买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：安徽大学

摘要：本发明公开了基于LQR和Kalman滤波的无人自行车自平衡控制方法，包括自行车本体，所述自行车本体的前叉上设置有动量轮，所述自行车本体的后架上设置有无刷电机，所述自行车本体的前杠上设置有惯性传感器，所述自行车本体的前杠上设置有微控制器和卡片电脑，所述自行车本体的前杠上设置有激光雷达，所述自行车本体的前杠上设置有舵机，所述自行车本体的车头上设置有激光雷达，芯片通过读取惯性传感器的姿态角度信息，结合LQR和卡尔曼滤波算法控制无刷电机和动量轮，实现车身自平衡，最后使用卡片电脑采集激光雷达数据，建立离线地图并识别障碍物后进行避障和自动规划路径，本发明可以提高自行车的稳定性和安全性，更加便利人们出行和生活。

主权项：1.基于LQR和Kalman滤波的无人自行车自平衡控制方法，其特征在于：该方法包括如下步骤：S1、在自行车上安装控制系统，控制系统包括自行车本体（1），自行车本体（1）的前叉上设置有动量轮（2），自行车本体（1）的后架上设置有无刷电机（3），自行车本体（1）的前杠上设置有MPU6050惯性传感器（4），自行车本体（1）的前杠上设置有STM32单片机和卡片电脑（5），自行车本体（1）的前杠上设置有激光雷达（6），自行车本体（1）的前杠上设置有舵机（7），自行车本体（1）的车头上设置有摄像头（8），自行车本体（1）的下杠上设置有电池盒（9），所述自行车本体（1）的前杠上设置有一体化动量轮支架与FOC驱动器（10）；通过STM32单片机和卡片电脑（5）、MPU6050惯性传感器（4）、无刷电机（3）和电机驱动器的设置，其中STM32单片机和卡片电脑（5）利用KeilMDK环境调试，用来调试控制MPU6050惯性传感器（4）和无刷电机（3）的操作；MPU6050惯性传感器（4）用于实时读取自行车的姿态角度信息，而无刷电机（3）则通过电机驱动器进行控制；S2：通过控制电机的扭矩和转速，使得车轮能够向左或向右转动，从而使车身保持平衡，通过MPU6050惯性传感器（4）能够获取自行车姿态信息进行测量，其中包括角度和角速度，根据姿态测量的结果，STM32单片机和卡片电脑（5）根据LQR控制算法对动量轮扭矩计算需要施加的控制量，并将控制量输出到无刷电机（3）轻微转动轮胎，调整自行车的倾斜状态，以达到平衡状态；所述控制系统中，通过以矩阵形式表示的状态方程来描述系统，其中包括系统的状态变量、输入和参数，为了实现对系统的线性化，将其近似为局部线性系统，通过在系统处于某一工作点时进行泰勒展开来实现，线性化后的状态方程表示为： ，其中表示系统状态变量，、分别表示自行车偏离竖直方向角度，动量轮选装的角度，和是状态矩阵，分别表示系统的动态特性，是输入在平衡飞轮上的转矩，表示施加在系统上的控制输入,即动量轮提供的转矩，可以根据平衡自行车固有机械结构的参数计算得出： ， 和状态矩阵中的部分参数表示如下： ， ， ，其中、分别表示自行车车体和惯性轮的质量，、分别表示车辆重心和惯性轮重心到地面的距离，、分别表示车体和惯性轮以地面点为转动点的转动惯量；在LQR（线性二次型调节器）控制方法中，选择权重矩阵Q和R作为调节器的参数，给定Q和R的值后，通过解代数矩阵方程来计算状态反馈矩阵K以及系统的输入u；首先，选择和，代价函数的形式如下： ，通过解代数矩阵方程来计算最优P矩阵，代数矩阵方程为： ，其中，A是状态矩阵，B是输入矩阵，P是状态权重矩阵，解得最优P矩阵后，计算状态反馈矩阵的表达式为: ，K矩阵描述了在每个时刻如何根据当前状态来施加最优的控制输入；同时，系统的输入u表示为: ，其中，是系统的状态向量，控制输入是由状态反馈矩阵K和系统状态的线性组合得到，选择适当的权重矩阵Q和R，并计算出最优的状态反馈矩阵，从而实现了对自行车平衡系统的优化控制；S3：在无人自行车行驶过程中，通过使用MPU6050惯性传感器（4）采集车辆绕轴方向的加速度信息，而后基于传感器数据，使用卡尔曼滤波算法计算车辆在三维空间中的俯仰角、偏航角和横滚角，以估计车身的倾斜程度；实际系统测量模型中含有测量噪声，为了获得系统的确切状态，使用卡尔曼滤波对系统状态进行观测，惯性测量单元测量到轴角速度以及轴的加速度，其中为IMU到地面的距离系统在平衡时，对上述公式近似，令，，令,求得系统的状态递推和观测方程有如下公式描述： ，其中，为观测噪声，它符合正态分布： ， ， ，其对系统的状态预测有如下公式描述： ，其对系统的状态更新有如下公式描述： ，其中为时刻卡尔曼增益，为时刻先验估计协方差矩阵，为时刻后验估计协方差矩阵，和分别为过程激励噪声和测量噪声的协方差矩阵；S4：在无人自行车行驶过程中，需要进行规划行驶路径，通过使用Lidar模块定位自行车的位置和方向信息，而后利用摄像头（8）或激光雷达（6）对道路、建筑物等进行三维建模，而后生成路网拓扑结构，基于地图建模的结果，通过路径规划处理来确定行驶路径，并计算出前方的障碍物、路线偏差信息，而后根据规划得到的信息，在行驶过程中通过控制算法和环境信息实现自主方向控制、平衡及避障控制，从而能够完成路径规划。

全文数据：

权利要求：

百度查询： 安徽大学 基于LQR和Kalman滤波的无人自行车自平衡控制方法