CN111559259B - 基于ros的具有激光导航功能的高效率无线充电智能小车及控制方法 - Google Patents

基于ros的具有激光导航功能的高效率无线充电智能小车及控制方法 Download PDF

Info

Publication number
CN111559259B
CN111559259B CN202010301210.XA CN202010301210A CN111559259B CN 111559259 B CN111559259 B CN 111559259B CN 202010301210 A CN202010301210 A CN 202010301210A CN 111559259 B CN111559259 B CN 111559259B
Authority
CN
China
Prior art keywords
laser
chip
voltage
power supply
module
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
Application number
CN202010301210.XA
Other languages
English (en)
Other versions
CN111559259A (zh
Inventor
李伊莎
李怀龙
沈跃
周柏涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu University
Original Assignee
Jiangsu University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu University filed Critical Jiangsu University
Priority to CN202010301210.XA priority Critical patent/CN111559259B/zh
Publication of CN111559259A publication Critical patent/CN111559259A/zh
Application granted granted Critical
Publication of CN111559259B publication Critical patent/CN111559259B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/10—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles characterised by the energy transfer between the charging station and the vehicle
    • B60L53/12—Inductive energy transfer
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • 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
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • 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
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J50/00—Circuit arrangements or systems for wireless supply or distribution of electric power
    • H02J50/10—Circuit arrangements or systems for wireless supply or distribution of electric power using inductive coupling
    • H02J50/12—Circuit arrangements or systems for wireless supply or distribution of electric power using inductive coupling of the resonant type
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles

Abstract

本发明公开了一种基于ROS的具有激光导航功能的高效率无线充电智能小车及控制方法，主要由反激式电源模块、无线充电模块、电机驱动与底层控制系统以及环境检测与算法实现系统组成。首先，无线充电装置对电池充电，小车出发后，采用激光雷达对周围环境进行信息采集，结合电机编码器提供的里程计信息，经过里程计标定与运动畸变去除，在树莓派中的ROS平台实现了改进的Gmapping算法，以实现在未知环境中实时定位与地图创建的功能，再通过调用navigation功能包实现自主导航功能。当电源电压检测模块检测到电池电压不足时，设定充电点为导航目标，实现自动返回充电点充电的功能，大大提高了移动机器人的自动化水平与服务质量。

Description

基于ROS的具有激光导航功能的高效率无线充电智能小车及 控制方法
技术领域
本发明涉及ROS智能小车领域，特别提供了一种基于ROS系统具有激光导航功能，可实现自动高效率无线充电的智能小车。
背景技术
现今人工智能与无线充电技术愈发火热，随着全球的节能化、清洁化、智能化潮流的发展，无人驾驶汽车、无线充电汽车市场潜力愈大。如今常见的基于ROS的移动机器人大多为使用车载电池进行供电，若需机器人长期工作，则需要工作人员装卸电池，极为不便，且常常由于欠压使智能小车不正常工作，导致服务质量下降，甚至服务中断。此外，市场上已有的锂电池无线充电模块，普遍存在效率转化低的缺陷。
发明内容
本发明的目的在于提供了一种提高智能服务机器人自动化水平、减少所需劳动力、基于ROS系统具有激光导航功能的高效率无线充电智能小车。
本发明技术方案如下：一种基于ROS系统具有激光导航功能的无线充电智能小车，包括机械部件、无线充电模块、电机驱动与底层控制系统以及环境检测与算法实现系统；所述机械部件包括三个层叠设置的圆盘(1)、左右驱动轮(2)、万向轮(3)；所述左右驱动轮(2)和万向轮(3)安装于圆盘(1)底层的底盘上，作为两轮差速底盘；所述无线充电模块包括反激式电源模块(4)、发送电路(5)、发送线圈(6)、接收电路(7)、接收线圈(8)、12V锂电池组(9)；所述反激式电源(4)输入端连接电源，其输出端与发送电路(5)相连，发送电路(5)与发送线圈(6)相接，线圈通过磁耦合谐振将电能传输给接收线圈(8)，接收线圈固定在底盘中央位置，通过底盘上的接收电路(7)，连接12V锂电池组(9)；所述电机驱动与底层控制系统包括电源电压检测模块(10)、电源转换模块(11)、STM32处理器系统(12)、OLED显示器(13)、TB6612电机驱动模块(14)、JGA25-370电机(15)；此系统安装于小车底盘上，所述电源电压检测模块(10)通过检测12V锂电池组(9)输出电压，将检测信号返回给STM32处理器系统(12)，STM32处理器系统(12)与OLED显示器(13)相连；所述电源转换模块(11)给电源电压检测模块(10)、STM32处理器系统(12)以及TB6612电机驱动模块(14)供电；JGA25-370电机(15)连接左右驱动轮(2)，STM32处理器系统(12)与TB6612电机驱动模块(14)相连，实现对于JGA25-370电机(15)的控制；所述环境检测与算法实现系统包括串口通讯线(16)、树莓派3B+(17)、RPLIDARA1激光雷达(18)、上位机(19)；此系统位于小车中层和顶层，所述树莓派3B+(17)通过串口通讯线(16)与底层的STM32处理器系统(12)相连；所述激光雷达(18)与树莓派3B+(17)相连，将周围环境雷达信息传给树莓派3B+(17)；所述上位机(19)通过无线通讯向树莓派(17)发送决策信息，同时接收树莓派(17)所上传的地图信息，并进行地图可视化工作。
进一步，所述电源转换模块(11)是由LM7805芯片5V稳压电路、AMS1117-3.3芯片3.3V稳压电路以及MP9486S芯片12V稳压电路组成，分别给电源电压检测模块(10)、STM32处理器系统(12)及TB6612电机驱动模块(14)供电。
进一步，所述无线充电模块中，采用XKT-801芯片，在充电点固定发送线圈(6)，在小车底部固定接收线圈(8)，对接收电路电流进行采集，将电压信号送给STM32处理器(12)ADC输入端，此无线充电模块的输出电压为12V，输出电流为3A。
进一步，所述反激式电源模块(4)中，其输入端与市电220V相连，经过安规电容与共模电感滤除干扰后接入高压整流桥，高频开关变压器采用ETD34规格，初级绕组与整流桥相接，主次级绕组经过快恢复二极管以及滤波电路与输出端相连，辅次级绕组对TOP266EG控制芯片供电；反馈回路采用TL431三端稳压芯片提供基准电压，并借助PC817A光耦隔离芯片将控制电路与输出电路隔离。
进一步，所述电源电压检测模块(10)包括直流可调升压变换器、差模放大器以及电压跟随器；
所述直流可调升压变换器包括MT3608同步升压芯片，LM7805芯片电压输出引脚经过滤波电容接入MT3608芯片输入引脚，MT3608芯片电压反馈引脚接入电位器与分压电阻之间，MT3608芯片输出引脚经过滤波电容向差模放大器INA286供电；
所述差模放大器INA286正相输入引脚经过限流电阻与电源输入端相连，差模放大器INA286反相输入引脚接于分压电阻与电位器之间；
所述电压跟随器输入端接差模放大器的电压输出引脚，电压跟随器另一端接入电压检测模块(10)输出端。
进一步，所述电源转换模块(11)输入端子通过单刀双掷开关以及肖特基二极管接入MP9486S芯片VIN脚，芯片输出引脚经单刀双掷开关接入LM7805芯片VIN脚，AMS1117-3.3芯片IN脚与LM7805电压输出引脚相接；
所述STM32处理器系统(12)采用STM32F103C8T6芯片，与晶振电路、复位电路、BOOT电路、STLINK接口、串口接口、OLED接口组成最小系统，STM32处理器系统(12)通过OLED显示器(13)实时显示电源电压值与充电信号；
所述TB6612电机驱动模块(14)包括驱动芯片TB6612以及两个电机接线端子，直流电压源经过钽电容滤波接入驱动芯片的输入引脚，驱动芯片控制引脚、信号引脚以及驱动电压输出引脚分别与接线端子相接。
本发明的方法的技术方案为：一种基于ROS系统具有激光导航功能的无线充电智能小车的控制方法，包括如下步骤：
第一步：树莓派3B+(17)通过RPLIDARA1激光雷达(18)采集的环境信息、STM32处理器系统(12)反馈的里程计积分数据以及上位机的信息，根据预先设定条件做出相应的决策；
第二步：在树莓派3B+(17)中完成对环境信息和里程计积分数据的时间同步，进而进行运动畸变去除；
已知当前帧激光的起始时间ts和最终时间te，两个激光束间的时间Δt，里程计数据按照时间顺序存储在一个队列中，队首的时间最早，最早的里程计数据的时间戳＜ts，最晚的里程计数据的时间戳＞te；
目标：求解当前帧激光数据中每一个激光点对应的机器人位姿，即求解{ts,ts+Δt,…,te}时刻的机器人位姿，再根据求解的位姿将所有激光点转换到同一坐标系下，重新封装成一帧激光数据，发布出去；
算法流程：
首先，求解ts和te时刻的位姿ps和pe；
设在ts时刻没有对应的里程计位姿ps，则进行线性插值；假设在tl、tk时刻有位姿pl、pk，且tl＜ts＜tk，则：
pl＝OdomList[tl]
pk＝OdomList[tk]
Figure BDA0002454052240000051
其中：OdomList表示里程计所得位姿数据表；
LinarInterp表示线性插值函数；
其次，利用分段线性函数对二次曲线进行近似；
在ts和te时间段内，一共取k个位姿{ps,ps+1,…,ps+k-2,pe}，并在这k个位姿之间，进行线性插值，得到时间段内任一时刻的位姿；
设ps和ps+1之间有N个位姿{ps,ps1,…,ps(n-2),ps+1}，则：
Figure BDA0002454052240000052
最后，统一坐标系并发布新的激光数据；
一帧激光数据n个激光点，每个激光点对应的位姿{p1,p2,…,pn}通过上述方法插值得到，再进行坐标变换如下：
Figure BDA0002454052240000053
其中，xi为转换之前的坐标，x′i为转换之后的坐标；
将新坐标转换为激光数据发布出去：
x′i＝(px,py)
Figure BDA0002454052240000054
angle＝atan2(py,px)
其中：px、py分别为x轴坐标和y轴坐标；
range、angle分别为距离和角度，atan2表示反正切函数；
第三步：在上一步时间同步的基础上，进行里程计标定；
采用最小二乘的直线拟合方法，进行里程计标定，以激光雷达的scan-match数据作为真值
Figure BDA0002454052240000061
里程计测量得到的数据为ui，假设成线性关系
Figure BDA0002454052240000062
其中，
Figure BDA0002454052240000063
为待定系数；
对于每一组数据，可得：
Figure BDA0002454052240000064
Figure BDA0002454052240000065
Figure BDA0002454052240000066
其中：
Figure BDA0002454052240000067
为某时刻里程计所得底盘的位姿；
Figure BDA0002454052240000068
为同一时刻激光雷达所得底盘的位姿；
Figure BDA0002454052240000069
简化为：
Figure BDA00024540522400000610
Figure BDA00024540522400000611
其中：
Figure BDA00024540522400000612
第四步：利用ROS中的开源功能包(Gmapping)并加以改进；
Gmapping算法的理论基础是粒子滤波，其主要流程为用粒子进行状态传播→评估每一个粒子的权重→根据权重进行重采样；本发明针对状态传播中可能存在的由于proposal分布采样位姿质量不高，而需更多粒子来表示机器人位姿的后延概率分布，最终造成内存爆炸这一问题，提出以下改进：
由于激光匹配的方差比里程计要小得多，用激光匹配来表示proposal分布，可以将采样范围限制在一个较小的区域，能够利用很少的粒子实现机器人概率分布的覆盖；
首先，进行proposal分布的模型变换；
p(xt|xt-1,ut)→p(xt|xt-1,ut,zt,m)
p(xt|xt-1,ut,zt,m)＝ηp(zt|xt,m)p(xt|xt-1,ut)
其中：p(xt|xt-1,ut)为简化的proposal分布；
p(xt|xt-1,ut,zt,m)为有激光匹配的proposal分布；
p(xt|xt-1,ut,zt,m)＝ηp(zt|xt,m)p(xt|xt-1,ut)为贝叶斯公式；
xt、xt-1、ut、zt、m分别为t时刻机器人的位姿，t-1时刻机器
人的位姿、里程计测量值、激光雷达观测值以及已有地图信息；由于p(zt|xt,m)在自己的分布区域(L(i))占主导地位，所以此时p(xt|xt-1,ut)的值不再重要，令其为常数，则：
p(xt|xt-1,ut,zt,m)＝ηp(zt|xt,m)xt∈L(i)
即proposal分布从里程计观测模型变换到了激光雷达观测模型；
其次，由于激光雷达观测模型的方差较小，假设其服从高斯分布，即
Figure BDA0002454052240000071
其中，μ为数学期望，∑为方差；
求解高斯分布：
①极大似然估计得到局部极值
Figure BDA0002454052240000072
Figure BDA0002454052240000073
其中：
Figure BDA0002454052240000074
为极大似然估计函数；
②认为
Figure BDA0002454052240000075
离高斯发布的均值比较近，因此在
Figure BDA0002454052240000076
附近采样得到K个位姿xj j＝1,…,K：
Figure BDA0002454052240000081
其中：Δ为规定的一个很小的常数；
③对这K个位姿进行打分p(zt|xj,m)，并认为这K个位姿服从高斯分布，即可求解得到高斯分布的表达式，其公式为：
Figure BDA0002454052240000082
Figure BDA0002454052240000083
其中：η为总权值；
Figure BDA0002454052240000084
为归一化的加权数学期望；
Figure BDA0002454052240000085
为归一化的加权方差；
proposal分布变为由(μ,∑)表示的高斯分布，因此粒子传播由从运动学模型采样修改为对该高斯分布进行采样；
第五步：利用时定位与地图构建技术SLAM，实现在未知环境中实时定位与地图创建，并通过无线通信，在上位机中将地图可视化；
第六步：调用navigation功能包订阅激光数据和已知地图信息，利用蒙特卡罗定位算法实现定位功能、利用A*算法实现全局路径规划以及利用DWA算法实现局部路径规划；
第七步：结合两轮差速底盘的运动学模型，将路径规划信息转化为左轮速度和右轮速度发送给STM32单片机，单片机通过电机驱动模块控制电机，从而控制小车沿规划的路径行驶；
第八步：当小车电池电压低于设定值时，电源电压检测模块将低压信号反馈给单片机芯片，单片机控制小车停止运动并向树莓派发送返回请求信号，树莓派以充电点为导航点向STM32处理器系统(12)发送左右轮速度值，实现欠压自动充电功能。
上述环境检测与算法实现系统，是以树莓派3B+为核心，采用单线的RPLIDARA1激光雷达对周围环境信息进行采集；树莓派通过激光雷达采集的环境信息、STM32反馈的里程计积分数据和上位机的信息，根据预先设定条件做出相应的决策；其中，在树莓派中完成对环境信息和里程计积分数据的时间同步，进而进行里程计标定和运动畸变去除工作；树莓派再利用ROS中的开源功能包并加以改进(利用激光雷达优化proposal分布)，调用改进过的Gmapping功能包，利用SLAM技术实现在未知环境中实时定位与地图创建，调用navigation功能包订阅激光数据和已知地图信息，利用蒙特卡罗定位算法实现定位功能、利用A*算法实现全局路径规划以及利用DWA算法实现局部路径规划，最后结合两轮差速底盘的运动学模型，将路径规划信息转化为左轮速度和右轮速度发送给STM32，STM32通过电机驱动模块控制电机，从而控制小车沿规划的路径行驶；当小车电池电压低于设定值时，电源电压检测模块将低压信号反馈给单片机芯片，单片机控制小车停止运动并向树莓派发送返回请求信号，树莓派以充电点为导航点向STM32发送左右轮速度值，实现欠压自动充电功能。
本发明的有益效果为：
1)基于一整套ROS机器人平台的搭建，采用里程计标定和运动畸变去除的方式，并结合对SLAM算法的优化，实现高精度建图，稳定导航的效果；
2)在满足服务机器人的各项功能时，选择STM32F103C8T6芯片作为底层控制器。使用平价的JGA25-370电机，通过进行里程计的标定，能有效减少编码器的系统误差，且有效降低智能小车的制作成本；
3)在达到市场上常用的服务机器人的各项指标的基础上，加入了无线充电功能，且由于加入电压检测模块，使智能小车在电量少于正常工作电压时能够自动地返回充电站进行自我充电，以实现不中断服务，大大提高了服务机器人的自动化水平。
4)由于应用多种电源电压转换芯片，可对小车实现宽电压输入，突破市场上智能小车普遍实用低压锂电池供电的限制。
5)无线充电输入端采用反激式拓扑电路结构，实现了对无线输入模块稳定高效率供电，效率高达85％，弥补了无线充电常见效率低的不足。
附图说明
图1为基于ROS智能小车的实际机械结构分解图；
图2为一种激光导航无线充电智能小车的系统原理图；
图3为一种激光导航无线充电智能小车具体工作原理框架图。
具体实施方式
下面通过附图对本发明技术方案进行详细说明。
实施例1：
如图1所示，一种基于ROS系统具有激光导航功能的无线充电智能小车整体结构，包括铝合金圆盘*3，驱动轮*2、万向轮*1、JGA25-370电机*2、无线充电模块、12V锂电池组、电源转换模块、电源电压检测模块、STM32处理器系统、OLED显示器、TB6612电机驱动模块、激光雷达、树莓派3B+、上位机。
具体的，STM32处理器系统、电源转换模块、OLED显示器、电机驱动模块、电机、驱动轮与万向轮、锂电池组、无线充电模块、电源电压检测模块均安装在下层底盘，无线充电模块的接收线圈通过感应设置在充电点的发送线圈产生电流，采用以XKT-801芯片为核心的无线充电电路，通过接收电路给锂电池组充电，输出电流可达3A。锂电池组通过电源转换模块将12V直流电转换成3.3V直流电、5V直流电以及12V直流电，其中3.3V供给STM32处理器系统，5V和12V则供给电源电压检测模块和电机驱动模块，STM32处理器与电源电压检测模块及电机驱动模块相连。中层安装有树莓派3B+，上层安装有激光雷达。通过树莓派的USB接口连接激光雷达和STM32串口三。为了降低成本，使用了JGA25-370电机，通过编码器的计数来计算当前电机的速度，通过PID闭环控制和一些滤波手段来进行相对精准地控速。
其中，电源电压检测模块包括直流可调升压变换器、差模放大器以及电压跟随器，芯片LM7805电压输出引脚经过滤波电容接入芯片MT3608输入引脚，芯片电压反馈引脚接入电位器与分压电阻之间，输出引脚经过滤波电容向差模放大芯片INA286供电，差模放大芯片正相输入引脚经过限流电阻与电源输入端相连，反相输入引脚接于分压电阻与电位器之间，电压跟随器输入端接差模放大芯片的电压输出引脚，另一端接入电压检测模块输出端，来实现前后电路隔离，起到保护后级芯片、提高电源带载能力的作用。电源电压检测模块检测电源供电电压，并将电压大小按比例缩小送给STM32处理器系统的ADC通道。
反激式电源模块包括安规电容、共模电感、高压整流桥、高频开关变压器、TOP、266EG控制芯片、TL431芯片以及光耦隔离器PS2501；反激式电源模块输入端与市电220V相连，经过安规电容与共模电感滤波后接入高压整流桥，高压整流桥输出端接高压滤波电容；高频开关变压器采用EG25规格，初级绕组与整流桥相接，次级绕组经过超快恢复二极管以及滤波电路与输出端相连，辅组绕组对TOP266EG控制芯片供电；反馈回路采用TL431芯片提供基准电压，并借助PS2501光耦隔离芯片将控制电路与输出电路隔离；TOP266EG控制芯片的漏极引脚采用低能耗钳位电路保护芯片内置MOS管。
辅助电源模块输入端子通过单刀双掷开关以及肖特基二极管接入MP9486S芯片VIN脚，芯片输出引脚经过单刀双掷开关接入LM7805芯片VIN脚，LM7805电压输出端并接电解电容与小电容分别过滤纹波信号以及高频干扰信号，5V稳压二极管连接在LM7805电压输出引脚与地之间，实现5V稳定输出；AMS1117-3.3芯片IN脚与LM7805电压输出引脚相接，并在AMS1117芯片输出端并联3.3V稳压二极管，保证3.3V稳定输出。
如图2所示，本智能小车的电机调速、里程计积分是在STM32处理器系统中完成的，无线充电模块配合12V锂电池组完成无线充电功能，决策功能与地图可视化功能由上位机实现，其余的功能实现全部基于树莓派3B+上运行的ROS机器人操作系统。
如图3所示，小车运行工作的步骤如下：
第一步：树莓派通过激光雷达采集的环境信息、STM32反馈的里程计积分数据和上位机的信息，根据预先设定条件做出相应的决策。
第二步：在树莓派中完成对环境信息和里程计积分数据的时间同步，进而进行运动畸变去除。
已知当前帧激光的起始时间ts和最终时间te，两个激光束间的时间Δt，里程计数据按照时间顺序存储在一个队列中，队首的时间最早，最早的里程计数据的时间戳＜ts，最晚的里程计数据的时间戳＞te。
目标：求解当前帧激光数据中每一个激光点对应的机器人位姿，即求解{ts,ts+Δt,…,te}时刻的机器人位姿，再根据求解的位姿把所有激光点转换到同一坐标系下，重新封装成一帧激光数据，发布出去。
算法流程：
首先，求解ts和te时刻的位姿。
设在ts时刻没有对应的里程计位姿，则进行线性插值。假设在tl、tk时刻有位姿，且tl＜ts＜tk，则：
pl＝OdomList[tl]
pk＝OdomList[tk]
Figure BDA0002454052240000131
其次，用分段线性函数对二次曲线进行近似。
在ts和te时间段内，一共取k个位姿{ps,ps+1,…,ps+k-2,pe}，并在这k个位姿之间，进行线性插值，得到时间段内任一时刻的位姿。
例如，设ps和ps+1之间有N个位姿{ps,ps1,…,ps(n-2),ps+1}，则：
Figure BDA0002454052240000132
最后，统一坐标系并发布新的激光数据。
一帧激光数据n个激光点，每个激光点对应的位姿{p1,p2,…,pn}通过上述方法插值得到，再进行坐标变换如下：
Figure BDA0002454052240000133
其中，xi为转换之前的坐标，x′i为转换之后的坐标。
把新坐标转换为激光数据发布出去：
x′i＝(px,py)
Figure BDA0002454052240000134
angle＝atan2(py,px)
第三步：在上一步时间同步的基础上，进行里程计标定。
采用最小二乘的直线拟合方法，进行里程计标定。以激光雷达的scan-match数据作为真值
Figure BDA0002454052240000141
里程计测量得到的数据为ui，假设成线性关系
Figure BDA0002454052240000142
其中，
Figure BDA0002454052240000143
对于每一组数据，可得：
Figure BDA0002454052240000144
Figure BDA0002454052240000145
Figure BDA0002454052240000146
Figure BDA0002454052240000147
Figure BDA0002454052240000148
Figure BDA0002454052240000149
其中：
Figure BDA00024540522400001410
第四步：利用ROS中的开源功能包(Gmapping)并加以改进；
Gmapping算法的理论基础是粒子滤波，其主要流程为用粒子进行状态传播→评估每一个粒子的权重→根据权重进行重采样；本发明针对状态传播中可能存在的由于proposal分布采样位姿质量不高，而需更多粒子来表示机器人位姿的后延概率分布，最终造成内存爆炸这一问题，提出以下改进：
由于激光匹配的方差比里程计要小得多，用激光匹配来表示proposal分布，可以将采样范围限制在一个较小的区域，能够利用很少的粒子实现机器人概率分布的覆盖；
算法流程：
首先，进行proposal分布的模型变换：
p(xt|xt-1,ut)→p(xt|xt-1,ut,zt,m)
p(xt|xt-1,ut,zt,m)＝ηp(zt|xt,m)p(xt|xt-1,ut)
由于p(zt|xt,m)在自己的分布区域(L(i))占主导地位，所以此时p(xt|xt-1,ut)的值不再重要，令其为常数，则：
p(xt|xt-1,ut,zt,m)＝ηp(zt|xt,m)xt∈L(i)
即proposal发布从里程计观测模型变换到了激光雷达观测模型；
其次，由于激光雷达观测模型的方差较小，假设其服从高斯分布，即
Figure BDA0002454052240000151
求解高斯分布：
①极大似然估计得到局部极值：
Figure BDA0002454052240000152
②认为
Figure BDA0002454052240000153
离高斯发布的均值比较近，因此在
Figure BDA0002454052240000154
附近采样得到K个位姿：
Figure BDA0002454052240000155
③对这K个位姿进行打分p(zt|xj,m)，并认为这K个位姿服从高斯分布，即可求解得到高斯分布的表达式，其公式为：
Figure BDA0002454052240000156
Figure BDA0002454052240000157
proposal分布变为由(μ,∑)表示的高斯分布，因此粒子传播由从运动学模型采样修改为对该高斯分布进行采样。
第五步：利用上一步所述的SLAM技术，实现在未知环境中实时定位与地图创建，并通过无线通信，在上位机中将地图可视化。
第六步：调用navigation功能包订阅激光数据和已知地图信息，利用蒙特卡罗定位算法实现定位功能、利用A*算法实现全局路径规划以及利用DWA算法实现局部路径规划。(该技术为公知技术)
第七步：结合两轮差速底盘的运动学模型，将路径规划信息转化为左轮速度和右轮速度发送给STM32，STM32通过电机驱动模块控制电机，从而控制小车沿规划的路径行驶。(该技术为常规公知技术)
第八步：当小车电池电压低于设定值时，电源电压检测模块将低压信号反馈给单片机芯片，单片机控制小车停止运动并向树莓派发送返回请求信号，树莓派以充电点为导航点向STM32发送左右轮速度值，实现欠压自动充电功能。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (7)

1.一种基于ROS系统具有激光导航功能的无线充电智能小车，其特征在于，包括机械部件、无线充电模块、电机驱动与底层控制系统以及环境检测与算法实现系统；
所述机械部件包括三个层叠设置的圆盘(1)、左右驱动轮(2)、万向轮(3)；所述左右驱动轮(2)和万向轮(3)安装于圆盘(1)底层的底盘上，作为两轮差速底盘；
所述无线充电模块包括反激式电源模块(4)、发送电路(5)、发送线圈(6)、接收电路(7)、接收线圈(8)、12V锂电池组(9)；所述反激式电源(4)输入端连接电源，其输出端与发送电路(5)相连，发送电路(5)与发送线圈(6)相接，线圈通过磁耦合谐振将电能传输给接收线圈(8)，接收线圈固定在底盘中央位置，通过底盘上的接收电路(7)，连接12V锂电池组(9)；
所述电机驱动与底层控制系统包括电源电压检测模块(10)、电源转换模块(11)、STM32处理器系统(12)、OLED显示器(13)、TB6612电机驱动模块(14)、JGA25-370电机(15)；此系统安装于小车底盘上，所述电源电压检测模块(10)通过检测12V锂电池组(9)输出电压，将检测信号返回给STM32处理器系统(12)，STM32处理器系统(12)与OLED显示器(13)相连；所述电源转换模块(11)给电源电压检测模块(10)、STM32处理器系统(12)以及TB6612电机驱动模块(14)供电；JGA25-370电机(15)连接左右驱动轮(2)，STM32处理器系统(12)与TB6612电机驱动模块(14)相连，实现对于JGA25-370电机(15)的控制；
所述环境检测与算法实现系统包括串口通讯线(16)、树莓派3B+(17)、RPLIDARA1激光雷达(18)、上位机(19)；此系统位于小车中层和顶层，所述树莓派3B+(17)通过串口通讯线(16)与底层的STM32处理器系统(12)相连；所述激光雷达(18)与树莓派3B+(17)相连，将周围环境雷达信息传给树莓派3B+(17)；所述上位机(19)通过无线通讯向树莓派(17)发送决策信息，同时接收树莓派(17)所上传的地图信息，并进行地图可视化工作。
2.根据权利要求1所述的基于ROS系统具有激光导航功能的无线充电智能小车，其特征在于，所述电源转换模块(11)是由LM7805芯片5V稳压电路、AMS1117-3.3芯片3.3V稳压电路以及MP9486S芯片12V稳压电路组成，分别给电源电压检测模块(10)、STM32处理器系统(12)及TB6612电机驱动模块(14)供电。
3.根据权利要求1所述的基于ROS系统具有激光导航功能的无线充电智能小车，其特征在于，所述无线充电模块中，采用XKT-801芯片，在充电点固定发送线圈(6)，在小车底部固定接收线圈(8)，对接收电路电流进行采集，将电压信号送给STM32处理器(12)ADC输入端，此无线充电模块的输出电压为12V，输出电流为3A。
4.根据权利要求1所述的基于ROS系统具有激光导航功能的无线充电智能小车，其特征在于，所述反激式电源模块(4)中，其输入端与市电220V相连，经过安规电容与共模电感滤除干扰后接入高压整流桥，高频开关变压器采用ETD34规格，初级绕组与整流桥相接，主次级绕组经过快恢复二极管以及滤波电路与输出端相连，辅次级绕组对TOP266EG控制芯片供电；反馈回路采用TL431三端稳压芯片提供基准电压，并借助PC817A光耦隔离芯片将控制电路与输出电路隔离。
5.根据权利要求1所述的基于ROS系统具有激光导航功能的无线充电智能小车，其特征在于，所述电源电压检测模块(10)包括直流可调升压变换器、差模放大器以及电压跟随器；
所述直流可调升压变换器包括MT3608同步升压芯片，LM7805芯片电压输出引脚经过滤波电容接入MT3608芯片输入引脚，MT3608芯片电压反馈引脚接入电位器与分压电阻之间，MT3608芯片输出引脚经过滤波电容向差模放大器INA286供电；
所述差模放大器INA286正相输入引脚经过限流电阻与电源输入端相连，差模放大器INA286反相输入引脚接于分压电阻与电位器之间；
所述电压跟随器输入端接差模放大器的电压输出引脚，电压跟随器另一端接入电压检测模块(10)输出端。
6.根据权利要求5所述的基于ROS系统具有激光导航功能的无线充电智能小车，其特征在于，
所述电源转换模块(11)输入端子通过单刀双掷开关以及肖特基二极管接入MP9486S芯片VIN脚，芯片输出引脚经单刀双掷开关接入LM7805芯片VIN脚，AMS1117-3.3芯片IN脚与LM7805电压输出引脚相接；
所述STM32处理器系统(12)采用STM32F103C8T6芯片，与晶振电路、复位电路、BOOT电路、STLINK接口、串口接口、OLED接口组成最小系统，STM32处理器系统(12)通过OLED显示器(13)实时显示电源电压值与充电信号；
所述TB6612电机驱动模块(14)包括驱动芯片TB6612以及两个电机接线端子，直流电压源经过钽电容滤波接入驱动芯片的输入引脚，驱动芯片控制引脚、信号引脚以及驱动电压输出引脚分别与接线端子相接。
7.根据权利要求1所述一种基于ROS系统具有激光导航功能的无线充电智能小车的控制方法，其特征在于，包括如下步骤：
第一步：树莓派3B+(17)通过RPLIDARA1激光雷达(18)采集的环境信息、STM32处理器系统(12)反馈的里程计积分数据以及上位机的信息，根据预先设定条件做出相应的决策；
第二步：在树莓派3B+(17)中完成对环境信息和里程计积分数据的时间同步，进而进行运动畸变去除；
已知当前帧激光的起始时间ts和最终时间te，两个激光束间的时间Δt，里程计数据按照时间顺序存储在一个队列中，队首的时间最早，最早的里程计数据的时间戳＜ts，最晚的里程计数据的时间戳＞te；
目标：求解当前帧激光数据中每一个激光点对应的机器人位姿，即求解{ts,ts+Δt,…,te}时刻的机器人位姿，再根据求解的位姿将所有激光点转换到同一坐标系下，重新封装成一帧激光数据，发布出去；
算法流程：
首先，求解ts和te时刻的位姿ps和pe；
设在ts时刻没有对应的里程计位姿ps，则进行线性插值；假设在tl、tk时刻有位姿pl、pk，且tl＜ts＜tk，则：
pl＝OdomList[tl]
pk＝OdomList[tk]
Figure FDA0002454052230000041
其中：OdomList表示里程计所得位姿数据表；
LinarInterp表示线性插值函数；
其次，利用分段线性函数对二次曲线进行近似；
在ts和te时间段内，一共取k个位姿{ps,ps+1,…,ps+k-2,pe}，并在这k个位姿之间，进行线性插值，得到时间段内任一时刻的位姿；
设ps和ps+1之间有N个位姿{ps,ps1,…,ps(n-2),ps+1}，则：
Figure FDA0002454052230000051
最后，统一坐标系并发布新的激光数据；
一帧激光数据n个激光点，每个激光点对应的位姿{p1,p2,…,pn}通过上述方法插值得到，再进行坐标变换如下：
Figure FDA0002454052230000052
其中，xi为转换之前的坐标，x’i为转换之后的坐标；
将新坐标转换为激光数据发布出去：
x’i＝(px,py)
Figure FDA0002454052230000053
angle＝atan2(py,px)
其中：px、py分别为x轴坐标和y轴坐标；
range、angle分别为距离和角度，atan2表示反正切函数；
第三步：在上一步时间同步的基础上，进行里程计标定；
采用最小二乘的直线拟合方法，进行里程计标定，以激光雷达的scan-match数据作为真值
Figure FDA0002454052230000054
里程计测量得到的数据为ui，假设成线性关系
Figure FDA0002454052230000055
其中，
Figure FDA0002454052230000056
为待定系数；
对于每一组数据，可得：
Figure FDA0002454052230000057
Figure FDA0002454052230000058
Figure FDA0002454052230000059
其中：
Figure FDA0002454052230000061
为某时刻里程计所得底盘的位姿；
Figure FDA0002454052230000062
为同一时刻激光雷达所得底盘的位姿；
Figure FDA0002454052230000063
简化为：
Figure FDA0002454052230000064
Figure FDA0002454052230000065
其中：
Figure FDA0002454052230000066
第四步：利用ROS中的开源功能包(Gmapping)并加以改进；
Gmapping算法的理论基础是粒子滤波，其主要流程为用粒子进行状态传播→评估每一个粒子的权重→根据权重进行重采样；本发明针对状态传播中可能存在的由于proposal分布采样位姿质量不高，而需更多粒子来表示机器人位姿的后延概率分布，最终造成内存爆炸这一问题，提出以下改进：
由于激光匹配的方差比里程计要小得多，用激光匹配来表示proposal分布，可以将采样范围限制在一个较小的区域，能够利用很少的粒子实现机器人概率分布的覆盖；
首先，进行proposal分布的模型变换；
p(xt|xt-1,ut)→p(xt|xt-1,ut,zt,m)
p(xt|xt-1,ut,zt,m)＝ηp(zt|xt,m)p(xt|xt-1,ut)
其中：p(xt|xt-1,ut)为简化的proposal分布；
p(xt|xt-1,ut,zt,m)为有激光匹配的proposal分布；
p(xt|xt-1,ut,zt,m)＝ηp(zt|xt,m)p(xt|xt-1,ut)为贝叶斯公式；
xt、xt-1、ut、zt、m分别为t时刻机器人的位姿，t-1时刻机器人的位姿、里程计测量值、激光雷达观测值以及已有地图信息；由于p(zt|xt,m)在自己的分布区域(L(i))占主导地位，所以此时p(xt|xt-1,ut)的值不再重要，令其为常数，则：
p(xt|xt-1,ut,zt,m)＝ηp(zt|xt,m)xt∈L(i)
即proposal分布从里程计观测模型变换到了激光雷达观测模型；
其次，由于激光雷达观测模型的方差较小，假设其服从高斯分布，即
Figure FDA0002454052230000079
其中，μ为数学期望，∑为方差；
求解高斯分布：
①极大似然估计得到局部极值
Figure FDA0002454052230000071
Figure FDA0002454052230000072
其中：
Figure FDA0002454052230000073
为极大似然估计函数；
②认为
Figure FDA0002454052230000074
离高斯发布的均值比较近，因此在
Figure FDA0002454052230000075
附近采样得到K个位姿xj j＝1,…,K：
Figure FDA0002454052230000076
其中：Δ为规定的一个很小的常数；
③对这K个位姿进行打分p(zt|xj,m)，并认为这K个位姿服从高斯分布，即可求解得到高斯分布的表达式，其公式为：
Figure FDA0002454052230000077
Figure FDA0002454052230000078
其中：η为总权值；
Figure FDA0002454052230000081
为归一化的加权数学期望；
Figure FDA0002454052230000082
为归一化的加权方差；
proposal分布变为由(μ,∑)表示的高斯分布，因此粒子传播由从运动学模型采样修改为对该高斯分布进行采样；
第五步：利用时定位与地图构建技术SLAM，实现在未知环境中实时定位与地图创建，并通过无线通信，在上位机中将地图可视化；
第六步：调用navigation功能包订阅激光数据和已知地图信息，利用蒙特卡罗定位算法实现定位功能、利用A*算法实现全局路径规划以及利用DWA算法实现局部路径规划；
第七步：结合两轮差速底盘的运动学模型，将路径规划信息转化为左轮速度和右轮速度发送给STM32单片机，单片机通过电机驱动模块控制电机，
从而控制小车沿规划的路径行驶；
第八步：当小车电池电压低于设定值时，电源电压检测模块将低压信号反馈给单片机芯片，单片机控制小车停止运动并向树莓派发送返回请求信号，树莓派以充电点为导航点向STM32处理器系统(12)发送左右轮速度值，实现欠压自动充电功能。
CN202010301210.XA 2020-04-16 2020-04-16 基于ros的具有激光导航功能的高效率无线充电智能小车及控制方法 Active CN111559259B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010301210.XA CN111559259B (zh) 2020-04-16 2020-04-16 基于ros的具有激光导航功能的高效率无线充电智能小车及控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010301210.XA CN111559259B (zh) 2020-04-16 2020-04-16 基于ros的具有激光导航功能的高效率无线充电智能小车及控制方法

Publications (2)

Publication Number Publication Date
CN111559259A CN111559259A (zh) 2020-08-21
CN111559259B true CN111559259B (zh) 2022-07-22

Family

ID=72067845

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010301210.XA Active CN111559259B (zh) 2020-04-16 2020-04-16 基于ros的具有激光导航功能的高效率无线充电智能小车及控制方法

Country Status (1)

Country Link
CN (1) CN111559259B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111983959A (zh) * 2020-09-25 2020-11-24 江苏中科智能制造研究院有限公司 一种叠层式智能小车控制器
CN112729321A (zh) * 2020-12-28 2021-04-30 上海有个机器人有限公司 一种机器人的扫图方法、装置、存储介质和机器人
CN112904841B (zh) * 2021-01-12 2023-11-03 北京布科思科技有限公司 非水平朝向的单线定位避障方法和装置、设备及存储介质
CN113581285B (zh) * 2021-08-25 2023-01-20 深圳亿嘉和科技研发有限公司 一种液压转向阿克曼型机器人的自动回充控制方法
CN116080423B (zh) * 2023-04-03 2023-06-27 电子科技大学 一种基于ros的集群无人车能源供给系统及其执行方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2644599A1 (fr) * 1989-03-14 1990-09-21 Renault Automation Systeme robotise de manutention
JP2000242333A (ja) * 1999-02-24 2000-09-08 Matsushita Electric Ind Co Ltd 自律走行ロボットの動作管理方法およびシステム
CN107193278A (zh) * 2017-05-08 2017-09-22 江苏大学 基于定位的图像和地图匹配的可行驶区域识别方法
CN207571576U (zh) * 2017-10-26 2018-07-03 深圳市微觉未来科技有限公司 一种基于激光雷达的智能移动机器人
CN108563230A (zh) * 2018-05-31 2018-09-21 桂林电子科技大学 一种基于激光雷达的路径规划移动机器人
CN109571485A (zh) * 2019-01-11 2019-04-05 江南大学 基于ROS和SQLite的机器人运动控制系统及控制方法
CN109900280A (zh) * 2019-03-27 2019-06-18 浙江大学 一种基于自主导航的畜禽信息感知机器人与地图构建方法
CN109910665A (zh) * 2019-03-08 2019-06-21 东华大学 一种新能源汽车的充电接口自动对接装置
CN110082781A (zh) * 2019-05-20 2019-08-02 东北大学秦皇岛分校 基于slam技术与图像识别的火源定位方法及系统
CN209215939U (zh) * 2018-08-30 2019-08-06 苏州德斯米尔智能科技有限公司 一种基于ros系统的全方位移动智能小车
CN110501339A (zh) * 2019-08-13 2019-11-26 江苏大学 一种复杂环境下的布面定位方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2644599A1 (fr) * 1989-03-14 1990-09-21 Renault Automation Systeme robotise de manutention
JP2000242333A (ja) * 1999-02-24 2000-09-08 Matsushita Electric Ind Co Ltd 自律走行ロボットの動作管理方法およびシステム
CN107193278A (zh) * 2017-05-08 2017-09-22 江苏大学 基于定位的图像和地图匹配的可行驶区域识别方法
CN207571576U (zh) * 2017-10-26 2018-07-03 深圳市微觉未来科技有限公司 一种基于激光雷达的智能移动机器人
CN108563230A (zh) * 2018-05-31 2018-09-21 桂林电子科技大学 一种基于激光雷达的路径规划移动机器人
CN209215939U (zh) * 2018-08-30 2019-08-06 苏州德斯米尔智能科技有限公司 一种基于ros系统的全方位移动智能小车
CN109571485A (zh) * 2019-01-11 2019-04-05 江南大学 基于ROS和SQLite的机器人运动控制系统及控制方法
CN109910665A (zh) * 2019-03-08 2019-06-21 东华大学 一种新能源汽车的充电接口自动对接装置
CN109900280A (zh) * 2019-03-27 2019-06-18 浙江大学 一种基于自主导航的畜禽信息感知机器人与地图构建方法
CN110082781A (zh) * 2019-05-20 2019-08-02 东北大学秦皇岛分校 基于slam技术与图像识别的火源定位方法及系统
CN110501339A (zh) * 2019-08-13 2019-11-26 江苏大学 一种复杂环境下的布面定位方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
一种基于树莓派的管家服务机器人设计与实现;司海飞等;《新型工业化》;20191020;第9卷(第10期);第32-35页 *
基于ROS和激光雷达的室内移动机器人定位和导航系统设计与实现;寿佳鑫等;《机械与电子》;20181124;第36卷(第11期);第76-80页 *
基于激光雷达和SLAM的自主行驶小车设计;董秀娟等;《电子测试》;20200105(第01期);第93-94页 *

Also Published As

Publication number Publication date
CN111559259A (zh) 2020-08-21

Similar Documents

Publication Publication Date Title
CN111559259B (zh) 基于ros的具有激光导航功能的高效率无线充电智能小车及控制方法
US11618326B2 (en) Systems, methods and devices for induction-based power harvesting in battery-powered vehicles
US20210143649A1 (en) Battery Preconditioning for Charging
CN106394270B (zh) 感应式电力传输的电压控制方法
US20220134893A1 (en) Autonomous wireless electric vehicle charging system
CN103441538B (zh) 一种新能源汽车锂电池管理系统
JP2018533338A (ja) 二次電池の出力パラメータを調整するシステム及びその方法
US9484804B2 (en) Battery charging system and method
CN104756356A (zh) 具有最大输出功率点跟踪能力的方法、充电装置及适配器
CN106787266A (zh) 一种移动机器人无线充电方法及装置
CN109204053A (zh) 一种分体式直流充电机的充电系统及方法
TWI527338B (zh) Battery charging method with temperature control
CN106575885B (zh) 用于非接触式地使电池组运行的对象充电或放电的方法
TWM590327U (zh) 具有智慧型交流／直流最大功率電池充電管理之充電裝置
Tian et al. Vision-based rapid power control for a dynamic wireless power transfer system of electric vehicles
CN111679673A (zh) 一种面向无线可充电传感网的充电小车
CN208766766U (zh) 一种电动汽车充电桩人机交互系统
CN202435059U (zh) 锂电池充放电管理电路
Pavković et al. Current and voltage control system designs with EKF-based state-of-charge estimator for the purpose of LiFePO4 battery cell charging
CN203434732U (zh) 一种变电站巡检机器人电源系统
CN101728840A (zh) 快速充电的充电器
CN110077248A (zh) 定位无线充电装置、充电方法、控制方法及控制结构
CN204515094U (zh) 一种电池组soc估算系统
CN117022005A (zh) 一种用于能源自治的无人平台无线充电控制系统
US20230391221A1 (en) Computation system, charging plan creation program, and discharging plan creation program

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