基于学习控制的两轮自平衡机器人姿态控制系统

论文摘要

两轮自平衡机器人是一种本质不稳定的移动机器人。其动力学系统具有非线性、多变量、强耦合、参数不确定性等特性。它已经成为了检验各种控制理论的理想平台。两轮自平衡机器人仅靠两个轮子支撑车体,采用蓄电池提供动力,由两个直流电动机驱动,采用姿态感知系统、通过姿态控制算法控制车体的平衡。它结构简单、运动灵活、适于在狭小的空间工作,有着广泛的应用前景。两轮自平衡机器人能够完成多轮机器人无法完成的复杂运动及操作,特别适用于工作环境变化大、任务复杂的场合,如空间探索、地形侦察、危险品运输等,此外,还可以用于玩具、教育和服务机器人等领域。因此开展两轮自平衡机器人的研究有着重要的理论及现实意义。本文对两轮自平衡机器人国内外的研究现状进行了总结和归纳。依据假定的理想条件和对两轮自平衡机器人运动规律的分析,使用拉格朗日法建立了机器人的动力学模型,并推导出姿态平衡的最大可控角度,为两轮自平衡机器人姿态控制系统的软硬件系统的设计提供了理论依据。本文提出了两轮自平衡机器人的构建方案,设计了两轮自平衡机器人的机械结构。为了确定机器人的平衡的运动姿态,设计了以硅微加速计和硅微陀螺为传感器的姿态感知系统,可提供机器人倾角和角速度信号以监测机器人的运动姿态；构建了基于FPGA的两轮自平衡机器人姿态控制系统。硅微加速计和硅微陀螺是姿态感知系统的主要传感器,它们的精度直接影响着整个系统精度和性能。硅微惯性器件在体积和成本上的优点较为突出,但在分辨率和精度上存在着很大的不足。与硅微加速度计相比,硅微陀螺仪的发展较为滞后。为了降低加速度计和陀螺仪的误差对系统的不利影响,对硅微加速度计和硅微陀螺进行了标定,在此基础上利用卡尔曼滤波算法对硅微加速度计和硅微陀螺信息进行融合,计算出车体的倾斜角度,提高了姿态信号的精度传统的控制规律主要是PID控制,此方法简单有效、适用性强,是最成熟的控制方法。但是它最大的缺点是PID参数不能调节,当工况改变时,控制参数却不能做相应改变,这必然会造成控制效果下降。近年来,强化学习作为一种学习控制算法得到了极大的发展。强化学习不需要先验的知识,能通过与环境的交流改进自身的控制策略。由于它的自学习特性,强化学习被用于很多领域。其中典型案例有,强化学习被成功地运用于倒立摆的平衡控制中。在平衡控制的原理方面,两轮自平衡机器人和倒立摆是极为相似的。因此本文运用强化学习的原理设计了两轮自平衡机器人的姿态控制器,以此实现机器人的平衡控制。两轮自平衡机器人的所有运动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中的关键。最后,对机器人进行了强化学习与PID对比仿真实验、自平衡实验、抗扰动实验,实验结果显示本文设计的两轮自平衡机器人能够满足预期的目标。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题背景及意义
• 1.3 两轮自平衡机器人国内外研究现状
• 1.4 学习控制概述、发展及其研究意义
• 1.5 强化学习概述及其应用
• 1.6 本文的主要研究内容
• 第2章 两轮自平衡机器人的系统模型与分析
• 2.1 引言
• 2.2 两轮自平衡机器人建模假设条件设定
• 2.3 系统速度分析
• 2.3.1 车轮速度分析
• 2.3.2 车体速度分析
• 2.4 系统机械能分析
• 2.4.1 车轮动能分析
• 2.4.2 车体动能分析
• 2.4.3 机器人总动能
• 2.4.4 机器人重力势能
• 2.4.5 机器人耗散能
• 2.5 基于拉格朗日方程的两轮自平衡机器人动力学建模
• 2.6 最大可控角度分析
• 2.7 本章小结
• 第3章 两轮自平衡机器人姿态控制系统
• 3.1 引言
• 3.2 两轮自平衡机器人结构
• 3.3 两轮自平衡机器人平衡原理
• 3.4 两轮自平衡机器人姿态控制系统总体设计
• 3.5 两轮机器人姿态控制系统硬件设计
• 3.5.1 主控芯片最小系统设计
• 3.5.2 姿态检测模块
• 3.5.3 电机驱动模块
• 3.5.4 电源模块
• 3.5.5 显示与通信模块
• 3.6 两轮机器人姿态控制系统软件设计
• 3.7 两轮自平衡机器人姿态信号处理
• 3.7.1 传感器标定
• 3.7.2 采样程序设计
• 3.7.3 滤波电路设计
• 3.7.4 数字滤波设计
• 3.8 本章小结
• 第4章 基于强化学习的姿态控制器设计
• 4.1 引言
• 4.2 AHC学习控制系统的结构
• 4.3 CMAC神经网络算法基本原理
• 4.4 基于AHC的两轮自平衡机器人姿态控制器设计
• 4.4.1 联想搜索单元ASE及其设计实现
• 4.4.2 自适应评价单元ACE及其设计实现
• 4.4.3 基于AHC的姿态控制算法流程
• 4.5 本章小结
• 第5章 两轮自平衡机器人仿真及实验研究
• 5.1 引言
• 5.2 仿真实验
• 5.3 自平衡实验
• 5.4 抗扰动实验
• 5.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢