法律状态公告日
法律状态信息
法律状态
2020-02-21
授权
授权
2019-03-26
实质审查的生效 IPC(主分类):G05D1/08 申请日:20181219
实质审查的生效
2019-03-01
公开
公开
技术领域
本发明涉及平衡机器人技术领域,具体而言,涉及一种平衡机器人的模糊控制方法、装置及平衡机器人。
背景技术
随着技术与应用的发展,各种各样的移动机器人层出不穷。关节越多的机器人,可以处理更加复杂的情况。但是,由于具有高自由度,其设计和控制更为复杂。平衡机器人由两个独立驱动的车轮和中心轴方向的连接体组成。它具有结构简单、设计和控制复杂度低及体积小的有点,适合在市内或者狭窄的地方工作。平衡机器人是一个欠驱动的机械系统,具有高非线性特征。
然而,不确定性总是存在实际应用中,高阶不确定性将会影响平衡机器人的系统性能。模糊集和模糊逻辑控制器是一种已被接受的方法概论,存在不确定和外部干扰时,它们可以提供很好的抗干扰能力。现有的单值模糊器的计算简单方便,其应用非常广泛,然而,单值模糊器不能很好的处理输入带来的不确定性的影响,当闭环系统中存在测量噪声时,单值模糊器不能达到我们所期待的性能。
发明内容
鉴于上述问题,本发明实施例的目的在于提供一种平衡机器人的模糊控制方法、装置及平衡机器人,以解决现有技术的不足。
根据本发明的一个实施方式,提供一种平衡机器人的模糊控制方法,包括:
将平衡机器人轮子的旋转角与所述平衡机器人轮子的半径相乘,再将相乘的结果与期望位置进行差值计算得到位置误差,并将所述位置误差及所述平衡机器人的倾斜角速度作为第一输入代入位置控制模型后得到第一输出;
将所述第一输出与所述平衡机器人的倾斜角进行差值计算得到新的变量,并将所述新的变量、所述平衡机器人的倾斜角速度、所述平衡机器人轮子的旋转角及所述平衡机器人的旋转角速度作为第二输入代入平衡控制模型后得到第二输出,所述平衡控制模型为:
其中,u为第二输出,x(t)为第二输入,αs、αk为所述平衡控制模型的次隶属度,
将所述第二输出输入所述平衡机器人的数学模型,以根据所述数学模型的输出控制所述平衡机器人运行。
在上述的平衡机器人的模糊控制方法中,所述平衡控制模型的创建过程包括:
根据平衡模糊规则计算该平衡模糊规则的上、下激活强度:
其中,所述平衡模糊规则为:若θ是Xi,那么u是Uix,
根据所述平衡模糊规则对应的局部反馈增益及该平衡模糊规则的上、下激活强度构建平衡控制模型。
在上述的平衡机器人的模糊控制方法中,所述位置控制模型的创建过程包括::
根据位置模糊规则计算该位置模糊规则的上、下激活强度:
其中,所述位置模糊规则为:若Pe是De,
根据所述位置模糊规则的后件隶属函数的重心及该位置模糊规则的上、下激活强度计算位置控制模型次隶属度为α的降型集表达式:
其中,Ycos,α(X′)为该位置控制模型次隶属度为α的降型集表达式,
对该位置控制模型次隶属度为α的降型集表达式解模糊后得到所述位置控制模型:
其中,Y为所述第一输出,αk为所述位置控制模型的次隶属度。
在上述的平衡机器人的模糊控制方法中,所述“将所述第二输出输入所述平衡机器人的数学模型,以根据所述数学模型的输出控制所述平衡机器人运行”包括:
将所述第二输出输入所述平衡机器人的数学模型得到所述平衡机器人的闭环控制模型:
其中,
根据所述闭环控制模型的输出控制所述平衡机器人运行。
在上述的平衡机器人的模糊控制方法中,还包括:
在所述平衡机器人初始启动时,获取所述平衡机器人轮子的旋转角、所述平衡机器人的旋转角速度、所述平衡机器人的倾斜角及所述平衡机器人的倾斜角速度的初始化值;
将所述初始化值代入所述平衡控制模型得到所述第二输出,将所述第二输出输入所述平衡机器人的数学模型,以根据所述数学模型的输出控制所述平衡机器人运行,并在所述平衡机器人运行后根据实时运行状态更新所述平衡机器人轮子的旋转角、所述平衡机器人的旋转角速度、所述平衡机器人的倾斜角及所述平衡机器人的倾斜角速度的值。
根据本发明的另一个实施方式,提供一种平衡机器人的模糊控制装置,包括:
第一输出模块,用于将平衡机器人轮子的旋转角与所述平衡机器人轮子的半径相乘,再将相乘的结果与期望位置进行差值计算得到位置误差,并将所述位置误差及所述平衡机器人的倾斜角速度作为第一输入代入位置控制模型后得到第一输出;
第二输出模块,用于将所述第一输出与所述平衡机器人的倾斜角进行差值计算得到新的变量,并将所述新的变量、所述平衡机器人的倾斜角速度、所述平衡机器人轮子的旋转角及所述平衡机器人的旋转角速度作为第二输入代入平衡控制模型后得到第二输出,所述平衡控制模型为:
其中,u为第二输出,x2(t)为第二输入,αs、αk为所述平衡控制模型的次隶属度,
控制模块,用于将所述第二输出输入所述平衡机器人的数学模型,以根据所述数学模型的输出控制所述平衡机器人运行。
在上述的平衡机器人的模糊控制装置中,所述平衡控制模型的创建过程包括:
第一计算模块,用于根据平衡模糊规则计算该平衡模糊规则的上、下激活强度:
其中,所述平衡模糊规则为:若θ是Xi,那么u是Uix,
构建模块,用于根据所述平衡模糊规则对应的局部反馈增益及该平衡模糊规则的上、下激活强度构建平衡控制模型。
在上述的平衡机器人的模糊控制装置中,所述位置控制模型的创建过程包括:
第二计算模块,用于根据位置模糊规则计算该位置模糊规则的上、下激活强度:
其中,所述平衡模糊规则为:若Pe是De,
第三计算模块,用于根据所述位置模糊规则的后件隶属函数的重心及该位置模糊规则的上、下激活强度计算位置控制模型次隶属度为α的降型集表达式:
其中,Ycos,α(X′)为该位置控制模型次隶属度为α的降型集表达式,
解模糊模块,用于对该位置控制模型次隶属度为α的降型集表达式解模糊后得到所述位置控制模型:
其中,Y为所述第一输出,αk为所述位置控制模型的次隶属度。
根据本发明的再一个实施方式,提供一种平衡机器人,包括存储器以及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述平衡机器人执行上述的平衡机器人的模糊控制方法。
根据本发明的又一个实施方式,提供一种计算机可读存储介质,其储存有上述的平衡机器人中所用的所述计算机程序。
本公开的实施例提供的技术方案可以包括如下有益效果:
本发明中一种平衡机器人的模糊控制方法、装置及平衡机器人,通过非单值广义二型模糊模型提高平衡机器人处理不确定性的能力,具有更好的控制效果,具有更多的参数及自由度,抗干扰能力较强,达到期望位置的时间较小。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对本发明保护范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本发明实施例提供的一种平衡机器人的结构示意图。
图2示出了本发明第一实施例提供的一种平衡机器人的模糊控制方法的流程示意图。
图3示出了本发明实施例提供的一种平衡机器人的控制示意图。
图4示出了本发明实施例提供的一种平衡机器人的模糊控制装置的结构示意图。
主要元件符号说明:
500-平衡机器人的模糊控制装置;510-第一输出模块;520-第二输出模块;530-控制模块。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
图1示出了本发明实施例提供的一种平衡机器人的结构示意图。该平衡机器人的参数及变量的意义如下表所示:
图2示出了本发明实施例提供的一种平衡机器人的模糊控制方法的流程示意图。
该平衡机器人的模糊控制方法包括以下步骤:
在步骤S110中,将平衡机器人轮子的旋转角与平衡机器人轮子的半径相乘,再将相乘的结果与期望位置进行差值计算得到位置误差,并将位置误差及平衡机器人的倾斜角速度作为第一输入代入位置控制模型后得到第一输出。
如图3所示,令平衡机器人的状态量
将据平衡机器人轮子的旋转角ψ乘以平衡机器人对应轮子的半径得到相乘的值,将该相乘的值减去期望到达的期望位置得到位置误差Pe,将位置误差Pe及平衡机器人的倾斜角速度
其中,该平衡机器人的轮子可以为平衡机器人的左轮,还可以为平衡机器人的右轮。
进一步地,所述位置控制模型的创建过程包括::
当平衡机器人的倾斜角θ≠0时,平衡机器人应该向前或向后移动致使其平衡。因此,通过调节平衡机器人的倾斜角θ的大小,实现平衡机器人的位置控制。其中,移动机器人的位置模糊规则如下:
若Pe是De,
其中,De和
所述位置模糊规则的输入输出变量的范围如下表所示:
所述位置模糊规则可通过下表进行表示:
所述位置模糊规则的次隶属函数可通过下式进行表示:
Aα(X)=[aα(X),bα(X)]
其中,
w∈[0,1],在w=0时,次隶属函数为右底角为直角的直角三角形;当w=1/2时,次隶属函数为等腰三角形;当w=1时,次隶属函数为左底角为直角的直角三角形。
α为次隶属度,μA(X)为位置模糊规则的下隶属函数,
前件和后件域均分为七个语言变量,分别为负大(NB),负中(NM),负小(NS),零(ZO),正小(PS),正中(PM)和正大(PB)。
例如,通过次隶属度为α的次隶属函数将所述位置模糊规则切割为多个水平切片的表达式为:
其中,
本实施例中,所述次隶属函数的形式为三角形。在一些其他的实施例中,所述隶属函数的形式还可以为梯形。
所述三角形表达式如下:
若x轴为主变量X,y轴为次变量u,z轴为次隶属度
当x=x′时,根据位置模糊规则计算该位置模糊规则的上、下激活强度:
其中,所述位置模糊规则为:若x1是A~l1,x2是A~l2,……xp是A~lp,那么Y是
令
通过计算上述公式中的
具体地,
其中,
该位置模糊规则的上、下激活强度计算位置控制模型次隶属度为α的降型集表达式:
其中,Ycos,α(X′)为该位置控制模型次隶属度为α的降型集表达式,
对该位置控制模型次隶属度为α的降型集表达式解模糊后得到所述位置控制模型:
其中,Y为所述第一输出,αk为所述位置控制模型的次隶属度,
在步骤S120中,将第一输出与平衡机器人的倾斜角进行差值计算得到新的变量,并将新的变量、平衡机器人的倾斜角速度、平衡机器人轮子的旋转角及平衡机器人的旋转角速度作为第二输入代入平衡控制模型后得到第二输出。
如图3所示,将所述平衡机器人的倾斜角θ减去所述位置控制模型的第一输出Y后得到新的变量,将新的变量、平衡机器人的倾斜角速度
进一步地,所述平衡控制模型的创建过程包括:
所述位置模糊规则有p个输入
若x1是A~l1,x2是A~l2,……xp是A~lp,那么Y是
其中,xp为第l条位置模糊规则的非单值输入,A~lp为第l条位置模糊规则的前件,
那么,通过次隶属度为α的次隶属函数将所述位置模糊规则切割为多个水平或水平切片。
例如,通过次隶属度为α的次隶属函数将所述位置模糊规则切割为多个水平切片的表达式为:
其中,
本实施例中,所述次隶属函数的形式为三角形。在一些其他的实施例中,所述隶属函数的形式还可以为梯形。
所述三角形表达式如下:
若x轴为主变量X,y轴为次变量u,z轴为次隶属度
当x=x′时,根据位置模糊规则计算该位置模糊规则的上、下激活强度:
根据平衡模糊规则计算该平衡模糊规则的上、下激活强度:
其中,
值得注意的是,所述次隶属函数的形式为三角形。在一些其他的实施例中,所述隶属函数的形式还可以为梯形。
所述三角形表达式如下:
根据所述平衡模糊规则对应的局部反馈增益及该平衡模糊规则的上、下激活强度构建平衡控制模型。
所述平衡控制模型为:
其中,u为第二输出,x(t)为第二输入,αs为所述平衡控制模型的次隶属度,
在步骤S130中,将第二输出输入平衡机器人的数学模型,以根据数学模型的输出控制平衡机器人运行。
进一步地,所述平衡机器人的数学模型的构建过程如下:
令平衡机器人的状态量
其中,u为平衡机器人的数学模型的输入,即平衡控制模型的第二输出。令Δ=m122cos2θ-m11m22,将f(X)和f(X)展开得到下式:
其中,g为重力加速度。
由上述公式可知系统的非线性是由正弦和余弦引起的,通过f1、f2、f3、f4、g1、g2、g3及g4对平衡机器人的数学模型进行局部逼近,可以消除非线性,得到T-S模糊模型,对X1分别取两个极限值,即0和±π/6。
当
如果θ=Xi,那么
其中,所述模糊规则的前件的次隶属函数的表达式为:
其中,
根据上述的上、下激活强度计算公式可以得到激活区间:
其中,
对平衡机器人的数学模型进行解模糊,得到清晰的平衡机器人的数学模型:
其中,
如图3所示,将平衡控制模型的输出x(t)代入所述平衡机器人的数学模型
其中,
将所述闭环控制模型的输出转换为平衡机器人的控制信号,根据该控制信号控制所述平衡机器人运行。
进一步地,在所述平衡机器人初始启动时,获取所述平衡机器人轮子的旋转角、所述平衡机器人的旋转角速度、所述平衡机器人的倾斜角及所述平衡机器人的倾斜角速度的初始化值。
将所述初始化值代入所述平衡控制模型得到所述第二输出,将所述第二输出输入所述平衡机器人的数学模型,以根据所述数学模型的输出控制所述平衡机器人运行,并在所述平衡机器人运行后根据实时运行状态更新所述平衡机器人轮子的旋转角、所述平衡机器人的旋转角速度、所述平衡机器人的倾斜角及所述平衡机器人的倾斜角速度的值。
具体地,如图3所示,在平衡机器人初始启动时,将所述平衡机器人轮子的旋转角θ、所述平衡机器人的旋转角速度
实施例2
图4示出了本发明实施例提供的一种平衡机器人的模糊控制装置的结构示意图。该平衡机器人的模糊控制装置500对应于实施例1中的平衡机器人的模糊控制方法,实施例1中的平衡机器人的模糊控制方法同样也适用于该平衡机器人的模糊控制装置500,在此不再赘述。
所述平衡机器人的模糊控制装置500包括第一输出模块510、第二输出模块520及控制模块530。
第一输出模块510,用于将平衡机器人轮子的旋转角与所述平衡机器人轮子的半径相乘,再将相乘的结果与期望位置进行差值计算得到位置误差,并将所述位置误差及所述平衡机器人的倾斜角速度作为第一输入代入位置控制模型后得到第一输出。
第二输出模块520,用于将所述第一输出与所述平衡机器人的倾斜角进行差值计算得到新的变量,并将所述新的变量、所述平衡机器人的倾斜角速度、所述平衡机器人轮子的旋转角及所述平衡机器人的旋转角速度作为第二输入代入平衡控制模型后得到第二输出,所述平衡控制模型为:
其中,u为第二输出,x2(t)为第二输入,αs、αk为所述平衡控制模型的次隶属度,
控制模块530,用于将所述第二输出输入所述平衡机器人的数学模型,以根据所述数学模型的输出控制所述平衡机器人运行。
进一步地,所述平衡控制模型的创建过程包括:
第一计算模块,用于根据平衡模糊规则计算该平衡模糊规则的上、下激活强度:
其中,所述平衡模糊规则为:若θ是Xi,那么u是Uix,
构建模块,用于根据所述平衡模糊规则对应的局部反馈增益及该平衡模糊规则的上、下激活强度构建平衡控制模型。
进一步地,所述位置控制模型的创建过程包括:
第二计算模块,用于根据位置模糊规则计算该位置模糊规则的上、下激活强度:
其中,所述位置模糊规则为:若Pe是De,
第三计算模块,用于根据所述位置模糊规则的后件隶属函数的重心及该位置模糊规则的上、下激活强度计算位置控制模型次隶属度为α的降型集表达式:
其中,Ycos,α(X′)为该位置控制模型次隶属度为α的降型集表达式,
解模糊模块,用于对该位置控制模型次隶属度为α的降型集表达式解模糊后得到所述位置控制模型:
其中,Y为所述第一输出,αk为所述位置控制模型的次隶属度。
本发明另一实施例还提供了提供一种平衡机器人,该平衡机器人包括存储器以及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述平衡机器人执行上述的平衡机器人的模糊控制方法或上述的平衡机器人的模糊控制装置中各模块的功能。
本实施例还提供了一种计算机存储介质,所述计算机可读存储介质中存储有上述的平衡机器人中所用的所述计算机程序。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和结构图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或更多个模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。
机译: 机器人的平衡控制方法,该方法通过控制极限循环控制角来保持机器人的平衡
机译: 机器人平衡控制方法,计算机可读存储介质和机器人
机译: 平台机器人的动平衡维护方法及使用该方法的机器人控制方法