基于神经网络PID控制的两轮自平衡小车研究

更新时间：2020-04-15 03:32:19 大小：18M 上传用户：gsy幸运查看TA发布的资源 标签：自平衡小车 pid控制 下载积分：3分评价赚积分（如何评价?）打赏收藏评论(0) 举报

资料介绍

两轮自平衡小车是一种新型交通工具，驾驶方式新颖，深受年轻一族喜爱，凭借电力驱动和外形小巧的优势，对于缓解日益严峻的大气污染、能源危机和交通拥堵问题，是一种很好的选择，具有实用价值;同时，由于两轮自平衡小车的结构具有高度不稳定性，给控制理论提出了很大的挑战，也成为一种检验控制算法的良好平台。目前，PID控制凭借控制原理简单和不需要精确的系统模型的优势，成为两轮自平衡小车的主流控制算法，且控制效果较好，但是，其控制器参数一般情况下均为人工调节，要想调节到当前条件下的理想状态，不太容易;且随着时间的推移，两轮小车实际模型与本来就不是很精确的理论模型之间的差距增大，加上小车在使用过程中处于不确定环境中，更是给长时间精确控制带来了困难。本文试图充分利用神经网络的自学习能力，实时优化PID控制器参数，以改善控制器的控制效果，优化两轮小车的平衡性能。

首先，本文运用牛顿法建立了两轮小车模型，分析了两轮小车的各个状态变量。在模型的基础上，选取陀螺仪加速度计MPU6050对车体姿态信息进行检测，并自制了车轮编码器对车轮状态进行检测，在高性能AVR单片机ATmegal6内，参考建模得到的系统状态变量，建立控制算法，并对来自两个姿态检测模块的信息进行处理，然后给出电机控制信号PWM，并传递给电机驱动器，以控制电机运转，建立起一个位于底层的、基于传统PID控制算法的两轮自平衡小车系统。

其次，在硬件STM32F103ZET6的基础上，利用C语言编写了神经网络辨识程序NNI和神经网络控制程序NNC。首先利用NNI对两轮自平衡小车系统的模型进行辨识，在经过辨识得到的模型的基础上，再对NNC部分的神经网络进行训练，最终训练得到的NNC的权值便是经过优化的控制器参数，将经过优化的参数传递给底层控制器，以改善两轮小车的平衡性能。

最后，通过平衡试验和抗干扰试验，对两轮自平衡小车的平衡性能和抗干扰性能进行测试。测试结果表明，两轮小车的控制器参数在经过神经网络优化之后，小车系统的平衡性能和抗干扰性能明显得到了提高。

通过本文的尝试，证明的确可以通过神经网络对传统两轮小车的控制器参数进行优化，并改善小车系统的平衡性能和抗干扰能力。