，ε(i,j)、ξ(i,j)、ρ(i,j)分别是在第i时刻对应小波拓扑网络的第j滤波节点的有效信息输入值的权重函数，k_p是自平衡车对传感器数据的增益系数，k_p取值范围在0～2之间，μ是小波拓扑网络的第j个节点数据的比例系数，μ取值为10，ο是第j个滤波节点函数的调节因子，ο取值范围在0.01～0.1之间；

将通过小波滤波处理单元的上述数据处理得到的在第i时刻对应小波拓扑网络的第j个滤波节点的使车架平台维持平衡稳定的有效的算法控制数作为一种数据源，同时还将在第i-1时刻对应小波拓扑网络的第j个滤波节点的有效信息输入值的权重函数作为又一种数据源，同时还将在第i时刻的陀螺仪采集车架平台的倾斜摆动角速度α(i)、在第i时刻的加速度传感器采集车轮轴的转动角速度β(i)、在第i时刻的hall传感器测得的轮毂电机速度v?(i)一并作为再一种数据源，采用以下数据修正算法调整小波拓扑网络权重：

$\begin{array}{c}\mathrm{\ϵ}(i,j)=\mathrm{\ϵ}(i-1,j)+\mathrm{\σ}\left|\right|{\mathrm{\θ}}_{\mathrm{Tr}}(i,j)-\mathrm{\α}\left(i\right)\left|\right|,j=0,\\ \mathrm{\ξ}(i,j)=\mathrm{\ξ}(i-1,j)+\mathrm{\η}\left|\right|{\mathrm{\θ}}_{\mathrm{Tr}}(i,j)-\mathrm{\β}\left(i\right)\left|\right|,j=1,\\ \mathrm{\ϵ\ρ}(i,j)=\mathrm{\ρ}(i-1,j)+\mathrm{\λ}\left|\right|{\mathrm{\θ}}_{\mathrm{Tr}}(i,j)-\hat{v}\left(i\right)\left|\right|,j=2,\end{array}$

其中，当j为0、1、2时还分别代表着小波拓扑网络重构的陀螺仪检测角速度、加速度传感器检测角速度、电机转速的有效输入信号的数量，σ、η和λ分别是相应传感器的修正算法的调整因子，σ、η和λ的取值范围皆在0～1之间；

通过信号融合单元，利用上述在第i时刻对应小波拓扑网络的第j个滤波节点的使车架平台维持平衡稳定的有效的算法控制数作为一种数据源，同时还将对应小波拓扑网络各层的第j个滤波节点的算法控制数输入数据的融合权重作为又一种数据源，采用以下算法通过进行数据处理生成可供被控系统的当前控制数：

$w\left(i\right)=\frac{1}{j}\underset{j=0}{\overset{j=2}{\mathrm{\Σ}}}{w}_j{\mathrm{\θ}}_{\mathrm{Tr}}(i,j),$

其中，w(i)是第i时刻经过运算处理后并由控制系统输出且能直接应用于被控系统的实际控制数，w_j是对应小波拓扑网络各层的第j个滤波节点的算法控制数输入数据的融合权重，将经信号融合单元运算处理后得到的第i时刻经过运算处理后并由控制系统输出且能直接应用于被控系统的实际控制数为与速度相关控制量，形成控制指令信号。

本发明与现有技术相比较，具有如下显而易见的突出实质性特点和显著优点：

1.本发明解决了基于倒立摆系统的自主平衡移动装置的信号处理的关键技术问题，基于当前自平衡车系统各个传感器的状态数据通过该算法可实时更新、实时调节保证系统运行过程中不断地输出可供于受控系统有效的控制数，保证自平衡车平衡行驶，本发明采用小波拓扑网络与调整器相结合的滤波处理数据方式，并辅以采用信号融合技术，经过不断地调整网络有效输入值进入各个滤波节点的输入数据、中间数据和输出数据，完善系统输出的被控系统控制数，提高倒立摆的工作的稳定性、可靠性和安全性；

2.本发明对传感器采集数据的滤波过程采用小波拓扑网络与调整器相结合的滤波处理数据方式，比传统的滤波算法更具优势，小波滤波的过程是一个计算的过程，其时效性比较好，使得小波滤波可以较快的得出运算结果，这对倒立摆系统的自主平衡控制在实际应用中极为重要，在此基础上可定制了高效、高精度、快速响应的控制算法及其控制系统，可实时、快速、精确计算基于倒立摆系统的摆杆的自主平衡移动装置的承载平台空间角度的变化，来调整自主平衡移动装置的承载平台平衡，提高基于倒立摆系统的智能平衡车等电动代步工具的驾乘稳定性、安全性和舒适性；

3.本发明自平衡车智能控制系统及其控制方法实际上针对车体重心实时变动情况下的间接复杂智能平衡运算控制过程，传统的信号去噪方法主要是基于频域的处理方法，以滤波器的形式去噪，但实际情况信号频谱和噪声频谱往往是重叠的，用传统的低通滤波器进行平滑处理可以去除噪声、伪轮廓等寄生效应，但是由于低通滤波器对噪声等寄生成分去除的同时，也去除了有用的高频成分，因此这样去噪处理是以牺牲清晰度为代价而换取的，而本发明采用小波分析方法是一种时频局部化分析方法，即在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率，尤其适于探测正常信号中突变信号的成分。运用小波分析进行信号的降噪处理是小波分析的一个重要应用方面高通或低通滤波器无法轻易滤除的噪声很多，最常见的就是白噪声，本发明通过精确计算，减少由于自平衡车运动中产生刚性干涉形成微小扰动，同时通过定制的自平衡车的信号处理算法策略提高了电气系统和机械系统的联合控制和信息反馈的能力，提高整车的智能化程度，使自驾智能自平衡车实现更加方便、易用、舒适和平稳；

4.本发明可根据实际需要，为智能自平衡车提供有效地控制平衡策略，通过检测与几何参数有关信号的多源传感器，紧密结合实用电动交通工具的需要情形，充分有效利用多源检测信息，实现多源信息在空间或时间上的冗余或互补，并充分考虑到环境的复杂性和目标时变动态特性对自平衡车系统平衡的外源性干扰，从算法和系统的角度实现具有高度自适应性的平衡控制策略；

5.本发明的平衡控制策略集成了硬件动静平衡机制和软件精确实现信号关联、数据相关、信号估计和数据融合一系列算法机制，利用各种传感器在空间和时间上的互补与冗余信息依据定制的优化准则或算法组合，来产生对检测目标和控制目标的一致性解释和描述，更利于实现控制推理和得出收敛的智能计算结果，使平衡车的自适应平衡能力得到充分发挥；

6.本发明智能自平衡车信号控制系统通过专门开发的控制模块实现专属控制，当智能自平衡车进行量产后，专门的控制模块的批零制造不会比采购通用的电子元器件多出更多的成本，反而在元件的兼容性和稳定性等方面会大大优于组装改进时生产的控制系统，对提高整车的平衡控制、平稳行进和平滑操作均有重要意义，采用本发明智能自平衡车信号控制系统作为内核，可以实现智能自平衡车的高质量平衡控制，适应市场对质高价低产品的热切需要，具有巨大的市场前景，符合在基础市场上定制高性价比智能自平衡车的目标。

附图说明

图1是本发明实施例一移动式倒立摆系统的自平衡控制方法的算法执行流程图。

图2是本发明实施例一自平衡算法的小波拓扑网络示意图。

图3是作为本发明实施例一的检测和控制目标的两轮的智能自平衡车外部结构示意图。

图4是本发明实施例一智能自平衡车信号控制系统的信号关系框图。

图5是作为本发明实施例二的检测和控制目标的单轮的智能自平衡车外部结构示意图。

图6是本发明实施例二智能自平衡车信号控制系统的信号关系框图。

具体实施方式

本发明的优选实施例详述如下：

实施例一：

在本实施例中，参见图1～图4，自平衡车智能控制系统，主要包括电源系统9、信号采集子系统5、信号整理子系统6、信号处理子系统7和控制系统8，将作为移动式倒立摆系统的摆杆的被控的车架本体1的被控参数检测结果，按照预定的目标将控制信号作用于被控的车轮2，从而通过驱动车轮2，来实现对车架本体1的平衡稳定状态的闭环控制，电源系统9为各系统和电子器件供电，信号采集子系统5包括陀螺仪11、加速度传感器12、HALL传感器13和采集控制芯片14，信号采集子系统5安装于车架本体1上，其中陀螺仪11对应车轮2的车轮轴10的中段位置处进行设置，陀螺仪11实时检测车架本体1的倾斜摆动的角速度信息，即也相当于实时检测与车架本体1固定连接的车架平台3的法线倾斜摆动的角速度信息，即也相当于实时检测车架平台3的倾斜摆动角速度信息，加速度传感器12实时检测车轮轴10的转动角速度信息，HALL传感器13实时检测驱动车轮2的轮毂电机4的转速信息，陀螺仪11、加速度传感器12和HALL传感器13的信号输出端分别与采集控制芯片14的信号接收端连接，采集控制芯片14处理陀螺仪11、加速度传感器12和HALL传感器13的检测信息，得到信号采集子系统5在每一时刻的车架平台3的倾斜摆动角速度、车轮轴10的转动角速度和轮毂电机4的转速的实时检测信息的采样值，信号整理子系统6包括小波滤波处理单元15和缓存单元16，缓存单元16至少缓存由小波滤波处理单元15生成的控制策略，小波滤波处理单元15调用缓存单元16中存储的控制策略作为数据源，还从采集控制芯片14的信号输出端接收到的车架平台3的倾斜摆动角速度、车轮轴10的转动角速度和轮毂电机4的转速的小波拓扑网络的有效信息输入值作为另一系列数据源，使小波滤波处理单元15经过整理数据源数据后，处理生成对应不同时刻和不同滤波节点的有效的算法控制数，再根据对应不同时刻和不同滤波节点的有效的算法控制数、对应不同时刻和不同滤波节点的有效信息输入值的权重函数和对应不同时刻的小波拓扑网络的当前有效信息输入值，通过小波滤波处理单元15的修正模块来调整小波拓扑网络输入值的权重，信号处理子系统7包括信号融合单元17，信号融合单元17将对应不同时刻和不同滤波节点的有效的算法控制数作为数据源，并将对应小波拓扑网络不同滤波节点的输入到信号融合单元17中的输入数据的融合权重一并作为数据源，通过数据融合运算处理生成能直接应用于被控系统的实际控制数，将车架平台3在不同时刻的实际控制数输入控制系统8，通过运算得到轮毂电机4能识别控制量的控制指令信号，控制系统8将控制指令信号输入轮毂电机4的驱动模块，使轮毂电机4驱动车轮2进行正转或反转，来调整车架平台3保持水平平衡的稳定状态。

在本实施例中，参见图1～图4，作为本实施例自平衡车智能控制系统的检测和控制目标的两轮的智能自平衡车，其两个车轮2分别设置于车架平台3左右两侧设置，每个车轮2各配备安装一台轮毂电机4，不同的轮毂电机4对应独立设置专用的HALL传感器13，控制系统8将指令信号分别输入两个轮毂电机4的驱动模块，使各轮毂电机4分别独立驱动车轮2进行正转或反转，使车轮2牵引车架平台3进行前进、后退或转向运动，来调整车架平台3保持趋近水平平衡的稳定状态，实现自主平衡。

在本实施例中，参见图1～图4，智能自平衡车信号控制系统的原理实际上是轮式牵引的单级倒立摆系统，是由单级直线式倒立摆机构和单级旋转式倒立摆机构组合形成的单级混合倒立摆机构，将倒立摆系统的摆杆的支点轴设置于车架本体1上，倒立摆系统的摆杆的支点轴轴线与车轮轴10轴线重合，即由车架本体1作为倒立摆系统的摆杆，车轮轴10同时作为车架本体1的支撑转轴，使车架本体1和车轮2同轴转动，各传感器分别测量车架平台3的倾斜摆动角速度α、车轮轴10的转动角速度β和轮毂电机4的转速ν，其中车架平台3的倾斜摆动角速度和车轮轴10的转动角速度共同反映直线式倒立摆机构和单级旋转式倒立摆机构组合形成的单级混合倒立摆机构的摆杆姿态变化速度。在本实施例中，参见图1～图4，自平衡车智能控制系统符合移动式倒立摆系统的结构和工作原理，其控制信号处理方法，包括以下步骤：

S1:在分析检测自平衡车保持各种状态时，由陀螺仪11、加速度传感器12和HALL传感器13所生成的一系列传感器测量信息情况下，采用小波滤波处理单元15，形成由一组权重参数组成的标准数据系列作为控制策略，来构建通过小波滤波方法的权重函数生成的一系列权重值的参数表，从权重函值的参数表中，选择能够使车架平台3维持平衡稳定状态的一个当前控制策略的一组权重值作为自平衡车初始时刻的控制策略，优选权重值作为当前控制策略，要求当前的控制策略能够使自平衡车保持稳定。

S2:应用当前控制策略初始化自平衡车，并初始化小波拓扑网络权重参数，缓存对于自平衡车的第i-1时刻的小波拓扑网络的一组权重值作为使倒立摆系统维持平衡稳定的在第i时刻的控制策略；使自平衡车维持平衡稳定的当前控制策略的对相应的滤波节点的缓存数据主要包括ε(i-1，j)、ξ(i-1，j)和ρ(i-1，j)，分别是第i-1时刻对应小波拓扑网络的第j个滤波节点的有效信息输入值的权重函数，i是小波拓扑网络的运行时刻，j是滤波节点的序列数；

S3:通过信息采集单元，处理对于自平衡车在第i时刻的陀螺仪11、加速度传感器12和HALL传感器13的测量信息，将各传感器的测量信息模拟信号读取后转换为数字信号，获取对于自平衡车在第i时刻的的各传感器的信息采样值，将各传感器的信息采样值作为小波拓扑网络的在第i时刻的有效信息输入值；

S4:通过小波滤波处理单元15，调用缓存单元16中存储的对应第i时刻和第j个滤波节点的控制策略缓存数据作为一系列数据源，同时还将第i时刻的小波拓扑网络的当前有效信息输入值作为另一系列数据源，第i时刻的小波拓扑网络的当前有效信息输入值包括车架平台3的倾斜摆动角速度、车轮轴10的转动角速度和轮毂电机4的转速的实时检测信息的采样值，通过小波滤波处理单元15的处理，采用以下滤波算法生成使车架平台3在第i时刻维持平衡稳定的有效的算法控制数：

${\mathrm{\θ}}_{\mathrm{Tr}}(i,j)=\left(\frac{\mathrm{\α}\left(i\right)}{\mathrm{\ϵ}(i,j)}\cos \right[(2-k_p)\mathrm{\β}\left(i\right))]+\frac{\mathrm{\β}\left(i\right)}{\mathrm{\ξ}(i,j)}\cos [k_p\mathrm{\α}\left(i\right)]+\frac{\hat{v}\left(i\right)}{\mathrm{\ρ}(i,j)}\∂(i,j),$

$\∂(i,j)=\frac{1}{{\mathrm{\μ}}^4}\frac{1}{\sqrt{2\mathrm{\π}}{o}^3}(1-\frac{i^2}{o^2})e^{-\frac{i^2}{2{(o-\mathrm{\μ})}^2}},$

其中，i是小波拓扑网络的运行时刻，j是滤波节点的序列数，是自平衡车通过对第i时刻的对应小波拓扑网络的第j个滤波节点输出的数据经过运算、处理得出的随不同时刻的应供给的有效的算法控制数，意在调整自平衡车的控制系统8应控制的脉宽，α(i)是在第i时刻的陀螺仪11采集车架平台3的倾斜摆动角速度，β(i)在第i时刻的加速度传感器12采集车轮轴10的转动角速度，是在第i时刻的hall传感器13测得的轮毂电机4速度值，是在第i时刻对应小波拓扑网络的第j个滤波节点的滤波节点函数，ε(i,j)、ξ(i,j)、ρ(i,j)分别是在第i时刻对应小波拓扑网络的第j滤波节点的有效信息输入值的权重函数，即一组数据融合调节的参数表，代表着α(i)、β(i)、在对应小波拓扑网络的第j个滤波节点上输入小波拓扑网络的权重，是根据小波拓扑网络实际情况而定的可变参数，k_p是自平衡车对传感器数据的增益系数，k_p取值范围在0～2之间，μ是小波拓扑网络的第j个节点数据的比例系数，μ取值为10，ο是第j个滤波节点函数的调节因子，ο取值为0.09；

S5:将通过小波滤波处理单元15的上述数据处理得到的在第i时刻对应小波拓扑网络的第j个滤波节点的使车架平台3维持平衡稳定的有效的算法控制数作为一种数据源，同时还将在第i-1时刻对应小波拓扑网络的第j个滤波节点的有效信息输入值的权重函数作为又一种数据源，同时还将在第i时刻的陀螺仪11采集车架平台3的倾斜摆动角速度α(i)、在第i时刻的加速度传感器12采集车轮轴10的转动角速度β(i)、在第i时刻的hall传感器13测得的轮毂电机4速度一并作为再一种数据源，采用以下数据修正算法调整小波拓扑网络权重：

$\begin{array}{c}\mathrm{\ϵ}(i,j)=\mathrm{\ϵ}(i-1,j)+\mathrm{\σ}\left|\right|{\mathrm{\θ}}_{\mathrm{Tr}}(i,j)-\mathrm{\α}\left(i\right)\left|\right|,j=0,\\ \mathrm{\ξ}(i,j)=\mathrm{\ξ}(i-1,j)+\mathrm{\η}\left|\right|{\mathrm{\θ}}_{\mathrm{Tr}}(i,j)-\mathrm{\β}\left(i\right)\left|\right|,j=1,\\ \mathrm{\ϵ\ρ}(i,j)=\mathrm{\ρ}(i-1,j)+\mathrm{\λ}\left|\right|{\mathrm{\θ}}_{\mathrm{Tr}}(i,j)-\hat{v}\left(i\right)\left|\right|,j=2,\end{array}$

其中，当j为0、1、2时还分别代表着小波拓扑网络的陀螺仪11检测角速度、加速度传感器12检测角速度、电机转速的有效输入信号，σ、η和λ分别是相应传感器的修正算法的调整因子，σ、η和λ的取值范围皆在0～1之间，经过修正器调整小波拓扑网络的权重，提供下一时刻自平衡车的控制系统的控制策略；

S6:监测并判断在上述S5步骤中的当前控制周期修正过程的完成状态：如果当前控制周期修正过程未完成，则返回上述S3步骤中，继续更新对于倒立摆系统的当前状态的各传感器的测量信息，直至得到对于倒立摆系统的下一状态维持平衡的控制策略；如果当前控制周期修正过程已经完成，则通过信号融合单元17，利用上述在第i时刻对应小波拓扑网络的第j个滤波节点的使车架平台3维持平衡稳定的有效的算法控制数作为一种数据源，同时还将对应小波拓扑网络各层的第j个滤波节点的算法控制数输入数据的融合权重作为又一种数据源，采用以下算法通过进行数据处理生成可供被控系统的当前控制数：

$w\left(i\right)=\frac{1}{j}\underset{j=0}{\overset{j=2}{\mathrm{\Σ}}}{w}_j{\mathrm{\θ}}_{\mathrm{Tr}}(i,j),$

其中，w(i)是第i时刻经过运算处理后并由控制系统8输出且能直接应用于被控系统的实际控制数，w_j是对应小波拓扑网络各层的第j个滤波节点的算法控制数输入数据的融合权重，将经信号融合单元17运算处理后得到的第i时刻经过运算处理后并由控制系统8输出且能直接应用于被控系统的实际控制数为与速度相关控制量，形成控制指令信号。信号融合单元17内，用于基于第i时刻小波拓扑网络各层的控制数，采用变参数处理法来确定所述的被控系统的控制数，即将经信号融合单元17运算处理后得到第i时刻的车架平台3的法线的倾斜角度变化值数据输入控制系统8，通过控制系统8运算得到与速度相关控制量，形成控制指令信号，再将控制指令信号输入轮毂电机4的驱动模块，使轮毂电机4驱动车轮2进行正转或反转，来调整车架平台3的法线趋向竖直方向，从而使车架本体1趋向平衡稳定状态，通过信号融合单元17的运算处理生成车架平台3的法线的倾斜角度变化值的同时，还返回上述S2步骤中，继续更新并调用使倒立摆系统维持平衡稳定的当前控制策略，并以如此信号处理的方式不断进行后续循环。

在本实施例中，参见图1～图4，移动式倒立摆系统的自平衡控制方法是基于多个传感器信号的处理以及采用小波拓扑网络、修正器调节来使控制系统达到自平衡，完善系统输出的被控系统控制数。在本实施例中，自平衡车智能控制系统通过多源信息检测，根据需要将所测得的信息作为反馈信号送至控制系统8，与设定信息进行比较后，对轮毂电机4的输出运动进行调整，以保证自平衡车的动作符合预定标准的平衡要求，信号的传递整个过程形成闭环控制。自平衡车智能控制系统实时检测自平衡车的运动及工作情况，通过对自平衡车各部分的内部状况信息检测和数据处理，结合对环境中温度对各传感器数据影响水平，并通过传感器受外界环境影响的噪声修正，进行角度补偿，构成信号反馈回路，从而将大大提高自平衡车工作精度，使之达到更高层次的自动化，即实现智能化，提高整车稳定化可靠水平。

本实施例对运动型倒立摆系统的状态信号的采集与处理，采用小波拓扑网络与调整器相结合的滤波处理数据方式，并辅以采用信号融合技术，经过不断地调整小波拓扑网络有效输入值进入各个滤波节点的输入数据、中间数据和输出数据，完善系统输出的被控系统控制数，提高电气系统和机械系统的联合控制和信息反馈的能力，减少由于自平衡车运动中产生刚性干涉形成微小扰动，提高整车智能化程度，提高倒立摆的工作的稳定性和可靠性，提高基于倒立摆系统的电动代步工具的驾乘稳定性、安全性和舒适性，使自驾智能自平衡车实现更加方便、易用、舒适和平稳，降低软硬件控制策略的实现成本，提高了自平衡车的性能价格比。本实施例尤其适合应用于机器人辅助载人代步装置的控制领域，使自平衡车适用于环保出行、人类运输、室外健身、沙滩冲浪、便利助行、个性出行、警用巡逻、军队机动、移动摄像摄影、移动观摩、快速到达、小件运送、娱乐休闲、仪式仪仗、登临星球代步运输、星球表面探测和科学实验等领域，使驾驶者更易于广场、机场、高尔夫球场、会议展览中心、工业园区、高档社区、运动场馆、公园、城市林荫步道、非机动车道和地外星球表面等路面环境中获得驾驶的舒适感和便捷体验。

实施例二：

本实施例与实施例一基本相同，特别之处在于：

在本实施例中，参见图5和图6，作为本实施例智能自平衡车的检测和控制目标的单轮的智能自平衡车，其车轮2设置于车架平台3的中部位置处，车架平台3由分别位于车轮2的左右两侧的两部分平台组成，另设置维持车轮2左右平衡的惯性元件，惯性元件通过芯轴与车架本体1转动连接，且惯性元件的芯轴与车轮轴10的轴线平行，芯轴由驱动电机18来驱动，进而带动惯性元件高速旋转，控制系统8控制轮毂电机4驱动车轮2进行正转或反转，并通过控制驱动电机18的转动速度来调控惯性元件高速旋转产生惯性力矩，使车轮2牵引车架平台3进行前进或后退运动，来调整车架平台3保持趋近水平平衡的稳定状态，实现自主平衡。本发明为车轮2配备两台电机，即一台轮毂电机4和一台驱动电机18，轮毂电机4带动车轮2通过正转或反转来实现自平衡车前进或后退，并实时调控自平衡车的前后平衡，驱动电机18驱动惯性元件高速旋转，以有效地保持自平衡车的左右平衡，本实施例这样的技术方案，使单轮自平衡车体积更加小巧，很容易让使用者学习使用。其转向由使用者变化人体姿态施加外力来实现，即使用者手握手柄20，通过连接杆19向车架本体1传递转向扭矩，并通过使用者的重心调整实现人为转向控制；本实施例独轮的自平衡车克服了传统的独轮车左右的平衡需要专门学习才能使用的不足，使普通使用者驾驶自平衡车时，很容易达到或超越单轮车专业魔术师的平衡驾驶水平，适用于更加广泛的人群，可以带来安全可靠的驾驭乐趣，提高独轮车使用的舒适性，满足更多个性车辆驾驶者的多样化需求。

实施例三：

本实施例与实施例一基本相同，特别之处在于：

在本实施例中，作为本实施例智能自平衡车的检测和控制目标的两轮的智能自平衡车，每个车轮2分别单独配备维持对应车轮2左右平衡的惯性元件，惯性元件通过芯轴与车架本体1转动连接，且惯性元件的芯轴与其对应的车轮轴10的轴线平行，芯轴由驱动电机18来驱动，进而带动惯性元件高速旋转，控制系统8通过控制驱动电机18的转动速度来调控惯性元件高速旋转产生惯性力矩，约束车轮2的左右偏斜。本发明为每个车轮2各配备两个电机，即每个车轮2均配备了专属的一个轮毂电机4和一个驱动电机18，轮毂电机4带动车轮2通过正转或反转来实现自平衡车前进或后退，并实时调控自平衡车的前后平衡，通过平衡算法运算，驱动电机18驱动惯性元件高速旋转，辅助增强自平衡车的左右平衡能力，在复杂路况或在进行急转弯时防止发生侧翻，对驾驶者提供更加可靠的安全驾控保障，有利于保护驾驶人员和平衡车各部分车载设备安全。本实施例智能自平衡车信号控制系统除了输出控制自平衡车前后平衡的指令之外，还输出控制惯性元件高速旋转的指令，使惯性元件高速旋转更好地发挥陀螺效应，在增强自平衡车的左右平衡的同时，使惯性元件高速旋转产生进动性，从而更好地辅助车轮2进行符合需要的运动，本实施例通过控制惯性元件运动，实现了机械能量的控制释放，进一步优化了自平衡车的动作效率和安全可靠性。

实施例四：

本实施例与实施例二和实施例三基本相同，特别之处在于：

在本实施例中，对于一个车轮2，其专用的轮毂电机4和专用的驱动电机18合并为单台电机，即仅由轮毂电机4的主轴即能同时传动车轮2及其所配备的惯性元件围绕相同的轴线转动，同时又能控制轮毂电机4的主轴通过大传动比机构高速传动惯性元件转动。在本实施例中，将智能自平衡车信号控制系统的多套指令输出变更为单套指令输出，简化了数据处理过程，使数据融合的算法运算量减少，提高了计算效率和速度。本实施例通过大传动比机构实现车轮2和惯性元件的异步转动，用成熟的机械系统控制间接实现信号控制，节省了一套电机设备，提高了系统的稳定性，减少了能量消耗，提高了系统集成水平，并使控制系统的紧凑程度显著提高，本实施例使自平衡车的制造成本进一步降低，更具市场价值。

上面结合附图对本发明实施例进行了说明，但本发明不限于上述实施例，还可以根据本发明的发明创造的目的做出多种变化，凡依据本发明技术方案的精神实质和原理下做的改变、修饰、替代、组合、简化，均应为等效的置换方式，只要符合本发明的发明目的，只要不背离本发明移动式倒立摆系统的自平衡控制方法及自平衡车智能控制系统的技术原理和发明构思，都属于本发明的保护范围。

Claims (15)

1.一种移动式倒立摆系统的自平衡控制方法，其特征在于，包括以下步骤：

S1: 在分析检测倒立摆系统保持各种状态所生成的一系列传感器测量信息情况下，采用小波滤波处理单元，形成由一组权重参数组成的标准数据系列作为当前控制策略，来构建通过小波滤波方法的权重函数生成的一系列权重值的参数表，从权重函值的参数表中，选择能够使倒立摆系统维持平衡稳定状态的一个当前控制策略的一组权重值作为倒立摆系统初始时刻的控制策略；

S2: 应用当前控制策略初始化倒立摆系统，并初始化小波拓扑网络权重参数，缓存对于倒立摆系统的上一状态时的小波拓扑网络的一组权重值作为使倒立摆系统维持平衡稳定的当前控制策略；

S3: 通过信息采集单元，处理对于倒立摆系统的当前状态的各传感器的测量信息，将各传感器的测量信息模拟信号读取后转换为数字信号，获取对于倒立摆系统的当前状态的各传感器的信息采样值，将各传感器的信息采样值作为小波拓扑网络的当前有效信息输入值；

S4: 采用小波滤波处理单元，根据在上述S2步骤中调用的当前控制策略以及在上述S3步骤中的小波拓扑网络的当前有效信息输入值，对相应的滤波节点采用小波拓扑网络，生成使倒立摆系统维持平衡稳定的当前有效的算法控制数；

S5: 采用小波滤波处理单元，根据在上述S4步骤中的倒立摆系统的当前有效的算法控制数、在上述S2步骤中调用的当前控制策略和在上述S3步骤中得到的各传感器的信息采样值作为小波拓扑网络的当前有效信息输入值，经过数据修正来调整小波拓扑网络输入值的权重，提供倒立摆系统下一状态维持平衡稳定的控制策略；

S6: 监测并判断在上述S5步骤中的当前控制周期修正过程的完成状态：如果当前控制周期修正过程未完成，则返回上述S3步骤中，继续更新对于倒立摆系统的当前状态的各传感器的测量信息，直至得到对于倒立摆系统的下一状态维持平衡的控制策略；如果当前控制周期修正过程已经完成，则通过中央控制单元对当前有效的算法控制数进行数据处理，生成可供被控系统的当前实际控制数，再将可供被控系统的当前实际控制数输入倒立摆系统的运动执行机构，使倒立摆系统在当前状态时维持平衡状态，并返回上述S2步骤中，继续调用使倒立摆系统维持平衡稳定的当前控制策略，并进行后续循环。

2.根据权利要求1所述移动式倒立摆系统的自平衡控制方法，其特征在于：所述信息采集单元处理的倒立摆系统信息采样值和所述小波滤波处理单元处理的倒立摆系统的算法控制数皆为几何参数或运动速度参数，经所述中央控制单元运算后输出的倒立摆系统的实际控制数数据是与速度相关的控制量。

3.根据权利要求2所述移动式倒立摆系统的自平衡控制方法，其特征在于：所述移动式倒立摆系统为轮式牵引的单级倒立摆系统，是由单级直线式倒立摆机构和单级旋转式倒立摆机构组合形成的单级混合倒立摆机构，将所述倒立摆系统的摆杆的支点轴设置于车体上，所述倒立摆系统的摆杆的支点轴轴线与车轮轴线平行，通过所述信息采集单元、所述小波滤波处理单元和中央控制单元的联合计算处理，使所述倒立摆系统的摆杆趋向于竖直镇定平衡。

4.根据权利要求3所述移动式倒立摆系统的自平衡控制方法，其特征在于：所述倒立摆系统的摆杆的支点轴轴线与车轮轴线重合，即由所述车体作为倒立摆系统的摆杆，车轮轴同时作为所述车体的支撑转轴，使所述车体和车轮同轴转动，在所采用的传感器之中，陀螺仪测量所述车体的倾斜角速度信息，加速度传感器测量所述车轮轴的转动角速度信息，hall传感器测量驱动所述车轮的轮毂电机的速度信息，其中陀螺仪和加速度传感器的测量信息共同反映直线式倒立摆机构和单级旋转式倒立摆机构组合形成的单级混合倒立摆机构的摆杆姿态变化，则在上述步骤S2中，使倒立摆系统维持平衡稳定的当前控制策略的对相应的滤波节点的缓存数据主要包括                                               、和，分别是第i-1时刻对应小波拓扑网络的第j个滤波节点的有效信息输入值的权重函数，i是小波拓扑网络的运行时刻，j是滤波节点的序列数。

5.根据权利要求4所述移动式倒立摆系统的自平衡控制方法，其特征在于：在上述步骤S4中，采用小波滤波处理单元，根据在上述S2步骤中调用的当前控制策略以及在上述S3步骤中的小波拓扑网络的当前有效信息输入值，采用以下滤波算法得到第i时刻的倒立摆系统维持平衡稳定的当前有效的算法控制数：

   ，

   ，

其中，是倒立摆系统通过对第i时刻的对应小波拓扑网络的第j个滤波节点输出的数据经过运算、处理得出的随不同时刻的应供给的有效的算法控制数，、分别是第i时刻陀螺仪与加速度传感器采集倒立摆系统的摆杆姿态信号的角速度，是第i时刻的hall传感器测得的轮毂电机速度值，是在第i时刻对应小波拓扑网络的第j个滤波节点的滤波节点函数，、、分别是第i时刻对应小波拓扑网络的第j滤波节点的有效信息输入值的权重函数，是倒立摆系统对传感器数据的增益系数，取值范围在0～2之间，是小波拓扑网络的第j个节点数据的比例系数，取值为10，是第j个滤波节点函数的调节因子，取值范围在0.01～0.1之间。

6.根据权利要求5所述移动式倒立摆系统的自平衡控制方法，其特征在于：在上述步骤S5中，根据在第i时刻对应小波拓扑网络的第j个滤波节点的使倒立摆系统维持平衡稳定的有效的算法控制数、在第i-1时刻对应小波拓扑网络的第j个滤波节点的有效信息输入值的权重函数和在第i时刻的各传感器采集倒立摆系统的状态信息采样值， 采用以下数据修正算法调整小波拓扑网络权重：

   ，，

   ，，

   ，，

其中，当j为0、1、2时还分别代表着小波拓扑网络的陀螺仪检测角速度、加速度传感器检测角速度、电机转速的有效输入信号，、和分别是相应传感器的修正算法的调整因子，、和的取值范围皆在0～1之间。

7.根据权利要求1～6中任意一项所述移动式倒立摆系统的自平衡控制方法，其特征在于：在上述步骤S1中，所述倒立摆系统维持平衡稳定状态是指倒立摆系统的摆杆处于或者达到竖直向上的位置时，整个倒立摆系统能克服任意随机扰动而保持稳定的情形。

8.根据权利要求5或6所述移动式倒立摆系统的自平衡控制方法，其特征在于：采用小波滤波处理单元进行多层小波网络分解重构，在上述S6步骤中，中央控制单元包括信号融合单元，信号融合单元以小波拓扑网络各层产生的当前有效的算法控制数作为数据源，采用变参数处理法，通过进行数据处理生成可供被控系统的当前控制数。

9.根据权利要求8所述移动式倒立摆系统的自平衡控制方法，其特征在于：小波网络分解的层数为3层，所述信号融合单元以小波拓扑网络各层产生的当前有效的算法控制数作为数据源，采用以下算法通过进行数据处理生成可供被控系统的当前控制数：

   ，

    其中，是第i时刻倒立摆系统经过运算处理后直接应用于被控系统的实际控制数， 是对应小波拓扑网络各层的第j个滤波节点的算法控制数输入数据的融合权重。

10.一种实施权利要求1所述移动式倒立摆系统的自平衡控制方法的自平衡车智能控制系统，主要包括电源系统（9）、信号采集子系统（5）、信号整理子系统（6）、信号处理子系统（7）和控制系统（8），将作为移动式倒立摆系统的摆杆的被控的车架本体（1）的被控参数检测结果，按照预定的目标将控制信号作用于被控的车轮（2），从而通过驱动所述车轮（2），来实现对所述车架本体（1）的平衡稳定状态的闭环控制，所述电源系统（9）为各系统和电子器件供电，其特征在于：所述信号采集子系统（5）包括陀螺仪（11）、加速度传感器（12）、hall传感器（13）和采集控制芯片（14），所述信号采集子系统（5）安装于所述车架本体（1）上，其中所述陀螺仪（11）对应所述车轮（2）的车轮轴（10）的中段位置处进行设置，所述陀螺仪（11）实时检测所述车架本体（1）的倾斜摆动的角速度信息，即也相当于实时检测与所述车架本体（1）固定连接的车架平台（3）的法线倾斜摆动的角速度信息，即也相当于实时检测所述车架平台（3）的倾斜摆动角速度信息，所述加速度传感器（12）实时检测所述车轮轴（10）的转动角速度信息，所述hall传感器（13）实时检测驱动所述车轮（2）的轮毂电机（4）的转速信息，所述陀螺仪（11）、加速度传感器（12）和hall传感器（13）的信号输出端分别与所述采集控制芯片（14）的信号接收端连接，所述采集控制芯片（14）处理所述陀螺仪（11）、加速度传感器（12）和hall传感器（13）的检测信息，得到所述信号采集子系统（5）在每一时刻的所述车架平台（3）的倾斜摆动角速度、所述车轮轴（10）的转动角速度和所述轮毂电机（4）的转速的实时检测信息的采样值，所述信号整理子系统（6）包括小波滤波处理单元（15）和缓存单元（16），所述缓存单元（16）至少缓存由小波滤波处理单元（15）生成的控制策略，所述小波滤波处理单元（15）调用所述缓存单元（16）中存储的控制策略作为数据源，还从所述采集控制芯片（14）的信号输出端接收到的所述车架平台（3）的倾斜摆动角速度、所述车轮轴（10）的转动角速度和所述轮毂电机（4）的转速的小波拓扑网络的有效信息输入值作为另一系列数据源，使所述小波滤波处理单元（15）经过整理数据源数据后，处理生成对应不同时刻和不同滤波节点的有效的算法控制数，再根据对应不同时刻和不同滤波节点的有效的算法控制数、对应不同时刻和不同滤波节点的有效信息输入值的权重函数和对应不同时刻的小波拓扑网络的当前有效信息输入值，通过所述小波滤波处理单元（15）的修正模块来调整小波拓扑网络输入值的权重，所述信号处理子系统（7）包括信号融合单元（17），所述信号融合单元（17）将对应不同时刻和不同滤波节点的有效的算法控制数作为数据源，并将对应小波拓扑网络不同滤波节点的输入到所述信号融合单元（17）中的输入数据的融合权重一并作为数据源，通过数据融合运算处理生成能直接应用于被控系统的实际控制数，将所述车架平台（3）在不同时刻的实际控制数输入所述控制系统（8），通过运算得到所述轮毂电机（4）能识别控制量的控制指令信号，所述控制系统（8）将控制指令信号输入所述轮毂电机（4）的驱动模块，使所述轮毂电机（4）驱动车轮（2）进行正转或反转，来调整所述车架平台（3）保持水平平衡的稳定状态。

11.根据权利要求10所述自平衡车智能控制系统，其特征在于：对于具有两个车轮（2）的自平衡车，其两个所述车轮（2）分别设置于所述车架平台（3）左右两侧设置，每个所述车轮（2）各配备安装一台所述轮毂电机（4），不同的所述轮毂电机（4）对应独立设置专用的所述hall传感器（13），所述控制系统（8）将指令信号分别输入两个所述轮毂电机（4）的驱动模块，使各所述轮毂电机（4）分别独立驱动车轮（2）进行正转或反转，使所述车轮（2）牵引所述车架平台（3）进行前进、后退或转向运动，来调整所述车架平台（3）保持趋近水平平衡的稳定状态，实现自主平衡。

12.根据权利要求10所述自平衡车智能控制系统，其特征在于：对于仅具有一个车轮（2）的自平衡车，其所述车轮（2）设置于所述车架平台（3）的中部位置处，所述车架平台（3）由分别位于所述车轮（2）的左右两侧的两部分平台组成，另设置维持所述车轮（2）左右平衡的惯性元件，所述惯性元件通过芯轴与所述车架本体（1）转动连接，且所述惯性元件的芯轴与所述车轮轴（10）的轴线平行，所述芯轴由驱动电机（18）来驱动，进而带动所述惯性元件高速旋转，所述控制系统（8）控制所述轮毂电机（4）驱动车轮（2）进行正转或反转，并通过控制驱动电机（18）的转动速度来调控所述惯性元件高速旋转产生惯性力矩，使所述车轮（2）牵引所述车架平台（3）进行前进或后退运动，来调整所述车架平台（3）保持趋近水平平衡的稳定状态，实现自主平衡。

13.根据权利要求11所述自平衡车智能控制系统，其特征在于：每个所述车轮（2）分别单独配备维持对应所述车轮（2）左右平衡的惯性元件，所述惯性元件通过芯轴与所述车架本体（1）转动连接，且所述惯性元件的芯轴与其对应的所述车轮轴（10）的轴线平行，所述芯轴由驱动电机（18）来驱动，进而带动所述惯性元件高速旋转，所述控制系统（8）通过控制驱动电机（18）的转动速度来调控所述惯性元件高速旋转产生惯性力矩，约束所述车轮（2）的左右偏斜。

14.根据权利要求12或13所述自平衡车智能控制系统，其特征在于：对于单个所述车轮（2），其专用的所述轮毂电机（4）和专用的所述驱动电机（18）合并为单台电机，即仅由所述轮毂电机（4）的主轴即能同时传动所述车轮（2）及其所配备的惯性元件围绕相同的轴线转动，同时又能控制所述轮毂电机（4）的主轴通过大传动比机构高速传动所述惯性元件转动。

15.根据权利要求10～13中任意一项所述自平衡车智能控制系统，其特征在于：通过所述小波滤波处理单元（15），调用所述缓存单元（16）中存储的对应第i时刻和第j个滤波节点的控制策略缓存数据作为一系列数据源，同时还将第i时刻的小波拓扑网络的当前有效信息输入值作为另一系列数据源，第i时刻的小波拓扑网络的当前有效信息输入值包括所述车架平台（3）的倾斜摆动角速度、所述车轮轴（10）的转动角速度和所述轮毂电机（4）的转速的实时检测信息的采样值，通过小波滤波处理单元（15）的处理，采用以下滤波算法生成使所述车架平台（3）在第i时刻维持平衡稳定的有效的算法控制数：

   ，

   ，

其中，i是小波拓扑网络的运行时刻，j是滤波节点的序列数，是自平衡车通过对第i时刻的对应小波拓扑网络的第j个滤波节点输出的数据经过运算、处理得出的随不同时刻的应供给的有效的算法控制数，是在第i时刻的陀螺仪（11）采集车架平台（3）的倾斜摆动角速度，在第i时刻的加速度传感器（12）采集所述车轮轴（10）的转动角速度，是在第i时刻的hall传感器（13）测得的轮毂电机（4）速度值，是在第i时刻对应小波拓扑网络的第j个滤波节点的滤波节点函数，、、分别是在第i时刻对应小波拓扑网络的第j滤波节点的有效信息输入值的权重函数，是自平衡车对传感器数据的增益系数，取值范围在0～2之间，是小波拓扑网络的第j个节点数据的比例系数，取值为10，是第j个滤波节点函数的调节因子，取值范围在0.01～0.1之间；

将通过所述小波滤波处理单元（15）的上述数据处理得到的在第i时刻对应小波拓扑网络的第j个滤波节点的使所述车架平台（3）维持平衡稳定的有效的算法控制数作为一种数据源，同时还将在第i-1时刻对应小波拓扑网络的第j个滤波节点的有效信息输入值的权重函数作为又一种数据源，同时还将在第i时刻的陀螺仪（11）采集车架平台（3）的倾斜摆动角速度、在第i时刻的加速度传感器（12）采集所述车轮轴（10）的转动角速度、在第i时刻的hall传感器（13）测得的轮毂电机（4）速度一并作为再一种数据源，采用以下数据修正算法调整小波拓扑网络权重：

   ，，

   ，，

   ，，

其中，当j为0、1、2时还分别代表着小波拓扑网络的陀螺仪（11）检测角速度、加速度传感器（12）检测角速度、电机转速的有效输入信号，、和分别是相应传感器的修正算法的调整因子，、和的取值范围皆在0～1之间；

通过信号融合单元（17），利用上述在第i时刻对应小波拓扑网络的第j个滤波节点的使所述车架平台（3）维持平衡稳定的有效的算法控制数作为一种数据源，同时还将对应小波拓扑网络各层的第j个滤波节点的算法控制数输入数据的融合权重作为又一种数据源，采用以下算法通过进行数据处理生成可供被控系统的当前控制数：

   ，

    其中，是第i时刻经过运算处理后并由控制系统（8）输出且能直接应用于被控系统的实际控制数，是对应小波拓扑网络各层的第j个滤波节点的算法控制数输入数据的融合权重，将经所述信号融合单元（17）运算处理后得到的第i时刻经过运算处理后并由控制系统（8）输出且能直接应用于被控系统的实际控制数为与速度相关控制量，形成控制指令信号。