淡江大學覺生紀念圖書館 (TKU Library)
進階搜尋


系統識別號 U0002-1707202013264500
中文論文名稱 自平衡慣性輪單擺控制系統設計
英文論文名稱 Control Design of Self-balancing Inertia Wheel Pendulum Systems
校院名稱 淡江大學
系所名稱(中) 電機工程學系機器人工程碩士班
系所名稱(英) Master’s Program In Robotics Engineering, Department Of Electrical And Computer Engineering
學年度 108
學期 2
出版年 109
研究生中文姓名 范家瑋
研究生英文姓名 Chia-Wei Fan
學號 607470365
學位類別 碩士
語文別 中文
口試日期 2020-07-10
論文頁數 73頁
口試委員 指導教授-許駿飛
委員-吳政郎
委員-邱謙松
委員-許駿飛
中文關鍵字 智慧型控制  平衡控制  慣性輪  倒單擺  微控制器 
英文關鍵字 intelligent control  balance control  inertia wheel  inverted pendulum  microcontroller 
學科別分類
中文摘要 慣性輪單擺是一個非線性且不穩定的系統,本論文控制慣性輪單擺平衡原理是當機構上的馬達帶動慣性輪旋轉時,所產生的力矩與機構傾倒時產生的力矩相反,進而使其能夠達到平衡保持不跌倒。本論文結合PID控制、滑動模式控制與模糊控制,提出了智慧型控制系統使慣性輪單擺可以自我保持平衡,由於所使用的機構設計為一個正立方體,故可以規劃兩個平衡任務如下,一為單邊自平衡控制,用來驗證控制器在機構左右傾倒時的自平衡能力;另一為單點自平衡控制,用來驗證控制器在前後左右傾倒時的自平衡能力。接著,本論文使用STM32F103微控制器搭配一些周邊電路模組與感測器模組,實際硬體實現所提出之數種控制法則,並將實驗數據透過藍芽模組傳送至電腦端,將數據圖形化以方便觀察。最後,經由實際實驗結果顯示本論文所提出設計之慣性輪單擺控制系統可以擁有不錯的自平衡控制效果。
英文摘要 This paper proposes several intelligent controller systems, which combines PID control, sliding mode control and fuzzy control, for self-balancing inertia wheel pendulum systems. The principle of control balance is when the motor drives the inertia wheel rotating, the torque generated is opposite to the torque generated when the mechanism is tilting out, so that it can keep balanced achieving the self-balancing task. The control task is divided into two parts, one is stand on its edge and balanced the roll angle, the other is stand on its tip and balanced the roll angle and the pitch angle. Then, the STM32F103 microcontroller is used with a posture sensor to realize the proposed intelligent control laws, and transfer the experimental data to the computer through the bluetooth module. Finally, The experimental results show that the proposed several intelligent controllers can achieve favorable control response for self-balancing inertia wheel pendulum systems.
論文目次 誌謝 I
摘要 II
ABSTRACT III
目錄 V
圖目錄 VIII
表目錄 XII
第一章 導論 1
1.1 前言 1
1.2 文獻探討 5
1.3 論文結構 8
第二章 慣性輪單擺系統介紹 9
2.1 硬體架構 10
2.1.1 STM32F103實驗板 11
2.1.2 姿態感測器 12
2.1.3 慣性輪馬達組 13
2.1.4 轉接板 15
2.1.5 馬達編碼器 17
2.1.6 藍芽模組 18
2.1.7 OLED液晶顯示模組 20
2.2 軟體模組測試 23
2.2.1 姿態感測器功能測試 24
2.2.2 OLED液晶顯示模組測試 27
2.2.3 馬達編碼器計數測試 28
2.3 實驗環境架設 31
2.3.1 圖形化資料顯示介面 32
2.3.2 藍芽模組資料傳輸測試 34
第三章 單邊自平衡慣性輪單擺控制 35
3.1 數學模型 36
3.2 PID控制於單邊平衡設計 38
3.3智慧型控制於單邊平衡設計 42
3.3.1模糊直立平衡控制方法 42
3.3.2模糊滑動模式直立平衡控制方法 45
3.3.3自適應模糊滑動模式直立平衡控制方法 48
3.4 討論 52
第四章 單點自平衡慣性輪單擺控制 53
4.1 數學模型 54
4.2 PID控制於單點平衡設計 57
4.3智慧型控制於單點平衡設計 59
4.3.1模糊直立平衡控制方法 59
4.3.2模糊滑動模式直立平衡控制方法 61
4.3.3自適應模糊滑動模式直立平衡控制方法 62
4.4 討論 65
第五章 結論與未來研究 66
5.1 結論 66
5.2 未來研究 67
參考文獻 68
著作目錄 73

圖目錄
圖1.1、(a)Atlas人形機器人。(b)Spot狗型機器人。 2
圖1.2、(a)村田頑童Murata Boy。(b)村田婉童Murata Girl。 2
圖1.3、兩輪平衡機器人。 4
圖1.4、圓球平衡機器人。 4
圖1.5、人型機器人。 4
圖1.6、Nguyen等人提出之系統。 6
圖1.7、Gajamohan等人提出之Cubli。 6
圖1.8、多維度慣性輪單擺系統。 7
圖2.1、慣性輪單擺系統。 9
圖2 2、慣性輪單擺硬體架構圖。 10
圖2.3、STM32F103實驗板。 11
圖2.4、MPU 6050姿態感測器。 13
圖2.5、直流無刷馬達安裝配置圖。 14
圖2.6、直流馬達安裝配置圖與感測器量測座標軸示意圖。 15
圖2.7、轉接板。 16
圖2.8、XL2596開關型直流電源降壓模組之電路。 16
圖2.9、轉接板之接腳定義(a)藍芽模組接腳介面。(b)馬達接腳介面。 16
圖2.10、馬達編碼器接腳圖。 17
圖2.11、馬達正轉時,編碼器輸出訊號圖。 17
圖2.12、馬達反轉時,編碼器輸出訊號圖。 17
圖2.13、HC-05藍芽模組。 18
圖2.14、HC-05藍芽模組安裝配置圖。 18
圖2.15、0.96吋OLED液晶顯示模組。 20
圖2.16、OLED液晶顯示模組安裝配置圖。 20
圖2.17、OLED液晶顯示模組之SPI通訊時序圖。 21
圖2.18、µVision IDE開發環境。 24
圖2.19、繞Y軸方向旋轉之量測測試結果。 26
圖2.20、繞X軸方向旋轉之量測測試結果。 26
圖2.21、繞Z軸方向旋轉之量測測試結果。 26
圖2.22、OLED初始化流程圖。 27
圖2.23、OLED顯示測試。 27
圖2.24、一倍頻之解碼工作原理。 28
圖2.25、四倍頻之解碼工作原理。 28
圖2.26、編碼器模式原理圖。 29
圖2.27、編碼器測試一倍頻計數之結果。 30
圖2.28、編碼器測試四倍頻計數之結果。 30
圖2.29、軟體流程圖。 31
圖2.30、自製視窗介面程式。 32
圖2.31、實驗測試環境平台圖。 33
圖2.32、藍芽資料傳輸測試結果。 34
圖3.1、單邊自平衡控制示意圖。 35
圖3.2、單邊自平衡慣性輪單擺實際系統與示意圖。 37
圖3.3、PID型直立平衡控制器系統方塊圖。 39
圖3.4、場景一之PID型直立平衡控制使用PI旋轉補償響應圖。 40
圖3.5、場景二之PID型直立平衡控制使用PI旋轉補償響應圖。 40
圖3.6、場景一之PID型直立平衡控制使用P旋轉補償響應圖。 41
圖3.7、場景二之PID型直立平衡控制使用P旋轉補償響應圖。 41
圖3.8、模糊直立平衡控制器系統方塊圖。 43
圖3.9、(a)角度誤差之歸屬函數。(b)角度誤差變化率之歸屬函數。 43
圖3.10、場景一之模糊直立平衡控制響應圖。 45
圖3.11、場景二之模糊直立平衡控制響應圖。 45
圖3.12、模糊滑動模式直立平衡控制器系統方塊圖。 46
圖3.13、滑動表面之歸屬函數。 47
圖3.14、場景一之模糊滑動模式直立平衡控制響應圖。 48
圖3.15、場景二之模糊滑動模式直立平衡控制響應圖。 48
圖3.16、自適應模糊滑動模式直立平衡控制器系統方塊圖。 49
圖3.17、場景一之自適應模糊滑動模式直立平衡控制響應圖。 51
圖3.18、場景二之自適應模糊滑動模式直立平衡控制響應圖。 51
圖4.1、單點自平衡控制示意圖。 53
圖4.2、單點自平衡慣性輪單擺實際系統與示意圖。 55
圖4.3、力矩分析示意圖。 55
圖4.4、PID型單點平衡控制器系統方塊圖。 57
圖4.5、場景一之PID型直立平衡控制響應圖。 58
圖4.6、場景二之PID型直立平衡控制響應圖。 58
圖4.7、模糊直立平衡控制器系統方塊圖。 59
圖4.8、場景一之模糊直立平衡控制響應圖。 60
圖4.9、場景二之模糊直立平衡控制響應圖。 60
圖4.10、模糊滑動模式直立平衡控制器系統方塊圖。 61
圖4.11、場景一之模糊滑動模式直立平衡控制響應圖。 62
圖4.12、場景二之模糊滑動模式直立平衡控制響應圖。 62
圖4.13、自適應模糊滑動模式直立平衡控制器系統方塊圖。 63
圖4.14、場景一之自適應模糊滑動模式直立平衡控制響應圖。 64
圖4.15、場景二之自適應模糊滑動模式直立平衡控制響應圖。 64

表目錄
表2.1、STM32F103RCT6簡易規格表。 12
表2.2、HC-05藍芽模組常用指令表。 19
表2.3、OLED液晶顯示模組之SPI通訊時序表。 22
表2.4、大小12pt之數字與小數點資料集。 22
表2.5、姿態感測器暫存器位址表。 25
表2.6、自訂藍芽封包格式。 34
表3.1、模糊擺動控制器之模糊規則表。 44
表3.2、模糊擺動控制器之模糊規則表。 47
表3.3、模糊擺動控制器之初始模糊規則表。 49
表3.4、場景一之模糊擺動控制器學習後模糊規則表。 52
表3.5、場景二之模糊擺動控制器學習後模糊規則表。 52
表4.1、場景一之X軸模糊擺動控制器學習後模糊規則表。 64
表4.2、場景一之Y軸模糊擺動控制器學習後模糊規則表。 64
表4.3、場景二之X軸模糊擺動控制器學習後模糊規則表。 65
表4.4、場景二之Y軸模糊擺動控制器學習後模糊規則表。 65
表5.1、數種控制器於慣性輪單擺系統之性能比較表。 67
參考文獻 [1] https://www.bostondynamics.com/atlas
[2] https://en.wikipedia.org/wiki/Atlas_(robot)
[3] https://www.bostondynamics.com/spot
[4] https://corporate.murata.com/en-us/about/mboymgirl/mboy
[5] https://corporate.murata.com/en-us/about/mboymgirl/mgirl
[6] H. Lee and S. Jung, “Balancing and navigation control of a mobile inverted pendulum robot using sensor fusion of low cost sensors,” Mechatronics, vol. 22, pp. 95-105, 2012.
[7] J. Huang, F. Ding, T. Fukuda and T. Matsuno, “Modeling and velocity control for a novel narrow vehicle based on mobile wheeled inverted pendulum,” IEEE Transactions on Control Systems Technology, vol. 21, pp. 1607-1617, 2013.
[8] R. Sadeghian and M. T. Masoule, “An experimental study on the PID and fuzzy-PID controllers on a designed two-wheeled self-balancing autonomous robot,” 2016 4th International Conference on Control, Instrumentation, and Automation, Iran, pp. 313-318, 2016.
[9] F. C. Wang and Z. J. Wang, “The development of a multi-loop control structure for a two-wheeled inverted pendulum robot,” 2019 6th International Conference on Control, Decision and Information Technologies, France, pp. 551-556, 2019.
[10] M. Neunert, C. de Crousaz, F. Furrer, M. Kamel, F. Farshidian, R. Siegwart and J. Buchli, “Fast nonlinear model predictive control for unified trajectory optimization and tracking,” 2016 IEEE International Conference on Robotics and Automation, Sweden, pp. 1938-1404, 2016.
[11] F. H. B. Lima, E. Poleze, G. P. das Neves and B. A. Angélico, “LMI based robust H2 control of a ball balancing robot with omni-wheels,” 2019 18th European Control Conference, Italy, pp. 2090-2095, 2019.
[12] J. L. Lin, K. S. Hwang, W. C. Jiang and Y. J. Chen, “Gait balance and acceleration of a biped robot based on Q-learning,” IEEE Access, vol. 4, pp. 2439-2449, 2016.
[13] S. Mason, N. Rotella, S. Schaal and L. Righetti, “Balancing and walking using full dynamics LQR control with contact constraints,” 2016 IEEE-RAS 16th International Conference on Humanoid Robots, Mexico, pp. 63-68, 2016.
[14] G. Wiedebach1, S. Bertrand, T. Wu, L. Fiorio, S. McCrory, R. Griffin, F. Nori and J. Pratt, “Walking on partial footholds including line contacts with the humanoid robot atlas,” 2016 IEEE-RAS 16th International Conference on Humanoid Robots, Mexico, pp. 1312-1319, 2016.
[15] A. Sripada, A. Warrier, A. Kapoor, H. Gaur and B. Hemalatha, “Dynamic lateral balance of humanoid robots on unstable surfaces,” 2017 International Conference on Electrical, Electronics, Communication, Computer, and Optimization Techniques, India, pp. 539-544, 2017.
[16] X. G. Ruan and Y. F. Wang, “The modelling and control of flywheel inverted pendulum system,” 2010 3rd International Conference on Computer Science and Information Technology, China, pp. 423-427, 2010.
[17] B. Lu, Y. Fang and N. Sun, “Global stabilization of inertia wheel systems with a novel sliding mode-based strategy,” 2016 14th International Workshop on Variable Structure Systems, China, pp. 200-205, 2016.
[18] T. S. Nguyen and T. H. Huynh, “Study on a two-loop control architecture to balance an inertia wheel pendulum,” 2016 3rd National Foundation for Science and Technology Development Conference on Information and Computer Science, Vietnam, pp. 29-33, 2016.
[19] M. Gajamohan, M. Merz, I. Thommen and R. D’Andrea, “The Cubli: a cube that can jump up and balance,” 2012 IEEE/RSJ International Conference on Intelligent Robots and Systems, Portugal, pp. 3722-3727, 2012.
[20] M. Gajamohan, M. Muehlebach, T. Widmer, and R. D’Andrea, “The Cubli: a reaction wheel based 3D inverted pendulum,” 2013 European Control Conference, Switzerland, pp. 268-274, 2013.
[21] M. Muehlebach, G. Mohanarajah, and R. D’Andrea, “Nonlinear analysis and control of a reaction wheel-based 3D inverted pendulum,” 52nd IEEE Conference on Decision and Control, Italy, pp. 1283-1288, 2013.
[22] J. Mayr, F. Spanlang and H. Gattringer, “Mechatronic design of a self-balancing three-dimensional inertia wheel pendulum,” Mechatronics, vol. 30, pp. 1-10, 2015.
[23] https://www.st.com/en/microcontrollers-microprocessors/stm32f103.html
[24] https://www.st.com/resource/en/datasheet/cd00191185.pdf
[25] https://www.invensense.com/products/motion-tracking/6-axis/mpu-6050/
[26] http://www.hy-star.com.tw/Product/xlsemi/datasheet/XL2596%20datasheet.pdf
[27] https://www.taiwaniot.com.tw/wp-content/uploads/2016/01/ADIO-HC-05-1.pdf
[28] https://www.buydisplay.com/download/manual/ER-OLED0.96-1_Series_Datasheet.pdf
[29] https://invensense.tdk.com/wp-content/uploads/2015/02/MPU-6000-Register-Map1.pdf
[30] https://www.cnblogs.com/21207-ihome/p/6894128.html
[31] https://zh.wikipedia.org/wiki/Atan2
[32] http://mcu.eetrend.com/content/2018/100010842.html
[33] https://doc.qt.io/qt-5/classes.html
[34] S. R. Larimi, O. Iqbal, J. Garbowski, M. Hoorfar and H. Najjaran, “Two-layer hybrid control of an underactuated system,” 2016 IEEE International Conference on Systems, Man, and Cybernetics, Hungary, pp. 3864-3869, 2016.
[35] https://shop114407458.world.taobao.com/
[36] J. R. Timothy, Fuzzy Logic with Engineering Application, NewYork: Mc-Graw Hill 1995.
[37] L. X. Wang, A Course in Fuzzy Systems and Control, Prentice-Hall, New Jersey, 1997.
[38] 楊英魁、孫宗瀛、鄭魁香、林建德、蔣旭堂,模糊控制理論與技術,全華圖書,民國85年。
[39] 王文俊,認識 Fuzzy-第三版,全華圖書,民國94年。
[40] X. Yu, Z. Man and B. Wu, “Design of fuzzy sliding-model control system,” Fuzzy Sets and Systems, vol. 95, pp. 295-306, 1998.
[41] C. F. Hsu and K. Y. Wong, “On-line constructive fuzzy sliding-mode control for voice coil motors,” Applied Soft Computing, vol. 47, pp. 415-423, 2016.
[42] C. F. Hsu and T. T. Lee, “Emotional fuzzy sliding-mode control for unknown nonlinear systems,” International Journal of Fuzzy Systems, vol. 19, pp. 942-953, 2017.
[43] C. F. Hsu, J. Z. Tsai, and C. J. Chiu, “Chaos synchronization of nonlinear gyros using self-learning PID control approach,” Applied Soft Computing, vol. 12, pp. 430-439, 2012.
論文使用權限
  • 同意紙本無償授權給館內讀者為學術之目的重製使用,於2022-07-31公開。
  • 同意授權瀏覽/列印電子全文服務,於2022-07-31起公開。


  • 若您有任何疑問,請與我們聯絡!
    圖書館: 請來電 (02)2621-5656 轉 2486 或 來信