基于参数寻优的自学习算法在两轮机器人控制上的应用
两轮自平衡巡检机器人设计与实现
Design and Implementation of Two-wheeled Self-balancing Inspection RobotShan Jiming西北师范大学工程硕士学位论文摘要两轮自平衡机器人隶属于轮式机器人的范畴，具有结构简单、运动灵便、体积较小等特点。
它能够适应各类工作环境，在工业和军事等方面的应用前景非常广阔。
作为一种典型的不稳定控制系统，它可以在控制策略上为大型的两轮自平衡机器人实验提供模型。
因此，自平衡机器人相关问题已经成为机器人研究的热点之一，在理论和实用性等方面都具有重要意义。
本文根据倒立摆原理搭建了两轮自平衡巡检机器人，并对其数学模型和平衡控制策略进行研究。
该系统硬件主要包括单片机系统、电源模块、电机驱动模块、姿态传感器模块、数据采集模块、视频采集模块及WiFi传输模块等。
整个系统具有较强的稳定性和可靠性，并且能够通过上位机进行实时控制和采集视频及环境数据。
在对控制策略的研究中，应用了PID控制，并利用Kalman滤波对倾角数据进行优化。
在运行调试时，首先进行仿真实验，然后对机器人进行实际调试。
实验结果证明，自平衡机器人的物理系统、数学模型以及相应的控制策略具有合理性、有效性和可行性。
经调试验证，视频信号、环境数据及控制指令能够通过WiFi传输模块实时传输。
两轮自平衡机器人能够实现远程操控和巡检检测的功能。
关键词：两轮自平衡机器人；PID控制；Kalman滤波；巡检机器人；WiFi两轮自平衡巡检机器人的设计与实现AbstractTwo-wheeled self-balancing robot belongs to the category of wheeled robots. This kind of robot is small and flexible. It can adapt to different kinds of working environment. So the robot has wide prospects in the field of both industry and military. Self-balancing robot is a typical unstable control system, and the control strategy of this system can be applied to some large two-wheeled self-balancing robot system. Topics about self-balancing robot becomes a hot issue that of great significance in both theoretical and practical aspects.In this thesis, a two-wheeled self-balancing inspection robot is designed based on the inverted pendulum model. Meanwhile, the mathematical model and control strategy are analyzed. This system consists of SCM system, power supply module, motor drive module, posture sensor module, data acquisition module，video capture module and WiFi module. This system is of high stability and reliability, and it can capture video and other kinds of signals. It also can be controlled remotely through the host computer.PID control is applied to the system and Kalman filter is used to optimize the angle data in this paper. Simulation experiments are done before debugging. Experimental result shows that the physical system, mathematical model and appropriate control strategies are rational, effective and feasible. After debugging, video signal, environmental data and control instructions can be transmitted via WiFi. The robot can collect environmental data and can be controlled remotely.Key Words: Two-wheeled Self-balancing Robot; PID Control; Kalman Filter; Inspection Robot; WiFi西北师范大学工程硕士学位论文目录摘要 (I)Abstract (II)目录 (III)第1章绪论 (1)1.1研究背景及意义 (1)1.2 国内外研究现状 (1)1.2.1 国外研究现状 (1)1.2.2 国内研究现状 (3)1.3 国内外现状分析 (4)1.4 本文主要研究内容 (5)1.5 本章小结 (5)第2章自平衡机器人数学模型及控制算法分析 (6)2.1 数学模型分析 (6)2.1.1 单摆模型分析 (6)2.1.2 移动倒立摆分析 (7)2.1.3 两轮机器人数学建模 (7)2.2 PID控制算法 (8)2.2.1 PID控制算法介绍 (8)2.2.2 增量式PID控制 (10)2.2.3 PID控制器参数整定 (10)2.3 Kalman滤波控制算法研究 (11)2.3.1 Kalman滤波器介绍 (11)2.3.2 陀螺仪和加速度计信号融合 (12)2.3.3 基于Kalman陀螺仪和加速度计信号融合 (13)2.4 本章小结 (14)第3章两轮自平衡机器人硬件设计 (15)3.1 机械设计 (15)3.2 硬件介绍 (16)3.3 单片机最小系统 (16)3.4 电源模块 (18)两轮自平衡巡检机器人的设计与实现3.5 电机及驱动模块 (19)3.5.1 直流电机介绍 (19)3.5.2 驱动电路设计 (20)3.6 姿态传感器模块 (20)3.6.1 加速度计 (21)3.6.2 陀螺仪 (22)3.7 数据采集模块 (22)3.7.1 温湿度及气体检测模块 (22)3.7.2 摄像头模块 (23)3.8 WiFi传输模块 (24)3.9 本章小结 (25)第4章两轮自平衡机器人软件设计 (26)4.1 软件设计 (26)4.1.1 软件主要功能 (26)4.1.2 软件设计框图 (26)4.2 初始化程序设计 (27)4.3 Kalman滤波算法 (30)4.4 直立控制算法 (30)4.5 速度控制算法 (31)4.6 方向控制算法 (32)4.7 上位机程序设计 (33)4.7.1 上位机程序主要功能 (33)4.7.2 上位机界面 (34)4.8 本章小结 (34)第5章系统仿真与调试 (35)5.1 开发环境介绍 (35)5.2 系统调试与参数整定 (36)5.2.1 调试准备 (36)5.2.2 静态参数调整 (36)5.2.3 动态参数调整 (36)5.3 Kalman滤波仿真与调试 (37)5.3.1 Kalman滤波仿真 (37)5.3.2 Kalman滤波调试 (38)5.4 本章小结 (41)第6章总结与展望 (42)参考文献 (43)附录A 两轮自平衡巡检机器人实物图 (45)攻读学位期间的研究成果 (I)致谢 (II)第1章绪论1.1研究背景及意义机器人技术同网络技术、通信技术、基因技术、虚拟现实技术等一样，属于高新技术[1]。
两轮移动机器人论文：两轮移动机器人平衡控制系统的研发
两轮移动机器人论文：两轮移动机器人平衡控制系统的研发【中文摘要】两轮移动机器人是轮式机器人的一个分支。
由于其体积小,运动灵活等优点,在多个领域有重要的用途；同时由于它具有非线性,多变量耦合,欠驱动等特点,因而成为各种高级控制算法的理想验证平台,对它的研究有着重要的学术价值。
本文旨在设计开发完整的两轮移动机器人的实验平台,为两轮移动机器人的应用和研究提供实验系统。
本文主要的工作内容包含如下：(1)对两轮移动机器人进行运动学和动力学分析,为总体设计提供了理论依据。
(2)在硬件系统设计中基于快速原型思想,以DSP芯片为控制核心,设计完成了控制电路和直流电机驱动电路。
本文设计的硬件系统接口丰富,扩展性强,同时支持MATLAB/Simulink环境下的快速开发调试。
(3)在软件系统设计中采用了卡尔曼滤波原理和LQR控制原理,实现了传感器噪声信号的过滤和对机器人平衡运动的控制。
(4)针对目前DSP的算法开发主要依赖手工编写C代码,不但工作量大,而且程序的下载依赖于专门的昂贵的仿真器的问题,本文提出并实现了基于MATLAB/Simulink环境的DSP算法开发,并利用串口通信实现程序下载的综合方案。
该方案能很好地利用MATLAB现有的功能模块,通过图形化编程实现对硬件的控制和控制算法设计,大大降低了DSP的算法开发难度,利用RTW技术,可将算法模型自动生成C代码,提高了设计开发的效率。
利用串口通信下载调试程序,方便有效,节约了系统开发的成本。
(5)最后在两轮移动机器人系统上完成直流电机的闭环控制和两轮移动机器人的平衡控制实验。
实验结果表明,本文设计的两轮移动机器人取得较理想的平衡控制效果,从而验证了两轮移动机器人系统设计的合理性和可靠性。
【英文摘要】Two-wheeled moving robot is a part of the wheeled robots.The robot is flexible and small,so it has a large foreground in all kinds of application.Otherwise the robot is a nonlinear and multi-variables system,it is a good test bed for many control algorithms.To supply a convenient experiment system for researching and developing on this robot,this paper research and design a two-wheeled moving robot system.This paper’s major job include:(1). establish the mathematical model for the analysis of the robot.(2). Based on the rapid prototyping thinking,this paper design controller with DSP,and driver for DC motor.The hardware has interfaces and provides link with MATLAB/Simulink.(3). The software designs Kalman Filter to filter the noise in sensors and Linear Quadratic Regulator control algorithms to make the robot move in balancing.(4). Besides, To reduce developers’heavy programming C code for developing control algorithms and emulator for downloading program, a MATLAB/Simulink-based rapid development and downloading by serial communications method was designed. The developers use existing blocks inMATLAB to build control model, and generate directly executable codes through Real-Time Workshop function of MATLAB. Downloading code by serial communications interface can reduce the cost.(5). The expetiments validate the hardware and software at the end of this paper.The experiments include DC motor speed control,two-wheeled moving robot balance control.The results show the efficacy of the algorithms,and provide that the system in this paper is reliable.【关键词】两轮移动机器人平衡控制 LQR控制算法倾角【英文关键词】two-wheeled moving robot balancing control LQR control algorithms angle【目录】两轮移动机器人平衡控制系统的研发摘要6-7Abstract7第1章绪论10-17 1.1 研究背景和意义10-11 1.2 国内外研究现状11-15 1.2.1 国外研究现状11-13 1.2.2 国内研究现状13-14 1.2.3 研究趋势分析14-15 1.3 本文主要内容15-16 1.4 本章小结16-17第2章系统总体设计17-28 2.1 机器人数学模型17-21 2.1.1 机器人驱动电机模型17-18 2.1.2 机器人车轮模型18-19 2.1.3 机器人车身运动模型19-20 2.1.4 机器人模型分析20-21 2.2 总体架构设计21-27 2.2.1 硬件系统总体设计22-26 2.2.2 软件系统总体设计26-27 2.3 本章小结27-28第3章硬件系统开发28-42 3.1 系统方案比较28-29 3.2 控制电路开发29-35 3.2.1 最小控制单元开发29-31 3.2.2 采样电路开发31-33 3.2.3 串行接口开发33-35 3.3 驱动电路开发35-40 3.3.1 PWM驱动原理35-37 3.3.2 H桥式电路原理37-38 3.3.3 驱动电路实现38-40 3.4 硬件设计总成40-41 3.5 本章小结41-42第4章软件系统开发42-66 4.1 算法设计42-49 4.1.1 卡尔曼滤波设计42-44 4.1.2 平衡控制算法设计44-49 4.2 基于MATLAB的开发平台设计49-56 4.2.1 快速开发方法49-50 4.2.2 硬件驱动模块开发50-53 4.2.3 开发环境配置53-56 4.3 串口下载56-65 4.3.1 数据流56-61 4.3.2 引导函数61-63 4.3.3 程序下载实现63-65 4.4 本章小结65-66第5章实验研究66-73 5.1 电机闭环速度控制实验66-68 5.1.1 程序实现66-67 5.1.2 实验结果及分析67-68 5.2 机器人平衡控制实验68-72 5.2.1 程序实现68-71 5.2.2 实验结果及分析71-72 5.3 本章小结72-73总结73-74致谢74-75参考文献75-79攻读硕士期间发表的论文79。
基于人工智能算法的电机控制算法研究与应用
基于人工智能算法的电机控制算法研究与应用人工智能算法在电机控制领域的研究与应用是当前科学技术的热点之一，它对提高电机控制系统的效率、性能和可靠性具有重要意义。
本文将对基于人工智能算法的电机控制算法进行研究与应用，并探讨其在电机控制系统中的潜在应用。
首先，我们将着重介绍基于人工智能算法的电机控制算法的研究。
人工智能算法常见的有遗传算法、粒子群算法、模拟退火算法、蚁群算法等。
这些算法都是通过模拟自然界或生物的智能行为，通过优化和搜索来求解复杂的控制问题。
在电机控制领域，人工智能算法可以用于电机参数识别、电机控制优化、电机故障诊断等方面的研究。
在研究中，我们可以选择合适的算法，并进行算法参数的调整和优化，以得到更好的控制效果。
其次，我们将对基于人工智能算法的电机控制算法在实际应用中的效果进行评估。
根据电机控制系统的具体需求和限制条件，我们可以选择适合的人工智能算法，并将其应用于电机控制系统中。
通过实验和仿真，我们可以评估算法在电机控制系统中的性能和可靠性。
并对比不同算法之间的差异，从而选取最适合的算法来实现电机控制系统。
接着，我们将对基于人工智能算法的电机控制系统在特定应用场景下的应用进行探讨。
不同的电机控制系统在应用中会面临不同的问题和挑战，例如恶劣的工作环境、高精度和高速度要求等。
我们可以根据具体场景的需求，利用人工智能算法在电机控制系统中进行优化和智能化设计。
以提高系统的性能和可靠性，同时降低人工干预的需求。
最后，我们将对基于人工智能算法的电机控制算法的未来发展趋势进行展望。
随着人工智能技术的不断发展和应用广泛，基于人工智能算法的电机控制算法也会得到更多的关注和研究。
未来，我们可以进一步提高算法的自适应性和自学习能力，使电机控制系统能够更好地适应不同的工况和环境。
同时，结合大数据和云计算等技术，我们可以构建更加智能化和高效的电机控制系统。
综上所述，基于人工智能算法的电机控制算法具有重要的研究价值和应用前景。
两轮自平衡机器人的研究共3篇
两轮自平衡机器人的研究共3篇两轮自平衡机器人的研究1两轮自平衡机器人的研究近年来，随着人工智能技术的不断发展，机器人正逐渐成为人类生活中的重要组成部分。
而作为机器人中的一种，两轮自平衡机器人的研究也日趋成熟。
本文将对两轮自平衡机器人的研究现状、原理、应用等方面进行介绍。
一、两轮自平衡机器人的研究现状两轮自平衡机器人可以追溯到20世纪80年代，当时研究者Christopher C. H. Kwan在其博士论文中首次提出了实现两轮自平衡的方法。
随着控制技术、电机技术、计算机技术等方面的发展，两轮自平衡机器人的研究也越来越广泛。
目前，两轮自平衡机器人的研究主要涉及控制策略、动力学建模、轨迹规划等方面。
控制策略是两轮自平衡机器人研究中的核心问题，目前主要有PID控制、模糊控制、神经网络控制等方法。
其中，PID控制是最基本的控制方法之一，能够实现较好的稳定性和鲁棒性。
而模糊控制则可以处理非线性系统和模棱两可的问题，有较好的实用价值。
神经网络控制则是利用神经元之间相互连接的方式，模拟人类大脑进行控制，有很高的容错性和自适应性。
动力学建模是对机器人的运动学和动力学模型进行建立，可以为控制策略的设计提供基础。
在两轮自平衡机器人研究中，采用的动力学模型主要有倒立摆模型和悬挂模型。
倒立摆模型是将两轮机器人抽象成一个质点和一个竖直平衡的杆，通过对杆的转动来实现机器人的前后倾斜。
悬挂模型则是将两轮机器人视为一根绳子和一个质点，通过调整绳子的张力来实现机器人的前后倾斜。
轨迹规划主要是将机器人的控制信号转化成轨迹点的位置和速度，以确保机器人能够按照指定的轨迹进行运动。
在两轮自平衡机器人研究中，轨迹规划的方法主要包括PID控制目标规划、工具函数法、动态规划等。
二、两轮自平衡机器人的原理两轮自平衡机器人的原理主要基于倒立摆理论，即通过控制机器人前后倾斜的角度，使机器人能够保持平衡。
两轮自平衡机器人的结构一般包括电机、减速器、编码器、惯性测量单元等部件。
两轮机器人爬坡算法
两轮机器人爬坡算法近年来，随着人工智能技术的不断发展，机器人已经成为了人们生活中不可或缺的一部分。
机器人可以执行各种任务，其中之一就是爬坡。
本文将介绍一种称为两轮机器人爬坡算法的方法，以及它在机器人领域的应用。
两轮机器人爬坡算法是一种基于机器学习和传感器技术的方法，旨在使机器人能够在不同的地形上爬坡。
这种算法的核心是通过机器学习来控制机器人的行动，以便它能够适应不同的坡度和地形。
机器人需要搭载传感器来感知周围环境。
这些传感器可以包括摄像头、红外线传感器、加速度计等。
通过这些传感器，机器人可以获取地形的信息，识别出坡度和障碍物等。
接下来，机器人需要学习如何爬坡。
这涉及到机器人的控制算法。
在两轮机器人爬坡算法中，机器人会通过学习控制自己的轮子的速度和方向，以适应不同的坡度和地形。
在机器人进行爬坡时，它会根据传感器获取的地形信息来判断自己应该采取何种行动。
如果机器人检测到前方是坡度较大的地形，它会相应地增加轮子的速度，以便更好地爬坡。
如果机器人检测到前方有障碍物，它会相应地调整自己的方向，以避免碰撞。
在实际应用中，两轮机器人爬坡算法可以应用于各种场景。
例如，在农业领域，机器人可以用于收割农作物，而爬坡能力可以使机器人更好地适应不同的农田地形。
在建筑施工领域，机器人可以用于搬运重物，而爬坡能力可以使机器人在施工现场更加灵活。
两轮机器人爬坡算法还可以应用于救援任务中。
在灾难发生后，机器人可以被派往险情地带执行救援任务。
而爬坡能力可以使机器人更好地穿越不同的地形，寻找被困人员。
总结起来，两轮机器人爬坡算法是一种基于机器学习和传感器技术的方法，旨在使机器人能够适应不同的坡度和地形。
这种算法通过学习控制机器人的行动，使其能够根据地形信息做出相应的反应。
这种算法可以应用于各种场景，如农业、建筑施工和救援任务等。
通过不断改进和发展，相信两轮机器人爬坡算法将在未来的机器人领域发挥更大的作用。
基于互补滤波的两轮机器人运动控制系统设计
基于互补滤波的两轮机器人运动控制系统设计
夏国清;陈华珍;甄文劲
【期刊名称】《自动化技术与应用》
【年(卷),期】2018(037)010
【摘要】针对目前两轮自巡航机器人在运动控制问题上,设计了一种基于微控制器MK60FX512VLQ15实现的单轨行走两轮机器人运动控制系统.该系统首先采用MPU6050传感器检测机器人的姿态角来实现平衡控制,同时通过增量式编码器获取机器人的速度实现速度控制,其次,通过摄像头采集轨道图像实现方向控制.实现了利用一阶互补滤波算法对陀螺仪与加速度计的数据进行融合,并通过平衡、速度和方向三者的PID闭环控制实现对电机的控制,从而实现系统的运动与静止平衡.实验结果证明:该方案的系统在复杂巡航路径下,能够稳定的行走.
【总页数】7页(P72-78)
【作者】夏国清;陈华珍;甄文劲
【作者单位】广州大学华软软件学院电子系,广东广州 510990;广州大学华软软件学院电子系,广东广州 510990;广州大学华软软件学院电子系,广东广州 510990【正文语种】中文
【中图分类】TP242
【相关文献】
1.基于STM32的两轮自适应智能机器人系统设计 [J], 张峰;姚松丽;王远方;王雨轩
2.基于互补滤波的两轮自平衡小车系统设计 [J], 朱敏超;李莉莉
3.基于手势识别的两轮机器人控制系统设计 [J], 张文志;李星
4.基于四元数互补滤波和PID控制算法的两轮自平衡车系统设计 [J], 林伟捷;黄唯佳;蔡剑卿
5.基于四元数互补滤波和PID控制算法的两轮自平衡车系统设计 [J], 林伟捷;黄唯佳;蔡剑卿
因版权原因，仅展示原文概要，查看原文内容请购买。
两轮自平衡机器人控制系统设计与实现_林文建
04 收稿日期： 2013-
Ｒeceived Date： 201304
第8 期
两轮自平衡机器人控制系统设计与实现
· 751 ·
了两轮自平衡机器人的平衡、 速度、 方向控制， 但叠 ， 加之后互相干扰 平衡位置控制效果不够理想。 文 8］ 献［ 使用 LQＲ 控制器对两轮自平衡机器人进行 伺服控制， 仿真结果显示了方法的合理性与有效 性， 但是大扰动情况下动态响应不够快。 综合分析 PID 和 LQＲ 这 2 种控制器的优点和缺点， 提出了一 种使用 PID 来改进 LQＲ 的控制方案， 构建仿真模 型验证了新控制方案在大扰动和平衡位置都具有 优良的特性， 并将其应用于实际中两轮自平衡机器 得到了良好的实用效果。 人，
为大人带来形象的羊生肖故事来历为孩子带去快乐的生肖图画故事阅读
第 27 卷 第 8 期 · 750 ·
电子测量与仪器学报
JOUＲNAL OF ELECTＲONIC MEASUＲEMENT AND INSTＲUMENT
Vol. 27 No. 8 2013 年 8 月
DOI： 10． 3724 / SP． J． 1187． 2013． 00750
④左右车轮平动动能 1 · 1 ·2 （ 11 ） T wt = J l θ2 J θ l + 2 2 r r ⑤ 左右车轮绕 z 轴的转动动能 · 1 （ 12 ） T wtz = （ m l + m r ） f2 φ2 2 由以上分析可知， 两轮自平衡机器人的总动 能为： （ 13 ） T = T br + T bt + T wr + T wt + T wtz 2 ） Lagrange 动力学方程 选取 3 个广义坐标 θ l 、 θ r 和 θ， 其所对应的系统 广义力分别为左轮转矩 （ M l ） 、 右轮转矩 （ M r ） 和车 身作用 在 x 上 的 转 矩 （ mgLsinθ － M l － M r ） 。则 Lagrange 方程表示为：
两轮差速巡线控制算法
两轮差速巡线控制算法Vehicle control system is an essential part of modern robotics and automation. 车辆控制系统是现代机器人学和自动化的重要组成部分。
It plays a crucial role in ensuring the safe and efficient operation of autonomous vehicles. 它在确保自动驾驶车辆安全高效运行中起着至关重要的作用。
One of the key components of a vehicle control system is the differential drive mechanism. 车辆控制系统的关键组成部分之一是差速驱动机构。
In particular, a two-wheeled differential drive system is commonly used in mobile robots for its simplicity and versatility. 特别是，两轮差速驱动系统因其简单性和多功能性而常用于移动机器人中。
Differential drive systems use two independently controlled wheels to navigate through various terrains and environments. 差速驱动系统使用两个独立控制的轮子在各种地形和环境中导航。
The differential drive mechanism allows the vehicle to turn and move in different directions by varying the speeds of the two wheels. 差速驱动机构允许车辆通过改变两个轮子的速度来转向和移动。
两轮机器人自平衡研究
一、自平衡电动车 二、两轮自平衡机器人 三、加速度计 四、陀螺仪 五、两轮机器人姿态检测 六、卡尔曼滤波 七、两轮自平衡机器人发展前景
一、自平衡车电动车
自平衡电动车是一种电力驱动、 具有自我平衡能力的交通工具. 在社会飞速发展的今天,交通 拥堵也成了最终现象,一款时 尚的电动车,让您享受穿梭于 闹市的轻松与快乐.自平衡电 动车代替自行车和电动车作为 交通工具是时尚潮流的发展. 自平衡电动车的兴起,即将引 发一场新的交通革命.
五、两轮机器人姿态检测
两轮自平衡机器人所有的运动控制方式都以平衡控 制为前提.平衡控制是两轮自平衡机器人运动的关键. 两轮自平衡机器人在平衡控制的基础上,又对机器人 的轨迹跟踪控制进行了研究.提出了预测控制的轨迹 跟踪控制方法,对非完整轮式移动机器人的轨迹跟踪 问题进行了研究.预测控制在系统模型的基础上采用 先预测后控制,滚动优化,反馈校正的方式进行控制, 对位姿误差与轨迹误差进行估计,实现了对预定轨迹 的准确跟踪.
抽样卡尔曼滤波器UKF
为了确定机器人的平衡的运动姿态,设计了多惯性传 感器三轴姿态检测系统来测量机器人的三个轴向的 偏转角度与角速度.针对机器人不同位姿状态的动态 特性和非线性程度,在考虑了姿态检测系统的误差的 基础上,通过对低成本的惯性传感器的误差补偿,提出 了利用Unscented卡尔曼滤波UKF算法设计了基于四 元数的姿态估计器,得到了机器人姿态的最优估计,提 高了机器人控制的精度,实现了机器人的平衡姿态控 制与局部导航定位.
1、加速度计基本部件
加速度计由检测质量也称敏感质量、支承、电位器、 弹簧、阻尼器和壳体组成.检测质量受支承的约束只 能沿一条轴线移动,这个轴常称为输入轴或敏感轴.如 下图所示：
2、加速度计基本原理
基于Accodometry法的两轮自平衡机器人位置估计研究
ｒ ｂ ｔｐ ｓｔｏ ｓｉ ａ ｉｎ ｉ ｓ ｌ ｅ ．Ｔｈ ｌｅｆｃｓｏ ｃ ｅｅ ｏ ｔｒｉｈ ｒ ｎ ｒｆ ｒ ｌ ｉａ ｅ ．Ｔｈ ｏ ｉ ｏ ｏ ｏ ｉ ｎｅｔ ｉ ｍ ｔ ｏ ｖ ｄ ｏ ｓ ｅｉ －ｆｅ ｔ ｆａ ｃ ｌｒ ｍｅ ｅ ｎ ｅ ｅ ｔｄ ｉｔ ｅｅｉ ｎ ｔｄ ｌ ａ ｍ ｅｐ ｓ—
Ｋｅ ｒ ｓ ａ ｃｄ ｍｅｒ ｔ ｏ ｙｗｏ ｄ ： ｃｏ ｏ ｔｙｍｅｈ ｄ；ｔ ｏｗｈ ｅｅ ｅｆｂ ｌｎ ｅ ｏ ｏ ；ｄ ｔ ｕ ｉｎ ｏ ｉ ｏ ｓｉ ｔ ｎ；ｏ ｏ ｅｒ ｗ － ｅ ｌｄｓ ｌ ａａ ｃｄ ｒｂ ｔ ａａ ｆｓｏ ；ｐ ｓｔ ｎ ｅ ｔ － ｉ ｍａｉ ｏ ｄ ｍ ｔｙ
用 陆标 、 声纳等 绝对 定位 系统进 行外 部测 量 ， 无界 对
的累积误差进行修正． 安装绝对定位系统将提高机
器 人 系统 的成本 ， 此需 要 提 高 测 程法 与 传 感器 精 因 度 减少使 用绝 对定 位 系统 的密 度 和修 正 的 次数 ， 提 高系统 响应 的实 时性 ， 降低 成本提 高定 位精度 Ｌ ］ ３．
基于遗传算法和CMAC的双电机协调控制
基于遗传算法和CMAC的双电机协调控制曹训训;李凌杰【摘要】提出一种小脑模型神经网络(CMAC)和自适应在线遗传算法(GA)相结合的新型控制算法,应用于机器人中两轴永磁无刷直流电机的速度协调控制,利用MATLAB/SIMULINK仿真,结果证明了GA和CMAC复合控制器可以有效的消除协调控制中的转矩脉动.【期刊名称】《船电技术》【年(卷),期】2016(036)001【总页数】4页(P49-52)【关键词】小脑模型神经网络;遗传算法;协调控制【作者】曹训训;李凌杰【作者单位】武汉船用电力推进装置研究所,武汉430064;武汉船用电力推进装置研究所,武汉430064【正文语种】中文【中图分类】TM331永磁无刷直流电机具有良好的静、动态调速性能，且结构简单、运行可靠、易于控制，近年来广泛应用于移动机器人中。
当机器人多轴协调控制系统中的两个电机主、辅电机需要同步运行时，由于电机参数的变化和负载大小的不同，两电机转速的协调会受到干扰。
此时，可采用遗传算法、粒子群优化、神经网络以及模糊控制等方法来取代或优化传统的PID调速，使辅电机严格按照主电机的转速来调整PWM触发电压的大小，从而实现协调同步。
其中，遗传算法作为一种高级启发式搜索的优化方法，简单通用、鲁棒性强，无需任何初始信息就可寻求全局最优解。
但遗传算法局部搜索能力较弱，收敛速度慢，影响系统的高精度控制和稳定运行[1]。
小脑模型神经网络算法，是一种模拟人脑的学习，即模拟种群中单个个体的自学习算法，具有很强的局部泛化能力，收敛速度快，且其最小值是唯一的，迭代次数少，程序执行速度快，适合于实时控制[2]。
但小脑模型神经网络在控制的初始阶段需要调节好PID参数，以启动系统。
将这两种算法相结合，取长补短，为协调控制提供了一种新的更佳的解决方案。
永磁无刷直流电动机的气隙磁场波形、反电动势波形以及定子电流波形都是非正弦的，这为建模带来了一定的困难。
为了简化数学模型，现对该电动机的工作情况作如下假设：1）电动机本体的三相定子绕组是完全对称的，相应的电气时间常数可以忽略不计。
基于人工智能的机械设计参数优化及自动化控制策略
基于人工智能的机械设计参数优化及自动化控制策略机械设计参数优化及自动化控制策略是一个涉及多学科的领域，通过应用人工智能技术，可以有效提高机械系统的效率、精度和可靠性。
在本文中，我将介绍基于人工智能的机械设计参数优化方法和自动化控制策略的相关内容。
首先，我们将讨论机械设计参数优化的基本概念和方法。
机械系统的设计参数包括材料选择、结构形状、尺寸等。
传统的设计方法通常是基于经验和试错的方式，这种方法往往需要大量的时间和资源，并且难以找到全局最优解。
而基于人工智能的设计参数优化方法，可以通过建立数学模型和使用优化算法，对设计参数进行全面搜索，快速找到最优解。
常用的人工智能优化算法包括遗传算法、粒子群算法和模拟退火算法等。
这些算法可以根据设计目标和约束条件，优化设计参数，使设计系统达到最佳性能。
其次，我们将介绍机械系统的自动化控制策略。
机械系统的自动化控制可以通过人工智能技术实现，例如神经网络、模糊逻辑和强化学习等。
这些技术可以对机械系统进行感知、决策和控制，实现智能化的机械系统。
例如，神经网络可以通过学习实时数据，对机械系统进行模式识别和故障诊断，提高系统的可靠性和稳定性。
模糊逻辑可以根据模糊规则，对机械系统进行模糊控制，实现对复杂非线性系统的精确控制。
强化学习可以通过与环境的交互学习，对机械系统进行自主决策和控制，适应不确定性和动态变化的环境。
此外，我们还将介绍机械设计参数优化和自动化控制策略的应用案例。
例如，机器人的动力学参数优化可以通过遗传算法等优化算法，自动获取最佳的参数配置，提高机器人的运动性能和精度。
智能驾驶系统可以通过神经网络和模糊逻辑，实现对车辆的自主决策和控制，提高行驶安全性和能源利用率。
工业机械系统可以通过强化学习算法，学习最佳的控制策略，减少能源消耗和排放。
最后，我们将讨论基于人工智能的机械设计参数优化及自动化控制策略的挑战和发展方向。
虽然人工智能技术在机械系统中已经取得了很大的进展，但仍然存在一些挑战和限制。
两轮自平衡机器人设计与计算 详述
两轮自平衡机器人设计详述近年来，随着移动机器人研究不断深入、其应用领域更加广泛，面临的环境和任务也越来越复杂。
有时机器人会遇到比较狭窄，而且有许多大转角的工作场合，如何在这样的环境里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，这种机器人两轮共轴、独立驱动，车身重心倒置于车轮轴上方，通过运动保持平衡，可直立行走。
由于特殊的结构，其适应地形变化能力强，运动灵活，可以胜任一些复杂环境里的工作。
以前对于两轮自平衡机器人的运动控制的研究，理论上取得了许多开创性的进展，但这样的算法依赖于精确的模型和完整的信息,大多停留在理论研究和仿真的阶段实际，应用中并不多见。
大部分实际应用的移动机器人左右轮的运动控制都是基于双闭环的电机控制，直接将电压作为控制量，利用模拟电子电路进行控制[1]。
这样控制策略存在着精度低、可靠度差、效率低等缺点。
本文针对两轮自平衡机器人在实际应用中存在的问题，应用最优控制及两轮差动等控制方法设计了控制器，提出了针对两轮自平衡机器人平衡和行进的新策略。
为了提高两轮自平衡机器人的控制效果，利用基于DSP数字电路的全数字智能伺服驱动单元IPM100分别精确控制左右轮电机，并利用上位机实时控制机器人的运动状态，提高了控制精度、可靠度以及集成度，最终得到了很好的控制效果。
2 两轮自平衡机器人的动力学模型两轮自平衡机器人的结构主要由车身和双轮构成，机器人两轮参数(质量、转动惯量、半径)相同、共轴、独立驱动，车身重心倒置于车轮轴上方，通过运动保持平衡，可直立行走。
车轮不但受电机的输出转矩、地面支持力、摩擦力的影响，同时还通过电机轴受到机器人车身作用力[2][3]。
机械结构如图1所示：图 1两轮自平衡机器人机械结构图分别以车轮、车身为研究对象，分别列出车轮、车身方程，左右两轮具有对称性，左轮方程为：（1）m ——车轮质量(kg)；J ——电机转子及车轮等效在电机轴上的转动惯量( )；r ——车轮半径(m)；w L——左轮转速(rad/s)；T mL——左轮电机电磁转矩( )H L——左轮承受的车身水平作用力(N)；由车身得到方程：（2）n v、a v——分别为质心水平、竖直位移；V 、H ——分别为车轮从水平、竖直方向施加给车身的力(N)；l——质心距车轮轴距离；——车身竖直倾角；m p——车身重量；两轮自平衡机器人平衡后，可假设车身倾角在±5范围内。
基于遗传算法的多机械手任务调度优化
基于遗传算法的多机械手任务调度优化随着科技的不断发展和机器人技术的日益成熟，机器人在现代工业中扮演着越来越重要的角色。
多机械手系统在现代制造业中应用越来越广泛，多机械手任务调度优化成为一个关键问题。
遗传算法是一种优化算法，可以用来解决多机械手任务调度的问题。
本文将探讨基于遗传算法的多机械手任务调度优化问题。
一、多机械手任务调度的问题多机械手系统是指由多台机械手协同工作的系统。
在现代制造业中，多机械手系统被广泛应用于装配、加工、搬运、包装等多个领域。
多机械手系统的任务调度是指在满足约束条件下，合理分配机械手的任务，使得系统最优化。
多机械手任务调度优化的目标是使系统的总运行时间最短，同时保证满足所有任务的约束条件。
多机械手任务调度优化问题实际上是一种典型的NP难问题。
传统方法难以通过在合理时间内计算出最优解。
因此，需要借助一些优化算法来解决这个问题。
二、遗传算法的基本原理遗传算法是一种搜索算法，它通过模拟自然选择和遗传机制，来搜索最优解。
遗传算法主要包括种群初始化、选择、交叉和变异等基本操作。
1. 种群初始化在运行遗传算法之前，需要初始化一个种群，种群中的每个个体都代表着一组可能的解。
初始种群一般是随机生成的。
2. 选择选择操作是指从当前种群中，选出一部分个体作为下一代父代。
通常，选择操作越倾向于选择适应度高的个体，遗传算法搜索最优解的效率就越高。
3. 交叉交叉操作是指将两个父代个体的某一部分基因进行混合，生成下一代个体。
交叉操作的目的是希望新一代个体具有更好的适应度，进而搜索到更优的解。
4. 变异变异操作是指对某些个体进行随机的变异操作。
变异操作的目的是增加种群的多样性，防止陷入局部最优解。
通过不断迭代，遗传算法可以逐渐逼近全局最优解。
三、基于遗传算法的多机械手任务调度优化遗传算法可以很好地解决多机械手任务调度优化的问题。
主要思路是将多机械手任务调度问题转化为遗传算法优化问题。
1. 适应度函数遗传算法的适应度函数是指个体解的评价函数。
粒子群优化算法在智能机器人控制中的应用研究
粒子群优化算法在智能机器人控制中的应用研究粒子群优化算法（Particle Swarm Optimization, PSO）是一种基于种群的优化算法，灵感来源于鸟群觅食行为。
它能模拟群体中粒子的移动过程，通过不断交流和学习，找到最优解。
在智能机器人控制中，粒子群优化算法得到了广泛的应用，并取得了良好的效果。
一、智能机器人控制的挑战随着科技的进步，智能机器人正逐渐走进我们的生活和工作领域。
智能机器人的控制涉及到多个复杂的问题，如路径规划、动作执行、协同处理等。
这些问题具有高度非线性和多变量的特点，传统的优化算法难以很好地解决这些问题。
二、粒子群优化算法的原理粒子群优化算法的核心思想是将问题转化为寻找最优位置的优化问题。
在搜索空间中，通过不断迭代和学习，每个粒子根据自己的经验和邻居的经验进行位置的更新。
通过个体的最优解和群体的最优解的交互，逐渐找到全局最优解。
三、粒子群优化算法在智能机器人控制中的应用1. 路径规划在智能机器人的路径规划中，可以利用粒子群优化算法找到避开障碍物的最优路径。
通过将搜索空间划分为一系列离散的位置（离散空间），每个粒子代表一种路径，通过不断学习和更新自身位置，找到最短路径。
2. 动作执行优化智能机器人执行动作的过程中，存在着多种执行方案。
粒子群优化算法可以用于优化选择最优的动作执行方案。
通过适当定义目标函数，如时间、能量消耗等指标，优化算法可以根据机器人的实际情况，找到最优的动作执行策略。
3. 多机器人协同控制在多机器人协同控制中，粒子群优化算法能够帮助机器人快速找到合适的位置和策略以实现协同工作。
通过定义合适的目标函数，例如最小化总体路径长度、最大化工作效率等，通过不断迭代和学习，机器人可以在协同控制中获得更好的效果。
四、粒子群优化算法的优点1. 简单易实现粒子群优化算法的实现相对简单，无需大量的数学理论支持和复杂的计算过程。
算法的原理直观易懂，易于程序化实现。
2. 并行计算能力强粒子群优化算法具有较强的并行计算能力，适合在分布式、并行计算环境下进行。
两轮自平衡机器人的研究
两轮自平衡机器人的研究两轮自平衡机器人作为一种具有挑战性的研究课题，已经吸引了国内外众多科研机构和企业的。
目前，研究者们在理论建模、控制算法设计、传感器融合等方面取得了显著的成果。
然而，在实际应用和商业化方面，两轮自平衡机器人的发展仍面临诸多挑战，如稳定性、续航能力、环境适应性等方面的问题。
两轮自平衡机器人的技术原理主要涉及动态控制算法、传感器技术和机械结构设计。
动态控制算法是实现机器人平衡的关键，包括基于模型的控制和无模型的控制。
传感器技术主要包括加速度计、陀螺仪和编码器等，用于实时监测机器人的姿态和位置信息。
机械结构设计则关系到机器人的稳定性和灵活性，涉及到轮子、电机、支架等多个部分。
两轮自平衡机器人具有广泛的应用前景，如机器人竞赛、医疗康复、建筑施工等。
在机器人竞赛方面，两轮自平衡机器人是各类竞赛的重要项目之一，涉及到机器人的速度、稳定性、灵活性等多个方面。
在医疗康复领域，两轮自平衡机器人可以辅助病人进行康复训练，提高康复效果。
在建筑施工领域，两轮自平衡机器人可以用于环境监测、地形勘测等方面。
随着科技的不断发展，两轮自平衡机器人的研究方向也将更加多元化。
未来，两轮自平衡机器人将朝着智能化、自主化和模块化的方向发展。
智能化将使得机器人具备更强的环境感知和决策能力，自主化则将提高机器人在复杂环境下的自适应能力，而模块化将为机器人的设计和应用提供更大的灵活性。
随着5G技术的普及，两轮自平衡机器人的远程控制和集群控制也将成为未来的研究热点。
两轮自平衡机器人作为机器人技术的一个重要分支，具有广泛的应用前景和挑战性。
本文对两轮自平衡机器人的研究现状、技术原理、应用领域及未来发展趋势进行了全面梳理。
目前，两轮自平衡机器人的研究已经取得了诸多成果，但仍存在诸多挑战性问题需要解决。
未来，研究者们需要不断探索新的理论和方法，以推动两轮自平衡机器人的发展，从而实现机器人在更多领域的应用价值。
在当今的高科技时代，智能机器人已经成为了人们的焦点。
使用二进制搜索算法进行机器人控制的技巧
使用二进制搜索算法进行机器人控制的技巧在如今科技发展迅猛的时代，机器人已经成为了人们生活中的一部分。
无论是在工业生产中，还是在家庭服务中，机器人的应用越来越广泛。
而机器人的控制技术也愈发重要。
本文将介绍一种使用二进制搜索算法进行机器人控制的技巧。
二进制搜索算法，也称为二分查找算法，是一种高效的搜索算法。
它通过将有序数组或列表划分为两个部分，然后判断目标值可能在哪个部分，从而减少搜索的范围，提高搜索效率。
这种算法在机器人控制中有着广泛的应用。
首先，我们需要明确机器人控制的目标。
假设我们要控制一个机器人在一个迷宫中寻找目标位置。
迷宫可以看作一个二维数组，每个位置上的值代表了该位置的状态，例如0代表墙壁，1代表通道，2代表目标位置等。
我们的目标是找到机器人从起始位置到目标位置的最短路径。
使用二进制搜索算法进行机器人控制的关键在于如何将问题转化为一个有序数组或列表。
在这个例子中，我们可以将迷宫中的每个位置看作一个节点，节点之间的连通关系可以看作边。
我们可以使用广度优先搜索算法(BFS)来遍历整个迷宫，从而得到每个位置到起始位置的最短路径长度。
将这些最短路径长度按照从小到大的顺序排列，就得到了一个有序的数组。
接下来，我们可以使用二进制搜索算法来查找目标位置在有序数组中的索引。
假设目标位置的最短路径长度为k，我们可以将数组划分为两个部分：索引小于k的部分和索引大于等于k的部分。
然后，我们判断目标位置在哪个部分中，进一步缩小搜索的范围。
重复这个过程，直到找到目标位置的索引。
在实际的机器人控制中，我们可以使用二进制搜索算法来优化路径规划的效率。
例如，在一个大型仓库中，机器人需要按照指定的顺序收集货物。
我们可以将仓库中的货架位置看作节点，节点之间的连通关系看作边。
然后，使用广度优先搜索算法得到每个货架位置到起始位置的最短路径长度，并将这些路径长度按照从小到大的顺序排列。
当机器人需要收集货物时，我们可以使用二进制搜索算法来查找目标货架位置在有序数组中的索引，从而确定机器人的下一个目标位置，提高收集货物的效率。
智能化机械设计中的自主学习与优化算法研究
智能化机械设计中的自主学习与优化算法研究随着人工智能的快速发展，智能化机械设计成为了一个热门的研究领域。
自主学习和优化算法是使智能化机械设备具备自主决策和优化能力的关键技术。
本文将对智能化机械设计中的自主学习和优化算法进行深入研究，以期提高机械设计的智能化水平。
一、自主学习算法在智能化机械设计中的应用自主学习算法是实现机械设备自主决策的核心技术之一。
在智能化机械设计中，自主学习算法可以使机械设备通过对环境和任务的感知，自主地学习和适应不同的工况和任务要求。
常见的自主学习算法有强化学习、深度学习和迁移学习等。
首先，强化学习是一种通过试错来学习最佳策略的学习方法。
在智能化机械设计中，强化学习可以使机械设备通过与环境的交互，学习如何在不同的工况下做出最优的决策。
例如，在自动化生产线上，机械设备可以通过强化学习算法学习如何调整自身的参数以提高生产效率。
其次，深度学习是一种基于神经网络的机器学习算法，可以通过大量的数据学习到复杂的特征表达。
在智能化机械设计中，深度学习可以用于图像识别、故障诊断等任务。
例如，机械设备可以通过深度学习算法对传感器收集到的图像进行识别和分类，实现智能化的视觉导航和检测功能。
最后，迁移学习是一种通过将已学习的知识应用于新任务的学习方法。
在智能化机械设计中，迁移学习可以使机械设备在面对新的工况和任务时，利用已有的知识和经验进行快速学习和适应。
例如，机械设备可以通过迁移学习算法将在某一工况下学习到的知识应用于新的工况，从而加速学习过程和提高效率。
二、优化算法在智能化机械设计中的应用优化算法是实现机械设备自动优化的关键技术之一。
在智能化机械设计中，优化算法可以使机械设备通过搜索和调整参数，找到最佳的设计方案或控制策略，以达到预定的性能指标。
常见的优化算法有遗传算法、粒子群算法和模拟退火算法等。
首先，遗传算法是一种通过模拟自然界的遗传机制进行全局优化的算法。
在智能化机械设计中，遗传算法可以用于设计参数的优化、结构拓扑优化等。
两轮自平衡机器人平衡控制仿真与研究
两轮自平衡机器人平衡控制仿真与研究李世光;王文文;申梦茜;高正中【摘要】To solve the balance instability problem of the two-wheeled self-balance robot,this paper established a dynamics mathematical model of robot and designed a controller based on variable universe fuzzy-PID.With micro-controller ARM STM32F103 as its core,a hardware platform was built and the principle and method of controlling parameters for two-wheeled self-balance robot were described in detail to achieve the balance control of the two-wheeled self-balance robot system.The simulation results show that with faster response speed,higher regulating precision and strong anti-interference ability,the two-wheeled self-balance robot based on variable universe fuzzy-PID can improve the static and dynamic performance and robustness of the system.%针对两轮自平衡机器人的平衡不稳定问题,建立了机器人动力学数学模型,设计了一种基于变论域的模糊PID控制器,以ARM的微控制器STM32F103为核心,搭建硬件平台,详细阐述两轮自平衡机器人控制参数整定的原理和方法,实现了两轮自平衡机器人系统的平衡控制.仿真结果表明:基于变论域模糊PID控制的两轮自平衡机器人响应速度快、抗干扰能力强,能够更好的减小超调量,提高系统的动静态特性和鲁棒性.【期刊名称】《山东科技大学学报（自然科学版）》【年(卷),期】2016(035)006【总页数】6页(P76-81)【关键词】两轮自平衡机器人;数学建模;变论域;模糊PID【作者】李世光;王文文;申梦茜;高正中【作者单位】山东科技大学电气与自动化工程学院,山东青岛 266590;山东科技大学电气与自动化工程学院,山东青岛 266590;山东科技大学电气与自动化工程学院,山东青岛 266590;山东科技大学电气与自动化工程学院,山东青岛 266590【正文语种】中文【中图分类】TP242两轮自平衡机器人是移动机器人研究中的一个重要领域，因其运动灵活、适应地形变化能力强等特点，可胜任一些复杂环境的工作。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第43卷第7期 2017年7月北京工业大学学报JO U R N A L OF B E IJIN G U N IV E R S IT Y O F T E C H N O L O G YV o l.43N o.7Jul. 2017基于参数寻优的自学习算法在两轮机器人控制上的应用阮晓钢，陈岩，肖尧，朱晓庆(北京工业大学信息学部，北京100124)摘要：针对两轮机器人现有控制算法的弊端，基于自学习参数寻优算法设计自适应控制器.该控制器结构简单，无需依赖精确数学模型，经过多次学习训练，即可获得最优控制参数.将该控制器应用于两轮机器人的平衡控制中，并与线性二次型（lin e a r quadra tic re g u la to r，L Q R)最优控制器进行对比，仿真结果验证了该算法的正确性、有效 性，凸显出较强的鲁棒性和仿生学习性;将该控制器应用于两轮机器人物理系统，取得了良好的控制效果.关键词：两轮机器人；自学习；参数寻优；自适应控制器中图分类号：U461;T P308文献标志码：A文章编号：0254 -0037(2017)07- 1060 -08d o i：10.11936/b ju txb2016110006Application of Self-learning Algorithm Based on Parameter Optimization in Control of Two Wheeled RobotRUAN Xiaogang，CHEN Yan，XIAO Yao,ZHU Xiaoqing(F a c u lty o f In fo rm a tio n T e ch n o lo g y，B e ijin g U n iv e rs ity o f T e chno lo gy，B e ijin g100124，C h in a)A b stra ct：To overcome the disadvantages of the existing control algorithm of two-wheeled robot(TW R)，the adaptive controller was designed by using the self-learning parameter optimization algorithm.The controller has a simple structure and does not need to rely on the accurate mathematical model，and the optimal control parameters can be obtained through learning and training many times.The controller was applied to the balance control of the two-wheeled robot，and was compared with the linear quadratic regulator (LQR)optimal controller.The simulation results verify the correctness and validity of the algorithm，highlights the strong robustness and bionics habits.The controller was applied to the physical system of two-wheeled robot，and achieved good control effect.Key w ords：two-wheeled robot(TW R);self-learning；parameter optimization；adaptive controller两轮机器人是移动机器人中非常重要的一类, 因其具有小巧、灵活、低消耗等特点,被广泛应用于多种场景.又因为它是一个不稳定的欠驱动系统, 具有多变量、非线性、强耦合和参数不确定等特点，使其成为验证各种控制算法的理想平台.目前常用的控制算法有基于比例-积分-微分(proportion-integral-derivative，PID)的经典控制算法、基于线性二次型（linear quadratic regulator，LQR)的最优控制算法、基于模糊的控制算法、滑模变结构 控制算法、基于神经网络的学习算法等，这些控制算 法取得较好控制效果的同时，也存在一些不足:基于 P ID的各种控制算法虽然具有可调参数少、无需依收稿日期：2016-11-04基金项目：国家自然科学基金资助项目（61375086);北京市自然科学基金资助项目（K Z201610005010);北京工业大学“智能 制造领域大科研推进计划”资助项目作者简介：阮晓钢（1958—），男，教授，博士生导师，主要从事机器人、自动控制与人工智能方面的研究，E-m a il: adrxg@b ju t. edu. cn第7期阮晓钢，等：基于参数寻优的自学习算法在两轮机器人控制上的应用1061赖精确数学模型的优点，但存在参数整定困难的缺 点，很难预先设定出合理的参数[1鄄2];基于LQ R最优 控制的算法虽然可以得到状态线性反馈的最优控制 规律，但需要非常精确的数学模型，而建模时并不能 保证模型的精确性，总会忽略一些条件[34];基于模 糊的控制算法虽然无需依赖数学模型，但其控制规 则的设定，模糊论域的选取，隶属度函数的选择以及 设计者的经验都会对控制效果产生影响，存在很多 不确定性[5—8];滑模变结构控制虽然具有快速响应、对应参数变化及扰动不灵敏、无需系统在线辨识、物 理实现简单等优点，但与P ID控制面临同样的问题，其参数选择非常困难[9];基于神经网络的控制算法 虽然可以自我调整和改善控制效果，无需系统数学 模型，但它本身结构复杂，需要大量的运算来计算网 络的权重，实现起来并不方便[10_13].对两轮机器人的平衡控制主要体现在处理未知 干扰对系统的影响，比如参数的不确定性、系统模型 的动态改变以及外界环境的扰动，都会对两轮机器 人的控制效果产生影响，使其不能平稳保持姿态运 动平衡.这就要求两轮机器人的平衡控制器必须具 有自我调节、自我适应的能力和较强的鲁棒性.针对以上问题，本文设计了基于自学习参数寻 优算法的自适应控制器.该控制器结构简单，无需 依赖精确数学模型，无需制定复杂的规则，只需给出 在合理范围内的初始联结强度和学习率，即可通过 不断学习和自我调节，训练出当前环境下的最优控 制参数，使两轮机器人的控制效果达到最优.1自学习参数寻优算法自学习参数寻优控制系统结构见图1.图1控制系统结构Fig. 1Structure o f con trol system图中输入r(t)为两轮机器人期望俯仰角，输出 c(t)为两轮机器人实际俯仰角，两轮机器人的姿态控 制可通过线性反馈实现，其控制变量u(t)可描述为u(t) = w1(t)s1(t) + w2(t)s2(t) +w3(t)e(t) = w(t)T x(1)式中：e(t)=r(t)-c(t)为俯仰角误差；w(t) =[w j t)，w2(t)，w3(t)]T，为线性反馈系数构成的向 量；x= [x1，x2，x3]T，(x1 = s1 (t)，x2 = s2(t)，x3 = e(t))为控制器的输入向量，S i(t)为两轮自平衡机 器人俯仰角，S2(t)为两轮自平衡机器人俯仰角速度.一般的线性反馈控制系统，其线性反馈系数需 要通过求解R iccati方程获取，图1中的线性反馈控 制器是一'个自适应网络，其联结强度值w(t)就是线 性反馈系数，因此可以通过学习获得.控制量u(t)的修正量A u(t)可通过e(t)推算，W idrow和H o ff的自学习参数寻优算法为we(n) = we(n-1) +2 滓e(n-1)x e(n-1)(滓〉0，n= l，2,3…）（2)式中:n为迭代学习次数;w e(n)为联结强度向量，x e(n)为等效输入向量，滓为学习率，滓〉0.只有学习率滓足够小的时候，算法才会收敛，滓太大可能造成算法的不稳定或者不收敛，滓过小可 能造成算法收敛缓慢;按照离散动态系统稳定性理 论，滓必须使矩阵（I- 2滓R)的特征值落入单位圆 内，若R是正定的，则其特征值\〉0(i = 1，2,…，n)，保证系统稳定的条件为：V i沂{ 1，2,…，n}，1 - 2滓姿；〉1，故学习率的选择应遵循：滓〉1/Am a x，(姿腿=max {姿1，姿1，...，^} )•两轮机器人姿态控制系统的学习控制率为A u(t) = «ee(t) + 琢e e(t)，t沂[to，t f](3)A w(t) =2滓A u(t)x(t)，t沂[to，tf](4)式中:A u(t)为控制量u(t)的修正量;〉0和〉0 分别为控制量u(t)对应误差e(t)和误差导数e(t)的学习率;Aw(t)为线性反馈系数w(t)的修正值[14].通过迭代搜索，计算线性反馈系数为w1(t)=w j t-1) +Aw(t)(5)w2( t):=w2(t-1) +Aw(t)(6)w3(t)=w3(t-1) +Aw(t)(7) 2数学模型2.1两轮机器人物理系统本文的研究基于北京工业大学信息学部人工智 能与机器人研究所自主研发的两轮机器人系统，如 图2所示.机器人高约为0.5 m，质量为14 kg，轮子直径为 0.2 m，框架和底盘米用的是铝合金，左右2个轮子 同轴平行安装，底盘下面装有2个直流电机和伺服 驱动器，电源放置在机器人的胸腔中，数字信号处理 (digital signal processing，DSP)仿真器和电源分配板1062北京工业大学学报2017 年F ig.2图2两轮机器人样机Tw o-w heeled robot prototype系统、电源系统和执行系统.其中，检测系统由MTI姿态检测模块构成，用来检测机器人姿态信息;控制系统将检测系统提供的信号进行接收和处理，得到实时动作指令，控制机器人完成相应指令动作，最后通过控制算法将输出量传递给执行系统；电源系统由锂电池、电源分配板和各级开关构成，锂电池通过电源分配板输出检测系统和控制系统所需电压;执行系统将机器人控制器发出的指令通过左右轮电机传递给左右轮，从而实现机器人的运动[15].2.2两轮机器人动力学模型分别放置在电源的两侧，DSP28335开发板以及蓝牙 模块放置在机器人胸腔的前侧，电源开关位于机器 人机身的后侧，底部安装长支架，起支撑保护的作 用，防止机器人摔倒.电气系统分为以下4个部分:检测系统、控制根据以上物理系统建立的两轮机器人动力学模 型[16]为式中M( q) q=F( q，q) (8)q=[ x茁兹]T (9)2m w+m b+ 2J w x/r20c m b Cos 兹M(q)二02J w z+2b2m K+ J b z c o s2兹+ J b y s in2兹+2+ c m b s in00(10)c m bco s 兹/+2J bF(q，q)=(Mj + Mr)/r+ cmbsin 兹兹2-兹Z^sin (2兹）（mbc2 +Jby-JbJ -^(牝-M j/r (mb c2+ Jb y- J b z)•2cos 兹sin 兹-Mj -Mr+ cgmb sin兹状态变量为(11)X= [qT q T] = [x茁兹•茁兹]T(12)系统状态方程为’33O33"q__〇33M-1(q)_-F(q，q)_两轮机器人的符号定义见表1.(13)3实验根据建立的两轮机器人数学模型，取系统状态变量S= [x•兹兹]T在仿真软件M A TLA B中设 计控制器，对其进行仿真控制实验.3.1仿真实验结果与分析仿真中，数字仿真模型的采样间隔t =0.01 s，姿态控制系统学习时段[to，t f] = [0，10]，学习控 制率为式（3) (4)，在每个米样周期内进行1次迭 代学习，系统反复地由t。