【花雕学编程】Arduino FOC 之基于PID控制的轮式四足机器人步态控制

在这里插入图片描述

Arduino是一个开放源码的电子原型平台,它可以让你用简单的硬件和软件来创建各种互动的项目。Arduino的核心是一个微控制器板,它可以通过一系列的引脚来连接各种传感器、执行器、显示器等外部设备。Arduino的编程是基于C/C++语言的,你可以使用Arduino IDE(集成开发环境)来编写、编译和上传代码到Arduino板上。Arduino还有一个丰富的库和社区,你可以利用它们来扩展Arduino的功能和学习Arduino的知识。

Arduino的特点是:
1、开放源码:Arduino的硬件和软件都是开放源码的,你可以自由地修改、复制和分享它们。
2、易用:Arduino的硬件和软件都是为初学者和非专业人士设计的,你可以轻松地上手和使用它们。
3、便宜:Arduino的硬件和软件都是非常经济的,你可以用很低的成本来实现你的想法。
4、多样:Arduino有多种型号和版本,你可以根据你的需要和喜好来选择合适的Arduino板。
5、创新:Arduino可以让你用电子的方式来表达你的创意和想象,你可以用Arduino来制作各种有趣和有用的项目,如机器人、智能家居、艺术装置等。

在这里插入图片描述
Arduino FOC(Field Oriented Control,场向量控制)是一种先进的电机控制技术,它允许精确控制电机的转矩和速度。这种控制技术特别适用于无刷直流电机(BLDC)和步进电机。在Arduino平台上实现FOC可以提供平滑的运行和高度的扭矩、速度和位置控制,它通过精确控制电机的电流和电压来实现高效率、高精度和低噪声的操作。

主要特点:
1、高性能电机控制:FOC是一种高级的电机控制算法,可以精准控制PMSM(永磁同步电机)和BLDC(无刷直流)电机,实现平滑的转速和扭矩输出。
2、闭环控制架构:FOC采用闭环反馈控制,通过检测电机的位置和速度数据,实时调整输出电压和电流,确保电机动作符合预期。
3、模块化设计:Arduino FOC库采用模块化设计,包含电机建模、速度/位置/电流控制环、PWM生成等子模块,用户可根据需求灵活组合使用。
4、可移植性强:Arduino FOC可移植到多种硬件平台,如Arduino、ESP32、STM32与树莓派等,适用于功率从几十瓦到几千瓦的电机系统。
5、参数自动识别:FOC库具有自动识别电机参数的功能,可以大幅简化电机控制系统的调试过程。

应用场景:
1、工业自动化:在工厂的机器人、传送带、CNC加工设备等领域,Arduino FOC可提供高性能的电机控制解决方案。
2、电动车辆:电动自行车、电动汽车、电动叉车等车载电机驱动系统,可以采用Arduino FOC进行精准控制。
3、家用电器:在电风扇、洗衣机、空调等家用电器中,Arduino FOC可实现细腻的电机速度和扭矩控制。
4、航模和无人机:航模飞机、无人机等对电机控制性能要求很高的领域,Arduino FOC能够提供高精度的电机驱动。
5、机器人:工业机器人、服务机器人、仿生机器人等对电机控制性能有严格要求的领域,Arduino FOC是一个不错的选择。

需要注意的事项:
1、硬件要求:Arduino FOC对控制器的性能(如CPU频率、RAM/ROM容量等)有一定要求,需要选择合适的硬件平台。
2、调试复杂性:FOC算法涉及电机建模、坐标变换、PI调节器等诸多环节,调试和调优过程相对复杂,需要一定的专业知识。
3、噪声抑制:电机驱动电路容易产生噪声干扰,需要采取合理的屏蔽和滤波措施,确保信号质量。
4、安全防护:电机驱动系统可能会产生过电流、过压等故障,需要配备可靠的保护电路,确保人身和设备安全。
5、系统集成:将Arduino FOC集成到完整的电机驱动系统中时,需要考虑机械、电力、控制等各个方面的协调配合。

总的来说,Arduino FOC是一种功能强大、性能优秀的电机控制解决方案,适用于工业自动化、电动车辆、家用电器等众多领域。但在硬件选型、算法调试、噪声抑制和安全防护等方面都需要谨慎考虑,以确保系统稳定可靠地运行。

附录:系列目录
1、Arduino FOC的特点、场景和使用事项
http://t.csdnimg.cn/WZhYL
2、Arduino FOC 之简单FOC库 - 跨平台的无刷直流和步进电机FOC实现
http://t.csdnimg.cn/p9ADE
3、Arduino FOC 之无刷直流电机速度控制
http://t.csdnimg.cn/gZ7CY
4、Arduino FOC 之步进电机位置控制
http://t.csdnimg.cn/VYbIb
5、Arduino FOC 之无刷直流电机电流控制
http://t.csdnimg.cn/wWGVu
6、Arduino FOC 之 SimpleFOC 库的主要函数
http://t.csdnimg.cn/S26MC
7、Arduino FOC 之 ArduinoFOC库的核心函数
http://t.csdnimg.cn/3VLzF
8、Arduino FOC 之传感器校准
http://t.csdnimg.cn/NS3TR
9、Arduino FOC 之SimpleFOCShield v2.0.4无刷电机驱动板
http://t.csdnimg.cn/g9mP7
10、Arduino FOC 之 AS5600角度读取
http://t.csdnimg.cn/dmI6F
11、Arduino FOC 之 FOC算法
http://t.csdnimg.cn/ENxc0
12、Arduino FOC 之 SimpleFOC库的适配电机方案
http://t.csdnimg.cn/QdH6k

在这里插入图片描述
1、主要特点:
PID 控制步态调节:
采用 PID 算法对四足机器人的步态进行实时调整。
通过对足部轮子转速和转向角的精确控制,实现平稳的直线行走和转弯。
PID 算法参数可根据机器人的几何结构、重心位置等特性进行调优。

重心位置跟踪与控制:
实时检测机器人的重心位置,并将其作为反馈量。
通过调整足部轮子的转速和转向角,将重心位置引导至期望位置。
从而确保机器人保持动态平衡,避免倾翻或侧滑。

多传感器融合感知:
结合里程计、惯性测量单元(IMU)、力/力矩传感器等多种传感器。
融合各传感器数据,提高对机器人状态的感知精度和鲁棒性。
为 PID 控制器提供更准确的反馈信息,增强步态控制性能。

2、应用场景:
户外复杂地形环境下的轮式四足机器人,如巡检机器人、搜救机器人等。
需要高稳定性和平稳行走的轮式四足机器人,如服务型机器人、医疗辅助机器人。
用于仿生研究和技术验证的实验平台,探索生物步态控制机理。
应用于物流配送、清洁服务等场景的商业化四足机器人产品。

3、需要注意的事项:
高精度的里程计及 IMU 传感器选型和安装位置,确保测量的准确性。
足部轮子电机的动态响应性能,满足快速调速和转向的需求。
PID 控制器参数的调优,根据不同机器人结构进行针对性优化。
重心位置检测算法的健壮性,抑制各种外部干扰和测量噪声。
多传感器数据融合算法的设计,提高状态估计的精度和鲁棒性。
整体系统的安全保护机制,如防撞、防跌落等,确保安全可靠运行。
与上层导航、规划模块的紧密集成,实现自主规划和控制。

总之,Arduino FOC 在轮式四足机器人中基于 PID 控制的步态控制技术,通过对足部轮子的精确调速和转向控制,实现了机器人的平稳行走和动态平衡。在实际应用中,需要重点关注高精度传感器的选型与集成、PID 控制器参数的优化调整、多传感器融合算法的设计,以及整体系统的安全性保障,以确保机器人能够在复杂环境下安全高效地完成各类任务。

在这里插入图片描述
1、基于PID控制的简单四足机器人步态控制

#include <PID_v1.h>

// 四足机器人步态参数
float kp = 1.0;
float ki = 0.0;
float kd = 0.0;

// 定义PID控制对象
PID pidController1(&currentPosition1, &controlOutput1, &targetPosition1, kp, ki, kd, DIRECT);
PID pidController2(&currentPosition2, &controlOutput2, &targetPosition2, kp, ki, kd, DIRECT);
PID pidController3(&currentPosition3, &controlOutput3, &targetPosition3, kp, ki, kd, DIRECT);
PID pidController4(&currentPosition4, &controlOutput4, &targetPosition4, kp, ki, kd, DIRECT);

void setup() {
  // 初始化串口通信
  Serial.begin(115200);

  // 设置PID控制参数
  pidController1.SetMode(AUTOMATIC);
  pidController2.SetMode(AUTOMATIC);
  pidController3.SetMode(AUTOMATIC);
  pidController4.SetMode(AUTOMATIC);
}

void loop() {
  // 读取四足机器人的当前位置
  float currentPosition1 = readLegPosition(1);
  float currentPosition2 = readLegPosition(2);
  float currentPosition3 = readLegPosition(3);
  float currentPosition4 = readLegPosition(4);

  // 设置目标位置
  float targetPosition1 = calculateTargetPosition(1);
  float targetPosition2 = calculateTargetPosition(2);
  float targetPosition3 = calculateTargetPosition(3);
  float targetPosition4 = calculateTargetPosition(4);

  // 使用PID控制计算控制输出
  pidController1.Compute();
  pidController2.Compute();
  pidController3.Compute();
  pidController4.Compute();

  // 设置四足机器人腿部的控制信号
  setLegControlSignal(1, controlOutput1);
  setLegControlSignal(2, controlOutput2);
  setLegControlSignal(3, controlOutput3);
  setLegControlSignal(4, controlOutput4);

  // 执行控制信号
  executeLegControlSignal();
}

要点解读:
该程序使用了PID库来实现四足机器人的步态控制。
定义了四个PID控制对象(pidController1、pidController2、pidController3、pidController4)来分别控制四条腿。
在setup()函数中,设置了PID控制的模式以及控制参数。
在loop()函数中,读取四足机器人的当前位置和计算目标位置。
使用PID控制对象计算控制输出。
设置四足机器人腿部的控制信号,并执行控制信号。

#include <PID_v1.h>

// 定义PID参数
double Kp = 1.0;
double Ki = 0.0;
double Kd = 0.0;

// 定义PID对象
PID myPID(&input, &output, &setpoint, Kp, Ki, Kd, DIRECT);

void setup() {
  // 初始化设置
  myPID.SetMode(AUTOMATIC); // 设置为自动模式
  myPID.SetOutputLimits(-255, 255); // 设置输出限制
}

void loop() {
  // 读取传感器数据
  double input = readSensorData();
  
  // 设置目标值
  double setpoint = 0.0;
  
  // 计算PID输出
  myPID.Compute();
  
  // 执行控制动作
  performControlAction(output);
}

要点解读:
程序中使用了一个名为PID_v1的PID控制库,你需要确保该库已经正确安装。
在setup()函数中,设置了PID控制器的模式为自动模式,并设置了输出的限制范围。
在loop()函数中,首先读取传感器数据,然后设置目标值,接着调用Compute()函数计算PID输出,最后执行控制动作。
readSensorData()函数用于读取传感器数据,你需要根据实际情况实现该函数。
performControlAction()函数用于执行控制动作,你需要根据具体的机器人配置实现该函数。

#include <PID_v1.h>

// 定义PID参数
double Kp = 1.0;
double Ki = 0.0;
double Kd = 0.0;

// 定义PID对象
PID myPID(&input, &output, &setpoint, Kp, Ki, Kd, DIRECT);

void setup() {
  // 初始化设置
  myPID.SetMode(AUTOMATIC); // 设置为自动模式
  myPID.SetOutputLimits(-255, 255); // 设置输出限制
}

void loop() {
  // 读取传感器数据
  double input = readSensorData();
  
  // 设置目标值
  double setpoint = calculateSetpoint();
  
  // 计算PID输出
  myPID.Compute();
  
  // 执行控制动作
  performControlAction(output);
}

要点解读:
这个案例与上一个案例类似,但是在设置目标值时使用了一个名为calculateSetpoint()的函数,你需要根据实际需求实现该函数,该函数可以根据传感器数据和其他条件计算出适当的目标值。
在这个案例中,readSensorData()函数用于读取传感器数据,performControlAction()函数用于执行控制动作,你需要根据具体的机器人配置实现这两个函数。

这些示例代码提供了使用PID控制算法来实现轮式四足机器人步态控制的基本框架。你需要根据你的具体需求和硬件配置来进行适当的修改和扩展,例如根据实际情况选择合适的PID参数、添加传感器读取和控制执行的代码等。

在这里插入图片描述
4、基于PID控制的前进步态

#include <Arduino.h>
#include <SimpleFOC.h>

// 电机驱动器实例
BLDCMotor leftMotor = BLDCMotor(14, 12, 13);
BLDCMotor rightMotor = BLDCMotor(5, 6, 7);

// PID控制器实例
PIDController pidLeft, pidRight;

// 期望速度
float desiredSpeed = 1.0; // 1 rad/s

void setup() {
  // 电机初始化
  leftMotor.init();
  rightMotor.init();

  // PID控制器初始化
  pidLeft.gain(0.5, 0.1, 0.01);
  pidRight.gain(0.5, 0.1, 0.01);

  // 设置控制模式为速度环闭环控制
  leftMotor.controller = MotionControlType::velocity;
  rightMotor.controller = MotionControlType::velocity;
}

void loop() {
  // 读取电机实际速度
  float leftSpeed = leftMotor.shaft_velocity;
  float rightSpeed = rightMotor.shaft_velocity;

  // 计算PID控制量
  float leftPIDOutput = pidLeft.target(desiredSpeed, leftSpeed);
  float rightPIDOutput = pidRight.target(desiredSpeed, rightSpeed);

  // 设置电机目标速度
  leftMotor.target(leftPIDOutput);
  rightMotor.target(rightPIDOutput);

  // 更新电机
  leftMotor.move();
  rightMotor.move();

  // 延迟10ms
  delay(10);
}

要点解读:
使用SimpleFOC库初始化两个BLDCMotor实例,分别代表左右轮驱动电机。
创建两个PIDController实例,分别用于控制左右轮的速度。
在setup()函数中,设置电机控制模式为速度环闭环控制,并初始化PID控制器参数。
在loop()函数中,读取实际电机速度,计算PID控制量,并设置电机目标速度。最后更新电机状态。
该程序实现了简单的基于PID控制的前进步态控制,可根据具体需求调整PID参数。

5、基于PID控制的转向步态

#include <Arduino.h>
#include <SimpleFOC.h>

// 电机驱动器实例
BLDCMotor leftMotor = BLDCMotor(14, 12, 13);
BLDCMotor rightMotor = BLDCMotor(5, 6, 7);

// PID控制器实例
PIDController pidLeft, pidRight;

// 期望角速度
float desiredAngularSpeed = 0.5; // 0.5 rad/s

void setup() {
  // 电机初始化
  leftMotor.init();
  rightMotor.init();

  // PID控制器初始化
  pidLeft.gain(0.5, 0.1, 0.01);
  pidRight.gain(0.5, 0.1, 0.01);

  // 设置控制模式为角速度环闭环控制
  leftMotor.controller = MotionControlType::velocity;
  rightMotor.controller = MotionControlType::velocity;
}

void loop() {
  // 读取电机实际角速度
  float leftAngularSpeed = leftMotor.shaft_velocity;
  float rightAngularSpeed = rightMotor.shaft_velocity;

  // 计算PID控制量
  float leftPIDOutput = pidLeft.target(desiredAngularSpeed, leftAngularSpeed);
  float rightPIDOutput = pidRight.target(-desiredAngularSpeed, rightAngularSpeed);

  // 设置电机目标角速度
  leftMotor.target(leftPIDOutput);
  rightMotor.target(rightPIDOutput);

  // 更新电机
  leftMotor.move();
  rightMotor.move();

  // 延迟10ms
  delay(10);
}

要点解读:
与前进步态的代码类似,主要区别在于设置了不同的期望角速度。
左轮期望角速度为正值,右轮期望角速度为负值,实现了机器人的转向步态。
在计算PID控制量时,左轮使用正的期望角速度,右轮使用负的期望角速度。
该程序实现了基于PID控制的转向步态控制,可根据具体需求调整PID参数。

6、基于PID控制的前进和转向步态结合

#include <Arduino.h>
#include <SimpleFOC.h>

// 电机驱动器实例
BLDCMotor leftMotor = BLDCMotor(14, 12, 13);
BLDCMotor rightMotor = BLDCMotor(5, 6, 7);

// PID控制器实例
PIDController pidLeft, pidRight;

// 期望速度和角速度
float desiredSpeed = 1.0; // 1 rad/s
float desiredAngularSpeed = 0.5; // 0.5 rad/s

void setup() {
  // 电机初始化
  leftMotor.init();
  rightMotor.init();

  // PID控制器初始化
  pidLeft.gain(0.5, 0.1, 0.01);
  pidRight.gain(0.5, 0.1, 0.01);

  // 设置控制模式为速度和角速度环闭环控制
  leftMotor.controller = MotionControlType::velocity;
  rightMotor.controller = MotionControlType::velocity;
}

void loop() {
  // 读取电机实际速度和角速度
  float leftSpeed = leftMotor.shaft_velocity;
  float rightSpeed = rightMotor.shaft_velocity;
  float leftAngularSpeed = leftMotor.shaft_velocity;
  float rightAngularSpeed = rightMotor.shaft_velocity;

  // 计算PID控制量
  float leftPIDOutput = pidLeft.target(desiredSpeed + desiredAngularSpeed, leftSpeed);
  float rightPIDOutput = pidRight.target(desiredSpeed - desiredAngularSpeed, rightSpeed);

  // 设置电机目标速度和角速度
  leftMotor.target(leftPIDOutput);
  rightMotor.target(rightPIDOutput);

  // 更新电机
  leftMotor.move();
  rightMotor.move();

  // 延迟10ms
  delay(10);
}

要点解读:
该程序结合了前进步态和转向步态的控制。
在计算PID控制量时,左轮的目标速度为前进速度加上转向角速度,右轮的目标速度为前进速度减去转向角速度。
这样可以实现机器人前进的同时进行转向,从而实现前进和转向的结合。
该程序可以根据具体需求调整前进速度和转向角速度的比例关系,以实现不同的运动轨迹。

注意,以上案例只是为了拓展思路,仅供参考。它们可能有错误、不适用或者无法编译。您的硬件平台、使用场景和Arduino版本可能影响使用方法的选择。实际编程时,您要根据自己的硬件配置、使用场景和具体需求进行调整,并多次实际测试。您还要正确连接硬件,了解所用传感器和设备的规范和特性。涉及硬件操作的代码,您要在使用前确认引脚和电平等参数的正确性和安全性。

在这里插入图片描述

  • 13
    点赞
  • 26
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
多关节机械臂轨迹规划和轨迹跟踪控制研究 本文提出了基于差分进化 (Differential Evolution) 优化 BP 神经网络求解 机械臂运动逆解的方法,并与 BP 神经网络进行了比较,仿真结果表明 DE- BP 神经网络求得的逆解精度高同时也分析了传统求解运动逆解方法的不足 之处。在关节空间和笛卡尔空间内分别进行机械臂的轨迹规划,在关节空间内 通过运动的逆解求得关节角度值序列,并采用五次多项式插值法进行运算, 求得了关节空间内关节角的位置、速度和加速度的变化曲线。在笛卡尔空间内 采用直线插补法完成了从初始位置到终止位置的轨迹规划,完成了目标指定任 务。 最后本文采用了双幂次趋近律与改进的终端滑模面相结合的滑模变结构控 制策略,对平面两自由度机械臂进行轨迹跟踪控制研究。针对传统幂次趋近律 收敛速度慢,抖振现象明显等缺点,采用了双幂次趋近律的滑模控制方法,保 证了系统能够在有限时间内快速的到达滑动模面。与此同时传统的终端滑模面 在对机械臂关节角的位置误差和速度误差跟踪时精度较低,也不能很好的控制 当系统进入滑动模面瞬间的状态情况,易于产生较强的抖振现象,因此本文又 采用了改进的终端滑模面。将双幂次趋近律和改进的终端滑模面结合后,针对 机械臂动力方程推导出机械臂系统的控制
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

驴友花雕

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值