【花雕学编程】Arduino FOC 之基于传感器数据和控制逻辑的双足平衡算法

驴友花雕

于 2024-07-22 04:52:45 发布

阅读量194

点赞数 16

分类专栏： Arduino FOC Arduino 手册文章标签：算法嵌入式硬件单片机 c++ Arduino FOC 基于传感器数据和控制逻辑的双足平衡算法

本文链接：https://blog.csdn.net/weixin_41659040/article/details/140592604

版权

Arduino 手册同时被 2 个专栏收录

1625 篇文章 207 订阅

订阅专栏

Arduino FOC

234 篇文章 0 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:
采用陀螺仪和加速度计等传感器,实时获取车体的倾斜角度和角速度信息。
基于 PID 控制算法,根据倾斜角度误差和角速度误差进行反馈控制,维持车体平衡。
结合 Arduino FOC 库提供的步进电机精确控制功能,实现车体姿态的快速调整。
采用前馈补偿,提高控制系统的响应速度和稳定性。
算法可以实时调整 PID 参数,以适应不同的负载条件和环境变化。
算法具有良好的抗干扰性能,能够抑制外部扰动对平衡的影响。

2、应用场景:
个人代步工具:双足平衡车可作为一种新型的个人代步工具,通过平衡算法实现稳定、灵活的行驶。
物流配送:在仓储、厂区等环境中,双足平衡车可利用平衡算法实现精准定位和快速机动,提高配送效率。
医疗康复:双足平衡车可用于肢体障碍患者的辅助行走训练,平衡算法有助于提高训练效果。
教育科研:双足平衡车作为一种新型的智能机器人平台,平衡算法的研究和优化是重要的课题。

3、需要注意的事项:
传感器选择与标定:选择合适的传感器并进行标定,是实现精准角度检测的前提。
控制算法参数调试:PID 控制算法的参数需要根据实际情况进行反复调试,以获得最佳性能。
前馈补偿设计:前馈补偿的设计直接影响系统的响应速度和稳定性,需要进行仔细优化。
自适应算法设计:能够自适应调整 PID 参数的算法,可以提高系统对负载和环境变化的适应性。
抗干扰能力提升:增强算法对外部扰动的抑制能力,提高系统的鲁棒性。
与 Arduino FOC 的集成:充分利用 Arduino FOC 的功能,实现步进电机的精确控制,提升平衡效果。
安全保护措施:需要增加紧急停止、过载保护等安全防护措施,确保使用过程的安全性。

总的来说,基于传感器数据和控制逻辑的双足平衡算法是实现双足平衡车稳定行驶的关键所在。该算法充分利用了陀螺仪、加速度计等传感器提供的实时数据,通过精细的 PID 控制和前馈补偿,能够快速调整车体姿态,维持平衡状态。这种平衡算法在个人代步工具、物流配送、医疗康复等领域都有广泛的应用前景。但在传感器选择与标定、控制算法参数调试、前馈补偿设计、自适应算法设计、抗干扰能力提升等方面都需要高度重视,确保整个系统的可靠性和安全性。同时,还要充分发挥 Arduino FOC 提供的强大功能,实现更出色的控制性能。

在这里插入图片描述
1、倾斜角度控制：

#include <MPU6050.h>
#include <Wire.h>

MPU6050 mpu;

const int motorPin1 = 2;  // 步进电机引脚1
const int motorPin2 = 3;  // 步进电机引脚2

const float targetAngle = 0.0;  // 目标倾斜角度
const float angleThreshold = 2.0;  // 倾斜角度阈值

void setup() {
  Wire.begin();
  mpu.initialize();

  pinMode(motorPin1, OUTPUT);
  pinMode(motorPin2, OUTPUT);
}

void loop() {
  float currentAngle = getTiltAngle();

  if (abs(currentAngle - targetAngle) > angleThreshold) {
    if (currentAngle > targetAngle) {
      // 向后倾斜，向前移动
      digitalWrite(motorPin1, HIGH);
      digitalWrite(motorPin2, LOW);
    } else {
      // 向前倾斜，向后移动
      digitalWrite(motorPin1, LOW);
      digitalWrite(motorPin2, HIGH);
    }
  } else {
    // 平衡状态，停止移动
    digitalWrite(motorPin1, LOW);
    digitalWrite(motorPin2, LOW);
  }
}

float getTiltAngle() {
  Vector3D<float> acceleration = mpu.getAcceleration();
  float tiltAngle = atan2(-acceleration.y, acceleration.z) * RAD_TO_DEG;
  return tiltAngle;
}

这个程序使用MPU6050库读取陀螺仪/加速度计模块（MPU6050）的数据，通过计算倾斜角度来控制双足平衡车的运动。在loop()函数中，我们获取当前的倾斜角度并与目标倾斜角度进行比较。如果当前倾斜角度与目标倾斜角度之差超过阈值，则根据差值的正负来控制步进电机的运动方向，使平衡车倾斜角度逐渐趋向目标值，从而实现平衡。如果倾斜角度在阈值范围内，则停止步进电机的运动，保持平衡状态。

2、步态控制：

#include <MPU6050.h>
#include <Wire.h>

MPU6050 mpu;

const int motorPin1 = 2;  // 步进电机引脚1
const int motorPin2 = 3;  // 步进电机引脚2

const float targetAngle = 0.0;  // 目标倾斜角度
const float angleThreshold = 2.0;  // 倾斜角度阈值

void setup() {
  Wire.begin();
  mpu.initialize();

  pinMode(motorPin1, OUTPUT);
  pinMode(motorPin2, OUTPUT);
}

void loop() {
  float currentAngle = getTiltAngle();

  if (abs(currentAngle - targetAngle) > angleThreshold) {
    if (currentAngle > targetAngle) {
      // 向后倾斜，向前移动
      digitalWrite(motorPin1, HIGH);
      digitalWrite(motorPin2, LOW);
      delay(1000);
      digitalWrite(motorPin1, LOW);
      digitalWrite(motorPin2, LOW);
      delay(1000);
    } else {
      // 向前倾斜，向后移动
      digitalWrite(motorPin1, LOW);
      digitalWrite(motorPin2, HIGH);
      delay(1000);
      digitalWrite(motorPin1, LOW);
      digitalWrite(motorPin2, LOW);
      delay(1000);
    }
  } else {
    // 平衡状态，停止移动
    digitalWrite(motorPin1, LOW);
    digitalWrite(motorPin2, LOW);
    delay(1000);
  }
}

float getTiltAngle() {
  Vector3D<float> acceleration = mpu.getAcceleration();
  float tiltAngle = atan2(-acceleration.y, acceleration.z) * RAD_TO_DEG;
  return tiltAngle;
}

这个程序同样使用MPU6050库读取传感器数据，并通过计算倾斜角度来控制双足平衡车的运动。在loop()函数中，我们获取当前的倾斜角度并与目标倾斜角度进行比较。如果当前倾斜角度与目标倾斜角度之差超过阈值，则根据差值的正负来控制步进电机的运动方向。在这个例子中，我们采用简单的步态控制算法，即倾斜向后时向前移动一段时间，然后停止；倾斜向前时向后移动一段时间，然后停止。这样反复循环，使平衡车动态保持平衡。

3、PID控制：

#include <MPU6050.h>
#include <Wire.h>

MPU6050 mpu;

const int motorPin1 = 2;  // 步进电机引脚1
const int motorPin2 = 3;  // 步进电机引脚2

const float targetAngle = 0.0;  // 目标倾斜角度
const float angleThreshold = 2.0;  // 倾斜角度阈值

const float KP = 0.5;  // 比例系数
const float KI = 0.1;  // 积分系数
const float KD = 0.2;  // 微分系数

float errorSum = 0.0;  // 误差累积值
float lastError = 0.0;  // 上一次误差值

void setup() {
  Wire.begin();
  mpu.initialize();

  pinMode(motorPin1, OUTPUT);
  pinMode(motorPin2, OUTPUT);
}

void loop() {
  float currentAngle = getTiltAngle();
  float error = targetAngle - currentAngle;
  errorSum += error;
  float errorDiff = error - lastError;

  float motorSpeed = KP * error + KI * errorSum + KD * errorDiff;

  if (abs(error) > angleThreshold) {
    if (motorSpeed > 0) {
      // 向后倾斜，向前移动
      digitalWrite(motorPin1, HIGH);
      digitalWrite(motorPin2, LOW);
    } else {
      // 向前倾斜，向后移动
      digitalWrite(motorPin1, LOW);
      digitalWrite(motorPin2, HIGH);
    }
  } else {
    // 平衡状态，停止移动
    digitalWrite(motorPin1, LOW);
    digitalWrite(motorPin2, LOW);
  }

  lastError = error;
}

float getTiltAngle() {
  Vector3D<float> acceleration = mpu.getAcceleration();
  float tiltAngle = atan2(-acceleration.y, acceleration.z) * RAD_TO_DEG;
  return tiltAngle;
}

这个程序同样使用MPU6050库读取传感器数据，并通过计算倾斜角度来控制双足平衡车的运动。在loop()函数中，我们计算当前误差值，并利用PID控制算法计算出步进电机的速度。根据误差值的正负来控制步进电机的运动方向，并根据计算出的速度来控制步进电机的转速。通过不断调整步进电机的转速，使平衡车倾斜角度逐渐趋向目标值，从而实现平衡。PID控制算法通过比例、积分和微分三个部分的调节，可以实现对平衡车的精确控制。

在这里插入图片描述
4、基于陀螺仪和加速度计的双足平衡算法:

#include <ArduinoFOC.h>
#include <MPU6050.h>

// 定义电机和FOC控制器
BLDCMotor motor = BLDCMotor(11);
BLDCDriver3PWM driver = BLDCDriver3PWM(9, 10, 11, 8);

// 定义IMU传感器
MPU6050 imu;

// 定义平衡控制参数
float kp = 0.5, ki = 0.1, kd = 0.05; // PID控制参数
float target_angle = 0.0; // 目标平衡角度

void setup() {
  // 初始化IMU传感器
  imu.begin();

  // 初始化电机和FOC控制器
  driver.voltage_power_supply = 12;
  motor.linkDriver(&driver);
  motor.PID_velocity.P = kp;
  motor.PID_velocity.I = ki;
  motor.PID_velocity.D = kd;
  motor.useRelativePosition();
}

void loop() {
  // 读取IMU数据
  imu.readAcceleration();
  imu.readGyroscope();

  // 计算倾斜角度
  float pitch = atan2(imu.ax, sqrt(imu.ay * imu.ay + imu.az * imu.az)) * 180 / M_PI;

  // 计算平衡错误
  float error = target_angle - pitch;

  // 计算PID控制输出
  float output = motor.PID_velocity.compute(error);

  // 更新电机转速
  motor.move(output);
}

要点解读:
使用MPU6050 IMU传感器读取加速度和角速度数据,计算出倾斜角度。
将目标平衡角度与实际倾斜角度进行比较,得到平衡错误。
使用PID控制算法计算出电机的控制输出,以调整电机转速,实现双足平衡。
需要调试PID控制参数(kp, ki, kd)以获得最佳平衡效果。

5、基于力敏传感器的双足平衡算法:

#include <ArduinoFOC.h>
#include <HX711.h>

// 定义电机和FOC控制器
BLDCMotor motor = BLDCMotor(11);
BLDCDriver3PWM driver = BLDCDriver3PWM(9, 10, 11, 8);

// 定义力敏传感器
HX711 loadCell_left(A1, A0);
HX711 loadCell_right(A3, A2);

// 定义平衡控制参数
float kp = 0.8, ki = 0.2, kd = 0.1; // PID控制参数
float target_weight_distribution = 0.5; // 目标重心分配

void setup() {
  // 初始化力敏传感器
  loadCell_left.begin();
  loadCell_right.begin();

  // 初始化电机和FOC控制器
  driver.voltage_power_supply = 12;
  motor.linkDriver(&driver);
  motor.PID_velocity.P = kp;
  motor.PID_velocity.I = ki;
  motor.PID_velocity.D = kd;
  motor.useRelativePosition();
}

void loop() {
  // 读取力敏传感器数据
  float weight_left = loadCell_left.read();
  float weight_right = loadCell_right.read();
  float total_weight = weight_left + weight_right;

  // 计算重心分配
  float weight_distribution = weight_left / total_weight;

  // 计算平衡错误
  float error = target_weight_distribution - weight_distribution;

  // 计算PID控制输出
  float output = motor.PID_velocity.compute(error);

  // 更新电机转速
  motor.move(output);
}

要点解读:
使用HX711力敏传感器读取左右脚的重量数据。
计算出当前的重心分配情况,并与目标重心分配进行比较,得到平衡错误。
使用PID控制算法计算出电机的控制输出,以调整电机转速,实现双足平衡。
需要调试PID控制参数(kp, ki, kd)以获得最佳平衡效果。

6、结合IMU和力敏传感器的双足平衡算法:

#include <ArduinoFOC.h>
#include <MPU6050.h>
#include <HX711.h>

// 定义电机和FOC控制器
BLDCMotor motor = BLDCMotor(11);
BLDCDriver3PWM driver = BLDCDriver3PWM(9, 10, 11, 8);

// 定义IMU和力敏传感器
MPU6050 imu;
HX711 loadCell_left(A1, A0);
HX711 loadCell_right(A3, A2);

// 定义平衡控制参数
float kp = 0.6, ki = 0.15, kd = 0.08; // PID控制参数
float target_angle = 0.0; // 目标平衡角度
float target_weight_distribution = 0.5; // 目标重心分配

void setup() {
  // 初始化IMU和力敏传感器
  imu.begin();
  loadCell_left.begin();
  loadCell_right.begin();

  // 初始化电机和FOC控制器
  driver.voltage_power_supply = 12;
  motor.linkDriver(&driver);
  motor.PID_velocity.P = kp;
  motor.PID_velocity.I = ki;
  motor.PID_velocity.D = kd;
  motor.useRelativePosition();
}

void loop() {
  // 读取IMU和力敏传感器数据
  imu.readAcceleration();
  imu.readGyroscope();
  float weight_left = loadCell_left.read();
  float weight_right = loadCell_right.read();
  float total_weight = weight_left + weight_right;

  // 计算倾斜角度和重心分配
  float pitch = atan2(imu.ax, sqrt(imu.ay * imu.ay + imu.az * imu.az)) * 180 / M_PI;
  float weight_distribution = weight_left / total_weight;

  // 计算平衡错误
  float angle_error = target_angle - pitch;
  float weight_error = target_weight_distribution - weight_distribution;

  // 计算PID控制输出
  float output = motor.PID_velocity.compute(angle_error) + motor.PID_velocity.compute(weight_error);

  // 更新电机转速
  motor.move(output);
}

要点解读:
结合使用MPU6050 IMU传感器和HX711力敏传感器,同时读取倾斜角度和重心分配数据。
计算出倾斜角度误差和重心分配误差,分别进行PID控制。
将两个PID控制输出进行叠加,得到最终的电机控制输出,实现双足平衡。
需要调试PID控制参数(kp, ki, kd)以获得最佳平衡效果。

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

16
点赞
踩
7

收藏

觉得还不错? 一键收藏
打赏
0
评论
【花雕学编程】Arduino FOC 之基于传感器数据和控制逻辑的双足平衡算法

通过不断调整步进电机的转速，使平衡车倾斜角度逐渐趋向目标值，从而实现平衡。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。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。
复制链接

扫一扫