【花雕学编程】Arduino FOC 之双足平衡模糊逻辑控制算法

最新推荐文章于 2024-08-12 16:55:46 发布

驴友花雕

最新推荐文章于 2024-08-12 16:55:46 发布

阅读量913

点赞数 29

分类专栏： Arduino FOC Arduino 手册文章标签：嵌入式硬件单片机 c++ Arduino FOC 双足平衡模糊逻辑控制算法

本文链接：https://blog.csdn.net/weixin_41659040/article/details/140464114

版权

Arduino 手册同时被 2 个专栏收录

1739 篇文章 216 订阅

订阅专栏

Arduino FOC

352 篇文章 2 订阅

订阅专栏

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:
模糊逻辑控制平衡算法:
采用模糊逻辑对机器人的倾斜角度和倾斜角速度进行实时检测和控制。
根据模糊规则库对足部电机的转速和转向进行精确调整,以保持动态平衡。
相比传统 PID 控制,模糊逻辑更擅长处理非线性复杂系统,适用于双足机器人的平衡控制。
多传感器融合感知:
结合陀螺仪、加速度计等惯性测量单元(IMU)传感器数据。
融合足部力/力矩传感器、关节角度传感器等信息,提高对机器人状态的感知精度。
为模糊逻辑控制器提供更加准确的反馈信息,增强平衡控制性能。
自适应调参机制:
根据机器人的实际运行状态和环境变化,自动调整模糊规则库和隶属度函数参数。
提高控制算法的鲁棒性,适应不同的初始条件和外界干扰。
确保在复杂环境下保持良好的平衡性能。

2、应用场景:
户外复杂地形环境下的双足机器人,如巡检机器人、搜救机器人等。
需要高稳定性和平稳行走的双足机器人,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,探索生物平衡控制机理。
应用于物流配送、清洁服务等场景的商业化双足机器人产品。

3、需要注意的事项:
高精度的IMU传感器选型和安装位置,确保倾斜角度和角速度的测量准确性。
足部电机的动态响应性能,满足快速调速和转向的需求。
模糊规则库和隶属度函数参数的设计与调优,针对不同机器人结构进行优化。
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。
自适应调参机制的实现,确保在复杂环境下保持良好的平衡性能。
整体系统的安全保护机制,如防跌落等,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 在双足机器人中采用基于模糊逻辑控制的平衡算法,通过对足部电机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、模糊规则库和隶属度函数参数的优化设计、多传感器融合算法的设计,以及自适应调参机制的实现,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
以下是几个使用Arduino FOC（场向控制）和双足平衡的模糊逻辑控制算法的实际应用程序参考代码案例。每个案例都附带了要点解读。

1、双足机器人行走控制

#include <FOC.h>
#include <Fuzzy.h>

// 定义模糊逻辑控制器
FuzzyController controller;

// 定义电机
BLDCMotor motor;

// 初始化电机和模糊逻辑控制器
void setup() {
  motor.init();
  controller.init();

  // 设置模糊逻辑控制器的输入和输出范围
  controller.setInputRange(-180, 180);
  controller.setOutputRange(-255, 255);

  // 添加模糊逻辑控制器的输入和输出变量
  FuzzyInput* angle = controller.addInput(-180, 180, "angle");
  FuzzyOutput* speed = controller.addOutput(-255, 255, "speed");

  // 定义模糊逻辑控制器的模糊集合和规则
  FuzzySet* negative = angle->addSet(-180, -90, -45, "negative");
  FuzzySet* zero = angle->addSet(-45, 0, 45, "zero");
  FuzzySet* positive = angle->addSet(45, 90, 180, "positive");

  FuzzySet* slow = speed->addSet(-255, -128, -64, "slow");
  FuzzySet* medium = speed->addSet(-64, 0, 64, "medium");
  FuzzySet* fast = speed->addSet(64, 128, 255, "fast");

  controller.addRule(negative, slow);
  controller.addRule(zero, medium);
  controller.addRule(positive, fast);
}

// 模糊逻辑控制器实时更新
void loop() {
  // 读取传感器数据，计算角度
  float angle = readSensor();

  // 更新模糊逻辑控制器的输入
  controller.setInput("angle", angle);

  // 运行模糊逻辑控制器，计算输出
  float output = controller.run();

  // 控制电机速度
  motor.move(output);

  // 执行其他操作
  // ...
}

要点解读：
该代码案例使用了FOC库和Fuzzy库。
在设置阶段，模糊逻辑控制器被初始化，并定义了输入变量和输出变量的范围。
控制器的输入变量是角度，输出变量是速度。
模糊逻辑控制器的模糊集合和规则被定义。
在循环中，传感器数据被读取并用于更新模糊逻辑控制器的输入。
模糊逻辑控制器被运行，并计算出输出值。
电机根据输出值控制速度。

2、双足机器人舵机控制

#include <Servo.h>
#include <Fuzzy.h>

// 定义模糊逻辑控制器
FuzzyController controller;

// 定义舵机
Servo servo;

// 初始化舵机和模糊逻辑控制器
void setup() {
  servo.attach(9);
  controller.init();

  // 设置模糊逻辑控制器的输入和输出范围
  controller.setInputRange(0, 180);
  controller.setOutputRange(0, 180);

  // 添加模糊逻辑控制器的输入和输出变量
  FuzzyInput* angle = controller.addInput(0, 180, "angle");
  FuzzyOutput* position = controller.addOutput(0, 180, "position");

  // 定义模糊逻辑控制器的模糊集合和规则
  FuzzySet* small = angle->addSet(0, 30, 60, "small");
  FuzzySet* medium = angle->addSet(30, 60, 90, "medium");
  FuzzySet* large = angle->addSet(60, 90, 180, "large");

  FuzzySet* left = position->addSet(0, 30, 60, "left");
  FuzzySet* center = position->addSet(30, 60, 90, "center");
  FuzzySet* right = position->addSet(60, 90, 180, "right");

  controller.addRule(small, left);
  controller.addRule(medium, center);
  controller.addRule(large, right);
}

// 模糊逻辑控制器实时更新
void loop() {
  // 读取传感器数据，计算角度
  float angle = readSensor();

  // 更新模糊逻辑控制器的输入
  controller.setInput("angle", angle);

  // 运行模糊逻辑控制器，计算输出
  float output = controller.run();

  // 控制舵机位置
  servo.write(output);

  // 执行其他操作
  // ...
}

要点解读：
该代码案例使用了Servo库和Fuzzy库。
在设置阶段，舵机被初始化，并且模糊逻辑控制器被初始化。
控制器的输入变量是角度，输出变量是舵机位置。
模糊逻辑控制器的模糊集合和规则被定义。
在循环中，传感器数据被读取并用于更新模糊逻辑控制器的输入。
模糊逻辑控制器被运行，并计算出输出值。
舵机根据输出值控制位置。

在这里插入图片描述
3、双足平衡机器人模糊逻辑控制程序:

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

// 定义两个电机对象
BLDCMotor leftMotor = BLDCMotor(14, 12, 13, 15);
BLDCMotor rightMotor = BLDCMotor(2, 4, 5, 3);

// 定义两个编码器对象
Encoder leftEncoder = Encoder(18, 19, 400);
Encoder rightEncoder = Encoder(20, 21, 400);

// 定义两个PID控制器对象
PIDController leftPID, rightPID;

// 定义模糊逻辑控制变量
float leftTilt, rightTilt, leftVel, rightVel, leftMotorOut, rightMotorOut;
float leftError, rightError;

void setup() {
  // 初始化电机和编码器
  leftMotor.init();
  rightMotor.init();
  leftEncoder.init();
  rightEncoder.init();

  // 设置PID参数
  leftPID.PID(0.5, 0.1, 0.05);
  rightPID.PID(0.5, 0.1, 0.05);

  // 设置模糊逻辑控制参数
  leftPID.output_ramp = 200;
  rightPID.output_ramp = 200;
}

void loop() {
  // 读取编码器角度
  leftTilt = leftEncoder.getAngle();
  rightTilt = rightEncoder.getAngle();

  // 计算角度误差
  leftError = 0 - leftTilt;
  rightError = 0 - rightTilt;

  // 计算电机输出
  leftMotorOut = leftPID.pidController(leftError);
  rightMotorOut = rightPID.pidController(rightError);

  // 设置电机输出
  leftMotor.voltage_limit(leftMotorOut);
  rightMotor.voltage_limit(rightMotorOut);

  leftMotor.move();
  rightMotor.move();

  delay(1);
}

要点解读:
使用SimpleFOC库来控制两个BLDC电机和编码器。
定义两个PID控制器来控制左右电机的倾斜角度。
定义模糊逻辑控制变量,如左右倾斜角度、左右速度、左右电机输出等。
在loop函数中,读取编码器角度,计算角度误差,根据PID算法计算电机输出,并设置电机运转。

4、双足平衡机器人模糊逻辑控制算法程序:

#include <Arduino.h>
#include <SimpleFOC.h>
#include <Adafruit_MPU6050.h>

// 定义两个电机对象
BLDCMotor leftMotor = BLDCMotor(14, 12, 13, 15);
BLDCMotor rightMotor = BLDCMotor(2, 4, 5, 3);

// 定义编码器对象
Encoder leftEncoder = Encoder(18, 19, 400);
Encoder rightEncoder = Encoder(20, 21, 400);

// 定义IMU对象
Adafruit_MPU6050 mpu;

// 定义模糊逻辑控制变量
float pitch, roll, leftVel, rightVel, leftMotorOut, rightMotorOut;
float pitchError, rollError;

void setup() {
  // 初始化电机、编码器和IMU
  leftMotor.init();
  rightMotor.init();
  leftEncoder.init();
  rightEncoder.init();
  mpu.begin();

  // 设置PID参数
  leftMotor.PID(0.5, 0.1, 0.05);
  rightMotor.PID(0.5, 0.1, 0.05);

  // 设置模糊逻辑控制参数
  leftMotor.output_ramp = 200;
  rightMotor.output_ramp = 200;
}

void loop() {
  // 读取IMU数据
  sensors_event_t a, g, temp;
  mpu.getEvent(&a, &g, &temp);
  pitch = a.acceleration.y;
  roll = a.acceleration.x;

  // 计算角度误差
  pitchError = 0 - pitch;
  rollError = 0 - roll;

  // 计算电机输出
  leftMotorOut = leftMotor.pidController(pitchError);
  rightMotorOut = rightMotor.pidController(rollError);

  // 设置电机输出
  leftMotor.voltage_limit(leftMotorOut);
  rightMotor.voltage_limit(rightMotorOut);

  leftMotor.move();
  rightMotor.move();

  delay(1);
}

要点解读:
使用SimpleFOC库和Adafruit_MPU6050库来控制两个BLDC电机和IMU。
定义两个PID控制器来控制左右电机的倾斜角度。
定义模糊逻辑控制变量,如俯仰角(pitch)、横滚角(roll)、左右电机输出等。
在loop函数中,读取IMU数据,计算角度误差,根据PID算法计算电机输出,并设置电机运转。

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

驴友花雕

关注

29
点赞
踩
12

收藏

觉得还不错? 一键收藏
打赏
0
评论
【花雕学编程】Arduino FOC 之双足平衡模糊逻辑控制算法

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。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。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。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。
复制链接

扫一扫