[发明专利]一种自平衡车控制方法、系统、存储介质及电子设备

权利要求书

1.一种自平衡车控制方法，其特征在于，包括：

S101、获取自平衡车运行过程的历史数据Data；

S102、搭建神经网络以获得系统的动能函数估计T_θ和势能函数V_θ；

S103、根据动能函数估计T_θ和势能函数V_θ计算出系统的拉格朗日量估计L_θ；

S104、根据历史数据Data运用欧拉-拉格朗日方程计算出系统的矢量场估计X_θ，通过积分获得系统的状态估计Φ_θ，并计算系统状态的估计误差ΔΦ；

S105、根据估计误差调整神经网络的参数θ；

S106、重复执行步骤S102-S105，响应于参数θ收敛至稳定值则执行步骤S107；

S107、根据拉格朗日量的精确估计，设计带阻尼的PD控制器；

S108、通过带阻尼的PD控制器使系统状态收敛至稳定的平衡点。

2.根据权利要求1所述的自平衡车控制方法，其特征在于，所述历史数据Data包括受控的自平衡车在控制输入作用下的运行过程的倾斜角度φ、倾斜角速度平移速度和系统的控制输入u。

3.根据权利要求2所述的自平衡车控制方法，其特征在于，所述神将网络包括输入层、隐藏层和输出层，输入层为历史数据输出层为系统动能函数估计T_θ和势能函数估计V_θ，通过对输出层进行做差运算，以获得系统的拉格朗日量估计L_θ，其中，L_θ＝T_θ-V_θ，神经网络的最优参数θ通过反向传播算法进行动态学习而获得。

4.根据权利要求2所述的自平衡车控制方法，其特征在于，所述欧拉-拉格朗日方程具体化为受控自平衡车模型的公式为：

将公式(1)展开为：

求解公式(2)，以得到矢量场估计：

5.根据权利要求2所述的自平衡车控制方法，其特征在于，通过积分获得系统的状态估计Φ_θ中所述积分的过程为：

6.根据权利要求5所述的自平衡车控制方法，其特征在于，计算系统状态的估计误差ΔΦ的公式为：

7.根据权利要求1所述的自平衡车控制方法，其特征在于，根据估计误差调整神经网络的参数θ中所述神经网络的调整公式为：

其中，E＝||ΔΦ||²为误差函数，η为参数调整的步长。

8.根据权利要求1所述的自平衡车控制方法，其特征在于，所述参数θ收敛至稳定值的判断依据为：E≤ε。

9.根据权利要求2所述的自平衡车控制方法，其特征在于，所述带阻尼的PD控制器所满足的条件为：

所述条件通过设计控制输入u_PD得以实现：

其中，所述带阻尼的PD控制器的求解过程为：通过公式(3)求得关于u_PD的表达式，并将代入到的表达式，以使得关于φ的欧拉-拉格朗日方程满足公式(7)，以反解出带阻尼的PD控制器u_PD。

10.根据权利要求2所述的自平衡车控制方法，其特征在于，通过带阻尼的PD控制器使系统状态收敛至稳定的平衡点中所述系统状态收敛的过程为：在带阻尼的PD控制器的作用下，自平衡车的倾斜角表现为带阻尼的震荡过程，以使得自平衡车的倾斜角和角速度收敛至稳定的平衡点在该条件下，系统的PD控制输入为零，根据公式(3)可知自平衡车的平移加速度以自平衡车速度保持恒定值