基于数据融合的两轮自平衡小车控制系统研究-论文.pdf

《基于数据融合的两轮自平衡小车控制系统研究-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、数控技术基于数据融合的两轮自平衡小车控制系统研究宫文文朱加勉曲诺亚(长春~-A,k大学吉林长春130012)摘要针对两轮自平衡系统中传感器存在漂移误差和较大的震动干扰问题，提出了基于加速度计和陀螺仪数据融合的两轮系统自平衡控带】方法。通过建立动力学模型并采用卡尔曼滤波算法融合陀螺仪与加速度计信号计算系统的角度与角速度，得到系统最优估计值。经实际测试表明，该方法能获得精确的小车姿态信息，提高了系统的稳定性与可靠性并且大大增强了系统的抗干扰能力。关键词：卡尔曼滤波数据融合两轮自平衡中图分类号：TP2文献标识码：A文章编号：1007—9416(2015)06．0038．0

2、1两轮自平衡小车是一种本质不稳定的自然体，其动力学系统具有多变量非线性、强耦合、参数不确定等特性，因此它是控制理论(2r+等+mal+mar)一)叫慨㈩应用的典型范例。两轮小车自平衡控制的过程中，小车控制的稳定式(1)为两轮自平衡小车车体倾角与角加速度的微分方程。性和精度取决于小车姿态倾角测量的实时性和准确性，只依靠加速2卡尔曼滤波数据融合算法度计和陀螺仪对两轮小车姿态倾角测量会产生较大的误差和振动卡尔曼滤波算法是一种较好的多传感器信息融合算法，它是以干扰，增大了两轮小车的控制难度且难以达到自平衡效果。本文提最小均方误差估计的一套递推估计算法。其核心思想是采用信号和

3、出了通过卡尔曼滤波器进行数据融合的算法，实现小车姿态倾角值偏差的状态方程，通过当前状态得到的测量值并结合前一状态的估高精度、高可靠性，保证了小车的姿态平衡控制。啦蟹l啪糍i暑叠计值来对状态变量的预测与估计雠进蜊行艟鼍更新，最终得出当前状态的寤最援肇1两轮自平衡小车的动力学模型优估计值。由于观测数据受到∞系坶统中O的协噪声和干扰的影响，所以捧最O∞两轮自平衡小车由车体、核心控制器、电机驱动和车轮等部分组优估计也可看作是滤波的过程。对于小车系统而言，将加速度传感成，小车两个车轮各参数相同且共轴，由两个直流电机独立驱动。从器输出的角度作为测量值，陀螺仪输出的角速度作为预测

4、值的控制车轮人手，推导小车动力学方程。如图1所示为小车的受力分析图。由量，对车体当前倾角进行最优估计。假设为车体k时刻的倾角，图可知：小车质量为m、车轮半径为r、转速为∞、车轮移动速度为v、为加速度传感器k时刻测得的车体倾角，为陀螺仪k时刻电机电磁转矩为Tm、车轮所受地面摩擦力为}{f、车轮对车轴的等效测得的角速度，为k时刻的角速度，是k时刻角速度误差，采样转动惯量为J、车体对车轮等效转动惯量为I、车体质心位置坐标(x，y)车体质量ma、0为车体与垂直方向所成角度、T为车轮对车身产生的扭矩。当倾角0的值较小时，小车的动力学方程可简化为下式：掷盘；ll{一、一VA^h

5、^，^^A』){A』—，’．^．血．A．VVVVVV’冈f，’、’rHu’；1：r’r■{l【V^YllfI1}^j且I1¨一^H呵lII【Ⅵl_iI一Il。杰l‘盘‘'．，JI，．=．一L^r、懿『．A．r一‘1，，1图2两轮自平衡小车姿态测量的卡尔曼滤波实验图图1小车受力分析图⋯⋯下转第132页收稿日期：2o15—06一lO作者简介：宫文文(1990—，，女，吉林公主岭人，硕士，在校学生，从事数字传动与电力节能技术研究；朱加勉(1990—)，男，黑龙江齐齐哈尔人，硕士，在校学生，从事数字传动与电力节能技术研究；曲诺亚(199o__)，男，吉林长春人硕士，在校学生

6、，从事数字传动与电力节能技术研究。算法分析l丽触术i(3)次于4结语=lI表明该粒子较差，对其惯性权重的调整采用以下策略一本文提出了一种基于早0熟0O收敛O0程度—1．的．．．．自．0．适．．应．OL惯性权重粒子群w=1·5一I—k二j(4)算法。经实验仿真：表明白适应的PSO算法不仅具很强的全局寻优能+lexp(一k2△)、叶力和较快的收敛速度，而且能有效地解决传统PSO算法的早熟收敛3实验仿真问题。本文对两个经典的函数优化实例进行仿真，与传统PSO算法进参考文献行比较。厂是Griewank函数，具有强烈的震荡性和很多局部极小值[1]董平平，高东惠，田雨波，等．一

7、种改进的自适应惯性权重粒子群优点，厂：是Schafers函数，其全局极大值点周围有无数局部极大值。0化算法[J]．计算机仿真。2012，29(i2础)：283-286．点。[2]韩江洪，李正荣．魏振春．一0种0自适应粒l二子群优化算一法及其仿真研，)+)一c0s)c。噎)+一600≤XI~X2≤600究[J]．系统仿0真O学报0。2006．1O(18)：2969-2971．__===1[3]邢万波。杨圣奇。王树平。等．一+种改进的自适}应邻域粒子群优化算Q、Rcz=。·s—eI!1+器0．O01(工+，)I-lO