CN109407689A - 平衡机器人的模糊控制方法、装置及平衡机器人 - Google Patents
平衡机器人的模糊控制方法、装置及平衡机器人 Download PDFInfo
- Publication number
- CN109407689A CN109407689A CN201811555372.5A CN201811555372A CN109407689A CN 109407689 A CN109407689 A CN 109407689A CN 201811555372 A CN201811555372 A CN 201811555372A CN 109407689 A CN109407689 A CN 109407689A
- Authority
- CN
- China
- Prior art keywords
- fuzzy rule
- balanced
- balanced robot
- robot
- location
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0891—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for land vehicles
Abstract
本发明公开了一种平衡机器人的模糊控制方法、装置及平衡机器人,该方法包括:将平衡机器人轮子的旋转角与平衡机器人轮子的半径相乘,再将相乘的结果与期望位置进行差值计算得到位置误差;将位置误差及平衡机器人的倾斜角速度作为第一输入代入位置控制模型后得到第一输出;将第一输出与所述平衡机器人的倾斜角进行差值计算得到新的变量;将新的变量、平衡机器人的倾斜角速度、平衡机器人轮子的旋转角及平衡机器人的旋转角速度作为第二输入代入平衡控制模型后得到第二输出;将第二输出输入平衡机器人的数学模型,以根据数学模型的输出控制平衡机器人运行。本发明在存在随机干扰时,具有更好的控制效果,抗干扰能力较强,达到期望位置的时间较小。
Description
技术领域
本发明涉及平衡机器人技术领域,具体而言,涉及一种平衡机器人的模糊控制方法、装置及平衡机器人。
背景技术
随着技术与应用的发展,各种各样的移动机器人层出不穷。关节越多的机器人,可以处理更加复杂的情况。但是,由于具有高自由度,其设计和控制更为复杂。平衡机器人由两个独立驱动的车轮和中心轴方向的连接体组成。它具有结构简单、设计和控制复杂度低及体积小的有点,适合在市内或者狭窄的地方工作。平衡机器人是一个欠驱动的机械系统,具有高非线性特征。
然而,不确定性总是存在实际应用中,高阶不确定性将会影响平衡机器人的系统性能。模糊集和模糊逻辑控制器是一种已被接受的方法概论,存在不确定和外部干扰时,它们可以提供很好的抗干扰能力。现有的单值模糊器的计算简单方便,其应用非常广泛,然而,单值模糊器不能很好的处理输入带来的不确定性的影响,当闭环系统中存在测量噪声时,单值模糊器不能达到我们所期待的性能。
发明内容
鉴于上述问题,本发明实施例的目的在于提供一种平衡机器人的模糊控制方法、装置及平衡机器人,以解决现有技术的不足。
根据本发明的一个实施方式,提供一种平衡机器人的模糊控制方法,包括:
将平衡机器人轮子的旋转角与所述平衡机器人轮子的半径相乘,再将相乘的结果与期望位置进行差值计算得到位置误差,并将所述位置误差及所述平衡机器人的倾斜角速度作为第一输入代入位置控制模型后得到第一输出;
将所述第一输出与所述平衡机器人的倾斜角进行差值计算得到新的变量,并将所述新的变量、所述平衡机器人的倾斜角速度、所述平衡机器人轮子的旋转角及所述平衡机器人的旋转角速度作为第二输入代入平衡控制模型后得到第二输出,所述平衡控制模型为:
其中,u为第二输出,x(t)为第二输入,αs、αk为所述平衡控制模型的次隶属度,为所述平衡控制模型对应的第i条规则次隶属度为αs的上激活强度,为所述平衡控制模型对应的第i条规则次隶属度为αs的下激活强度,Ui为所述平衡控制模型对应的第i条规则的局部反馈增益,i=1,2,s=1,2,…smax,k=1,2,…kmax;
将所述第二输出输入所述平衡机器人的数学模型,以根据所述数学模型的输出控制所述平衡机器人运行。
在上述的平衡机器人的模糊控制方法中,所述平衡控制模型的创建过程包括:
根据平衡模糊规则计算该平衡模糊规则的上、下激活强度:
其中,所述平衡模糊规则为:若θ是Xi,那么u是Uix,为第i条平衡模糊规则次隶属度为α的下激活强度,为第i条平衡模糊规则次隶属度为α的上激活强度,T、★均为t-范函数,为第i条平衡模糊规则的下隶属函数,为第i条平衡模糊规则的上隶属函数,为第i条平衡模糊规则的前件的下隶属函数,为第i条平衡模糊规则的前件的上隶属函数,m=1,2,…p;
根据所述平衡模糊规则对应的局部反馈增益及该平衡模糊规则的上、下激活强度构建平衡控制模型。
在上述的平衡机器人的模糊控制方法中,所述位置控制模型的创建过程包括::
根据位置模糊规则计算该位置模糊规则的上、下激活强度:
其中,所述位置模糊规则为:若Pe是De,是那么θp是Dp,Pe为位置误差,为所述平衡机器人的倾斜角速度,θP为位置模糊规则的输出,为位置模糊规则次隶属度为α的下激活强度,为位置模糊规则次隶属度为α的上激活强度,T、★均为t-范函数,为位置模糊规则的下隶属函数,为位置模糊规则的上隶属函数,为位置模糊规则的前件的下隶属函数,为位置模糊规则的前件的上隶属函数,m=1,2,…p;;
根据所述位置模糊规则的后件隶属函数的重心及该位置模糊规则的上、下激活强度计算位置控制模型次隶属度为α的降型集表达式:
其中,Ycos,α(X′)为该位置控制模型次隶属度为α的降型集表达式,
为该位置模糊规则的后件隶属函数的重心,为该位置控制模型第i条位置模糊规则次隶属度为α的下激活强度,为该位置控制模型第i条位置模糊规则次隶属度为α的上激活强度,i=1,2,…,M;
对该位置控制模型次隶属度为α的降型集表达式解模糊后得到所述位置控制模型:
其中,Y为所述第一输出,αk为所述位置控制模型的次隶属度。
在上述的平衡机器人的模糊控制方法中,所述“将所述第二输出输入所述平衡机器人的数学模型,以根据所述数学模型的输出控制所述平衡机器人运行”包括:
将所述第二输出输入所述平衡机器人的数学模型得到所述平衡机器人的闭环控制模型:
其中,为所述闭环控制模型的输出,Ai,Bi均为所述平衡机器人的数学模型的系数矩阵;
根据所述闭环控制模型的输出控制所述平衡机器人运行。
在上述的平衡机器人的模糊控制方法中,还包括:
在所述平衡机器人初始启动时,获取所述平衡机器人轮子的旋转角、所述平衡机器人的旋转角速度、所述平衡机器人的倾斜角及所述平衡机器人的倾斜角速度的初始化值;
将所述初始化值代入所述平衡控制模型得到所述第二输出,将所述第二输出输入所述平衡机器人的数学模型,以根据所述数学模型的输出控制所述平衡机器人运行,并在所述平衡机器人运行后根据实时运行状态更新所述平衡机器人轮子的旋转角、所述平衡机器人的旋转角速度、所述平衡机器人的倾斜角及所述平衡机器人的倾斜角速度的值。
根据本发明的另一个实施方式,提供一种平衡机器人的模糊控制装置,包括:
第一输出模块,用于将平衡机器人轮子的旋转角与所述平衡机器人轮子的半径相乘,再将相乘的结果与期望位置进行差值计算得到位置误差,并将所述位置误差及所述平衡机器人的倾斜角速度作为第一输入代入位置控制模型后得到第一输出;
第二输出模块,用于将所述第一输出与所述平衡机器人的倾斜角进行差值计算得到新的变量,并将所述新的变量、所述平衡机器人的倾斜角速度、所述平衡机器人轮子的旋转角及所述平衡机器人的旋转角速度作为第二输入代入平衡控制模型后得到第二输出,所述平衡控制模型为:
其中,u为第二输出,x2(t)为第二输入,αs、αk为所述平衡控制模型的次隶属度,为所述平衡控制模型对应的第i条规则次隶属度为αs的上激活强度,为所述平衡控制模型对应的第i条规则次隶属度为αs的下激活强度,Ui为所述平衡控制模型对应的第i条规则的局部反馈增益,i=1,2,s=1,2,…smax,k=1,2,…kmax;
控制模块,用于将所述第二输出输入所述平衡机器人的数学模型,以根据所述数学模型的输出控制所述平衡机器人运行。
在上述的平衡机器人的模糊控制装置中,所述平衡控制模型的创建过程包括:
第一计算模块,用于根据平衡模糊规则计算该平衡模糊规则的上、下激活强度:
其中,所述平衡模糊规则为:若θ是Xi,那么u是Uix,为第i条平衡模糊规则次隶属度为α的下激活强度,为第i条平衡模糊规则次隶属度为α的上激活强度,T、★均为t-范函数,为第i条平衡模糊规则的下隶属函数,为第i条平衡模糊规则的上隶属函数,为第i条平衡模糊规则的前件的下隶属函数,为第i条平衡模糊规则的前件的上隶属函数,m=1,2,…p;
构建模块,用于根据所述平衡模糊规则对应的局部反馈增益及该平衡模糊规则的上、下激活强度构建平衡控制模型。
在上述的平衡机器人的模糊控制装置中,所述位置控制模型的创建过程包括:
第二计算模块,用于根据位置模糊规则计算该位置模糊规则的上、下激活强度:
其中,所述平衡模糊规则为:若Pe是De,是那么θp是Dp,Pe为位置误差,为所述平衡机器人的倾斜角速度,θP为位置模糊规则的输出,为位置模糊规则次隶属度为α的下激活强度,为位置模糊规则次隶属度为α的上激活强度,T、★均为t-范函数,为位置模糊规则的下隶属函数,为位置模糊规则的上隶属函数,为位置模糊规则的前件的下隶属函数,为位置模糊规则的前件的上隶属函数,m=1,2,…p;
第三计算模块,用于根据所述位置模糊规则的后件隶属函数的重心及该位置模糊规则的上、下激活强度计算位置控制模型次隶属度为α的降型集表达式:
其中,Ycos,α(X′)为该位置控制模型次隶属度为α的降型集表达式,
为该位置模糊规则的后件隶属函数的重心,为该位置控制模型第i条位置模糊规则次隶属度为α的下激活强度,为该位置控制模型第i条位置模糊规则次隶属度为α的上激活强度,i=1,2,…,M;
解模糊模块,用于对该位置控制模型次隶属度为α的降型集表达式解模糊后得到所述位置控制模型:
其中,Y为所述第一输出,αk为所述位置控制模型的次隶属度。
根据本发明的再一个实施方式,提供一种平衡机器人,包括存储器以及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述平衡机器人执行上述的平衡机器人的模糊控制方法。
根据本发明的又一个实施方式,提供一种计算机可读存储介质,其储存有上述的平衡机器人中所用的所述计算机程序。
本公开的实施例提供的技术方案可以包括如下有益效果:
本发明中一种平衡机器人的模糊控制方法、装置及平衡机器人,通过非单值广义二型模糊模型提高平衡机器人处理不确定性的能力,具有更好的控制效果,具有更多的参数及自由度,抗干扰能力较强,达到期望位置的时间较小。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对本发明保护范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本发明实施例提供的一种平衡机器人的结构示意图。
图2示出了本发明第一实施例提供的一种平衡机器人的模糊控制方法的流程示意图。
图3示出了本发明实施例提供的一种平衡机器人的控制示意图。
图4示出了本发明实施例提供的一种平衡机器人的模糊控制装置的结构示意图。
主要元件符号说明:
500-平衡机器人的模糊控制装置;510-第一输出模块;520-第二输出模块;530-控制模块。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
图1示出了本发明实施例提供的一种平衡机器人的结构示意图。该平衡机器人的参数及变量的意义如下表所示:
图2示出了本发明实施例提供的一种平衡机器人的模糊控制方法的流程示意图。
该平衡机器人的模糊控制方法包括以下步骤:
在步骤S110中,将平衡机器人轮子的旋转角与平衡机器人轮子的半径相乘,再将相乘的结果与期望位置进行差值计算得到位置误差,并将位置误差及平衡机器人的倾斜角速度作为第一输入代入位置控制模型后得到第一输出。
如图3所示,令平衡机器人的状态量其中,为平衡机器人的倾斜角速度,为平衡机器人轮子的旋转角速度,可令
将据平衡机器人轮子的旋转角ψ乘以平衡机器人对应轮子的半径得到相乘的值,将该相乘的值减去期望到达的期望位置得到位置误差Pe,将位置误差Pe及平衡机器人的倾斜角速度作为第一输入,代入位置控制模型。
其中,该平衡机器人的轮子可以为平衡机器人的左轮,还可以为平衡机器人的右轮。
进一步地,所述位置控制模型的创建过程包括::
当平衡机器人的倾斜角θ≠0时,平衡机器人应该向前或向后移动致使其平衡。因此,通过调节平衡机器人的倾斜角θ的大小,实现平衡机器人的位置控制。其中,移动机器人的位置模糊规则如下:
若Pe是De,是那么θp是Dp
其中,De和为位置模糊规则的前件,Dp为位置模糊规则的后件,Pe为位置误差,为所述平衡机器人的倾斜角速度,θP为位置模糊规则的输出。
所述位置模糊规则的输入输出变量的范围如下表所示:
所述位置模糊规则可通过下表进行表示:
所述位置模糊规则的次隶属函数可通过下式进行表示:
Aα(X)=[aα(X),bα(X)]
其中,
w∈[0,1],在w=0时,次隶属函数为右底角为直角的直角三角形;当w=1/2时,次隶属函数为等腰三角形;当w=1时,次隶属函数为左底角为直角的直角三角形。
α为次隶属度,μ A(X)为位置模糊规则的下隶属函数,为位置模糊规则的上隶属函数。
前件和后件域均分为七个语言变量,分别为负大(NB),负中(NM),负小(NS),零(ZO),正小(PS),正中(PM)和正大(PB)。
例如,通过次隶属度为α的次隶属函数将所述位置模糊规则切割为多个水平切片的表达式为:
其中,为所述水平切片的表达式,sup表示取上确界,常用的计算方法是取大法。
本实施例中,所述次隶属函数的形式为三角形。在一些其他的实施例中,所述隶属函数的形式还可以为梯形。
所述三角形表达式如下:
其中,a=x0-e,b=x0+e,e∈[e1,e2]为清晰值输入x0的模糊化程度,当e为一个数值时,输入为一型非单值隶属函数;当e为一个区间且次隶属度为1时,输入为区间二型非单值;当e为一个区间且次隶属函数为一型隶属函数时,输入为广义二型非单值。本文采取e为一个区间且次隶属函数为一型隶属函数。
若x轴为主变量X,y轴为次变量u,z轴为次隶属度不确定迹的界线由上、下隶属函数组成。位于y轴,为所述次隶属函数为主变量x′m在在次隶属度为α时的三角形切片底边的两端点值。
当x=x′时,根据位置模糊规则计算该位置模糊规则的上、下激活强度:
其中,所述位置模糊规则为:若x1是A~l 1,x2是A~l 2,……xp是A~l p,那么Y是 为第l条位置模糊规则次隶属度为α的下激活强度,为第l条位置模糊规则次隶属度为α的上激活强度,T、★均为t-范函数,常用的计算方法有乘积法和取小法,本文采用取小法。为第l条位置模糊规则的下隶属函数,为第l条位置模糊规则的上隶属函数,为第l条位置模糊规则的前件的下隶属函数,为第l条位置模糊规则的前件的上隶属函数,m=1,2,…p。
令
通过计算上述公式中的和的最大值,对应的x轴坐标标记为上述的该位置模糊规则的上、下激活强度可以重新表示为:
具体地,为该位置模糊规则的后件隶属函数的重心通过下式进行计算:
其中,为次隶属度为α的第l条位置模糊规则的后件。
该位置模糊规则的上、下激活强度计算位置控制模型次隶属度为α的降型集表达式:
其中,Ycos,α(X′)为该位置控制模型次隶属度为α的降型集表达式,为该位置模糊规则的后件隶属函数的重心,为该位置控制模型第i条位置模糊规则次隶属度为α的下激活强度,为该位置控制模型第i条位置模糊规则次隶属度为α的上激活强度,i=1,2,…,M;
对该位置控制模型次隶属度为α的降型集表达式解模糊后得到所述位置控制模型:
其中,Y为所述第一输出,αk为所述位置控制模型的次隶属度, 均为该位置模糊规则次隶属度为αk的下激活强度,均为该位置模糊规则次隶属度为αk的上激活强度,k为次隶属度为αk的位置模糊规则的切片的数目,k=1,2,…kmax。
在步骤S120中,将第一输出与平衡机器人的倾斜角进行差值计算得到新的变量,并将新的变量、平衡机器人的倾斜角速度、平衡机器人轮子的旋转角及平衡机器人的旋转角速度作为第二输入代入平衡控制模型后得到第二输出。
如图3所示,将所述平衡机器人的倾斜角θ减去所述位置控制模型的第一输出Y后得到新的变量,将新的变量、平衡机器人的倾斜角速度平衡机器人轮子的旋转角ψ及平衡机器人的旋转角速度作为平衡控制模型的输入x(t)。
进一步地,所述平衡控制模型的创建过程包括:
所述位置模糊规则有p个输入所述位置模糊规则有一个输出y∈Y,所述位置模糊规则共有M条规则,其中,该M条规则中第l条位置模糊规则如下:
若x1是A~l 1,x2是A~l 2,……xp是A~l p,那么Y是
其中,xp为第l条位置模糊规则的非单值输入,A~l p为第l条位置模糊规则的前件,为第l条位置模糊规则的后件。
那么,通过次隶属度为α的次隶属函数将所述位置模糊规则切割为多个水平或水平切片。
例如,通过次隶属度为α的次隶属函数将所述位置模糊规则切割为多个水平切片的表达式为:
其中,为所述水平切片的表达式,sup表示取上确界,常用的计算方法是取大法。
本实施例中,所述次隶属函数的形式为三角形。在一些其他的实施例中,所述隶属函数的形式还可以为梯形。
所述三角形表达式如下:
其中,a=x0-e,b=x0+e,e∈[e1,e2]为清晰值输入x0的模糊化程度,当e为一个数值时,输入为一型非单值隶属函数;当e为一个区间且次隶属度为l时,输入为区间二型非单值;当e为一个区间且次隶属函数为一型隶属函数时,输入为广义二型非单值。本文采取e为一个区间且次隶属函数为一型隶属函数。
若x轴为主变量X,y轴为次变量u,z轴为次隶属度不确定迹的界线由上、下隶属函数组成。位于y轴,为所述次隶属函数为主变量x′m在在次隶属度为α时的三角形切片底边的两端点值。
当x=x′时,根据位置模糊规则计算该位置模糊规则的上、下激活强度:
根据平衡模糊规则计算该平衡模糊规则的上、下激活强度:
其中,为第i条平衡模糊规则次隶属度为α的下激活强度,为第i条平衡模糊规则次隶属度为α的上激活强度,T、★均为t-范函数,为第i条平衡模糊规则的下隶属函数,为第i条平衡模糊规则的上隶属函数,为第i条平衡模糊规则的前件的下隶属函数,为第i条平衡模糊规则的前件的上隶属函数,m=1,2,…p。
值得注意的是,所述次隶属函数的形式为三角形。在一些其他的实施例中,所述隶属函数的形式还可以为梯形。
所述三角形表达式如下:
其中,a=x0-e,b=x0+e,e∈[e1,e2]为清晰值输入x0的模糊化程度,当e为一个数值时,输入为一型非单值隶属函数;当e为一个区间且次隶属度为1时,输入为区间二型非单值;当e为一个区间且次隶属函数为一型隶属函数时,输入为广义二型非单值。本文采取e为一个区间且次隶属函数为一型隶属函数。
根据所述平衡模糊规则对应的局部反馈增益及该平衡模糊规则的上、下激活强度构建平衡控制模型。
所述平衡控制模型为:
其中,u为第二输出,x(t)为第二输入,αs为所述平衡控制模型的次隶属度,为所述平衡控制模型对应的第i条规则次隶属度为αk的上激活强度,为所述平衡控制模型对应的第i条规则次隶属度为αk的下激活强度,Ui为所述平衡控制模型对应的第i条规则的局部反馈增益,可通过Lyapunov稳定理论获得,i=1,2,s=1,2,…smax,k=1,2,…kmax
在步骤S130中,将第二输出输入平衡机器人的数学模型,以根据数学模型的输出控制平衡机器人运行。
进一步地,所述平衡机器人的数学模型的构建过程如下:
令平衡机器人的状态量其中,为平衡机器人的倾斜角速度,为平衡机器人轮子的旋转角速度,可令根据状态量x将平衡机器人的数学模型通过下式表示:
其中,u为平衡机器人的数学模型的输入,即平衡控制模型的第二输出。令Δ=m12 2cos2θ-m11m22,将f(X)和f(X)展开得到下式:
其中,g为重力加速度。
由上述公式可知系统的非线性是由正弦和余弦引起的,通过f1、f2、f3、f4、g1、g2、g3及g4对平衡机器人的数学模型进行局部逼近,可以消除非线性,得到T-S模糊模型,对X1分别取两个极限值,即0和±π/6。
当时,使用下面的模糊规则来描述平衡机器人的数学模型:
如果θ=Xi,那么其中,Xi是第i条模糊规则的前件,是一个广义二型模糊集,Ai和Bi为系数矩阵。
其中,所述模糊规则的前件的次隶属函数的表达式为:
其中,为输入X1的下隶属函数,为输入X1的上隶属函数,为输入X2的下隶属函数,为输入X2的上隶属函数。为了降低计算复杂度和方便分析,可令前件的上、下隶属函数互补。
根据上述的上、下激活强度计算公式可以得到激活区间:
其中,为激活区间,为下激活强度,为上激活强度,T及★均为t-范函数,为第i条模糊规则的下隶属函数,为第i条模糊规则的上隶属函数,位于y轴,为所述次隶属函数为主变量θ在在次隶属度为α时的三角形切片底边的两端点值,m=1,2,…p。
对平衡机器人的数学模型进行解模糊,得到清晰的平衡机器人的数学模型:
其中,为平衡机器人的数学模型的输出,X为输入,Ai,Bi均为所述平衡机器人的数学模型的系数矩阵,αk为所述平衡控制模型的次隶属度,为所述平衡控制模型对应的第i条规则次隶属度为αk的上激活强度,为所述平衡控制模型对应的第i条规则次隶属度为αk的下激活强度,k=1,2,…kmax,i=1,2。
如图3所示,将平衡控制模型的输出x(t)代入所述平衡机器人的数学模型后,得到所述平衡机器人的闭环控制模型:
其中,为所述闭环控制模型的输出,x(t)为平衡控制模型的输出,Ai,Bi均为所述平衡机器人的数学模型的系数矩阵。
将所述闭环控制模型的输出转换为平衡机器人的控制信号,根据该控制信号控制所述平衡机器人运行。
进一步地,在所述平衡机器人初始启动时,获取所述平衡机器人轮子的旋转角、所述平衡机器人的旋转角速度、所述平衡机器人的倾斜角及所述平衡机器人的倾斜角速度的初始化值。
将所述初始化值代入所述平衡控制模型得到所述第二输出,将所述第二输出输入所述平衡机器人的数学模型,以根据所述数学模型的输出控制所述平衡机器人运行,并在所述平衡机器人运行后根据实时运行状态更新所述平衡机器人轮子的旋转角、所述平衡机器人的旋转角速度、所述平衡机器人的倾斜角及所述平衡机器人的倾斜角速度的值。
具体地,如图3所示,在平衡机器人初始启动时,将所述平衡机器人轮子的旋转角θ、所述平衡机器人的旋转角速度所述平衡机器人的倾斜角ψ及所述平衡机器人的倾斜角速度作为状态变量,并为状态变量赋初始化值。并将初始化值根据步骤S110中过程进行运算后得到第一输入送入位置控制模型,将通过位置控制模型的第一输出与初始化值根据步骤S120中过程进行运算后得到第二输入x(t)送入平衡控制模型,将通过平衡控制模型的第二输出u作用于平衡机器人的数学模型,以控制所述平衡机器人的平衡和位置。并重新获取作用后的平衡机器人的状态变量的值,继续通过步骤S110中过程进行运算后得到第一输入送入位置控制模型,将通过位置控制模型的第一输出与重新获取的状态变量的值根据步骤S120中过程进行运算后得到第二输入x(t)送入平衡控制模型,将通过平衡控制模型的第二输出u作用于平衡机器人的数学模型,以控制所述平衡机器人的平衡和位置。并重新获取作用后的平衡机器人的状态变量的值,以此不断循环,控制平衡机器人的运行。
实施例2
图4示出了本发明实施例提供的一种平衡机器人的模糊控制装置的结构示意图。该平衡机器人的模糊控制装置500对应于实施例1中的平衡机器人的模糊控制方法,实施例1中的平衡机器人的模糊控制方法同样也适用于该平衡机器人的模糊控制装置500,在此不再赘述。
所述平衡机器人的模糊控制装置500包括第一输出模块510、第二输出模块520及控制模块530。
第一输出模块510,用于将平衡机器人轮子的旋转角与所述平衡机器人轮子的半径相乘,再将相乘的结果与期望位置进行差值计算得到位置误差,并将所述位置误差及所述平衡机器人的倾斜角速度作为第一输入代入位置控制模型后得到第一输出。
第二输出模块520,用于将所述第一输出与所述平衡机器人的倾斜角进行差值计算得到新的变量,并将所述新的变量、所述平衡机器人的倾斜角速度、所述平衡机器人轮子的旋转角及所述平衡机器人的旋转角速度作为第二输入代入平衡控制模型后得到第二输出,所述平衡控制模型为:
其中,u为第二输出,x2(t)为第二输入,αs、αk为所述平衡控制模型的次隶属度,为所述平衡控制模型对应的第i条规则次隶属度为αs的上激活强度,为所述平衡控制模型对应的第i条规则次隶属度为αs的下激活强度,Ui为所述平衡控制模型对应的第i条规则的局部反馈增益,i=1,2,s=1,2,…smax,k=1,2,…kmax。
控制模块530,用于将所述第二输出输入所述平衡机器人的数学模型,以根据所述数学模型的输出控制所述平衡机器人运行。
进一步地,所述平衡控制模型的创建过程包括:
第一计算模块,用于根据平衡模糊规则计算该平衡模糊规则的上、下激活强度:
其中,所述平衡模糊规则为:若θ是Xi,那么u是Uix,为第i条平衡模糊规则次隶属度为α的下激活强度,为第i条平衡模糊规则次隶属度为α的上激活强度,T、★均为t-范函数,为第i条平衡模糊规则的下隶属函数,为第i条平衡模糊规则的上隶属函数,为第i条平衡模糊规则的前件的下隶属函数,为第i条平衡模糊规则的前件的上隶属函数,m=1,2,…p;
构建模块,用于根据所述平衡模糊规则对应的局部反馈增益及该平衡模糊规则的上、下激活强度构建平衡控制模型。
进一步地,所述位置控制模型的创建过程包括:
第二计算模块,用于根据位置模糊规则计算该位置模糊规则的上、下激活强度:
其中,所述位置模糊规则为:若Pe是De,是那么θp是Dp,Pe为位置误差,为所述平衡机器人的倾斜角速度,θP为位置模糊规则的输出,为位置模糊规则次隶属度为α的下激活强度,为位置模糊规则次隶属度为α的上激活强度,T、★均为t-范函数,为位置模糊规则的下隶属函数,为位置模糊规则的上隶属函数,为位置模糊规则的前件的下隶属函数,为位置模糊规则的前件的上隶属函数,m=1,2,…p;
第三计算模块,用于根据所述位置模糊规则的后件隶属函数的重心及该位置模糊规则的上、下激活强度计算位置控制模型次隶属度为α的降型集表达式:
其中,Ycos,α(X′)为该位置控制模型次隶属度为α的降型集表达式,
为该位置模糊规则的后件隶属函数的重心,为该位置控制模型第i条位置模糊规则次隶属度为α的下激活强度,为该位置控制模型第i条位置模糊规则次隶属度为α的上激活强度,i=1,2,…,M;
解模糊模块,用于对该位置控制模型次隶属度为α的降型集表达式解模糊后得到所述位置控制模型:
其中,Y为所述第一输出,αk为所述位置控制模型的次隶属度。
本发明另一实施例还提供了提供一种平衡机器人,该平衡机器人包括存储器以及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述平衡机器人执行上述的平衡机器人的模糊控制方法或上述的平衡机器人的模糊控制装置中各模块的功能。
本实施例还提供了一种计算机存储介质,所述计算机可读存储介质中存储有上述的平衡机器人中所用的所述计算机程序。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和结构图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或更多个模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种平衡机器人的模糊控制方法,其特征在于,包括:
将平衡机器人轮子的旋转角与所述平衡机器人轮子的半径相乘,再将相乘的结果与期望位置进行差值计算得到位置误差,并将所述位置误差及所述平衡机器人的倾斜角速度作为第一输入代入位置控制模型后得到第一输出;
将所述第一输出与所述平衡机器人的倾斜角进行差值计算得到新的变量,并将所述新的变量、所述平衡机器人的倾斜角速度、所述平衡机器人轮子的旋转角及所述平衡机器人的旋转角速度作为第二输入代入平衡控制模型后得到第二输出,所述平衡控制模型为:
其中,u为第二输出,x(t)为第二输入,αs、αk为所述平衡控制模型的次隶属度,为所述平衡控制模型对应的第i条规则次隶属度为αs的上激活强度,为所述平衡控制模型对应的第i条规则次隶属度为αs的下激活强度,Ui为所述平衡控制模型对应的第i条规则的局部反馈增益,i=1,2,s=1,2,…smax,k=1,2,…kmax;
将所述第二输出输入所述平衡机器人的数学模型,以根据所述数学模型的输出控制所述平衡机器人运行。
2.根据权利要求1所述的平衡机器人的模糊控制方法,其特征在于,所述平衡控制模型的创建过程包括:
根据平衡模糊规则计算该平衡模糊规则的上、下激活强度:
其中,所述平衡模糊规则为:若θ是Xi,那么u是Uix,为第i条平衡模糊规则次隶属度为α的下激活强度,为第i条平衡模糊规则次隶属度为α的上激活强度,T、★均为t-范函数,为第i条平衡模糊规则的下隶属函数,为第i条平衡模糊规则的上隶属函数,为第i条平衡模糊规则的前件的下隶属函数,为第i条平衡模糊规则的前件的上隶属函数,m=1,2,…p;
根据所述平衡模糊规则对应的局部反馈增益及该平衡模糊规则的上、下激活强度构建平衡控制模型。
3.根据权利要求1所述的平衡机器人的模糊控制方法,其特征在于,所述位置控制模型的创建过程包括:
根据位置模糊规则计算该位置模糊规则的上、下激活强度:
其中,所述位置模糊规则为:若Pe是De,是那么θp是Dp,Pe为位置误差,为所述平衡机器人的倾斜角速度,θP为位置模糊规则的输出,为位置模糊规则次隶属度为α的下激活强度,为位置模糊规则次隶属度为α的上激活强度,T、★均为t-范函数,为位置模糊规则的下隶属函数,为位置模糊规则的上隶属函数,为位置模糊规则的前件的下隶属函数,为位置模糊规则的前件的上隶属函数,m=1,2,…p;
根据所述位置模糊规则的后件隶属函数的重心及该位置模糊规则的上、下激活强度计算位置控制模型次隶属度为α的降型集表达式:
其中,Ycos,α(X′)为该位置控制模型次隶属度为α的降型集表达式,
为该位置模糊规则的后件隶属函数的重心,为该位置控制模型第i条位置模糊规则次隶属度为α的下激活强度,为该位置控制模型第i条位置模糊规则次隶属度为α的上激活强度,i=1,2,…,M;
对该位置控制模型次隶属度为α的降型集表达式解模糊后得到所述位置控制模型:
其中,Y为所述第一输出,αk为所述位置控制模型的次隶属度。
4.根据权利要求1所述的平衡机器人的模糊控制方法,其特征在于,所述“将所述第二输出输入所述平衡机器人的数学模型,以根据所述数学模型的输出控制所述平衡机器人运行”包括:
将所述第二输出输入所述平衡机器人的数学模型得到所述平衡机器人的闭环控制模型:
其中,为所述闭环控制模型的输出,Ai,Bi均为所述平衡机器人的数学模型的系数矩阵;
根据所述闭环控制模型的输出控制所述平衡机器人运行。
5.根据权利要求1所述的平衡机器人的模糊控制方法,其特征在于,还包括:
在所述平衡机器人初始启动时,获取所述平衡机器人轮子的旋转角、所述平衡机器人的旋转角速度、所述平衡机器人的倾斜角及所述平衡机器人的倾斜角速度的初始化值;
将所述初始化值代入所述平衡控制模型得到所述第二输出,将所述第二输出输入所述平衡机器人的数学模型,以根据所述数学模型的输出控制所述平衡机器人运行,并在所述平衡机器人运行后根据实时运行状态更新所述平衡机器人轮子的旋转角、所述平衡机器人的旋转角速度、所述平衡机器人的倾斜角及所述平衡机器人的倾斜角速度的值。
6.一种平衡机器人的模糊控制装置,其特征在于,包括:
第一输出模块,用于将平衡机器人轮子的旋转角与所述平衡机器人轮子的半径相乘,再将相乘的结果与期望位置进行差值计算得到位置误差,并将所述位置误差及所述平衡机器人的倾斜角速度作为第一输入代入位置控制模型后得到第一输出;
第二输出模块,用于将所述第一输出与所述平衡机器人的倾斜角进行差值计算得到新的变量,并将所述新的变量、所述平衡机器人的倾斜角速度、所述平衡机器人轮子的旋转角及所述平衡机器人的旋转角速度作为第二输入代入平衡控制模型后得到第二输出,所述平衡控制模型为:
其中,u为第二输出,x(t)为第二输入,αs、αk为所述平衡控制模型的次隶属度,为所述平衡控制模型对应的第i条规则次隶属度为αs的上激活强度,为所述平衡控制模型对应的第i条规则次隶属度为αs的下激活强度,Ui为所述平衡控制模型对应的第i条规则的局部反馈增益,i=1,2,s=1,2,…smax,k=1,2,…kmax;
控制模块,用于将所述第二输出输入所述平衡机器人的数学模型,以根据所述数学模型的输出控制所述平衡机器人运行。
7.根据权利要求6所述的平衡机器人的模糊控制装置,其特征在于,所述平衡控制模型的创建过程包括:
第一计算模块,用于根据平衡模糊规则计算该平衡模糊规则的上、下激活强度:
其中,所述平衡模糊规则为:若θ是Xi,那么u是Uix,为第i条平衡模糊规则次隶属度为α的下激活强度,为第i条平衡模糊规则次隶属度为α的上激活强度,T、★均为t-范函数,为第i条平衡模糊规则的下隶属函数,为第i条平衡模糊规则的上隶属函数,为第i条平衡模糊规则的前件的下隶属函数,为第i条平衡模糊规则的前件的上隶属函数,m=1,2,…p;
构建模块,用于根据所述平衡模糊规则对应的局部反馈增益及该平衡模糊规则的上、下激活强度构建平衡控制模型。
8.根据权利要求6所述的平衡机器人的模糊控制装置,其特征在于,所述位置控制模型的创建过程包括:
第二计算模块,用于根据位置模糊规则计算该位置模糊规则的上、下激活强度:
其中,所述位置模糊规则为:若Pe是De,是那么θp是Dp,Pe为位置误差,为所述平衡机器人的倾斜角速度,θP为位置模糊规则的输出,为位置模糊规则次隶属度为α的下激活强度,为位置模糊规则次隶属度为α的上激活强度,T、★均为t-范函数,为位置模糊规则的下隶属函数,为位置模糊规则的上隶属函数,为位置模糊规则的前件的下隶属函数,为位置模糊规则的前件的上隶属函数,m=1,2,…p;
第三计算模块,用于根据所述位置模糊规则的后件隶属函数的重心及该位置模糊规则的上、下激活强度计算位置控制模型次隶属度为α的降型集表达式:
其中,Ycos,α(X′)为该位置控制模型次隶属度为α的降型集表达式,
为该位置模糊规则的后件隶属函数的重心,为该位置控制模型第i条位置模糊规则次隶属度为α的下激活强度,为该位置控制模型第i条位置模糊规则次隶属度为α的上激活强度,i=1,2,…,M;
解模糊模块,用于对该位置控制模型次隶属度为α的降型集表达式解模糊后得到所述位置控制模型:
其中,Y为所述第一输出,αk为所述位置控制模型的次隶属度。
9.一种平衡机器人,其特征在于,包括存储器以及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述平衡机器人执行权利要求1至5任一项所述的平衡机器人的模糊控制方法。
10.一种计算机可读存储介质,其储存有权利要求9所述的平衡机器人中所用的所述计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811555372.5A CN109407689B (zh) | 2018-12-19 | 2018-12-19 | 平衡机器人的模糊控制方法、装置及平衡机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811555372.5A CN109407689B (zh) | 2018-12-19 | 2018-12-19 | 平衡机器人的模糊控制方法、装置及平衡机器人 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109407689A true CN109407689A (zh) | 2019-03-01 |
CN109407689B CN109407689B (zh) | 2020-02-21 |
Family
ID=65460172
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811555372.5A Active CN109407689B (zh) | 2018-12-19 | 2018-12-19 | 平衡机器人的模糊控制方法、装置及平衡机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109407689B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110083061A (zh) * | 2019-04-12 | 2019-08-02 | 国网宁夏电力有限公司电力科学研究院 | 一种轮式移动机器人控制方法 |
CN110275439A (zh) * | 2019-06-28 | 2019-09-24 | 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 |
CN114460945A (zh) * | 2022-02-14 | 2022-05-10 | 四川大学 | 移动机器人轨迹跟踪方法、装置及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103010360A (zh) * | 2011-09-26 | 2013-04-03 | 东莞易步机器人有限公司 | 一种自平衡两轮车的运动控制方法 |
CN104298113A (zh) * | 2014-10-22 | 2015-01-21 | 五邑大学 | 两轮机器人自适应模糊平衡控制器 |
CN105116729A (zh) * | 2015-08-17 | 2015-12-02 | 杭州电子科技大学 | 一种两轮自平衡机器人自适应滑模变结构控制方法及系统 |
TW201741792A (zh) * | 2016-05-19 | 2017-12-01 | 崑山科技大學 | 以人工智慧控制兩輪機具平衡的方法 |
CN108673513A (zh) * | 2018-08-09 | 2018-10-19 | 四川大学 | 一种电力巡检机器人运行姿态的控制方法及装置 |
-
2018
- 2018-12-19 CN CN201811555372.5A patent/CN109407689B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103010360A (zh) * | 2011-09-26 | 2013-04-03 | 东莞易步机器人有限公司 | 一种自平衡两轮车的运动控制方法 |
CN104298113A (zh) * | 2014-10-22 | 2015-01-21 | 五邑大学 | 两轮机器人自适应模糊平衡控制器 |
CN105116729A (zh) * | 2015-08-17 | 2015-12-02 | 杭州电子科技大学 | 一种两轮自平衡机器人自适应滑模变结构控制方法及系统 |
TW201741792A (zh) * | 2016-05-19 | 2017-12-01 | 崑山科技大學 | 以人工智慧控制兩輪機具平衡的方法 |
CN108673513A (zh) * | 2018-08-09 | 2018-10-19 | 四川大学 | 一种电力巡检机器人运行姿态的控制方法及装置 |
Non-Patent Citations (2)
Title |
---|
HUANG, JIAN 等: "Interval Type-2 Fuzzy Logic Modeling and Control of a Mobile Two-Wheeled Inverted Pendulum", 《IEEE TRANSACTIONS ON FUZZY SYSTEMS》 * |
TAO ZHAO 等: "Delay-dependent stabilization of discrete-time interval type-2 T–S fuzzy systems with time-varying delay", 《JOURNAL OF THE FRANKLIN INSTITUTE》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110083061A (zh) * | 2019-04-12 | 2019-08-02 | 国网宁夏电力有限公司电力科学研究院 | 一种轮式移动机器人控制方法 |
CN110083061B (zh) * | 2019-04-12 | 2022-04-08 | 国网宁夏电力有限公司电力科学研究院 | 一种轮式移动机器人控制方法 |
CN110275439A (zh) * | 2019-06-28 | 2019-09-24 | 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 |
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 |
CN114460945A (zh) * | 2022-02-14 | 2022-05-10 | 四川大学 | 移动机器人轨迹跟踪方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109407689B (zh) | 2020-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109407689A (zh) | 平衡机器人的模糊控制方法、装置及平衡机器人 | |
CN105068427B (zh) | 一种多机器人系统有限时间鲁棒协同跟踪控制方法 | |
Yang et al. | Robust tracking control for wheeled mobile robot based on extended state observer | |
CN100527024C (zh) | 三参数最速自抗扰控制器装置及自抗扰控制方法 | |
CN108762284B (zh) | 一种基于lpv技术的航天器姿态跟踪控制方法与装置 | |
CN110134018B (zh) | 一种水下多足机器人系统的多足协同控制方法 | |
CN106406085A (zh) | 基于跨尺度模型的空间机械臂轨迹跟踪控制方法 | |
CN110083167A (zh) | 一种移动机器人的路径跟踪方法及装置 | |
CN108107723A (zh) | 非线性间歇过程的2d最优模糊控制器设计方法 | |
Xiao et al. | Fuzzy adaptive PID control tank level | |
Romero et al. | Robust PID consensus-based formation control of nonholonomic mobile robots affected by disturbances | |
Dasdemir et al. | Robust formation tracking control of mobile robots via one-to-one time-varying communication | |
Cao et al. | Cooperative control design for non-holonomic chained-form systems | |
Meza-Sánchez et al. | Output sliding mode-based stabilization of underactuated 3-DOF helicopter prototype and its experimental verification | |
Zhang et al. | Levenberg-Marquardt based artificial physics method for mobile robot oscillation alleviation | |
Begnini et al. | Practical implementation of an effective robust adaptive fuzzy variable structure tracking control for a wheeled mobile robot | |
Zong et al. | Identification of Hammerstein–Wiener systems with state-space subsystems based on the improved PSO and GSA algorithm | |
Xu et al. | Robust observer design and fuzzy optimization for uncertain dynamic systems | |
Li et al. | Prescribed-time zero-error active disturbance rejection control for uncertain wheeled mobile robots subject to skidding and slipping | |
Liu et al. | Adaptive control design for fixed-time synchronization of fuzzy stochastic cellular neural networks with discrete and distributed delay | |
CN105259757B (zh) | 一种受控随机系统的无限时域鲁棒控制器的控制方法 | |
Zhang et al. | Bifurcation behavior and chaotic dynamics of a three-degree-of-freedom aeroelastic system | |
Li et al. | A kind of lagrange dynamic simplified modeling method for multi-DOF robot 1 | |
Qu et al. | Consensus-Based Formation of Second-Order Multi-Agent Systems via Linear-Transformation-Based Partial Stability Approach | |
Huo et al. | BP neural network based PID control for ship steering |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |