CN105116729B - 一种两轮自平衡机器人自适应滑模变结构控制方法 - Google Patents
一种两轮自平衡机器人自适应滑模变结构控制方法 Download PDFInfo
- Publication number
- CN105116729B CN105116729B CN201510506091.0A CN201510506091A CN105116729B CN 105116729 B CN105116729 B CN 105116729B CN 201510506091 A CN201510506091 A CN 201510506091A CN 105116729 B CN105116729 B CN 105116729B
- Authority
- CN
- China
- Prior art keywords
- msub
- mrow
- sliding mode
- mode controller
- double
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种两轮自平衡机器人自适应滑模变结构控制方法，根据经典力学分析法和基于能量分析的Lagrange算法建模如下两轮自平衡机器人的动力学方程并根据该动力学方程设计出滑模变结构控制器；滑模变结构控制器包括速度滑模变结构控制器和角度滑模变结构控制器，速度滑模变结构控制器和角度滑模变结构控制器相互反馈，其反馈方程为：θr＝βV；采用基于函数逼近方式对系统进行自适应控制。采用本发明的技术方案，使建模过程更加精简且全面、增强系统的鲁棒性、提高系统的响应速度；同时由于系统的速度和角度存在相互反馈关系，当系统的倾角过大时，系统会自动降速，速度降低的同时，会自动回到平衡位置，在面对不同路面条件的情况下，系统能够自适应外部环境以及大范围负载的变化，从而保证系统的安全与稳定。
Description
技术领域
本发明涉及机器人控制领域，尤其涉及一种两轮自平衡机器人自适应滑模变结构控制方法。
背景技术
近年来，随着移动机器人研究不断深入、应用领域更加广泛，所面临的环境和任务也越来越复杂。机器人经常会遇到一些比较狭窄，而且有很多大转角的工作场合，如何在这样比较复杂的环境中灵活快捷的执行任务，成为人们颇为关心的一个问题。两轮自平衡机器人概念就是在这样的背景下提出来的。两轮自平衡机器人技术是一种横跨多个学科的综合技术，其系统模型是一个相当复杂的非线性不稳定的动力学模型，并且两轮自平衡机器人系统结构特殊，适应地形变化能力强，运动灵活，可以胜任一些比较复杂环境里的工作，所以在控制理论和工程领域中备受关注，与它相关的理论知识包括:①物理体系结构的分析；②运动学分析与动力学模型的构建，包括动力学特性和欠驱动的分析；③模拟和仿真分析；④姿态检测技术和空间定位技术，包括克服惯性传感器的零点或温度漂移，滤波算法的设计和理论分析，多传感器数据融合技术等；⑤运动控制和平衡控制的理论与控制方法的研究。
要对两轮自平衡机器人系统进行仿真处理，首先需要知道系统的数学模型，而后才有可能对系统进行模拟，现有技术中两轮自平衡机器人的建模方式大多都是采用系统建模方式中经典力学分析法或基于能量分析的Lagrange方法的其中一种，单独采用经典力学分析法建模的后果是力学分析过程过于复杂；而单独采用基于能量分析的Lagrange方法时忽略了系统中能量的变化情况。同时现有技术两轮自平衡机器人的控制算法大多为PID控制算法、LQR控制算法、最优控制算法、模糊控制算法等，这些控制算法在两轮自平衡机器人这种非线性、自然不稳定系统难以达到满意的控制效果，鲁棒性不够好，响应速度不够快，面对较大的扰动时，系统不稳定，当外部路面条件变化的时候，不能自适应较复杂的外部环境以及大范围负载的变化，不能够自动检测负载的加入与否；在数据处理方式上不够智能；速度控制方式仅靠倾角的变化，方式过于单一；系统的抖振非常大。
故，针对目前现有技术中存在的上述缺陷，实有必要进行研究，以提供一种方案，解决现有技术中存在的缺陷。
发明内容
本发明的目的是一种两轮自平衡机器人自适应滑模变结构控制方法，使建模过程更加精简且全面、增强系统的鲁棒性、提高系统的响应速度；能够应对较大的外部扰动；能够自适应外部环境以及大范围负载的变化；能够自动检测负载的加入；系统中参数的值更加精确；速度控制方式多样化。
为了克服现有技术存在的缺陷，本发明的技术方案为：
一种两轮自平衡机器人自适应滑模变结构控制方法，包括以下步骤：
根据经典力学分析法和基于能量分析的Lagrange算法建立如下两轮自平衡机器人的动力学方程：
并根据上述动力学方程设计出滑模变结构控制器；
其中，U为滑模变结构控制器的输出控制信号，θ为两轮自平衡机器人的车体偏角，ev＝V-Vr为当前速度V和参考速度Vr的速度差，a1、b1、c1、d1、a2、b2、c2、d2为两轮自平衡机器人的模型参数；
采集传感信号并以此作为滑模变结构控制器的输入参数；
所述滑模变结构控制器根据其输入参数输出控制信号；
根据滑模变结构控制器输出控制信号，对系统进行平衡以及速度控制，以及利用转向电位器信号，对系统进行转向控制，两者共同控制电机运动；
检测两轮自平衡机器人的当前速度信息并将其反馈至滑模变结构控制器的输入端，作为滑模变结构控制器的输入参数之一。
优选地，所述滑模变结构控制器包括速度滑模变结构控制器和角度滑模变结构控制器，所述速度滑模变结构控制器和所述角度滑模变结构控制器相互反馈，其反馈方程为：θr＝βV，其中，θr为速度滑模变结构控制器反馈给角度滑模变结构控制器的参量，V为当前速度，β为常量，其值的范围值-0.15至0.15之间；
所述的角度滑模变结构控制器的输出控制信号的输出方程为：
其中，ΔT为采样时间，Y＝βb2，,为自适应项；
所述速度滑模变结构控制器根据所述速度信息和所述角度滑模变结构控制器的输出控制信号，输出所述反馈信息，其输出量U由以下方程决定：
在所述的角度滑模变结构控制器和所述速度滑模变结构控制器中，采用斜坡函数其中，Δ称为边界层。
优选地，所述的角度滑模变结构控制器采用基于函数逼近方式来进行自适应控制，其自适应项为：其中 为拉盖尔基函数。
优选地，所述β值为-0.14。
优选地，还包括对传感信号进行数据融合的步骤，所述传感信号包括通过陀螺仪采集的偏角信息和通过加速度计采集的加速度信息，并通过卡尔曼滤波算法对所述偏角信息和所述加速度信息进行数据融合。
优选地，所述传感信号还包括调速手把的油门信号，所述油门信号与参考速度的关系符合以下公式：Vr＝k·(VRH-17160)，其中，k为比例系数。
优选地，还包括负载检测的步骤，所述负载检测步骤中采用迟滞函数，通过设定阈值来判断是否有负载。
优选地，a1、b1、c1、d1、a2、b2、c2、d2的值由以下公式确定：
其中，M为两轮自平衡机器人的质量，g为重力加速度，L为质心离车轮中心的距离，J为自平衡机器人车体的转动惯量，Vr为参考速度，Kt为电机转矩常数，Ke为反电动势系数，Ra为电机电枢两端电阻。
为了解决现有技术的问题，本发明还公开了一种两轮自平衡机器人自适应滑模变结构控制系统，包括电源模块、陀螺仪、加速度计、转向电位器、控制单元、第一电机驱动模块、第二电机驱动模块、第一电机、第二电机、第一编码器以及第二编码器，其中，
所述电源模块用于系统供电；
所述陀螺仪用于检测自平衡机器人车体偏角信息，并将该信息发送给所述控制单元；
所述加速度计用于检测自平衡机器人的加速度信息，并将该信息发送给所述控制单元；
所述转向电位器用于检测自平衡机器人的转向信息，并将该信息发送给所述控制单元；
所述第一编码器和所述第二编码器用于检测自平衡机器人的速度信息，并将该信息发送给所述控制单元；
所述控制单元根据所述偏角信息、加速度信息、转向信息和速度信息计算出输出控制信号，并发送给所述第一电机驱动模块和所述第二电机驱动模块；
所述第一电机驱动模块和所述第二电机驱动模块输出PWM驱动信号使所述第一电机和所述第二电机转动。
优选地，所述控制单元包括卡尔曼数据融合模块、速度滑模变结构控制器和角度滑模变结构控制器，其中，
所述卡尔曼数据融合模块用于将所述偏角信息和所述加速度信息进行数据融合，并将融合信息发送给所述角度滑模变结构控制器；
所述角度滑模变结构控制器根据所述卡尔曼数据融合模块输出的融合信息和所述速度滑模变结构控制器的反馈信息输出控制信号；
所述反馈信息由以下反馈方程确定：
θr＝βV，其中，θr为速度滑模变结构控制器反馈给角度滑模变结构控制器的反馈信息，V为当前速度，β为常量，其值的范围值-0.15至0.15之间；
所述角度滑模变结构控制器的输出控制信号由以下输出方程确定：
其中ΔT为采样时间，Y＝βb2，Z＝b1-βc2b2，为自适应项；
所述速度滑模变结构控制器根据所述速度信息和所述角度滑模变结构控制器的输出控制信号，输出所述反馈信息，其输出量U由以下方程决定
与现有技术相比较，本发明结合了经典力学分析法和基于能量分析的Lagrange方法，避免了复杂的力学分析过程，而且考虑到系统中能量的变化，使建模过程更加精简且全面；同时，滑模变结构控制器的输出控制信号，考虑了角度和速度之间的关系式θr＝βV，通过选取β的值，从而使系统的速度和角度能够相互影响，当系统的倾角过大时，系统会自动降速，速度降低的同时，会自动回到平衡位置，从而保证系统的安全与稳定。
说明书附图
图1为本发明两轮自平衡机器人自适应滑模变结构控制方法的流程框图；
图2为两轮自平衡机器人的整体机械结构框图；
图3-a为两轮自平衡机器人三维受力图；
图3-b为两轮自平衡机器人二维受力图；
图3-c为两轮自平衡机器人二维受力简化图；
图4为两轮自平衡机器人控制系统的硬件原理框图；
图5为两轮自平衡机器人控制系统中控制信号的示意图；
图6为不同两轮自平衡机器人模型参数下β值的仿真图；
图7为在特定模型参数下β值的仿真图；
图8-a为两轮自平衡机器人在速度参考信号为正弦信号的自适应滑模控制下的速度跟踪曲线；
图8-b为两轮自平衡机器人在速度参考信号为正弦信号的自适应滑模控制下速度误差曲线；
图8-c为两轮自平衡机器人在速度参考信号为正弦信号的自适应滑模控制下的角度误差曲线；
图8-d为两轮自平衡机器人在速度参考信号为正弦信号的自适应滑模控制输出曲线；
图9-a为两轮自平衡机器人在速度参考信号为正弦信号的PID控制下的速度跟踪曲线；
图9-b为两轮自平衡机器人在速度参考信号为正弦信号的PID控制下的速度误差曲线；
图9-c为两轮自平衡机器人在速度参考信号为正弦信号的PID控制下的角度误差曲线；
图9-d为两轮自平衡机器人在速度参考信号为正弦信号的PID控制下的控制器输出曲线。
图10-a为两轮自平衡机器人在速度参考信号为方波信号的自适应滑模控制下的速度跟踪曲线；
图10-b为两轮自平衡机器人在速度参考信号为方波信号的自适应滑模控制下速度误差曲线；
图10-c为两轮自平衡机器人在速度参考信号为方波信号的自适应滑模控制下的角度误差曲线；
图10-d为两轮自平衡机器人在速度参考信号为方波信号的自适应滑模控制输出曲线；
图11-a为两轮自平衡机器人在速度参考信号为方波信号的PID控制下的速度跟踪曲线；
图11-b为两轮自平衡机器人在速度参考信号为方波信号的PID控制下的速度误差曲线；
图11-c为两轮自平衡机器人在速度参考信号为方波信号的PID控制下的角度误差曲线；
图11-d为两轮自平衡机器人在速度参考信号为方波信号的PID控制下的控制器输出曲线。
具体实施方式
参见图1，所示为本发明一种两轮自平衡机器人自适应滑模变结构控制方法的流程框图，包括以下步骤：
步骤101：根据经典力学分析法和基于能量分析的Lagrange算法建模如下两轮自平衡机器人的动力学方程：
步骤102：并根据上述动力学方程设计出滑模变结构控制器；
其中，动力学方程中，U为滑模变结构控制器的输出控制信号，θ为两轮自平衡机器人的车体偏角，ev＝V-Vr为当前速度V和参考速度Vr的速度差，a1、b1、c1、d1、a2、b2、c2、d2为两轮自平衡机器人的模型参数，d1和d2为系统干扰。
步骤103：采集传感信号并以此作为滑模变结构控制器的输入参数，其中，两轮自平衡机器人的当前速度信息为滑模变结构控制器的输入参数之一。
步骤104：滑模变结构控制器根据其输入参数输出控制信号；
步骤105：根据滑模变结构控制器输出控制信号以及电位器信号共同控制电机运动；根据滑模变结构控制器输出控制信号，对系统进行平衡以及速度控制，以及利用转向电位器信号，对系统进行转向控制；
步骤106：检测两轮自平衡机器人的当前速度信息，并将其反馈至滑模变结构控制器的输入端，作为滑模变结构控制器的输入参数之一；
重复步骤103至步骤106，根据传感信号参数以及反馈信号，滑模变结构控制器实时调整输出控制信号驱动两轮自平衡机器人运动。
在上述步骤101中，对两轮自平衡机器人控制系统的数学模型在控制系统的研究中有着相当重要的地位，要提高系统的性能，首先需要知道系统的数学模型，而后才有可能对系统进行仿真处理，进而架构实际系统进行模拟测试。参见图2，所示为两轮自平衡机器人的整体机械结构框图，两轮自平衡机器人系统的机械结构主要由车体、左右两个驱动轮、驱动电机、编码器、以及传感器组成，传感器进一步包括陀螺仪、加速度计、转向电位器、速度传感器等，根据传感器信号控制驱动轮运动，机器人的运动轨迹与这两个驱动轮有关。左右两轮由各自电机独立驱动且两轮转轴轴线在同一条直线上，机器人车体可绕两轮转轴自由转动。当陀螺仪检测到车体产生倾斜时，控制系统根据测得的倾角产生一个相应的力矩，通过控制电机驱动两个车轮朝车身要倒下的方向运动，以保持两轮自平衡机器人自身的动态平衡。两轮自平衡机器人的运动主要由驱动两个轮子转动的电机产生的转动力矩所控制。
现有技术中，仅采用经典力学分析法或基于能量分析的Lagrange方法对两轮自平衡机器人系统进行建模，本发明首先通过对两轮自平衡机器人的受力分析，然后采用基于能量分析的Lagrange方法建立两轮自平衡机器人的整体数学模型，两轮自平衡机器人整体的三维受力分析如图3-a所示，考虑到两轮自平衡机器人的运动是通过车轮转动实现，本发明技术方案采用的是一对同轴安装且参数相同的轮胎，所以左右轮的模型是一样的，故只考虑两轮自平衡机器人的二维受力情况，如图3-b所示，为了便于数学推导，将其进一步简化成如图3-c所示的形式。图3-a、图3-b和图3-c中涉及的参数说明如下表1所示。
表1两轮自平衡机器人模型的符号说明
以下详细介绍本发明的两轮自平衡机器人的动力学方程推导过程，其中，本发明中所用到的其它符号说明如表2所示。
表2两轮自平衡机器人模型的符号说明
首先，根据动量守恒原理，得到两轮自平衡机器人关于动量的方程式(2)，根据能量守恒原理，得到两轮自平衡机器人关于能量的方程式(3)。
(2)式和(3)式中：P0表示两轮自平衡机器人的初始动量(Kg·m/s)，E0为两轮自平衡机器人的初始能量(J)，J为车体的转动惯量(Kg·m2)。
分别对(2)式和(3)式进行求导得到关于合力F的方程(4)式和关于功率的方程(5)式：
将(4)式代入(5)式，得到(6)式:
在控制两轮自平衡机器人的平衡及运动时，控制量是车轮的转动力矩，所以需要知道电机的输出力矩，直流电机模型中的输出力矩表达式为(7)式：
式(7)中Kt为电机的转矩常数(N·m·A)，Ke为反电动势系数(V·s)，Ua为电枢输入电压(V)，w为电机输出角速度(rad/s)，Ra为电枢电阻(Ω)。
将(7)式电机模型中输出力矩表达式化成(8)式的形式：
F＝CuU-CvV (8)
其中：F＝τe，
将(8)式代入到(4)式得到(9)式：
由于θ和w较小，所以有(10)式：
定义：
ev＝V-Vr (11)
其中Vr为V的参考速度。
结合(5)、(8)、(9)和(10)式，最终得出两轮自平衡机器人方程为：
其中
在步骤102中，根据上述动力学方程(公式12)来设计两轮自平衡机器人的滑模变结构控制器，具体过程如下：
首先定义：
eθ＝θ-θr (13)
其中θr为θ的参考角度。
根据两轮自平衡机器人整体的动力学方程(12)式，设计滑模变结构控制器，将滑模变量s的方程定义为(14)式：
其中λ1>0，λ2>0满足Hurwitz稳定判据条件。
采用上述技术方案设计滑模变结构控制器，将整体的滑模变量设计成速度滑模变量和角度滑模变量组成的矩阵形式，并将速度滑模变量设计成带积分形式，从而起到降低抖振的效果。
定义李雅普诺夫能量函数为(15)式：
式(15)当中
为确保整个两轮自平衡机器人系统稳定，即v的导数小于零。同时确保两轮自平衡机器人在速度和直立上同时稳定，即v1和v2的导数都小于零。
v1的导数为(16)式。
令
式(17)中常数ε1>0，表示系统的运动点趋近于切换面s＝0的速率。ε1越小，趋近速度慢；ε1越大，则运动点到达切换面时具有较大的速度，引起的抖动也较大。
在一种优选的实施方式中，式(17)中斜坡函数的表达式为(18)式。斜坡函数作为准滑动模态控制的一种方法，它的本质是在边界层外，采用切换控制，在边界层内，采用线性化反馈控制，减小了系统的抖振，从而使系统更加稳定。
将(17)式代入到(16)式得到(19)式。
式(19)表明滑动变量s1是渐进稳定的，满足李雅普诺夫稳定条件。
由(17)式得到关于速度的变化率(20)式。
由于系统当中的速度和角度信号有一定的联系，在一种优选实施方式中，定义角度参考信号θr与速度V的关系式为(21)式。
θr＝βV (21)
对(21)式进行一次求导以及二次求导得到(22)式和(23)式。
对角度误差(13)式进行一次求导以及二次求导得到(24)式和(25)式。
令
将(26)式代入到(25)式中得到(27)式。
对(13)式方程和(24)式方程进行整理得到(28)式和(29)式。
eθ＝θ-θr＝θ-β(ev+Vr) (28)
将(20)式代入到(29)式得到(30)式。
式(30)中U为两轮自平衡机器人控制器的上一状态。
v2的导数为(31)式。
令
式(32)中常数ε2>0，和ε1的作用一样，β的取值必须满足(33)式。
结合(26)式得到β的值为(34)式。
由(32)式得到两轮自平衡机器人的最终滑模变结构控制器为(35)式。
在式(35)中，
Y＝βb3，
Z＝b2-βa33b3。其自适应项为其中 为拉盖尔基函数族。
将(32)式代入到(31)式中得到(36)式。
式(36)表明滑动变量s2是渐进稳定的，满足李雅普诺夫稳定条件。说明式(35)中的滑模变结构控制器U在理论上是正确的。
在一种优选实施方式中，在步骤102中，将滑模变结构控制器的输出控制信号的输出方程设定为：
其中，ΔT为采样时间，Y＝βb2,Z＝b1-βc2b2，为自适应项。
在步骤103中，传感信号包括通过陀螺仪采集偏角信息和通过加速度计采集的加速度信息，在一种优选实施方式中，通过卡尔曼滤波算法对所述偏角信息和所述加速度信息进行数据融合。采用卡尔曼滤波算法进行数据融合主要采用以下公式，从而使系统控制更加精确。
X(k|k-1)＝AX(k-1|k-1)+BU(k) (37)
P(k|k-1)＝AP(k-1|k-1)A'+Q (38)
X(k|k)＝X(k|k-1)+Kg(k)(Z(k)-HX(k|k-1)) (39)
Kg(k)＝P(k|k-1)H'/(HP(k|k-1)H'+R) (40)
P(k|k)＝(I-Kg(k)H)P(k|k-1) (41)
参见图4，所示为实现上述控制方法的两轮自平衡机器人控制系统的硬件原理框图，包括电源模块、陀螺仪、加速度计、转向电位器、控制单元、第一电机驱动模块、第二电机驱动模块、第一电机、第二电机、第一编码器以及第二编码器，其他模块如按键模块、显示屏等在此不再赘述。
在该系统中，电源模块用于整个系统提供供电电压；
陀螺仪用于检测自平衡机器人车体偏角信息，并将该信息发送给控制单元；陀螺仪的偏角信息是重要参数，控制单元以此为基准控制输出控制信号。
加速度计用于检测自平衡机器人的加速度信息，并将该信息发送给控制单元；
转向电位器用于检测自平衡机器人的转向信息，并将该信息发送给控制单元；
第一编码器和第二编码器用于检测自平衡机器人的速度信息，并将该信息发送给控制单元；第一编码器和第二编码器分别安装在第一驱动轮和第二驱动轮上，检测第一驱动轮和第二驱动轮的转速。
控制单元根据偏角信息、加速度信息、转向信息和速度信息计算出输出控制信号，并发送给第一电机驱动模块和第二电机驱动模块；
第一电机驱动模块和第二电机驱动模块根据上述输出控制信号输出PWM驱动信号使第一电机和第二电机转动。
在一种优选实施方式中，参见图5，所示为两轮自平衡机器人控制系统中控制信号的示意图，控制单元进一步包括卡尔曼数据融合模块和滑模变结构控制器，滑模变结构控制器包括速度滑模变结构控制器和角度滑模变结构控制器，其中，
卡尔曼数据融合模块用于将偏角信息和加速度信息进行数据融合，并将融合信息发送给角度滑模变结构控制器；
角度滑模变结构控制器根据卡尔曼数据融合模块输出的融合信息和速度滑模变结构控制器的反馈信息输出控制信号；
在一种优选实施方式中，速度滑模变结构控制器输出的反馈信息由以下反馈方程确定：
θr＝βV，其中，θr为速度滑模变结构控制器反馈给角度滑模变结构控制器的反馈信息，V为当前速度，β为常量，通过选取β的值，从而使系统的速度和角度能够相互影响，当系统的倾角过大时，系统会自动降速，速度降低的同时，会自动回到平衡位置，从而保证系统的安全与稳定。
β为系统稳定的重要参数，由二轮机器人模型参数决定(表1、表2中部分参数)，β值的选取通过求解方程而得到，同时必须满足条件所以最终本发明通过仿真的方式求得β值的范围。参见图6，所示为不同两轮自平衡机器人模型参数下β值的仿真图，β值的范围值-0.15至0.15之间。
在一种优选实施方式中，角度滑模变结构控制器的输出控制信号由以下输出方程确定：
其中，ΔT为采样时间，Y＝βb2,Z＝b1-βc2b2，为自适应项。
在一种优选实施方式中，速度滑模变结构控制器根据速度信息和角度滑模变结构控制器的输出控制信号，输出反馈信息。
在一种优选实施方式中，还包括调速手把，通过调速手把输出油门信号，并将该信号发送给控制单元。油门信号与参考速度Vr成一定比例关系，因此通过油门信号使参考速度Vr的值发生变化。本发明技术方案和现有的仅靠偏角信息控制速度方式相比，增加了一种控制方式，使得系统的速度控制方式多样化，同时增大了系统的安全系数。
在一种优选实施方式中，还包括自适应负载检测模块，具有负载检测功能。负载检测模块采用的是迟滞函数，通过设定阈值来判断是否有负载，即当人站上去的时候指示灯会亮,阈值是根据编码器和电机的输出量来设定的。
在一种优选实施方式中，还包括无线通信模块，与控制单元相连接，用于与上位机端进行通信，通过无线通信模块对数据进行处理和分析，来提高系统控制的精确度以及智能性。无线通信模块中的无线数据接收模块和发送模块采用芯片NRF24L01，RXF2401射频功率放大器。
在一种优选实施方式中，控制单元采用飞思卡尔32位微控制MK60DN512ZVLQ10，速度传感器选用光电编码器，电机驱动采用BTN7971B半桥驱动芯片搭建的全桥驱动电路，电源模块采用24V、14Ah的可充电镍镉电池。陀螺仪和加速度计分别采用LPR510AL和MMA7260。
在一种优选实施方式中，本发明的两轮自平衡机器人系统的驱动电机采用直流伺服电机，具体是EC90M485500RGOL型号的伺服电机，这是因为直流伺服电机具有优良的速度控制性能，它输出较大的转矩，直接拖动负载运行，同时它又受控制信号的直接控制进行转速调节。该直流电机的技术参数如下表3所示。
表3 EC90M485500RGOL直流电机的技术参数
结合上表3，再根据UaIa＝EaIa+Ia 2Ra，PI＝PM+PCua两个方程以及两轮自平衡机器人的固有技术参数测出系统中电机电枢两端的电阻Ra、电感La、电机时间常数Kt、粘性阻尼系数B、反电动势系数Ke、电机转子的转动惯量J，通过仪器测量出系统中电机电枢两端电感La以及机器人的重量M。最后通过以下公式计算出两轮自平衡机器人系统动力学方程以及滑模控制器中的参数，使得系统的控制更加精确。
根据上述模型参数对β值进行系统仿真，参见图7，所示为在特定模型参数下β值的仿真图；从图7可以看出，β值为-0.14时，系统趋于稳定，期望的角度和速度之间的关系符合设定的值。
为了进一步验证本发明技术方案所能达到的技术效果，在同样两轮自平衡机器人系统模型参数下，分别对本发明滑模变结构控制器和现有技术PID算法控制器进行数据仿真。参见图8-a，所示为在速度参考信号为正弦波下采用自适应滑模控制的速度跟踪仿真图，图8-b为在速度参考信号为正弦波下滑模控制速度误差仿真图，图8-c为在速度参考信号为正弦波下滑模控制角度误差仿真图，图8-d为在速度参考信号为正弦波下滑模控制器的输出量，从仿真图中可以看出，实际速度和角度跟踪误差很小，能够达到很好的跟踪效果，系统的响应速度非常快，由于自动控制当中的平衡移动原理，在速度跟踪的时候会出现相移现象，图9a-d为两轮自平衡机器人在速度参考信号为正弦波下采用现有技术PID控制算法的性能曲线，从图8和图9的对比可以看出，本设计的自适应滑模控制能够使系统响应速度更快，鲁棒性更强，从速度和角度误差可以看出，由于相移现象，所以采用自适应滑模控制，系统的速度跟踪误差稍大一点，但是在平衡位置的时候，采用PID控制，系统会出现轻微的抖动现象，效果明显不如采用自适应滑模控制器的效果，并且采用PID控制的角度跟踪误差更大，另外从控制器输出量可以看出，采用自适应滑模控制器，系统更稳定，优势明显，为了进一步验证本设计的滑模控制器的优势，由于方波信号当中有从0立即变化到1的时刻，能够更好的验证系统鲁棒性以及响应速度等特性，图10a-d为在速度参考信号为方波下采用自适应滑模控制的性能曲线，图11a-d为在速度参考信号为方波下采用PID控制的性能曲线，从图10和11中可以看出，系统在由0变到1时，系统采用自适应滑模控制的响应速度更快，速度跟踪效果更好，鲁棒性更强。
以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本发明中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本发明所示的这些实施例，而是要符合与本发明所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种两轮自平衡机器人自适应滑模变结构控制方法，其特征在于，包括以下步骤：
根据经典力学分析法和基于能量分析的Lagrange算法建立如下两轮自平衡机器人的动力学方程：
<mrow>
<mo>{</mo>
<mtable>
<mtr>
<mtd>
<mrow>
<mover>
<mi>&theta;</mi>
<mo>&CenterDot;&CenterDot;</mo>
</mover>
<mo>=</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mi>&theta;</mi>
<mo>+</mo>
<msub>
<mi>b</mi>
<mn>1</mn>
</msub>
<mi>U</mi>
<mo>+</mo>
<msub>
<mi>c</mi>
<mn>1</mn>
</msub>
<msub>
<mi>e</mi>
<mi>v</mi>
</msub>
<mo>+</mo>
<msub>
<mi>d</mi>
<mn>1</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mover>
<mi>e</mi>
<mo>&CenterDot;</mo>
</mover>
<mi>v</mi>
</msub>
<mo>=</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<mi>&theta;</mi>
<mo>+</mo>
<msub>
<mi>b</mi>
<mn>2</mn>
</msub>
<mi>U</mi>
<mo>+</mo>
<msub>
<mi>c</mi>
<mn>2</mn>
</msub>
<msub>
<mi>e</mi>
<mi>v</mi>
</msub>
<mo>+</mo>
<msub>
<mi>d</mi>
<mn>2</mn>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
并根据上述动力学方程设计出滑模变结构控制器；
其中，U为滑模变结构控制器的输出控制信号，θ为两轮自平衡机器人的车体偏角，ev＝V-Vr为当前速度V和参考速度Vr的速度差，a1、b1、c1、d1、a2、b2、c2、d2为两轮自平衡机器人的模型参数；
采集传感信号并以此作为滑模变结构控制器的输入参数；
所述滑模变结构控制器根据其输入参数输出控制信号；
根据滑模变结构控制器输出控制信号，对系统进行平衡以及速度控制，以及利用转向电位器信号，对系统进行转向控制，两者共同控制电机运动；
检测两轮自平衡机器人的当前速度信息并将其反馈至滑模变结构控制器的输入端，作为滑模变结构控制器的输入参数之一。
2.根据权利要求1所述的两轮自平衡机器人自适应滑模变结构控制方法，其特征在于，所述滑模变结构控制器包括速度滑模变结构控制器和角度滑模变结构控制器，所述速度滑模变结构控制器和所述角度滑模变结构控制器相互反馈，其反馈方程为：θr＝βV，其中，θr为速度滑模变结构控制器反馈给角度滑模变结构控制器的参量，V为当前速度，β为常量，其值的范围值-0.15至0.15之间；
所述的角度滑模变结构控制器的输出控制信号的输出方程为：
其中，ΔT为采样时间，Y＝βb2，Z＝b1-βc2b2，为自适应项；
所述速度滑模变结构控制器根据所述速度信息和所述角度滑模变结构控制器的输出控制信号，输出所述反馈信息，其输出量U由以下方程决定：
<mrow>
<msub>
<mi>c</mi>
<mn>2</mn>
</msub>
<msub>
<mi>V</mi>
<mi>r</mi>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>V</mi>
<mo>&CenterDot;</mo>
</mover>
<mi>r</mi>
</msub>
<mo>=</mo>
<mi>s</mi>
<mi>a</mi>
<mi>t</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>s</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<mo>-</mo>
<mo>|</mo>
<mrow>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<mi>&theta;</mi>
</mrow>
<mo>|</mo>
<mo>-</mo>
<mo>|</mo>
<mrow>
<msub>
<mi>c</mi>
<mn>2</mn>
</msub>
<msub>
<mi>e</mi>
<mi>v</mi>
</msub>
</mrow>
<mo>|</mo>
<mo>-</mo>
<mo>|</mo>
<mrow>
<msub>
<mi>b</mi>
<mn>2</mn>
</msub>
<mi>U</mi>
</mrow>
<mo>|</mo>
<mo>-</mo>
<mo>|</mo>
<mrow>
<msub>
<mi>&lambda;</mi>
<mn>1</mn>
</msub>
<msub>
<mi>e</mi>
<mi>v</mi>
</msub>
</mrow>
<mo>|</mo>
<mo>-</mo>
<msub>
<mi>&epsiv;</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
其中，Vr为参考速度，为参考速度的一阶导数；
在所述的角度滑模变结构控制器和所述速度滑模变结构控制器中，采用斜坡函数其中，Δ称为边界层。
3.根据权利要求2所述的两轮自平衡机器人自适应滑模变结构控制方法，其特征在于，所述的角度滑模变结构控制器采用基于函数逼近方式来进行自适应控制，其自适应项为：其中 为拉盖尔基函数族。
4.根据权利要求2所述的两轮自平衡机器人自适应滑模变结构控制方法，其特征在于，所述β值为-0.14。
5.根据权利要求1或2所述的两轮自平衡机器人自适应滑模变结构控制方法，其特征在于，还包括对传感信号进行数据融合的步骤，所述传感信号包括通过陀螺仪采集的偏角信息和通过加速度计采集的加速度信息，并通过卡尔曼滤波算法对所述偏角信息和所述加速度信息进行数据融合。
6.根据权利要求1或2所述的两轮自平衡机器人自适应滑模变结构控制方法，其特征在于，所述传感信号还包括调速手把的油门信号，所述油门信号与参考速度的关系符合以下公式：Vr＝k·(VRH-17160)，其中，k为比例系数。
7.根据权利要求1所述的两轮自平衡机器人自适应滑模变结构控制方法，其特征在于，还包括负载检测的步骤，所述负载检测步骤中采用迟滞函数，通过设定阈值来判断是否有负载。
8.根据权利要求1所述的两轮自平衡机器人自适应滑模变结构控制方法，其特征在于，a1、b1、c1、d1、a2、b2、c2、d2的值由以下公式确定：
<mrow>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mi>M</mi>
<mi>g</mi>
<mi>L</mi>
</mrow>
<mi>J</mi>
</mfrac>
<mo>,</mo>
<msub>
<mi>b</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mo>-</mo>
<mfrac>
<mrow>
<msub>
<mi>C</mi>
<mi>u</mi>
</msub>
<mi>L</mi>
</mrow>
<mi>J</mi>
</mfrac>
<mo>,</mo>
<msub>
<mi>c</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>C</mi>
<mi>v</mi>
</msub>
<mi>L</mi>
</mrow>
<mi>J</mi>
</mfrac>
<mo>,</mo>
<msub>
<mi>d</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>C</mi>
<mi>v</mi>
</msub>
<mi>L</mi>
</mrow>
<mi>J</mi>
</mfrac>
<msub>
<mi>V</mi>
<mi>r</mi>
</msub>
<mo>,</mo>
<msub>
<mi>d</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>C</mi>
<mi>v</mi>
</msub>
<mi>L</mi>
</mrow>
<mi>J</mi>
</mfrac>
<msub>
<mi>V</mi>
<mi>r</mi>
</msub>
<mo>,</mo>
<msub>
<mi>d</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>C</mi>
<mi>v</mi>
</msub>
<mi>L</mi>
</mrow>
<mi>J</mi>
</mfrac>
<msub>
<mi>V</mi>
<mi>r</mi>
</msub>
<mo>,</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<mo>-</mo>
<mfrac>
<mrow>
<msup>
<mi>MgL</mi>
<mn>2</mn>
</msup>
</mrow>
<mi>J</mi>
</mfrac>
<mo>,</mo>
</mrow>
<mrow>
<msub>
<mi>b</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mo>(</mo>
<mi>J</mi>
<mo>+</mo>
<msup>
<mi>ML</mi>
<mn>2</mn>
</msup>
<mo>)</mo>
<msub>
<mi>C</mi>
<mi>u</mi>
</msub>
</mrow>
<mrow>
<mi>J</mi>
<mi>M</mi>
</mrow>
</mfrac>
<mo>,</mo>
<msub>
<mi>c</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<mo>-</mo>
<mfrac>
<mrow>
<mo>(</mo>
<mi>J</mi>
<mo>+</mo>
<msup>
<mi>ML</mi>
<mn>2</mn>
</msup>
<mo>)</mo>
<msub>
<mi>C</mi>
<mi>v</mi>
</msub>
</mrow>
<mrow>
<mi>J</mi>
<mi>M</mi>
</mrow>
</mfrac>
<mo>,</mo>
<msub>
<mi>d</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<mo>-</mo>
<msub>
<mover>
<mi>V</mi>
<mo>&CenterDot;</mo>
</mover>
<mi>r</mi>
</msub>
<mo>-</mo>
<mfrac>
<mrow>
<mo>(</mo>
<mi>J</mi>
<mo>+</mo>
<msup>
<mi>ML</mi>
<mn>2</mn>
</msup>
<mo>)</mo>
<msub>
<mi>C</mi>
<mi>v</mi>
</msub>
</mrow>
<mrow>
<mi>J</mi>
<mi>M</mi>
</mrow>
</mfrac>
<msub>
<mi>V</mi>
<mi>r</mi>
</msub>
<mo>;</mo>
</mrow>
其中，M为两轮自平衡机器人的质量，g为重力加速度，L为质心离车轮中心的距离，J为自平衡机器人车体的转动惯量，Vr为参考速度，Kt为电机转矩常数，Ke为反电动势系数，Ra为电机电枢两端电阻。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710790443.9A CN107368081B (zh) | 2015-08-17 | 2015-08-17 | 一种两轮自平衡机器人自适应滑模变结构控制系统 |
| CN201510506091.0A CN105116729B (zh) | 2015-08-17 | 2015-08-17 | 一种两轮自平衡机器人自适应滑模变结构控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510506091.0A CN105116729B (zh) | 2015-08-17 | 2015-08-17 | 一种两轮自平衡机器人自适应滑模变结构控制方法 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710790443.9A Division CN107368081B (zh) | 2015-08-17 | 2015-08-17 | 一种两轮自平衡机器人自适应滑模变结构控制系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105116729A CN105116729A (zh) | 2015-12-02 |
| CN105116729B true CN105116729B (zh) | 2017-11-07 |
Family
ID=54664748
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510506091.0A Active CN105116729B (zh) | 2015-08-17 | 2015-08-17 | 一种两轮自平衡机器人自适应滑模变结构控制方法 |
| CN201710790443.9A Active CN107368081B (zh) | 2015-08-17 | 2015-08-17 | 一种两轮自平衡机器人自适应滑模变结构控制系统 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710790443.9A Active CN107368081B (zh) | 2015-08-17 | 2015-08-17 | 一种两轮自平衡机器人自适应滑模变结构控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (2) | CN105116729B (zh) |
Families Citing this family (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CZ307125B6 (cs) * | 2015-11-30 | 2018-01-24 | Vysoká Škola Báňská-Technická Univerzita Ostrava | Řízení pohybu antropomorfních robotických systémů s mnoha stupni volnosti na základě principů nezávislého řízení pohybu ve směru charakteristických vektorů linearizované dynamické Lagrangeovy rovnice a antropomorfní robotický systém |
| CN105759823A (zh) * | 2016-04-27 | 2016-07-13 | 长江大学 | 基于轨道信息的两轮自平衡小车控制系统及方法 |
| CN106041934B (zh) * | 2016-06-30 | 2018-07-20 | 杭州电子科技大学 | 一种两轮自平衡机器人滑模自适应控制方法 |
| CN106182000B (zh) * | 2016-06-30 | 2018-07-20 | 杭州电子科技大学 | 一种基于部分已知参数的两轮自平衡机器人控制方法 |
| CN106239503B (zh) * | 2016-06-30 | 2018-07-20 | 杭州电子科技大学 | 一种基于部分已知参数的两轮自平衡机器人控制系统 |
| CN107562063A (zh) * | 2016-06-30 | 2018-01-09 | 沈阳新松机器人自动化股份有限公司 | 一种自平衡机器人姿态控制方法及系统 |
| CN106452206B (zh) * | 2016-06-30 | 2018-09-11 | 杭州电子科技大学 | 一种两轮自平衡机器人的滑模自适应控制器 |
| CN106078744B (zh) * | 2016-06-30 | 2018-07-20 | 杭州电子科技大学 | 一种两轮自平衡机器人滑模自适应控制系统 |
| CN106154831B (zh) * | 2016-07-25 | 2018-09-18 | 厦门大学 | 一种基于学习法的智能汽车纵向神经滑模控制方法 |
| CN107856762B (zh) * | 2017-11-13 | 2024-03-05 | 北京赛曙科技有限公司 | 一种摩托车型机器人 |
| CN108062024B (zh) * | 2017-12-15 | 2020-03-31 | 陕西理工大学 | 一种考虑阻力的移动机器人反演滑模控制方法 |
| CN109067264B (zh) * | 2018-09-17 | 2020-07-28 | 长安大学 | 一种平衡车系统及其控制方法 |
| CN109407689B (zh) * | 2018-12-19 | 2020-02-21 | 四川大学 | 平衡机器人的模糊控制方法、装置及平衡机器人 |
| CN110109353B (zh) * | 2019-04-17 | 2022-01-11 | 杭州电子科技大学 | 一种反作用轮平衡自行车机器人模糊自适应滑模控制系统 |
| CN110109354B (zh) * | 2019-04-17 | 2022-01-07 | 杭州电子科技大学 | 一种反作用轮平衡自行车机器人自适应滑模控制方法 |
| CN110275439B (zh) * | 2019-06-28 | 2020-05-26 | 四川大学 | 自平衡小车的控制方法、控制器的设计方法及装置 |
| CN112947072B (zh) * | 2021-01-28 | 2024-04-05 | 西安建筑科技大学 | 基于滑模变结构的移动机器人驱动控制方法、系统和设备 |
| CN113238563B (zh) * | 2021-06-04 | 2022-07-22 | 重庆大学 | 一种高实时性的自动驾驶运动规划方法 |
| CN113419433B (zh) * | 2021-07-23 | 2022-07-05 | 合肥中科深谷科技发展有限公司 | 一种自平衡电动轮椅欠驱动系统跟踪控制器的设计方法 |
| CN115202371B (zh) * | 2022-09-19 | 2023-02-07 | 深圳市凯之成智能装备有限公司 | 平板清扫机器人的运动控制方法及相关装置 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101100059A (zh) * | 2007-07-27 | 2008-01-09 | 北京工业大学 | 柔性两轮自平衡机器人的姿态检测方法 |
| CN201228037Y (zh) * | 2008-06-16 | 2009-04-29 | 周惠兴 | 两轮自平衡电动车 |
| CN101554726A (zh) * | 2009-05-15 | 2009-10-14 | 北京工业大学 | 一种柔性两轮自平衡机器人系统及其运动控制方法 |
| US8041456B1 (en) * | 2008-10-22 | 2011-10-18 | Anybots, Inc. | Self-balancing robot including an ultracapacitor power source |
| US8160747B1 (en) * | 2008-10-24 | 2012-04-17 | Anybots, Inc. | Remotely controlled self-balancing robot including kinematic image stabilization |
| CN103529850A (zh) * | 2013-10-28 | 2014-01-22 | 华南理工大学广州学院 | 两轮自平衡车控制方法 |
| CN104749955A (zh) * | 2015-03-19 | 2015-07-01 | 杭州电子科技大学 | 一种独轮机器人的有限时间自平衡控制方法 |
| CN204536780U (zh) * | 2015-04-13 | 2015-08-05 | 金华市伊凯动力科技有限公司 | 一种智能平衡车控制系统 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4515407B2 (ja) * | 2006-04-03 | 2010-07-28 | 川崎重工業株式会社 | 可変バルブタイミング機構の制御方法、制御装置、及び該制御装置を備える自動二輪車 |
| US9020639B2 (en) * | 2009-08-06 | 2015-04-28 | The Regents Of The University Of California | Multimodal dynamic robotic systems |
| CN103019236B (zh) * | 2011-09-26 | 2015-07-08 | 东莞易步机器人有限公司 | 一种两轮车自立行走的方法 |
| JP5981827B2 (ja) * | 2012-09-28 | 2016-08-31 | 本田技研工業株式会社 | 空燃比制御装置 |
| CN102874356B (zh) * | 2012-10-30 | 2014-11-26 | 王野 | 一种双轮自平衡车辆控制系统以及双轮自平衡车辆 |
| CN103019239A (zh) * | 2012-11-27 | 2013-04-03 | 江苏大学 | 用于喷药移动机器人的轨迹跟踪滑模控制系统和控制方法 |
| CN104317299B (zh) * | 2014-11-11 | 2017-01-25 | 东南大学 | 一种基于轮式移动机器人轨迹跟踪的混合控制方法 |
-
2015
- 2015-08-17 CN CN201510506091.0A patent/CN105116729B/zh active Active
- 2015-08-17 CN CN201710790443.9A patent/CN107368081B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101100059A (zh) * | 2007-07-27 | 2008-01-09 | 北京工业大学 | 柔性两轮自平衡机器人的姿态检测方法 |
| CN201228037Y (zh) * | 2008-06-16 | 2009-04-29 | 周惠兴 | 两轮自平衡电动车 |
| US8041456B1 (en) * | 2008-10-22 | 2011-10-18 | Anybots, Inc. | Self-balancing robot including an ultracapacitor power source |
| US8160747B1 (en) * | 2008-10-24 | 2012-04-17 | Anybots, Inc. | Remotely controlled self-balancing robot including kinematic image stabilization |
| CN101554726A (zh) * | 2009-05-15 | 2009-10-14 | 北京工业大学 | 一种柔性两轮自平衡机器人系统及其运动控制方法 |
| CN103529850A (zh) * | 2013-10-28 | 2014-01-22 | 华南理工大学广州学院 | 两轮自平衡车控制方法 |
| CN104749955A (zh) * | 2015-03-19 | 2015-07-01 | 杭州电子科技大学 | 一种独轮机器人的有限时间自平衡控制方法 |
| CN204536780U (zh) * | 2015-04-13 | 2015-08-05 | 金华市伊凯动力科技有限公司 | 一种智能平衡车控制系统 |
Non-Patent Citations (2)
| Title |
|---|
| Continuous finite-time control for robotic manipulators with terminal sliding mode;Shuanghe Yu 等;《Automatica》;20051231;第1957-1964页 * |
| 滑模变结构方法在两轮自平衡机器人上的应用;武俊峰;《哈尔滨理工大学学报》;20130430;第95-100页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105116729A (zh) | 2015-12-02 |
| CN107368081B (zh) | 2019-07-30 |
| CN107368081A (zh) | 2017-11-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105116729B (zh) | 一种两轮自平衡机器人自适应滑模变结构控制方法 | |
| Kim et al. | Mathematical modeling and experimental identification of an unmanned helicopter robot with flybar dynamics | |
| Guenard et al. | Dynamic modeling and intuitive control strategy for an" X4-flyer" | |
| EP1571073A2 (en) | Intelligent robust control system for motorcycle using soft computing optimizer | |
| CN106681369A (zh) | 一种云台姿态控制方法及系统 | |
| Jamil et al. | Modeling, control of a two-wheeled self-balancing robot | |
| CN103853050A (zh) | 一种四旋翼飞行器的pid优化控制方法 | |
| CN104765272A (zh) | 一种基于pid神经元网络控制(pidnn)的四旋翼飞行器控制方法 | |
| CN103687783B (zh) | 倒立型移动体控制装置、其控制方法及程序 | |
| Tomić et al. | Learning quadrotor maneuvers from optimal control and generalizing in real-time | |
| CN106452206A (zh) | 一种内置无刷直流电机电流环控制的两轮自平衡机器人滑模自适应控制器 | |
| CN106078744B (zh) | 一种两轮自平衡机器人滑模自适应控制系统 | |
| CN104238548A (zh) | 一种四轮独立电动轮驱动车辆工况模拟系统及测控方法 | |
| Zawiski et al. | Modelling and optimal control system design for quadrotor platform–an extended approach | |
| Tamami et al. | Proportional Derivative Active Force Control for" X" Configuration Quadcopter. | |
| Khizer et al. | Stable hovering flight for a small unmanned helicopter using fuzzy control | |
| CN110109354B (zh) | 一种反作用轮平衡自行车机器人自适应滑模控制方法 | |
| KR101063889B1 (ko) | 외바퀴 로봇의 제어시스템 및 그 설계방법 | |
| CN104331082A (zh) | 一种姿态检测误差的两轮智能车设计方法 | |
| CN104880962B (zh) | 一种动态飞行模拟器实时运动控制方法 | |
| CN105974933A (zh) | 一种自平衡载人电动独轮车的控制方法 | |
| Majczak et al. | Comparison of two efficient control strategies for two-wheeled balancing robot | |
| CN106041934B (zh) | 一种两轮自平衡机器人滑模自适应控制方法 | |
| CN107932489A (zh) | 一种机器人骑自行车装置及控制方法 | |
| CN111268011A (zh) | 自平衡车辆及其静态平衡控制方法、装置、介质及设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20151202 Assignee: HANGZHOU KONXIN SOC Co.,Ltd. Assignor: HANGZHOU DIANZI University Contract record no.: X2021330000825 Denomination of invention: An adaptive sliding mode control method for two wheeled robot Granted publication date: 20171107 License type: Common License Record date: 20211220 |
|
| EE01 | Entry into force of recordation of patent licensing contract |