【花雕学编程】Arduino FOC 之五连杆平面并联机器人的PID算法、模糊控制与关节空间规划

最新推荐文章于 2024-09-02 00:39:31 发布

驴友花雕

最新推荐文章于 2024-09-02 00:39:31 发布

阅读量215

点赞数 11

分类专栏： Arduino FOC 文章标签：嵌入式硬件单片机 c++ Arduino动手做五连杆平面机器人的PID算法模糊控制与关节空间规划 Arduino FOC

本文链接：https://blog.csdn.net/weixin_41659040/article/details/141787922

版权

Arduino FOC 专栏收录该内容

467 篇文章 5 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、1. PID算法
主要特点
控制精度高：PID控制器通过比例（P）、积分（I）和微分（D）三部分的组合，能够有效地减小稳态误差，提高系统的响应速度。
稳定性强：合理参数调节可以使系统在各种工作条件下保持稳定，避免过冲和振荡。
简单易实现：PID控制算法相对简单，易于在Arduino等嵌入式平台上实现。
应用场景
工业自动化：在自动化生产设备中，PID控制可用于精确控制电机的位置、速度和加速度。
机器人运动控制：在机器人关节控制中，PID可以确保机器人在执行任务时的精确定位。
数控机床：在数控系统中，PID控制用于确保加工精度和稳定性。
需要注意的事项
参数调节：PID参数需要根据实际系统进行调节，采用经验法或自动调节算法以确保最佳性能。
非线性问题：对于非线性系统，PID控制可能表现不佳，需要结合其他控制策略。
延迟响应：系统的延迟可能影响PID控制的性能，需考虑延迟引入的影响。

2、模糊控制
主要特点
处理不确定性：模糊控制能够处理系统中的不确定性和模糊性，适用于复杂系统。
无需精确模型：不需要精确的数学模型，通过经验规则进行控制，适合于难以建模的系统。
灵活性高：可以根据具体应用需求灵活调整模糊规则和隶属度函数。
应用场景
机器人控制：在动态环境中，模糊控制可用于处理机器人运动中的不确定性。
智能家居：可以应用于温度控制、照明控制等智能家居系统中。
工业控制：广泛应用于非线性、时变系统的控制，如化工过程控制。
需要注意的事项
规则设计：模糊规则的设计对于控制效果至关重要，需根据实际情况进行充分调研。
计算复杂性：模糊控制可能需要较多的计算资源，尤其是在规则较多时。
调试难度：模糊控制系统的调试和优化相对复杂，需要经验和技巧。

3、关节空间规划
主要特点
实现路径规划：通过设定关节角度，实现机器人从当前位置到目标位置的平滑运动。
适应性强：能够根据机器人结构和任务需求灵活调整运动路径。
简化控制算法：通过关节空间的直接控制简化了运动控制的复杂性。
应用场景
工业机器人：在工业自动化中，常用于机械臂的运动控制和路径规划。
医疗机器人：在手术机器人中，关节空间规划可确保工具在复杂环境中的精确移动。
教育与研究：作为控制理论与实践的学习工具，适用于教育和科研领域。
需要注意的事项
运动学模型准确性：确保运动学模型的准确性是实现精确控制的基础，任何计算误差可能导致目标位置偏差。
实时性能要求：控制系统需具备快速的数据处理能力，以支持实时反馈和动态调整。
负载变化影响：在实际应用中，负载变化可能会影响运动控制的精度，需要根据负载变化进行调整。

总结
Arduino FOC中的五连杆平面并联机器人通过PID控制、模糊控制和关节空间规划等技术，能够实现高效、精确的运动控制。不同控制策略各有特点，适用于不同的应用场景。在实际应用中，应根据具体需求选择合适的控制策略，并注意相应的实施细节，以确保系统的稳定性和精确性。
在这里插入图片描述
1、PID控制实现

#include <SimpleFOC.h>

BLDCMotor motor1 = BLDCMotor(7);
BLDCMotor motor2 = BLDCMotor(8);
Encoder encoder1 = Encoder(2, 3);
Encoder encoder2 = Encoder(4, 5);

// PID 控制参数
float Kp = 1.0;
float Ki = 0.1;
float Kd = 0.01;

void setup() {
  motor1.init();
  motor2.init();
  motor1.PIDVelocityController->setGains(Kp, Ki, Kd);
  motor2.PIDVelocityController->setGains(Kp, Ki, Kd);
  motor1.enable();
  motor2.enable();
}

void loop() {
  // 设定目标角度
  float targetAngle1 = 90;
  float targetAngle2 = 45;
  
  // PID 控制
  motor1.moveTo(targetAngle1);
  motor2.moveTo(targetAngle2);
  
  while (motor1.isMoving || motor2.isMoving) {
    motor1.loopFOC();
    motor2.loopFOC();
    delay(10);
  }
}

2、模糊控制实现

#include <SimpleFOC.h>

// 模糊控制参数
float error, error_last, output;

float fuzzify(float input) {
  if (input < 0) return -1;
  else if (input > 0) return 1;
  return 0;
}

float defuzzify(float negative, float positive) {
  return (positive - negative) / 2; // 简单的 defuzzification
}

void setup() {
  Serial.begin(9600);
}

void loop() {
  // 获取当前误差
  error = getDesiredPosition() - getCurrentPosition();
  
  // 模糊控制
  float fuzzifiedError = fuzzify(error);
  output = defuzzify(fuzzifiedError, fuzzifiedError);
  
  // 输出到电机
  setMotorOutput(output);
  delay(100);
}

3、关节空间规划

#include <SimpleFOC.h>

BLDCMotor motor1 = BLDCMotor(7);
BLDCMotor motor2 = BLDCMotor(8);

void setup() {
  motor1.init();
  motor2.init();
  motor1.enable();
  motor2.enable();
}

void loop() {
  // 关节空间目标
  float jointAngles[] = {0, 45, 90, 135};
  
  for (int i = 0; i < 4; i++) {
    motor1.moveTo(jointAngles[i]);
    motor2.moveTo(jointAngles[i]);
    
    while (motor1.isMoving || motor2.isMoving) {
      motor1.loopFOC();
      motor2.loopFOC();
      delay(10);
    }
  }
}

五点要点解读
PID控制的稳定性:
第一个案例展示了如何利用PID控制算法实现对电机的精确控制。通过调整Kp、Ki、Kd参数，可以优化系统响应，增强稳定性。
模糊控制的灵活性:
第二个案例介绍了模糊控制的实现，通过模糊化输入误差并进行简单的去模糊化操作，可以处理不确定性和非线性问题，适用于复杂环境下的控制。
关节空间规划的简易性:
第三个案例展示了如何在关节空间中逐步移动电机到设定的目标角度，实现了简单的关节空间规划，适合用于路径规划与运动控制。
实时反馈机制:
所有案例中均包含实时反馈机制，确保电机在运动过程中能够根据当前状态调整控制输出，提高了系统的响应速度和精度。
代码的可扩展性:
这些代码示例提供了基础的实现框架，可以根据具体应用需求进行扩展和修改，例如增加传感器输入、完善控制算法等，以适应更复杂的控制任务。
解释
PID控制: 采用经典的PID控制理论，通过不断计算目标与当前状态的误差，调整控制输出，达到期望的运动状态。
模糊控制: 适应性强，能够处理复杂的系统情况，尤其是在参数不确定或动态变化的环境中。
关节空间规划: 通过简单的数组结构实现目标角度的规划，适合小型机械手臂等应用场景。

在这里插入图片描述
4、PID算法

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

// 电机实例
BLDCMotor motor1 = BLDCMotor(7, 6, 5);
BLDCMotor motor2 = BLDCMotor(10, 9, 8);

// PID控制器参数
PIDController pid1 = PIDController(1.0, 0.1, 0.01);
PIDController pid2 = PIDController(1.0, 0.1, 0.01);

// 目标角度
float targetAngle1 = PI / 4;
float targetAngle2 = PI / 3;

void setup() {
  Serial.begin(115200);
  motor1.init();
  motor2.init();
  motor1.voltage_limit = 12;
  motor2.voltage_limit = 12;
  motor1.controller = MotionControlType::angle;
  motor2.controller = MotionControlType::angle;
}

void loop() {
  // 计算控制输出
  float controlOutput1 = pid1.compute(motor1.shaft_angle, targetAngle1);
  float controlOutput2 = pid2.compute(motor2.shaft_angle, targetAngle2);
  
  // 应用控制输出
  motor1.move(controlOutput1);
  motor2.move(controlOutput2);
  
  motor1.update();
  motor2.update();
  
  delay(10); // 控制循环周期
}

5、模糊控制

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

// 电机实例
BLDCMotor motor1 = BLDCMotor(7, 6, 5);
BLDCMotor motor2 = BLDCMotor(10, 9, 8);

// 模糊控制器实例
Fuzzy fuzzy1;
Fuzzy fuzzy2;

// 目标角度
float targetAngle1 = PI / 4;
float targetAngle2 = PI / 3;

void setup() {
  Serial.begin(115200);
  motor1.init();
  motor2.init();
  motor1.voltage_limit = 12;
  motor2.voltage_limit = 12;
  motor1.controller = MotionControlType::angle;
  motor2.controller = MotionControlType::angle;
  
  // 初始化模糊控制器
  fuzzy1.addRule(...); // 添加模糊规则
  fuzzy2.addRule(...); // 添加模糊规则
}

void loop() {
  // 计算控制输出
  float controlOutput1 = fuzzy1.compute(motor1.shaft_angle, targetAngle1);
  float controlOutput2 = fuzzy2.compute(motor2.shaft_angle, targetAngle2);
  
  // 应用控制输出
  motor1.move(controlOutput1);
  motor2.move(controlOutput2);
  
  motor1.update();
  motor2.update();
  
  delay(10); // 控制循环周期
}

6、关节空间规划

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

// 电机实例
BLDCMotor motor1 = BLDCMotor(7, 6, 5);
BLDCMotor motor2 = BLDCMotor(10, 9, 8);

// 关节空间路径
float path1[5] = {0, PI / 4, PI / 2, 3 * PI / 4, PI};
float path2[5] = {PI, 3 * PI / 4, PI / 2, PI / 4, 0};
int currentStep = 0;

void setup() {
  Serial.begin(115200);
  motor1.init();
  motor2.init();
  motor1.voltage_limit = 12;
  motor2.voltage_limit = 12;
  motor1.controller = MotionControlType::angle;
  motor2.controller = MotionControlType::angle;
}

void loop() {
  // 计算目标角度
  float targetAngle1 = path1[currentStep];
  float targetAngle2 = path2[currentStep];
  
  motor1.move(targetAngle1);
  motor2.move(targetAngle2);
  
  motor1.update();
  motor2.update();
  
  // 切换到下一个路径点
  currentStep = (currentStep + 1) % 5;
  delay(1000); // 每1秒切换一次
}

五点要点解读
初始化与配置：每个案例都展示了如何初始化电机实例并设置电压限制和控制模式。这是确保电机能够按照预期运行的基础。
控制算法实现：通过PID控制、模糊控制和关节空间规划，展示了不同的控制策略如何应用于电机控制，满足不同的控制需求。
目标角度计算：通过预定义的目标角度数组或路径，程序能够在循环中计算并设置电机的目标角度，实现路径跟踪或多目标角度控制。
实时更新与控制：在主循环中不断调用motor.update()方法，确保电机状态实时更新，实现平滑和精确的控制。
延时控制：使用delay()函数来控制目标点切换的频率，确保电机有足够的时间完成每个目标角度的移动。

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

11
点赞
踩
4

收藏

觉得还不错? 一键收藏
打赏
0
评论
【花雕学编程】Arduino FOC 之五连杆平面并联机器人的PID算法、模糊控制与关节空间规划

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