玩轉OpenHarmony PID：教你打造兩輪平衡車

簡介

此次為大家帶來的是OpenAtom OpenHarmony（以下簡稱“OpenHarmony”）系統與PID控制演算法相結合並落地的平衡車專案。

PID控制演算法是一種經典的，並被廣泛應用在控制領域的演算法。類似於這種：需要將某一個物理量保持穩定的場合，比如維持平衡，穩定溫度、轉速等，PID都會適用。在四軸飛行器，平衡小車、汽車定速巡航、溫度控制器等場景均有應用。

透過本樣例的學習，開發者能夠對OpenHarmony系統裝置端開發有進一步的認識，還能夠掌握PID控制演算法的使用。本樣例使用OpenHarmony 3.2 Beta1作業系統，硬體平臺採用小熊派BearPi-HM Nano（Hi3861）開發板。

本樣例效果動圖：

硬體配置資源

兩輪平衡小車主要硬體資源：
主控CPU：小熊派BearPi-HM Nano（Hi3861）開發板；
陀螺儀：MPU6050六軸陀螺儀感測器；
左右輪：帶有霍爾感測器的直流電機；
小車平臺及結構件資源可以自行在相關網站獲得。

原理概括

小時候都玩過上圖遊戲吧：木杆立在手指上，儘量保持木杆直立不倒。

當木杆向前傾斜時，我們會往前行走，以用來抵消木杆的前傾；往後傾斜時，我們會往後倒退。對的！沒錯！你猜對了。平衡車的控制原理就是這樣：

PID演算法介紹

平衡車的控制離不開對PID演算法的應用。那麼什麼是PID演算法？它能解決什麼問題？

PID演算法：就是“比例（proportional）、積分（integral）、微分（derivative）”，是一種常見的“保持穩定”控制演算法。

結合兩輪平衡車的場景，對PID引數的認識如下：

P比例引數：該引數能夠快速讓小車達到平衡狀態，但是由於控制是滯後的，以及是慣性系統，容易帶來超調，即小車會出現前後搖擺的現象。所以P引數不能太大；

I積分引數：小車由於摩擦力或者風阻力，並且P不能太大，只靠P控制有可能達不到穩定狀態，所以需要加入I積分引數，消除穩態誤差；

D微分引數：平衡小車維持的是傾斜角度要為平衡角度，由於PI引數使小車振盪，小車會出現前後搖擺現象，加入D微分引數能夠消除小車的振盪。

兩步搭建樣例工程

在OpenHarmony原始碼基礎上，兩步構建平衡小車程式碼。（OpenHarmony原始碼下載路徑及BearPi-HM Nano（Hi3861）開發板程式碼燒錄，請參考文章末尾相關連結）

第一步：複製Balance_car資料夾到原始碼路徑下：\device\board\bearpi\bearpi_hm_nano\app\ （Balance_car檔案獲取路徑，請參考文章末尾相關連結）如圖資料夾目錄：

第二步：修改BUILD.gn，在原始碼路徑下：\device\board\bearpi\bearpi_hm_nano\app\BUILD.gn新增編譯依賴："Balance_car:balance_car"，如下圖：

關鍵演算法講解

兩輪平衡車的控制主要涉及三個PID環的串聯使用，它們分別是直立環（平衡控制）、速度環（速度控制）、轉向環（方向控制）。三個控制效果合成，控制輪子執行。

直立環控制演算法：直立環控制演算法是平衡小車維持平衡的主要演算法。直立環採用了PD演算法環節，即只有比例與微分環節。

傾斜角度大小以及角加速度大小決定了輪子的速度大小。可以理解為傾斜角度越大，控制輪子順著傾斜的方向的速度越大；傾斜的角加速度越大，控制輪子速度也要越大。

float g_middleAngle = 1.0;//平衡角度
float g_kpBalance = -85800.0;
float g_kdBalance = -400;

static int ControlBalance(float angle, short gyro)
{
    int outpwm = 0;
    float angleBias = 0.0;
    float gyroBias = 0.0;
    float tempAngle = 0.0;
    float tempGyro = 0.0;

    tempAngle = 0 - angle;//極性控制
    tempGyro = 0 - gyro;

    angleBias = g_middleAngle - tempAngle;
    gyroBias = 0 - tempGyro;
    outpwm = (g_kpBalance / 100 * angleBias + g_kdBalance
     * gyroBias / 100);

    return outpwm;
}

速度環控制演算法：
速度環控制的目的是讓機器以恆定速度前進或後退，該恆定速度可以為0速度，即要讓平衡車靜止。速度環採用了PI環控制，只有比例與積分環節。

float g_kpSpeed = 95800.0;
float g_kiSpeed = 200;

static int ControlSpeed(long int left, long int right)
{
    int outpwm = 0;
    int speedBias = 0;
    int speedBiasLowpass = 0;
    static int speed_i = 0;
    float a = 0.68;
    static int speedBiasLast = 0;

    speedBias = 0 - left - right;
    speedBiasLowpass = (1 - a) * speedBias
        + a * speedBiasLast;
    speedBiasLast = speedBiasLowpass;

    speed_i += speedBiasLowpass;
    speed_i = limit_data(speed_i, SPEED_H, SPEED_L);

    outpwm = (g_kpSpeed * speedBiasLowpass / 100 +
        gkiSpeed * speed_i / 100);

    return outpwm;
}

轉向環控制演算法：
轉向環的目的是控制小車以恆定速度轉向。在本次場景為了控制小車平衡靜止，所以只做了限制轉向的操作。

static int ControlTurn(short gyro)
{
  int outpwm;

    outpwm = g_kpTurn * gyro;
  return outpwm;
}

以上詳細程式碼，請參考文章末尾的相關連結（Balance_car檔案獲取路徑）。

總結

本文呈現了兩輪平衡小車的大致原理。簡單介紹了一下PID演算法的效果：P比例引數，能夠快速讓系統達到穩定值，但是P太大容易超調，帶來振盪；I積分引數，消除穩態誤差，讓系統達到穩定值；D積分引數，能消除振盪，但是會使系統時效性變慢。開發者可以根據現場情況，合理調節PID三個引數。

本樣例是OpenHarmony知識體系工作組（相關連結在文章末尾）為廣大開發者分享的樣例。同時知識體系工作組結合日常生活，給開發者規劃了各種場景的Demo樣例，如智慧家居場景、影音娛樂場景、運動健康場景等；歡迎廣大開發者一同參與OpenHarmony的開發，更加完善樣例，相互學習，相互進步。