两轮自平衡小车自适应神经网络模糊控制研究

• 作 者: 任金星
• 发表日期: 2009年期
• 关键词: 两轮自平衡小车 模糊线性化 自适应神经网络推理 最优模糊控制器

近年来,随着移动机器人研究不断深入、其应用领域越来越广泛,面临的环境和任务也越来越复杂。广义来讲,任何带有轮式移动驱动机构的机械装置都属于这个范畴,具有广阔的研究背景,因此受到国内外控制界的重视。两轮自平衡小车是一种本质不稳定的轮式移动机器人。经动力学分析,系统具有多变量、时变、强耦合、非线性、参数不确定等多种特性;其运动环境复杂且运动学方程非完整约束,需要在完成平衡的同时实现路径规划、位置跟踪等任务,控制极其复杂。对两轮自平衡小车的研究能有效的反映控制中的许多典型问题:如非线性问题、鲁棒性问题、镇定问题、随动问题以及跟踪问题等。因此,已成为研究各种控制理论的理想平台,检验各种不同控制方法、策略控制能力的典型装置。本文重点对两轮自平衡小车系统机械结构进一步合理优化,结合软硬件进行资源配置研发改进,系统调试初步通过。在分析小车机械结构、电子器件性能参数基础上,推导出两轮自平衡小车可控角边界条件,为小车系统改进提供了重要依据。通过运动学分析和动力学分析,引入小车的非线性及其线性化模型。在控制器的设计中,首先应用传统PID对小车进行了控制,发现控制是失败的。进而分别设计了基于极点配置和基于二次型最优的两种线性状态反馈控制器,进行了比较研究。在控制受限的条件下,两种控制器对小车的控制并不很理想。接着根据多点模糊线性化理论,利用自适应神经网络推理系统,设计了极点配置自适应模糊控制器,在控制受限的条件下,该控制器可以较大范围的控制,但系统状态各变量在平衡点附近出现强烈振荡,致使控制精度过低。最后设计了最优自适应模糊控制器,实现了自平衡小车的大范围控制,控制精度也有所提高。