玩轉OpenHarmony PID:教你打造兩輪平衡車

OpenHarmony開發者發表於2022-12-16

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。

圖片

圖片

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:

圖片

圖片

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

圖片

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:

圖片

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。

圖片

圖片

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:

圖片

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:

圖片

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。

圖片

圖片

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。

相關連結

OpenHarmony原始碼下載路徑:https://gitee.com/openharmony...

Balance_car檔案獲取路徑:https://gitee.com/openharmony...

BearPi-HM Nano(Hi3861)開發板程式碼燒錄參考連結:https://gitee.com/bearpi/bear...

OpenHarmony知識體系共建開發倉:https://gitee.com/openharmony...

小熊派開發板學習路徑:https://growing.openharmony.c...

OpenHarmony知識體系工作組智慧家居開發樣例https://gitee.com/openharmony...

參考資料:
第七屆全國大學生“飛思卡爾”杯智慧汽車競賽
電磁組直立行車參考設計方案

圖片

相關文章