CN114019825A - 一种基于观测器与自适应结合的平衡自行车滑模控制方法 - Google Patents

一种基于观测器与自适应结合的平衡自行车滑模控制方法 Download PDF

Info

Publication number
CN114019825A
CN114019825A CN202111169332.9A CN202111169332A CN114019825A CN 114019825 A CN114019825 A CN 114019825A CN 202111169332 A CN202111169332 A CN 202111169332A CN 114019825 A CN114019825 A CN 114019825A
Authority
CN
China
Prior art keywords
balance
sliding mode
bicycle
self
parameters
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
Application number
CN202111169332.9A
Other languages
English (en)
Other versions
CN114019825B (zh
Inventor
陈龙
金志辉
马学条
郑雪峰
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.)
Hangzhou Dianzi University
Original Assignee
Hangzhou Dianzi 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 Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN202111169332.9A priority Critical patent/CN114019825B/zh
Publication of CN114019825A publication Critical patent/CN114019825A/zh
Application granted granted Critical
Publication of CN114019825B publication Critical patent/CN114019825B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00Systems involving the use of models or simulators of said systems
    • G05B17/02Systems involving the use of models or simulators of said systems electric

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Motorcycle And Bicycle Frame (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了基于观测器与自适应结合的平衡自行车滑模控制方法,传感器组用于采集自平衡自行车的运动参数,该运动参数包括角速度、加速度和电机部转速;所述电机部包括反作用轮驱动电机、前进电机和伺服电机;基于上述控制系统,控制方法为首先,将平衡自行车所有的不确定参数和扰动集中,对平衡自行车进行精确的建模;然后,利用极限学习机对不确定参数进行总体估计,并引入自适应项应对外部扰动;最后,根据参数的的变化自行调整控制器的输出增益。本发明根据传感器组实时采集的数据,在自适应滑模控制器中进行计算,并将相应调整输出给反作用轮驱动电机,使平衡自行车保持平衡状态。

Description

一种基于观测器与自适应结合的平衡自行车滑模控制方法
技术领域
本发明属于机器人平衡控制领域,涉及一种基于观测器与自适应结合的平衡自行车滑模控制方法。
背景技术
滑模控制算法因为其出色的跟踪性能和对外界干扰的强鲁棒性,在自行车机器人的自平衡设计中常被提及。但是常规的滑模控制算法在应对不确定因素影响时,往往暴力地采用一个很大的上界去抵消这一影响,这样会导致控制输入出现严重的抖振现象,影响控制性能。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
为解决上述问题,本发明的技术方案为基于观测器与自适应结合的平衡自行车滑模控制方法,平衡自行车包括前轮、车把、后轮、车架和安装于车架中间位置的反作用轮,还包括主控器、与主控器分别连接的传感器组和电机部,其中,
所述传感器组用于采集自平衡自行车的运动参数,该运动参数包括角速度、加速度和电机部转速;所述电机部包括反作用轮驱动电机、前进电机和伺服电机;
基于上述控制系统,控制方法为首先,将平衡自行车所有的不确定参数和扰动集中,对平衡自行车进行精确的建模;然后,利用极限学习机对不确定参数进行总体估计,并引入自适应项应对外部扰动;最后,根据参数的的变化自行调整控制器的输出增益。
优选地,具体包括以下步骤:
S10,在主控器中设置用于控制反作用轮平衡输出的自适应滑模控制器,控制器的输出方程为:
Figure BDA0003292198300000021
其中,u是输出的转矩,N0
Figure BDA0003292198300000022
的估计值,v是小车的当前速度,β是车头旋转角度,
Figure BDA0003292198300000023
是车头旋转角度的导数,P0
Figure BDA0003292198300000024
的估计值,M0是mgh的估计值,m,h,s,b分别表示自行车机器人的质量、反应轮中心到地面的距离、后轮到反应轮的距离和前后轮的距离,
Figure BDA00032921983000000210
是当前小车倾斜角度,J0是转动惯量的估计值,
Figure BDA0003292198300000025
是滑模函数的导数,sign(s)是符号函数,
Figure BDA0003292198300000026
是极限学习机对平衡自行车的集总不确定性参数的估计,
Figure BDA0003292198300000027
为滑模自适应项,其定义为
Figure BDA0003292198300000028
其中,μ是一个大于1的数,σ|s|是滑模函数的绝对值乘上一个正数,|s|是滑模函数的绝对值,fb(s)是障碍函数,其定义为:
Figure BDA0003292198300000029
其中,ε是一个很小的正数;
S20,通过传感器组采集平衡自行车的状态,包括陀螺仪采集倾倒的角速度信号和加速度计采集的加速度信号,然后将两个信号进行滤波和融合最终得到控制器的输入角度参数;
S30,自适应滑模控制器获取传入参数后,根据S10中设置的输出方程,计算得到需要的平衡输出力矩,然后通过反作用轮驱动电机转动反作用轮来获得反作用力矩,使平衡自行车保持平衡,不断通过反馈角度得到输出,使得平衡自行车保持平衡状态。
优选地,所述传感器组集成陀螺仪和加速度计的MPU6050芯片。
优选地,所述主控器包括STM32F103芯片。
本发明至少具有如下有益效果:面对系统中的不确定参数时,常规的滑模控制方法仅仅去估计该不确定参数的上界,而不是去观测较为精确的值,所以控制器的输出增益是一个很大的恒定值。即使在不确定干扰很小时,控制器仍保持很大的增益,这会导致严重的抖振现象。与现有技术相比,本发明在控制方法中添加了极限学习机观测器和自适应项,在存在变化的外界干扰或者平衡自行车系统无法精确建模,有参数不确定时,极限学习机对该参数进行精确的估计,再将该估计值带入控制器表达式中。控制器的自适应项可以根据极限学习机的估计值对其增益进行调整:当不确定参数较大时,控制器的输出增益随之增大;当不确定参数较小时,控制器的输出增益也随之减小。
附图说明
图1为本发明实施例的基于观测器与自适应结合的平衡自行车滑模控制方法的步骤流程图;
图2为本发明实施例的基于观测器与自适应结合的平衡自行车滑模控制方法对应的系统结构图;
图3为本发明实施例的基于观测器与自适应结合的平衡自行车滑模控制方法对应的系统俯视和后视模型图;
图4为本发明实施例的基于观测器与自适应结合的平衡自行车滑模控制方法与现有技术滑模控制的倾斜角度控制对比图;
图5为本发明实施例的基于观测器与自适应结合的平衡自行车滑模控制方法与现有技术滑模控制的控制输入图;
图6为本发明实施例的基于观测器与自适应结合的平衡自行车滑模控制方法与现有技术滑模控制的不确定性参数估计图;
图7为本发明又一实施例的基于观测器与自适应结合的平衡自行车滑模控制方法与现有技术滑模控制的倾斜角度控制对比图;
图8为本发明又一实施例的基于观测器与自适应结合的平衡自行车滑模控制方法与现有技术滑模控制的控制输入图;
图9为本发明实施例的基于观测器与自适应结合的平衡自行车滑模控制方法与现有技术滑模控制的不确定性参数估计图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
相反,本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步,为了使公众对本发明有更好的了解,在下文对本发明的细节描述中,详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。
参见图1,为本发明实施例的基于观测器与自适应结合的平衡自行车滑模控制方法的步骤流程图,图2、图3为本发明方法的控制系统结构和模型图,平衡自行车包括前轮42、车把44、后轮43、车架和安装于车架中间位置的反作用轮41,还包括主控器10、与主控器10分别连接的传感器组和电机部,其中,
所述传感器组用于采集自平衡自行车的运动参数,该运动参数包括角速度、加速度和电机部转速;所述电机部包括反作用轮驱动电机31、前进电机33和伺服电机32;在结构上,伺服电机32安装在车头位置,在车把44后方,用于控制前轮42的转向角度,即车头的转向角度。反作用轮41由反作用轮驱动电机31驱动,安装在车架中间,与车架垂直。而在车尾搭载了一个STM32微控制器,这是系统的主控器10。安装在STM32下方的11.1V锂电池为整个平衡自行车系统供电。传感器组包括用于测量反作用轮41速度的编码器;可采用MPU-6050运动传感器芯片获取平衡自行车的偏航角。图2分别显示了平衡自行车的顶部视图和后面视图。其中左边的图清晰地展示了自行车的整体结构,包括前轮42、后轮43、车架、把手、平衡反作用轮41结构等部件。前轮42相对于自行车正方向的角度记为β,s为后轮43到质心的距离,t为后轮43到前轮42的距离。反作用轮41安装在车架中部,其中心为质心,车身外倾角定义为
Figure BDA0003292198300000051
倾角为零时,重心离地面的高度为h。
基于上述控制系统,控制方法为首先,将平衡自行车所有的不确定参数和扰动集中,对平衡自行车进行精确的建模;然后,利用极限学习机对不确定参数进行总体估计,并引入自适应项应对外部扰动;最后,根据参数的的变化自行调整控制器的输出增益。
参见图1,具体包括以下步骤:
S10,在主控器10中设置用于控制反作用轮41平衡输出的自适应滑模控制器,控制器的输出方程为:
Figure BDA0003292198300000052
其中,u是输出的转矩,N0
Figure BDA0003292198300000053
的估计值,v是小车的当前速度,β是车头旋转角度,
Figure BDA0003292198300000054
是车头旋转角度的导数,P0
Figure BDA0003292198300000055
的估计值,M0是mgh的估计值,m,h,s,b分别表示自行车机器人的质量、反应轮中心到地面的距离、后轮到反应轮的距离和前后轮的距离,
Figure BDA0003292198300000056
是当前小车倾斜角度,J0是转动惯量的估计值,
Figure BDA0003292198300000057
是滑模函数的导数,sign(s)是符号函数,
Figure BDA0003292198300000058
是极限学习机对平衡自行车的集总不确定性参数的估计,
Figure BDA0003292198300000059
为滑模自适应项,其定义为
Figure BDA00032921983000000510
其中,μ是一个大于1的数,σ|s|是滑模函数的绝对值乘上一个正数,|s|是滑模函数的绝对值,fb(s)是障碍函数,其定义为:
Figure BDA00032921983000000511
其中,ε是一个很小的正数;
S20,通过传感器组采集平衡自行车的状态,包括陀螺仪采集倾倒的角速度信号和加速度计采集的加速度信号,然后将两个信号进行滤波和融合最终得到控制器的输入角度参数;
S30,自适应滑模控制器获取传入参数后,根据S10中设置的输出方程,计算得到需要的平衡输出力矩,然后通过反作用轮驱动电机31转动反作用轮41来获得反作用力矩,使平衡自行车保持平衡,不断通过反馈角度得到输出,使得平衡自行车保持平衡状态。
传感器组集成陀螺仪和加速度计的MPU6050芯片。主控器10包括STM32F103芯片。
参见图4、图5和图6为实际实验的信号图,展示了实验时平衡控制器输出以及平衡时自行车倾斜角度图。从图中可以看出:相比普通的滑模控制方法,本发明所设计的控制器在实际表现中效果良好,车身来回摇摆幅度小、控制器的出入更平滑,抖振较小,且对于外部参数的变化有非常高的鲁棒性。
接下来将用两个实验实例来说明本发明对比现有控制方法在平衡自行车自平衡控制领域的优越性。实验中,选择常规的滑模控制方法ITSM作为对照组,本发明为ELM-AITSM。
参见图4-图6,在实例1中,我们让平衡自行车保持直线行驶,验证本发明在直线行驶时的控制效果。图4显示了两个控制器作用下平衡自行车的滚动角。从图中可以看出,在汽车直线行驶的整个过程中,虽然侧倾角保持在可接受的范围内,但本发明可以将汽车的侧倾角抑制在最小幅度内,最大侧倾角仅为0.0204rad,小于现有技术普通滑模控制方法(0.0260rad)。图5显示了两个控制器的控制输入,本发明的最大跟踪误差为0.0102rad,小于ITSM(0.0128rad)。这说明观测器机制在补偿不确定性方面表现良好,控制信号更稳定、更平滑。图6显示了平衡自行车的不确定性估计,从图6中可以看出,估计的扰动可以自适应调整,并收敛于实际扰动,保证了良好的跟踪性能。该观测器通过补偿系统的参数摄动和扰动,提高了系统的鲁棒性。而加入障碍函数fb(s)的自适应方法不仅可以根据扰动幅度调整控制增益,大大避免了控制抖振,而且可以将滑动变量保持在预定义的区域内,不受扰动边界的影响。
参见图7-图9,为了进一步验证本发明的强鲁棒性,我们将平衡自行车平衡控制系统设置为保持S曲线运行状态,因为S曲线的运动会引起变化的扰动,跟踪性能参见图7,从图7可以看出,普通滑模控制方法ITSM的跟踪误差达到了0.0381rad;相比之下,本发明ELM-AITSM的控制器的跟踪误差更小,为0.0313rad。这表明基于极限学习机观测器和障碍函数的自适应控制技术的控制器在变化扰动条件下的控制性能优于普通滑模控制器。
从图8可以看出,本发明的控制信号比普通滑模的控制信号更稳定,没有严重的抖动问题,其中,普通滑模控制器和本发明设计的控制器的最大跟踪误差分别为0.0201rad和0.0175rad。图9显示了本发明的控制器对不确定扰动的估计值,极限学习机的估计量可以根据扰动的变化自适应调整以提高跟踪效果。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于观测器与自适应结合的平衡自行车滑模控制方法,其特征在于,其平衡自行车包括前轮、车把、后轮、车架和安装于车架中间位置的反作用轮,还包括主控器、与主控器分别连接的传感器组和电机部,其中,
所述传感器组用于采集自平衡自行车的运动参数,该运动参数包括角速度、加速度和电机部转速;所述电机部包括反作用轮驱动电机、前进电机和伺服电机;
基于上述控制系统,控制方法为首先,将平衡自行车所有的不确定参数和扰动集中,对平衡自行车进行精确的建模;然后,利用极限学习机对不确定参数进行总体估计,并引入自适应项应对外部扰动;最后,根据参数的的变化自行调整控制器的输出增益。
2.根据权利要求1所述的方法,其特征在于,具体包括以下步骤:
S10,在主控器中设置用于控制反作用轮平衡输出的自适应滑模控制器,控制器的输出方程为:
Figure FDA0003292198290000011
其中,u是输出的转矩,N0
Figure FDA0003292198290000012
的估计值,v是小车的当前速度,β是车头旋转角度,
Figure FDA0003292198290000013
是车头旋转角度的导数,P0
Figure FDA0003292198290000014
的估计值,M0是mgh的估计值,m,h,s,b分别表示自行车机器人的质量、反应轮中心到地面的距离、后轮到反应轮的距离和前后轮的距离,
Figure FDA0003292198290000015
是当前小车倾斜角度,J0是转动惯量的估计值,
Figure FDA0003292198290000016
是滑模函数的导数,sign(s)是符号函数,
Figure FDA0003292198290000017
是极限学习机对平衡自行车的集总不确定性参数的估计,
Figure FDA0003292198290000018
为滑模自适应项,其定义为
Figure FDA0003292198290000019
其中,μ是一个大于1的数,σ|s|是滑模函数的绝对值乘上一个正数,|s|是滑模函数的绝对值,fb(s)是障碍函数,其定义为:
Figure FDA0003292198290000021
其中,ε是一个很小的正数;
S20,通过传感器组采集平衡自行车的状态,包括陀螺仪采集倾倒的角速度信号和加速度计采集的加速度信号,然后将两个信号进行滤波和融合最终得到控制器的输入角度参数;
S30,自适应滑模控制器获取传入参数后,根据S10中设置的输出方程,计算得到需要的平衡输出力矩,然后通过反作用轮驱动电机转动反作用轮来获得反作用力矩,使平衡自行车保持平衡,不断通过反馈角度得到输出,使得平衡自行车保持平衡状态。
3.根据权利要求2所述的方法,其特征在于,所述传感器组集成陀螺仪和加速度计的MPU6050芯片。
4.根据权利要求1所述的方法,其特征在于,所述主控器包括STM32F103芯片。
CN202111169332.9A 2021-10-08 2021-10-08 一种基于观测器与自适应结合的平衡自行车滑模控制方法 Active CN114019825B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111169332.9A CN114019825B (zh) 2021-10-08 2021-10-08 一种基于观测器与自适应结合的平衡自行车滑模控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111169332.9A CN114019825B (zh) 2021-10-08 2021-10-08 一种基于观测器与自适应结合的平衡自行车滑模控制方法

Publications (2)

Publication Number Publication Date
CN114019825A true CN114019825A (zh) 2022-02-08
CN114019825B CN114019825B (zh) 2024-05-31

Family

ID=80055412

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111169332.9A Active CN114019825B (zh) 2021-10-08 2021-10-08 一种基于观测器与自适应结合的平衡自行车滑模控制方法

Country Status (1)

Country Link
CN (1) CN114019825B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN108369662A (zh) * 2015-09-17 2018-08-03 南洋理工大学 包括自适应模型的计算机系统和用于训练自适应模型的方法
CN110109354A (zh) * 2019-04-17 2019-08-09 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
CN110389525A (zh) * 2019-07-15 2019-10-29 江苏科技大学 基于极限学习机的混联机构自适应反步控制方法
CN113419427A (zh) * 2021-07-14 2021-09-21 南京邮电大学 一种基于极限学习机的分散式自适应跟踪控制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN108369662A (zh) * 2015-09-17 2018-08-03 南洋理工大学 包括自适应模型的计算机系统和用于训练自适应模型的方法
CN110109354A (zh) * 2019-04-17 2019-08-09 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
CN110389525A (zh) * 2019-07-15 2019-10-29 江苏科技大学 基于极限学习机的混联机构自适应反步控制方法
CN113419427A (zh) * 2021-07-14 2021-09-21 南京邮电大学 一种基于极限学习机的分散式自适应跟踪控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈龙: "基于滑模变结构控制的Buck型DC/DC 变换器实验研究", 实验技术与管理, 31 December 2017 (2017-12-31), pages 65 *

Also Published As

Publication number Publication date
CN114019825B (zh) 2024-05-31

Similar Documents

Publication Publication Date Title
CN109795502B (zh) 智能电动汽车路径跟踪模型预测控制方法
CN112622903B (zh) 一种车辆跟随驾驶环境下自主车辆的纵向和横向控制方法
CN111240187B (zh) 一种基于车辆误差模型的车辆轨迹跟踪控制算法
CN110989597B (zh) 一种集成模糊神经网络的自适应路径跟踪方法
CN112141101B (zh) 一种基于cnn和lstm的预瞄安全路径的方法及系统
CN112068445B (zh) 自动驾驶车辆路径规划与路径跟踪集成控制方法及系统
CN113126623B (zh) 一种考虑输入饱和的自适应动态滑模自动驾驶车辆路径跟踪控制方法
CN109050659B (zh) 一种基于时变动力学模型的四轮转向汽车稳定性控制方法
CN112622895B (zh) 一种应用于自动驾驶的轨迹控制的预估控制方法
CN111679575B (zh) 一种基于鲁棒模型预测控制的智能汽车轨迹跟踪控制器及其构造方法
CN109094644A (zh) 极限工况下的主动后轮转向与直接横摆力矩控制方法
CN104298113A (zh) 两轮机器人自适应模糊平衡控制器
CN112829766B (zh) 一种基于分布式驱动电动车辆的自适应路径跟踪方法
CN109292018A (zh) 基于同轴式轮腿结构的四轮转向轨迹跟踪控制方法
CN112859853B (zh) 考虑时延和环境约束的智能收获机器人路径控制方法
CN115437253A (zh) 一种基于干扰观测器的自行车轨迹跟踪滑模控制方法
CN110109353B (zh) 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
CN114019825A (zh) 一种基于观测器与自适应结合的平衡自行车滑模控制方法
CN115167135A (zh) 反馈与模型前馈串级的无人驾驶车辆自趋优位姿控制系统
CN114179818A (zh) 基于自适应预瞄时间和滑模控制的智能汽车横向控制方法
Huang et al. Cascade optimization control of unmanned vehicle path tracking under harsh driving conditions
CN117519190B (zh) 一种新的铰接车辆控制方法
CN114019787B (zh) 基于elm观测器的平衡自行车滑模控制系统及方法
JP4050492B2 (ja) 車線追従制御装置
CN112486191B (zh) 一种基于增强型误差模型的平衡车控制方法

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