[XR806开发板试用] XR806——基于FreeRTOS下部署竞技机器人先进模糊控制器

前言

  • 很荣幸参与到由“极术社区和全志在线联合组织”举办的XR806开发板试用活动。
  • 本人热衷于各种的开发板的开发,同时更愿意将其实现到具体项目中。
  • 秉承以上原则,发现大家的重心都放在开发中的环境构建过程,缺少了不少实际应用场景的运用,虽然环境搭建确实痛苦。本文主要使用XR806的FreeRTOS到实际的机器人控制应用中,并实现部署模糊控制器。
  • 环境搭建本文简要略写,大家可以看社区其它优秀的文章。
  • 文章中应用到的无线控制和多维状态机两个重要的开发应用,会在后面的文章中陆续更新。

使用环境

1.本人使用window10+VMware+ubuntu 18.04 这里不多阐述
2.按照官方文档移植XR806的FreeRTOS

项目介绍

基于XR806——FreeRTOS为项目主控,部署先进模糊控制器,实现对于竞技机器人的机构控制和定位控制等。

[XR806开发板试用] XR806——基于FreeRTOS下部署竞技机器人先进模糊控制器_第1张图片

渲染图

实物图

软硬件框架

[XR806开发板试用] XR806——基于FreeRTOS下部署竞技机器人先进模糊控制器_第2张图片

控制部署

继电推理

在封装好电机驱动电流环时,实现对电机的控制,相当于建立了一种
继电特性的非线性控制,此时使用继电整定法的Z-N临界比例度法去建立模糊域。
根据以下临界系数表,整定求出模糊域。

控制器类型 KP Tn Tv Ki Kd
P 0.5*Kμ
PD 0.8*Kμ 0.12*Tμ KP*Tn
PI 0.45*Kμ 0.85*Tμ KP/Tn
PID 0.6*Kμ 0.5*Tμ 0.12*Tμ KP/ Tn KP*Tn

模糊推理

模糊推理的核心就是计算出E和EC的隶属度。同时把E和EC分为多种子集情况:负最大NB,负中NM,负小NS,零ZO,正小PS,正中PM,正大PB等七种情况。然后计算E/EC种子集的隶属度。

清晰化

进行模糊推理后,可以根据计算的隶属度,建立模糊规则表,实现对输出值的清晰化。对应到应用层的输出函数,实现控制输出。
例图:

[XR806开发板试用] XR806——基于FreeRTOS下部署竞技机器人先进模糊控制器_第3张图片

FOC控制

[XR806开发板试用] XR806——基于FreeRTOS下部署竞技机器人先进模糊控制器_第4张图片

仿真效果

[XR806开发板试用] XR806——基于FreeRTOS下部署竞技机器人先进模糊控制器_第5张图片
[XR806开发板试用] XR806——基于FreeRTOS下部署竞技机器人先进模糊控制器_第6张图片

代码实现

以下提供部分代码:

自动整定
void PID_AutoTune_Task(void)
{
		
	if(pid.AutoRegurating_Status != START) return;

	/*定义临界Tc*/
	float Tc = 0.0;
	
	static int start_cnt;  //记录最大值出现的时间
	static int end_cnt;    //记录周期结束时的时间值 

		
	static uint16_t cool_cnt = 0; 
	static uint16_t heat_cnt = 0;
		
//	pid.Autotune_Cnt ++; //计数
	
	
	if((pid.Pv_position == UP) && (pid.Pv < pid.Sv)) 
	{
		cool_cnt ++;
		if(cool_cnt >= 3) //连续三次都越过,则说明真的越过了
		{
			pid.Pv_position = DOWN; //标记当前在下方了
			pid.Zero_Across_Cnt ++;	//标记穿越一次
			cool_cnt = 0;
		}
	}
	else if((pid.Pv_position == DOWN)&&(pid.Pv > pid.Sv))//刚才在下方,现在在上方
	{
		heat_cnt++;
		if(heat_cnt >= 3) //连续三次都越过,则说明真的越过了
		{
			pid.Pv_position = UP;   //标记当前在下方了
			pid.Zero_Across_Cnt ++;	//标记穿越一次
			heat_cnt = 0;
		}		
	}
	
	/*****************开始计算强行振荡的周期****************************/	
	if((pid.Zero_Across_Cnt == 2)&&(start_cnt == 0))
	{
		start_cnt = pid.Autotune_Cnt;
		printf("start_time = %d\r\n", start_cnt);
	}else if((pid.Zero_Across_Cnt == 4)&&(end_cnt == 0))
	{
		end_cnt = pid.Autotune_Cnt;
		printf("start_time = %d\r\n", end_cnt);
	}
		
	if(pid.Zero_Across_Cnt == 4)
	{	
		/*计算一个震荡周期的时间*/
		if(start_cnt > end_cnt)
			Tc = (start_cnt-end_cnt)/2;  
		else
			Tc = (end_cnt-start_cnt)/2;  
		
		/*计算Kp,Ti和Td*/
		pid.Kp = 0.6*pid.Kp;
		pid.Ti = Tc*0.5;   
		pid.Td = Tc*0.12;  
		
		/*PID参数整定完成,将各项数据清0*/
		heat_cnt 	= 0;
		cool_cnt 	= 0;	
		pid.Autotune_Cnt = 0;
		start_cnt	= 0;
		end_cnt		= 0;	
		pid.SEk   = 0;
		
		pid.Zero_Across_Cnt 			= 0;					
		pid.AutoRegurating_EN 		= OFF;
		pid.AutoRegurating_Status = OVER; //开始运行使用新的参数后的PID算法

		pid.Sv   = pid.BKSv;    
	}
}	
模糊控制
/*模糊规则表*/
int KpRule[7][7]= {  
	  /*NB, NM,  NS, ZO, PS, PM, PB -EC*/
		{1,   1,   1,  1,  1,  1,  1}, //NB 0~-10
		{0,   0,   0,  1,  2,  3,  4}, //NM 0~10
		{0,   0,   0,  1,  2,  3,  4}, //NS 10~20   
		{0,   0,   1,  1,  2,  3,  4}, //20~30
		{1,   1,   1,  1,  2,  3,  4}, //30~40
		{1,   1,   1,  1,  2,  3,  4}, //40 ~50
    {6,   6,   6,  6,  6,  6,  6}, //50~60       
};
static float fuzzy_kp(float err, float errchange) 
{                 
  volatile float Kp_calcu;  
  volatile uint8_t num,pe,pec;   
 
  volatile float eFuzzy[2]={0.0,0.0};      //隶属于误差E的隶属程度  
  volatile float ecFuzzy[2]={0.0,0.0};     //隶属于误差变化率EC的隶属程度  
 
  float KpFuzzy[7]={0.0,0.0,0.0,0.0,0.0,0.0,0.0}; //隶属于Kp的隶属程度  
	
  /*****误差E隶属函数描述*****/ 
  if(err

实物展示

无刷电机控制

https://www.bilibili.com/video/BV1FN4y1C7fY/?aid=874778769&cid=1302701130&page=null

整体定位控制

https://www.bilibili.com/video/BV1NN411t7Fy/?aid=492262076&cid=1302702003&page=null

以上,就是本文分享的全部内容了,感谢各位

你可能感兴趣的:(开发板测评,机器人)