【花雕学编程】Arduino FOC 之双足倒立摆力矩控制

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。

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

1、主要特点:
Arduino FOC 可以实现对双足倒立摆系统的精细力矩控制,通过独立控制每个关节电机的转矩,维持整个系统的动态平衡。
FOC 算法可以精准地控制每个电机的输出力矩,确保了整个系统在高速运动和剧烈扰动下也能保持稳定平衡。
Arduino FOC 集成了先进的电流环、速度环和位置环等多重闭环控制,并支持对每个关节电机施加独立的力矩指令,有效抑制外界干扰和系统自身的非线性特性。
该方案基于开源 Arduino 平台,硬件成本相对较低,易于集成和二次开发,满足小型双足倒立摆系统的力矩控制需求。
Arduino FOC 的控制算法具有较强的适应性和鲁棒性,能够在不同负载和外界扰动条件下稳定维持双足倒立摆的平衡。

2、应用场景:
双足机器人平衡控制:在仿生双足机器人研究中,使用基于Arduino FOC的力矩控制技术可以实现机器人的高度平衡和灵活运动。
双足辅助设备:在外骨骼、康复辅助等应用中,采用Arduino FOC的力矩控制可以帮助用户维持稳定的双足平衡,增强行走能力。
教学实验平台:在机器人学、控制理论等专业课程中,利用Arduino FOC搭建的双足倒立摆实验平台,可以直观地演示平衡控制相关的理论知识。
娱乐互动展示:在展览、演艺等场合,采用Arduino FOC驱动的双足倒立摆系统可以实现动态平衡的创意性展示。

3、需要注意的事项:
系统建模与参数标定:需要准确获取双足倒立摆系统的物理参数,如质量、长度、惯性矩等,建立精确的数学模型。同时通过实际测试标定这些参数,为控制算法设计奠定基础。
传感器选型与安装:需要选用高精度、低噪声的关节角度传感器和倾角传感器,并进行正确的安装和校准,以获得准确的关节角度和倾角反馈信号。
控制算法参数调优:针对具体的双足倒立摆结构和负载情况,需要仔细调整FOC算法的参数,如PI调节器的增益、电流环带宽等,使得控制器能够快速稳定地驱动电机,实现精准的平衡控制。
电机驱动电路设计:需要根据所使用的电机选型,设计合理的功率电路,确保电机能够快速响应控制器指令,满足系统高动态平衡的需求。
系统集成与调试:将关节角度测量、倾角估计、逆运动学计算、FOC算法控制、电机驱动等各个子系统集成,通过实际操作测试不断优化系统性能和稳定性。

总之,基于Arduino FOC的力矩控制技术可以有效地实现双足倒立摆系统的动态平衡控制,在仿生机器人、辅助设备、教学实验等领域都有广泛的应用前景。在实际应用中需要重点关注系统建模与参数标定、传感器选型与安装、控制算法参数调优、功率电路设计以及系统集成调试等关键环节,确保整个控制方案的高性能和鲁棒性。

基本单摆控制程序:
ini

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

// 电机驱动器引脚
#define DRIVER_PIN_M1_A 9
#define DRIVER_PIN_M1_B 10
#define DRIVER_PIN_M2_A 5
#define DRIVER_PIN_M2_B 6

// 编码器引脚
#define ENCODER_A_M1 2
#define ENCODER_B_M1 3
#define ENCODER_A_M2 18
#define ENCODER_B_M2 19

// 电机对象
BLDCMotor motor1 = BLDCMotor(11);
BLDCMotor motor2 = BLDCMotor(12);

// 编码器对象
Encoder encoder1 = Encoder(ENCODER_A_M1, ENCODER_B_M1, 1024);
Encoder encoder2 = Encoder(ENCODER_A_M2, ENCODER_B_M2, 1024);

// 控制器对象
HallSensor hall1(DRIVER_PIN_M1_A, DRIVER_PIN_M1_B, 2);
HallSensor hall2(DRIVER_PIN_M2_A, DRIVER_PIN_M2_B, 2);

void setup() {
// 初始化电机和编码器
motor1.linkSensor(&encoder1);
motor2.linkSensor(&encoder2);
motor1.linkHallSensor(&hall1);
motor2.linkHallSensor(&hall2);

// 配置电机参数
motor1.pole_pair_number = 7;
motor2.pole_pair_number = 7;

// 初始化FOC
motor1.initFOC();
motor2.initFOC();
}

void loop() {
// 读取电机角度
float theta1 = encoder1.getAngle();
float theta2 = encoder2.getAngle();

// 计算摆角和角速度
float theta = theta1 - theta2;
float omega = (encoder1.getVelocity() - encoder2.getVelocity()) / 2.0f;

// 根据摆角和角速度计算力矩
float tau = -0.1f * theta - 0.01f * omega;

// 应用力矩到电机
motor1.setTorque(tau);
motor2.setTorque(-tau);

// 更新电机
motor1.loop();
motor2.loop();

// 延迟一段时间
delay(1);
}
要点解读:

该程序实现了一个简单的单摆控制,通过读取两个电机的角度和角速度,计算出摆角和角速度,并根据PD控制律计算出所需的力矩,分别施加到两个电机上。
使用SimpleFOC库来控制BLDC电机,并通过Hall传感器和编码器获取电机的位置和速度信息。
设置电机的极对数,初始化FOC控制。
在loop()中不断读取电机状态,计算力矩并施加到电机上,实现单摆的稳定控制。
基于Kalman滤波的双足倒立摆控制程序:
apache

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

// 电机驱动器引脚
#define DRIVER_PIN_M1_A 9
#define DRIVER_PIN_M1_B 10
#define DRIVER_PIN_M2_A 5
#define DRIVER_PIN_M2_B 6

// 编码器引脚
#define ENCODER_A_M1 2
#define ENCODER_B_M1 3
#define ENCODER_A_M2 18
#define ENCODER_B_M2 19

// 电机对象
BLDCMotor motor1 = BLDCMotor(11);
BLDCMotor motor2 = BLDCMotor(12);

// 编码器对象
Encoder encoder1 = Encoder(ENCODER_A_M1, ENCODER_B_M1, 1024);
Encoder encoder2 = Encoder(ENCODER_A_M2, ENCODER_B_M2, 1024);

// 控制器对象
HallSensor hall1(DRIVER_PIN_M1_A, DRIVER_PIN_M1_B, 2);
HallSensor hall2(DRIVER_PIN_M2_A, DRIVER_PIN_M2_B, 2);

// Kalman滤波器
Kalman kalman1, kalman2;

void setup() {
// 初始化电机和编码器
motor1.linkSensor(&encoder1);
motor2.linkSensor(&encoder2);
motor1.linkHallSensor(&hall1);
motor2.linkHallSensor(&hall2);

// 配置电机参数
motor1.pole_pair_number = 7;
motor2.pole_pair_number = 7;

// 初始化FOC
motor1.initFOC();
motor2.initFOC();

// 初始化Kalman滤波器
kalman1.setAngle(encoder1.getAngle());
kalman2.setAngle(encoder2.getAngle());
}

void loop() {
// 读取电机角度
float theta1 = kalman1.getAngle(encoder1.getAngle());
float theta2 = kalman2.getAngle(encoder2.getAngle());

// 计算摆角和角速度
float theta = theta1 - theta2;
float omega = (kalman1.getRate() - kalman2.getRate()) / 2.0f;

// 根据摆角和角速度计算力矩
float tau = -0.1f * theta - 0.01f * omega;

// 应用力矩到电机
motor1.setTorque(tau);
motor2.setTorque(-tau);

// 更新电机
motor1.loop();
motor2.loop();

// 延迟一段时间
delay(1);
}
要点解读:

该程序在上一个示例的基础上,引入了Kalman滤波器来对电机角度和角速度进行滤波,以提高系统的稳定性和抗干扰能力。
在setup()中初始化Kalman滤波器,并将其与编码器读数进行关联。
在loop()中,使用Kalman滤波器获取经过滤波的电机角度和角速度,然后计算出摆角和角速度,并根据PD控制律计算出所需的力矩,施加到电机上。
Kalman滤波可以有效地消除编码器读数中的噪声,从而提高控制系统的鲁棒性。
基于自适应PID的双足倒立摆控制程序:
apache

复制
#include <Arduino.h>
#include <SimpleFOC.h>
#include <PID_v1.h>

// 电机驱动器引脚
#define DRIVER_PIN_M1_A 9
#define DRIVER_PIN_M1_B 10
#define DRIVER_PIN_M2_A 5
#define DRIVER_PIN_M2_B 6

// 编码器引脚
#define ENCODER_A_M1 2
#define ENCODER_B_M1 3
#define ENCODER_A_M2 18
#define ENCODER_B_M2 19

// 电机对象
BLDCMotor motor1 = BLDCMotor(11);
BLDCMotor motor2 = BLDCMotor(12);

// 编码器对象
Encoder encoder1 = Encoder(ENCODER_A_M1, ENCODER_B_M1, 1024);
Encoder encoder2 = Encoder(ENCODER_A_M2, ENCODER_B_M2, 1024);

// 控制器对象
HallSensor hall1(DRIVER_PIN_M1_A, DRIVER_PIN_M1_B, 2);
HallSensor hall2(DRIVER_PIN_M2_A, DRIVER_PIN_M2_B, 2);

// PID控制器
PID anglePID(&theta, &tau, &setpoint, 0.1, 0.01, 0.0, DIRECT);

void setup() {
// 初始化电机和编码器
motor1.linkSensor(&encoder1);
motor2.linkSensor(&encoder2);
motor1.linkHallSensor(&hall1);
motor2.linkHallSensor(&hall2);

// 配置电机参数
motor1.pole_pair_number = 7;
motor2.pole_pair_number = 7;

// 初始化FOC
motor1.initFOC();
motor2.initFOC();

// 初始化PID控制器
anglePID.SetMode(AUTOMATIC);
anglePID.SetSampleTime(1);
anglePID.SetOutputLimits(-1.0, 1.0);
}

void loop() {
// 读取电机角度
float theta1 = encoder1.getAngle();
float theta2 = encoder2.getAngle();

// 计算摆角和角速度
float theta = theta1 - theta2;
float omega = (encoder1.getVelocity() - encoder2.getVelocity()) / 2.0f;

// 更新PID控制器
anglePID.Compute();

// 应用力矩到电机
motor1.setTorque(tau);
motor2.setTorque(-tau);

// 更新电机
motor1.loop();
motor2.loop();

// 延迟一段时间
delay(1);
}
要点解读:

该程序使用自适应PID控制器来实现双足倒立摆的稳定控制。
在setup()中初始化PID控制器,设置样本时间和输出限制。
在loop()中,不断读取电机角度和角速度,计算摆角和角速度,并将其作为PID控制器的输入。
通过调用PID.Compute()函数,自适应PID控制器会自动调整控制参数,以达到最佳的控制效果。
最后将计算出的力矩应用到两个电机上,实现双足倒立摆的稳定控制。
相比于前两个示例,自适应PID控制能够更好地适应系统参数的变化,提高控制的鲁棒性。

基本的PID控制算法:
ini

复制
#include <SimpleFOC.h>

// 电机设置
BLDCMotor motor = BLDCMotor(7, 6, 5);
BLDCDriver3PWM driver = BLDCDriver3PWM(9, 10, 11, 8);

// PID控制器设置
PIDController pid = PIDController(0.1, 0.01, 0.001);

void setup() {
// 电机和驱动器初始化
motor.linkDriver(&driver);
motor.controller = MotionControlType::torque;

// PID控制器初始化
pid.lag_reference = 0.1;
pid.limit_output = 10; // 最大输出10Nm

// 启动
motor.useInteralEstimator();
motor.initFOC();
}

void loop() {
// 读取角度
float angle = motor.getAngle();

// PID控制
float torque_ref = pid.run(0, angle);
motor.setPhaseVoltage(torque_ref);

// 更新电机
motor.loop();
}
要点解读:

使用SimpleFOC库控制BLDC电机,设置电机和驱动器参数
初始化PID控制器,设置滞后参考和最大输出
在loop()中读取角度,计算PID输出,并设置相电压
定期调用motor.loop()更新电机状态
基于状态机的力矩控制:
ini

复制
#include <SimpleFOC.h>

// 电机设置
BLDCMotor motor = BLDCMotor(7, 6, 5);
BLDCDriver3PWM driver = BLDCDriver3PWM(9, 10, 11, 8);

// 状态机变量
enum class ControlState { Balancing, Falling, Recovering };
ControlState state = ControlState::Balancing;

// 控制参数
float angle_ref = 0;
float torque_ref = 0;
float torque_max = 5; // 最大输出5Nm

void setup() {
// 电机和驱动器初始化
motor.linkDriver(&driver);
motor.controller = MotionControlType::torque;
motor.initFOC();
}

void loop() {
// 读取角度
float angle = motor.getAngle();

// 状态机更新
switch (state) {
case ControlState::Balancing:
if (abs(angle) > 10 * DEG2RAD) { // 倾斜角超过10度
state = ControlState::Falling;
} else {
torque_ref = -angle * 0.5; // PD控制
motor.setPhaseVoltage(torque_ref);
}
break;
case ControlState::Falling:
torque_ref = torque_max * copysign(1, angle); // 最大力矩,方向与角度一致
motor.setPhaseVoltage(torque_ref);
if (abs(angle) < 5 * DEG2RAD) { // 倾斜角小于5度
state = ControlState::Recovering;
}
break;
case ControlState::Recovering:
torque_ref = -angle * 0.5; // PD控制
motor.setPhaseVoltage(torque_ref);
if (abs(angle) < 1 * DEG2RAD) { // 倾斜角小于1度
state = ControlState::Balancing;
}
break;
}

// 更新电机
motor.loop();
}
要点解读:

使用状态机控制算法,根据倾斜角度在平衡、失衡和恢复状态间切换
在平衡状态下使用PD控制算法,在失衡状态下输出最大力矩,在恢复状态下继续PD控制
设置最大输出力矩,并在状态切换条件中设置合适的阈值
基于卡尔曼滤波的角度估计:
ini

复制
#include <SimpleFOC.h>
#include <MPU6050.h>

// 电机设置
BLDCMotor motor = BLDCMotor(7, 6, 5);
BLDCDriver3PWM driver = BLDCDriver3PWM(9, 10, 11, 8);

// MPU6050角度传感器
MPU6050 imu;
float angle_est = 0;

// 卡尔曼滤波参数
float Q = 0.001; // 过程噪声
float R = 0.1; // 测量噪声
float P = 1; // 状态估计误差协方差
float K; // 卡尔曼增益

void setup() {
// 电机和驱动器初始化
motor.linkDriver(&driver);
motor.controller = MotionControlType::torque;
motor.initFOC();

// MPU6050初始化
imu.begin();
}

void loop() {
// 读取MPU6050角度
float angle_mpu = imu.getAngleX() * DEG2RAD;

// 卡尔曼滤波
float angle_pred = angle_est;
float P_pred = P + Q;
K = P_pred / (P_pred + R);
angle_est = angle_pred + K * (angle_mpu - angle_pred);
P = (1 - K) * P_pred;

// 力矩控制
float torque_ref = -angle_est * 0.5; // PD控制
motor.setPhaseVoltage(torque_ref);

// 更新电机
motor.loop();
}
要点解读:

使用MPU6050获取倾斜角度作为测量值
实现卡尔曼滤波算法,估计当前角度
在力矩控制环节使用估计的角度进行PD控制
需要提前确定好过程噪声和测量噪声的大小,以调整滤波效果

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。