標籤:

76行代碼如何完成一個雙輪平衡小車?

Ruff Lite

Ruff Lite 是 Ruff 團隊針對 MCU(MicroController Unit,微控制器)推出的 Ruff OS ,具有高實時性,佔用內存小等特點。目前官方支持的開發板為TI TM4C1294-LaunchPad ,Ruff Lite 支持的硬體介面包括:GPIO、UART、I2C、ADC、PWM、QEI。

原理簡介

兩輪自動平衡車是一個典型的自動控制系統,由執行元件(直流電機),感測模塊(陀螺儀和編碼器)和主控平台控制系統(Ruff 開發板)組成。直流電機控制兩輪正反轉,陀螺儀檢測車身姿態,編碼器檢測電機轉速,這兩組感測器數據反饋給控制系統,經由 PID 控制演算法計算,給出控制直流電機的控制量,通過這一閉環過程,從而形成負反饋,保證車身平衡

物件清單

主控平台

Ruff Lite 開發版 (型號 TM4C1294-V1 )

感測器及執行元件

  • 陀螺儀模塊 (型號 GY-521)
  • 直流電機驅動模塊 (型號 TB6612FNG )
  • 編碼器模塊(隨直流電機一體)(型號 MG513-30 )

MG513-30 是該直流電機的型號,由電機驅動模塊進行驅動,這裡我們用它自帶的編碼器模塊

其它

  • 機械元件
  • 12V 鋰電池

  • 電壓轉換模塊(12V-5V)

直流電機 12V 供電,開發板 5V 供電

開發步驟

1. 初始化 APP,選擇 tm4c1294-v1 開發板(對應 TI TM4C1294-LaunchPad)

$ rap init --board tm4c1294-v1

2. 添加陀螺儀驅動,id 為 gyro,型號選擇 GY-521,其餘參數默認

$ rap device add gyro (GY-521)

3. 添加電機驅動,id 為 motor,型號選擇 TB6612FNG

$ rap device add motor (TB6612FNG)

4. 添加編碼器驅動,id 為 encoder,型號選擇 MG513-30,其餘參數默認

$ rap device add encoder (MG513-30)

5. 編寫控制演算法

(見下文)

6. 調試

(見下文)

7. 掃描開發板

$ rap scan

7. 部署應用

$ rap deploy

控制演算法

PID(比例-積分-微分)控制演算法是工程上最常用的自動控制演算法,參數 P 實現基本控制作用,參數 D 避免系統震蕩,參數I用來消除系統靜差,本平衡小車系統由 PID 演算法進行控制,從而保持平衡

平衡車內部有兩個反饋環,一個是由陀螺儀反饋姿態傾角和角速度構成的 直立環,一個是由編碼器反饋直流電機轉速構成的 速度環,由此構成一個串級 PID 控制系統(見下圖),速度環控制的輸出作為直立環控制的輸入,直立環由 PD 控制(比例-微分控制)系統構成,保證小車的基本平衡(參數 P 的作用)和避免震蕩(參數 D 的作用),速度環由 PI 控制(比例-積分控制)系統,消除姿態傾角的靜差(參數I的作用)

具體 PID 演算法的原理及推導過程請參考自控控制專業書籍,這裡只對演算法作用和各個參數的意義進行簡要說明

控制程序

src/index.js

$.ready(function(error) { if (error) { console.log(error, error); return; } var gyro = $(#gyro); // 陀螺儀感測器(GY-521) var enc = $(#encoder); // 編碼器感測器(MG513-30) var motor = $(#motor); // 電機驅動控制器(TB6612FNG) // 直立環PD控制 var getBalancePwm = function (actualAngle, actualGyro) { var targetAngle = 0.8; // 小車靜止平衡時的姿態角度 var kP = 80; // 直立環比例(P)控制參數 var kD = 2; // 直立環微分(D)控制參數 // 直立環控制分量 var balancePwm = kP * (actualAngle - targetAngle) + kD * actualGyro; return balancePwm / 1000; }; // 速度環PI控制 var encoder = 0; var sumEncoder = 0; var getVelocityPwm = function (actualLEncoder, actualREncoder) { var targetVelocity = 0; // 小車靜止平衡時的電機輸出轉速 var kP = 3; // 速度環比例(P)控制參數 var kI = kP / 200; // 速度環積分(I)控制參數 // FIR二階低通濾波 encoder = 0.2 * (actualLEncoder + actualREncoder - targetVelocity) + 0.8 * encoder; sumEncoder += encoder; // 積分限幅 if (sumEncoder >= 3000) { sumEncoder = 3000; } if (sumEncoder <= -3000) { sumEncoder = -3000; } // 速度換控制分量 var velocityPwm = kP * encoder + kI * sumEncoder; return (velocityPwm / 1000); }; var cycle = 20; // 採樣/控制周期均為20ms,即1s採樣/控制50次 var gyroAcquire, encAcquire, balanceControl; var angleX = 0; var gyroY = 0; var rpm = 0; // 每隔20ms,獲取陀螺儀沿X軸的姿態傾角和角速度 gyroAcquire = setInterval(function() { gyro.getFusedMotionX(cycle, function (error, _angleX, _gyroY) { angleX = _angleX; gyroY = _gyroY; }); }, cycle); // 每隔20ms,獲取編碼器的速度值 encAcquire = setInterval(function() { enc.getRpm(function (error, _rpm) { rpm = _rpm; }); }, cycle); // 每隔20ms,利用反饋值計算控制量,控制電機正反轉 balanceControl = setInterval(function() { var balancePwm = getBalancePwm(angleX, gyroY); var velocityPwm = getVelocityPwm(rpm, rpm); var pwmDuty = balancePwm - velocityPwm; if (pwmDuty >= 0) { if (pwmDuty >= 1) { pwmDuty = 1; } // 控制車身前進(電機A正轉B反轉,A與B相差180度安裝) motor.forwardRotateA(pwmDuty); motor.backwardRotateB(pwmDuty); } else { if (pwmDuty <= -1) { pwmDuty = -1; } // 控制車身後退(電機A反轉B正轉,A與B相差180度安裝) motor.backwardRotateA(-pwmDuty); motor.forwardRotateB(-pwmDuty); } // 若傾角超過30度,停止整個控制系統運行 if (angleX >= 30 || angleX <= -30) { // 停止陀螺儀採樣 clearInterval(gyroAcquire); // 停止編碼器採樣 clearInterval(encAcquire); // 停止電機控制邏輯 clearInterval(balanceControl); // 停止電機A/B轉動 motor.stopRotateA(); motor.stopRotateB(); } }, cycle);});

調試

目標角度調試

裝好整個機械元件後,要進行目標角度調試,即 targetAngle 變數,具體方法,將控制 motor 前後轉動的代碼全部注釋掉,然後在 balanceControl 這個函數中,列印 angleX,得到小車趨於平衡靜止時的角度,應該大約在正負3度以內。

演算法參數調試

首先確定參數的極性。

先屏蔽掉外反饋環 PI 控制,保持 kP 和 kD 參數不變,看是否小車有平衡的趨勢,及車輪是否會向傾倒的一側轉動,若是,則 kP 和 kD 參數為正數不需要改變,若否,則 kP 和 kI 參數需要改為負數。

之後屏蔽掉內反饋環 PD 控制,保持 kI 和 kD 參數不變,用手去轉動連接編碼器的那個車輪,看是否是此PI控制是正反饋,即給車輪一個小的轉動,車輪是否會一直加速到最大速度,若是,則 kP 和 kD 參數為正數不需要改變,若否,則 kP 和 kI 參數需要改為負數(上述程序中只需要改 kP 即可,kI 為 kP/200)。

然後確定參數的數值。一般情況下,整個機械元件裝穩定後,PD 演算法參數(kP 和 kD)和 PI 演算法中的參數(kP 和 kI)應該不需要變動就可以直接運行在你的平衡小車上。

FAQ

Ruff MPU版(ruff-mbd-v1)可以作為主控平台么?

不能,因為底層的 OpenWRT(基於 Linux)不是實時操作系統,系統啟動後會運行很多進程,Ruff 進程不一定時刻佔有 CPU,因此不能穩定地每隔一個控制周期(這裡是 20ms)獲得感測器數據,不滿足控制系統的實時性要求。而 MCU 版 Ruff 的底層操作系統是 Nuttx RTOS,能夠保證實時操作。

控制系統中控制周期是多少?

控制周期為 20ms,即1秒內控制系統控制 50 次。每個控制周期需要做的內容包括 1) 獲取陀螺儀和編碼器兩個感測器的數據,2) 傳入直立環和速度環演算法中進行計算得到控制量,3) 將控制量作用於直流電機上。

用Ruff MCU開發板開發平衡車與用其它開發板(如 stm32)進行裸板開發,有什麼相同點與不同點?

相同點是都滿足實時性控制的要求(如本案例的 20ms 控制周期)。

不同點主要體現在 開發效率可移植性兩個方面,若用其它 MCU 開發板進行裸板開發,要面對 硬體介面協議(I2C介面陀螺儀,QEI介面編碼器,PWM 和 GPIO 介面的直流電機控制器),外設模塊協議(比如給陀螺儀發送什麼命令獲取到加速度值和角速度值)和 硬體定時器中斷(通過配置寄存器設置20ms定時器中斷)等其它問題,且代碼不具備可移植性和復用性,但在整個開發過程中若用 Ruff 開發,可直面業務邏輯,即自動控制演算法,而不用關心硬體模塊的任何細節,你面對的只有外設模塊的 API,並且由於沒有任何硬體平台的邏輯,程序本身具備可復用性。

Ruff 雙輪平衡小車 - 騰訊視頻 https://v.qq.com/x/page/s0340l6k5uc.html


推薦閱讀:

Roy Li:我與 IoT 的這兩年
JS遇上IOT

TAG:Ruff | MCU |