[发明专利]一种两轮自平衡电动车系统控制器的设计方法

说明书

技术领域

本发明涉及系统控制器的优化领域，具体是一种新型的两轮自平衡电动车系统控制器的设计方法。

背景技术

随着我国城镇化建设的脚步，我国汽车保有量一跃进入世界前列。由此引发了包括环境污染问题、能源问题、交通问题等在内的一系列问题困扰着人们。基于此问题,占用面积小、节能无污染、无转弯半径的两轮自平衡电动车的研发成为各大高科技厂商的研究热点。

对两轮自平衡电动车系统数学模型的建立，常用的方法是牛顿经典力学建模和用拉格朗日方程建模。牛顿经典力学进行系统建模则需对系统的各部分进行受力分析，拉格朗日建模法只考虑系统外部的作用力，而不考虑系统各部分间的相互作用力。针对两轮自平衡车的控制国际上多采用线性二次最优控制、点配置法、自适应神经网络法、模糊控制法等其他混合智能算法。而对已经面世的商品车而言，国外Segway的美国研究人员采用的是模糊PID控制策略；国内乐行体感车采用的是带补偿系数的可变模糊卡尔曼滤波算法。这些研究已取得了很好的成果，但如何进一步地提高效率，以达到更好的效果，还有待于研究。

发明内容

发明目的：为了进一步提高控制效率，本发明提出一种新型的两轮自平衡电动车系统控制器的设计方法，通过该方法，可以在短时间内设计出符合系统控制要求的控制器，使控制系统可以有效控制两轮车完成各种行驶动作。

本发明一种新型的两轮自平衡电动车系统控制器的设计方法，包括以下步骤：

1)建立两轮自平衡电动车系统的数学模型，为控制器的设计奠定基础。

2)用试凑法仿真建立两轮自平衡电动车系统的线性二次最优控制器雏形。

3)运用量子遗传算法优化控制器参数。由于加权阵Q和加权阵R的选择会对控制系统的性能指标产生巨大影响。传统的最优控制加权矩阵都是通过经验和多次仿真实验得到的所以控制器的控制效果在一定范围内具有极大的随机性和不定性。为了获得理想的控制性能常常需要反复调整加权阵，反复的试凑不仅影响设计的效率而且不能保证选定的加权阵能提供最优的控制性能。为了解决这一问题，通过量子遗传算法对选取的加权矩阵进行优化，得到优化后的加权矩阵可以更加趋近于系统的最优解。

4)将优化后的控制器参数代入系统，得到更加完善的线性二次最优控制器。

所述的建立两轮自平衡电动车数学模型，使用的方法是用拉格朗日方程建模。

所述的用拉格朗日方程建模，包括以下步骤：

(3.1)确定模型的各个物理量，包括：车轮的移动动能T₁、转动动能T₂、车体的移动动能T₃、转动动能T₄、车体内的直流减速电动机的转动动能T₅，系统总势能V，并得出拉格朗日函数表达式：L＝T-V＝T₁+T₂+T₃+T₄+T₅-V。其中L为拉格朗日量,T是系统总动能，T＝T₁+T₂+T₃+T₄+T₅。

(3.2)代入拉格朗日方程得出相应的方程组。

其中，是拉格朗日量，q＝(q₁,q₂…,q_N)是广义坐标的广义变量、F是广义外力、F_θ是车辆前进的主动力、F_φ是车体绕转轴转动的主动力、是车轮的转动主动力。

(3.3)对系统进行线性化，化简方程组。

(3.4)选取车体倾斜角度φ、车体倾斜角速度车轮转过角度θ、车轮转动角速度整车转动角度和整车转角角速度作为系统的状态变量,便可得出车辆的运动状态方程组。

U_l、U_r为驱动两个车轮的两个直流电动机的电枢电压，A、B、C、D为状态方程的系数矩阵。

(3.5)判断系统模型的能控和能观性。

所述步骤(3.5)，具体操作为：

(4.1)得到步骤(3.4)的状态方程的系数矩阵A、B、C、D；。

(4.2)利用Matlab命令ctrb、obsv得出两轮自平衡电动车的可控矩阵、可观矩阵。

(4.3)利用Matlab命令rank求得可控和可观矩阵的秩，根据矩阵是否满秩来判断系统是否可控可观。

在所述步骤2)中，包括以下步骤：