本論文以SOPC (System on a Programmable Chip)技術設計實現一個兩輸入一輸出的模糊控制器來讓兩輪機器人可以自我平衡，並且於受到干擾後可立即恢復到平衡狀態。機器人底盤左右的兩個輪子分別由直流馬達來控制機器人的移動，機器人的主要控制核心為一個NIOS II開發板，其負責所有訊號的擷取與馬達的控制。在訊號的擷取上，本論文採用一個單軸陀螺儀(Gyro)以及一個三軸加速度計(Accelerometer)來量測二輪機器人的傾斜角速度以及傾斜角度。此外，本論文使用卡爾曼濾波器(Kalman Filter)來有效改善陀螺儀與加速度計在量測傾斜角度時所產生的誤差，讓二輪機器人獲得一個正確的傾斜角度。在模糊控制器的設計上，本論文採用卡爾曼濾波器所得到之傾斜角度以及陀螺儀所計算出之傾斜角速度為輸入，而馬達速度控制命令為輸出，並且由SOPC所實現的PWM訊號來控制兩個直流馬達的轉動，讓二輪機器人可以保持平衡的姿態。從實驗的結果可知，本論文所設計實現的模糊控制器確實可以讓兩輪機器人自我平衡，並且在受到外力干擾後亦可以快速恢復到平衡狀態。

In this thesis, a two-input-one-output fuzzy controller is design and implemented based on the SOPC (System on a Programmable Chip) technique to let the implemented two-wheeled robot can balance by itself and let the robot reinstate the balancing state quickly when some output perturbation is produced. The chassis of robot has two wheels which are controlled by two DC motors and the control board of robot is a Nios II development board which processes all the signal and motor control. In the signal process, an one-axle gyro and a three-axle accelerometer are used to measure the tilt angle and angle velocity of robot. Furthermore, the Kalman filter is used to improve the measurement errors caused by the gyro and accelerometer so that a correct tilt angle can be obtained. The tilt angle measured by the Kalman filter and the angle velocity measured by the gyro are used to be two inputs of fuzzy controller, and the motor speed is the output of fuzzy controller. The PWM signal based on the SOPC technique is realized to control two DC motors. From some experiment results, we can see that the implemented fuzzy controller actually let the two-wheeled robot balance by itself.

目錄
中文摘要	I
英文摘要	II
目錄	III
圖目錄	VI
表目錄	XI
第一章　緒論	1
1.1　前言	1
1.2　研究動機	1
1.3　論文架構	2
第二章　控制理論	4
2.1　模糊理論	4
2.1.1　模糊理論之背景	4
2.1.2　模糊控制器之架構	5
2.1.2　模糊控制器之設計步驟	7
2.2　卡爾曼濾波器	9
第三章　二輪自我平衡控制器之設計與模擬	13
3.1　運動系統	13
3.2　模糊控制器設計	15
3.2.1　模糊控制器的輸入與輸出	15
3.2.2　歸屬函數	16
3.2.3　模糊規則庫	17
3.2.4　模糊推論與解模糊化	18
3.3　卡爾曼濾波器	20
3.3.1　陀螺儀預測角度	20
3.3.2　加速度計預測角度	23
第四章　二輪自我平衡機器人之設計與實現	25
4.1　硬體架構	25
4.2　Nios II發展板	27
4.3　感測電路板	28
4.4　馬達驅動電路	28
4.5　陀螺儀感測器	29
4.6　陀螺儀訊號擷取	30
4.7　加速度計感測器	31
4.8　軟體資料流	34
第五章　實驗結果與分析	37
5.1　卡爾曼濾波器	37
5.2　自我平衡控制實驗	45
5.3　外加干擾力自我平衡控制實驗	51
5.4　實驗結果分析	59
第六章　結論與未來展望	60
參考文獻	62
 
圖目錄
圖2.1、模糊控制之基本架構圖	6
圖2.2、卡爾曼濾波器步驟示意圖	10
圖3.1、二輪平衡機器人示意圖	13
圖3.2、二輪平衡機器人傾斜示意圖	14
圖3.3、二輪平衡機器人之系統方塊圖	15
圖3.4、模糊系統輸入變數 之歸屬函數圖	17
圖3.5、模糊系統輸入變數ω之歸屬函數圖	17
圖3.6、模糊系統輸出變數V之歸屬函數圖	17
圖3.7、輸出、輸入模糊曲面圖	19
圖3.8、角速度變化圖	21
圖3.9、陀螺儀讀值對應到角速度	21
圖3.10、陀螺儀靜止狀態雜訊	22
圖3.11、陀螺儀靜止狀態雜訊次數分布圖	22
圖3.12、利用加速度計計算傾斜角度的示意圖	23
圖4.1、硬體放置圖	26
圖4.2、機器人實體圖	26
圖4.3、硬體架構圖	27
圖4.4、Nios II發展板實體圖	28
圖4.5、馬達驅動電路模組之實體圖	28
圖4.6、陀螺儀實體圖	29
圖4.7、陀螺儀偵測方式示意圖	30
圖4.8、接收陀螺儀SPI訊號之電路模組	31
圖4.9、三軸加速度計實體圖	32
圖4.10、接收三軸加速度計I2C訊號之電路模組	33
圖4.11、軟體資料流	36
圖5.1、陀螺儀在靜止狀態時由積分公式所計算出的傾斜角度	38
圖5.2、陀螺儀在左右擺動時由積分公式所計算出的傾斜角度	38
圖5.3、加速度計在靜止狀態時所計算的傾斜角度	39
圖5.4、加速度計在靜止狀態時所計算的傾斜角度次數分布圖	39
圖5.5、加速度計在水平移動時所計算的傾斜角度	40
圖5.6、加速度計在水平移動時所計算的傾斜角度次數分布圖	40
圖5.7、陀螺儀、加速度計、卡爾曼濾波器所估測的傾斜角度	43
圖5.8、二輪機器人在靜止時的傾斜角度	46
圖5.9、二輪機器人在靜止時的傾斜角度次數分布圖	46
圖5.10、二輪機器人在靜止時的傾斜角速度	47
圖5.11、二輪機器人在靜止時的傾斜角速度次數分布圖	47
圖5.12、二輪機器人在靜止時的馬達速度命令	48
圖5.13、二輪機器人在靜止時的馬達速度命令次數分布圖	48
圖5.14、二輪機器人的傾斜角度與傾斜角速度狀態圖	49
圖5.15、二輪機器人的傾斜角度與傾斜角速度狀態圖(1~70筆資料)	50
圖5.16、二輪機器人的傾斜角度與傾斜角速度狀態圖(670~682筆資料)	50
圖5.17、二輪機器人在2500取樣點受到正向外力干擾時的傾斜角度	51
圖5.18、二輪機器人在2500取樣點受到正向外力干擾時的傾斜角速度	52
圖5.19、二輪機器人在2500取樣點受到正向外力干擾時馬達速度命令	52
圖5.20、二輪機器人在受到正向外力干擾時的傾斜角度與傾斜角速度狀態圖	53
圖5.21、二輪機器人在受到正向外力干擾時的傾斜角度與傾斜角速度狀態圖(1~70筆資料)	54
圖5.22、二輪機器人在受到正向外力干擾時的傾斜角度與傾斜角速度狀態圖(2432~2622筆資料)	54
圖5.23、二輪機器人在1209取樣點受到負向外力干擾時的傾斜角度	55
圖5.24、二輪機器人在1209取樣點受到負向外力干擾時的傾斜角速度	56
圖5.25、二輪機器人在1209取樣點受到負向外力干擾時馬達速度命令	56
圖5.26、受到負向外力干擾時的傾斜角度與傾斜角速度狀態圖	57
圖5.27、負向外力干擾時的傾斜角度與傾斜角速度狀態圖(1~50筆資料)	58
圖5.28、負向外力干擾時的傾斜角度與傾斜角速度狀態圖(1200~1300筆資料)	58
 
表目錄
表3.1、模糊系統之模糊規則庫	18
表4.1、馬達驅動電路模組腳位之名稱與用途	29
表4.2、陀螺儀腳位之名稱與用途	30
表4.3、陀螺儀規格	30
表4.4、電路模組腳位之名稱與用途	31
表4.5、電路模組之腳位功能介紹	34
表4.6、三軸加速度計資料切割方式	34

[1]	URL：http://www.segway.com/
[2]	URL：www.wikipedia.org
[3]	URL：http://tlb.org/scooter.html
[4]	URL：http:// www.melexis.com
[5]	URL：http:// www.kionix.com/
[6]	G. Welch and G. Bishop, “An Introduction to the Kalman Filter,” University of North Carolina at Chapel Hill Department of Computer Science Chapel Hill, NC 27599-3175.
http://www.cs.unc.edu/~welch/kalman/kalmanIntro.html
[7]	L. A. Zadeh, “Fuzzy sets,” Information and Control, vol. 8, pp. 338-353, 1965.
[8]	E. H. Mamdani, “Applications of fuzzy algorithms for simple dynamic plant,” Proc. IEE, Vol.121, No.12, pp.1585-1588, 1974.
[9]	E. H. Mamdani and S. Assilian, “An experiment in linguistic synthesis with a fuzzy logic controller,” Int. Journal of Man Machine Studies, Vol.7, No.1, pp. 1-13, 1975.
[10]	蔡僑倫，DSP主控之兩輪機器人行動控制，中央大學電機工程學系碩士論文，2004。
[11]	王培霖，改良式DSP主控之兩輪機器人行動控制，中央大學電機工程學系碩士論文，2005。
[12]	陳家榮，改良式DSP主控之兩輪機器人基本控制，中央大學電機工程學系碩士論文，2005。
[13]	李垂憲，兩輪自走車之設計與實現-NIOS為核心之基本控制，中央大學電機工程學系碩士論文，2006。
[14]	黃正豪，兩輪自走車之設計與實現-NIOS為核心之行動控制，中央大學電機工程學系碩士論文，2006。
[15]	周烜達，二輪自走車之設計與實現，中央大學電機工程學系碩士論文，2007。
[16]	Altera, Nios Development Board, Stratix Edition Data Sheet.
[17]	唐佩忠，VHDL與數位邏輯設計，高立圖書，1999。
[18]	陳慶逸、林柏辰，VHDL數位電路實習與專題設計，文魁資訊股份有限公司，2003。
[19]	王文俊，認識Fuzzy，全華科技股份有限公司，2001。