林嘉裕，戴廷飛，熊慧

(天津工業(yè)大學 電氣工程與自動化學院，天津 300387)

自平衡車的電流環(huán)串級PID控制設計*

林嘉裕，戴廷飛，熊慧

(天津工業(yè)大學 電氣工程與自動化學院，天津 300387)

為了解決兩輪自平衡電動車用傳統占空比控制無法實現對轉矩的精確控制問題，本文采用飛思卡爾微處理器MK60DN512ZVLQ10，卡爾曼濾波算法獲取車身傾角實時最優(yōu)值，基于電流環(huán)的串級PID控制來調節(jié)直流電機。電流傳感器精度能達到1%左右，系統受擾動后，此方法調節(jié)時間更短、超調量更小、魯棒性更強。實驗結果表明，直接轉矩控制在快速性、穩(wěn)定性和抗擾性等方面明顯優(yōu)于傳統占空比控制。

卡爾曼濾波算法；電流環(huán)；串級PID控制；MK60DN512ZVLQ10

引 言

兩輪自平衡電動車以其具有結構簡單、轉彎靈活、無剎車、易于駕駛和環(huán)保節(jié)能等優(yōu)點，已經成為移動機器人領域的一大研究熱點[1]。以第十屆全國大學生智能汽車競賽為背景，本設計采用直接轉矩控制在平衡組比賽中取得全國二等獎，驗證了此方法的可行性。兩輪電動平衡車系統是一個不穩(wěn)定的非線性系統，其時變、耦合、參數不確定的特點也導致其電機控制的復雜性，因此電機的選型也對控制的難度與效果起著一定的影響。交流電機雖有很多優(yōu)點如結構穩(wěn)固，運行穩(wěn)健可靠，成本低廉和高效率等而被廣泛使用，但交流電機可控制性不如直流電機[2]。

平衡車精確的控制是建立在準確的姿態(tài)測量基礎上的，參考文獻[3-4]提出利用卡爾曼信號融合濾波的方法，解決了慣性傳感器在兩輪平衡車姿態(tài)測量中存在的隨機漂移誤差問題。傳統的平衡車控制都是采用占空比控制[5-10]，系統控制比較簡單，但是實際上占空比同時作用在轉矩和轉速上，無法準確地控制電機轉矩。

直立車控制的過程中需要實現精確地轉矩控制和速度控制，因此本文使用直流無刷電機，以反應更為迅速的電流環(huán)作為內環(huán)，對電機進行直接轉矩控制，這樣可以精確的控制電機的輸出轉矩。此外，在轉向時對兩側電機差動轉矩進行了直接控制，有效的防止轉向時由于兩側電機差動轉矩不同導致身角度的改變。

1 系統整體設計

本設計要求平衡車能夠完成保持平穩(wěn)姿態(tài)載人運行，并且轉向可以由操縱者通過搖桿來操控。為保證使用者的安全，本設計采用如圖1所示的設計思路，利用飛思卡爾芯片MK60DN512ZVLQ10作為主控制器，用來采集姿態(tài)傳感器、電流傳感器以及轉向電位器的信號，經過數據處理與運算后，把控制信號輸出到BLDCM驅動器來控制電機。同時，采集的數據可以通過無線通信模塊上傳到PC上位機上，控制參數也可以在上位機上修改后發(fā)送到主控制器上，方便調試。

圖1 系統整體框圖

2 硬件電路設計

2.1 電機驅動模塊整體結構

圖2為電機驅動模塊整體結構圖，該模塊主要由過流保護模塊、電流檢測模塊和電機驅動電路構成。電機驅動部分，結構上使用最常見的三相全橋式換相器結構，控制策略上采用兩兩通電方式。在該模塊中，6只MOS管構成了功率逆變器，通過控制電路給出的控制信號，使得每次換相上下橋臂各有一只MOS管導通，為三相定子繞組提供直流電源。該電路中電機采用Y型連接，在一個周期中，每隔60°電角度換相一次，每個MOS管通電120°，每個繞組通電為240°，正向反向通電各120°。

圖2 驅動模塊整體結構圖

2.2 電流檢測模塊

電流檢測模塊的設計使用電流檢測芯片AD8210，其為一款高壓電流檢測放大器。電流流經采樣電阻，轉化成差分電壓，AD8210內置放大器對電壓進行放大，放大增益為20 dB，可以實現精確的差分輸入電壓測量。

圖3為本設計的電流檢測模塊原理圖，在電機驅動回路中串入一個3 mΩ的精密合金電阻作為采樣電阻，AD8210放大系數為20。單片機的A/D采樣最大值為3.3 V，因此AD8210的采樣輸出必須調整為0～3.3 V，電流模塊的最大量程如下所示：

(1)

因此該模塊的量程為-27.5～+27.5 A，大于本設計使用的直流無刷電機堵轉電流，因此該模塊可以滿足控制要求。

圖3 電流檢測模塊電路

2.3 過流檢測模塊

在電機運行的過程中由于短路和電機堵轉等原因都會產生過流現象，不及時處理會導致電機損傷甚至對人體造成傷害，因此本設計加入了過流檢測模塊。該模塊檢測電流部分同上文介紹。如圖4所示，為過流判斷模塊電路圖。該模塊為一個比較電路，同相端為AD8210輸出電壓，反相端為給定的閾值，當電流大時，AD8210的輸出電壓大于閾值電壓，此時比較器輸出高電壓，經過三極管驅動電路控制蜂鳴器發(fā)出報警信號，同時單片機也能夠根據比較器輸出端的電平變換，采取相應保護措施。

圖4 過流檢測模塊電路

3 軟件設計

3.1 系統控制原理

兩輪自平衡電動車實際是一種典型的一級倒立擺模型，對于系統的數學模型已經有了許多的研究[11-13]。兩輪自平衡電動車的動平衡控制是通過慣性傳感器MPU6050獲取平衡車的角速度和傾角加速度，將此信息傳到微處理器中，經過卡爾曼濾波算法估計最優(yōu)姿態(tài)角，最后通過合適的控制算法算出兩個電機的控制量，從而驅動左右兩側電機加速或減速，產生向前或向后的加速度，使車體保持平衡。

平衡車的控制本質是車輪的轉矩控制，而永磁直流無刷電機輸出轉矩在永磁體磁性不變的情況下，基本與電樞電流成線性關系。因此控制電機的轉矩，只需要控制電機的電流，這樣就構成了以電流環(huán)為內環(huán)，角度環(huán)為系統主回路的三閉環(huán)串級PID控制系統。

控制系統框圖如圖5所示，圖中ω′為車體角速度，θ′為車體角度。在三閉環(huán)平衡控制的基礎上加上轉向控制，只需采用一個轉向電位器，經過前饋控制器計算出兩側電機的差動轉矩，根據電機電磁轉矩與電樞電流的關系，即可得到兩側電機轉動所需的差動電流±I，由電流閉環(huán)調節(jié)電機的輸出。

圖5 控制系統框圖

3.2 系統算法設計

從系統的控制原理以及要實現的功能來看，需要有姿態(tài)估計卡爾曼濾波算法和電流環(huán)串級控制算法。

3.2.1 卡爾曼濾波算法

卡爾曼濾波器是匈牙利數學家卡爾曼(Kalman)于20世紀60年代提出的用于時變線性系統的最優(yōu)線性遞歸濾波器[14]，因此卡爾曼濾波本質上是一種遞歸型的狀態(tài)估計器。通常卡爾曼濾波包括兩步:一是狀態(tài)預測，即通過狀態(tài)方程來求得狀態(tài)預測向量和誤差協方差預測向量；二是狀態(tài)修正，即通過觀測方程來修正狀態(tài)預測向量，最后求解最小誤差協方差矩陣的過程。在平衡車上，顯然要實現精確的控制關鍵在于姿態(tài)角的精確估計。根據卡爾曼濾波理論，k時刻姿態(tài)角的估計，必須由(k-1)時刻的姿態(tài)角來預測，同時獲得k時刻的高斯噪聲偏差。本設計用MPU6050的陀螺儀測量的角速度值作為預測量，以加速度計測得的角度值作為觀測量，利用兩者協方差不斷遞歸運算以求得最優(yōu)姿態(tài)角。

3.2.2 電流環(huán)串級控制算法

在本設計中，由于受控制器運算速度的限制，姿態(tài)估計算法輸出間隔為5 ms，加入了角速度環(huán)和電流環(huán)構成串級控制，角度環(huán)作為主回路，角速度環(huán)和電流環(huán)作為副回路，把系統的控制周期從5 ms縮短到1 ms,1 ms為電流環(huán)的控制周期。轉向控制采用轉向電位器，電位器經過一個前饋控制器可以算出左右兩電機期望的差動電流，和角速度環(huán)輸出疊加起來作為電流環(huán)的期望電流。在控制規(guī)律的選擇上，由于對電樞電流采樣過程中存在采樣噪聲，不適合進行微分控制，電流環(huán)最終采用PI控制，角度環(huán)采用PD控制和角速度環(huán)采用PID控制。電流環(huán)串級控制算法流程如圖6所示。

圖6 電流環(huán)串級控制算法流程

4 實驗結果與分析

4.1 電流檢測電路測試

在對電流檢測模塊進行性能測試與分析時，本文主要以靜態(tài)性能測試為主，重點對該模塊的相對誤差進行分析。測量時將采樣電阻與2 Ω的功率電阻串聯，接到驅動板H橋電路的輸出端，驅動板由電壓為15 V左右的鋰電池供電，驅動板輸出電壓=電池電壓×占空比。通過單片機設置不同占空比的PWM，就可以構造出有效值不同的電壓信號，電壓與電阻的比值即為電流的真值，將真值與測量值進行比較就可以得到相對誤差r,如圖7和圖8所示，分別為占空比為60%和40%時驅動板輸出電壓以及檢測模塊輸出電壓的波形圖。

根據波形圖可以得到以下結論：式(2)和式(3)分別為占空比為60%和40%時相對誤差計算公式。以占空比60%為例，驅動板輸出平均電壓U為8.91 V，忽略采樣電阻的阻值Rm(阻值0.003 Ω)，回路總電阻R為2 Ω，差動放大器增益A為20，電流檢測模塊輸出電壓平均值為270 mV，相對誤差為1%。同理可得，占空比為40%時，相對誤差為0.92%。

(2)

(3)

由以上兩組數據可以看出，相對誤差在1%左右，誤差較小，滿足電流環(huán)控制系統的精度要求。

圖7 占空比為60%時檢測模塊與驅動板輸出電壓

圖8 占空比為40%時檢測模塊與驅動板輸出電壓

4.2 姿態(tài)平衡控制實驗

圖9 占空比控制與直接轉矩控制車身傾角響應

先整定電流環(huán)的參數，選取PI參數分別為P=1.25，I=0.24。通過鍵盤的調試方式確定角度環(huán)和角速度環(huán)的參數，最終角度環(huán)的PD參數分別為P=30，D=0.5。角速度環(huán)的PID參數分別為P=1.2，I=0.000 1，D=0.3。從車身18°左右啟動，分別測量占空比控制和直接轉矩控制的傾角響應。圖9是占空比控制與直接轉矩控制車身傾角響應，其中上圖為占空比控制，下圖為直接轉矩控制，縱坐標均為車身傾角度數。

4.3 魯棒性實驗

在相同的平衡條件下，在同一時間對平衡車加入擾動作用，分別對傳統占空比控制和直接轉矩控制進行實驗。圖10是擾動作用下占空比控制與直接轉矩控制的車身傾角響應。上圖為占空比控制，下圖為直接轉矩控制。

圖10 擾動作用下的車身傾角響應

4.4 實驗結果對比分析

表1為的動態(tài)性能對比可見，直接轉矩控制調節(jié)時間更短，超調量更小，平衡角受擾動后恢復更快。實驗結果表明，直接轉矩控制的平衡車受到擾動作用的影響較小，能快速平穩(wěn)地回到平衡狀態(tài)，而傳統占空比控制的平衡車受到擾動作用后回到平衡狀態(tài)經過了一段時間的波動。

表1 兩種不同控制方法動態(tài)性能比較

因此，引入電流環(huán)的平衡車電機控制方法提高了系統的快速性、穩(wěn)定性和魯棒性，其控制效果明顯優(yōu)于傳統占空比控制。

結 語

[1] 梁文宇, 周惠興, 曹榮敏, 等. 雙輪載人自平衡控制系統研究綜述[J]. 控制工程, 2010(s2):139-144.

[2] 童玲. 基于DSP的交流電機雙閉環(huán)控制系統設計[J]. 現代機械, 2008(6):47-49.

[3] 郜園園, 阮曉鋼, 宋洪軍, 等. 兩輪自平衡機器人慣性傳感器濾波問題的研究[J]. 傳感技術學報, 2010,23(5):696-700.

[4] 張團善, 何穎. 卡爾曼濾波在兩輪自平衡代步車姿態(tài)檢測中的應用[J]. 單片機與嵌入式系統應用, 2014(5):33-35.

[5] 董錕, 韓帥, 孫繼龍, 等. 兩輪自平衡智能車系統設計[J]. 單片機與嵌入式系統應用, 2013,13(1):71-74.

[6] 楊雪, 高成恩, 高攀, 等. 基于電磁場檢測的尋跡智能車系統設計[J]. 單片機與嵌入式系統應用, 2011,11(12):61-64.

[7] 袁洪躍. 自平衡兩輪電動車控制系統設計[D]. 重慶：重慶大學, 2012.

[8] 孔祥宣. 自主式雙輪動態(tài)平衡移動機器人的控制系統研究[D]. 上海：上海交通大學, 2007.

[9] 魏文, 段晨東, 高精隆, 等. 基于數據融合的兩輪自平衡小車控制系統設計[J]. 電子技術應用, 2013,39(5):79-81.

[10] 周牡丹, 康愷, 蔡普郎, 等. 兩輪自平衡車控制系統的設計與實現[J]. 自動化技術與應用, 2014,33(10):4-8.

[11] 阮曉鋼, 劉江, 狄海江, 等. 兩輪自平衡機器人系統設計、建模及LQ控制[J]. 現代電子技術, 2008,31(18):57-60.

[12] 孫軍, 萬明倫, 呂博, 等. 平衡車機電控制系統建模與仿真[J]. 機械與電子,2010(10):34-37.

[13] 薛凡, 孫京誥, 嚴懷成. 兩輪平衡車的建模與控制研究[J]. 化工自動化及儀表, 2012,39(11):67-71.

[14] Selin I. The Kalman filter and nonlinear estimates of multivariate normal processes[J]. IEEE Transactions on Automatic Control, 1964,9(3):319.

林嘉裕、戴廷飛(本科生),熊慧(副教授)：主要研究方向為嵌入式系統應用、智能控制、生物醫(yī)學電子學等。

ST聯合DSP Group和Sensory研制聲控設備關鍵字智能麥克風

意法半導體 (STMicroelectronics，簡稱ST)與全球領先的融合通信無線芯片組解決方案提供商DSP Group 有限公司和全球最大的語音界面和關鍵字檢測算法開發(fā)商 Sensory有限公司，聯合公布了高能效語音檢測處理麥克風的技術細節(jié)。該麥克風封裝緊湊，具有關鍵字識別功能。

這款器件在微型系統封裝(SiP)內集成意法半導體的低功耗MEMS麥克風、DSP Group的超低功耗語音處理芯片和 Sensory的語音識別固件，利用意法半導體的先進封裝技術取得了非常好的輕量型封裝、極長的續(xù)航時間和先進的功能。

Current Loop Cascade PID Control Design of Self-balanced Vehicle

Lin Jiayu,Dai Tingfei,Xiong Hui

(School of Electrical Engineering and Automation,Tianjin Polytechnic University,Tianjin 300387,China)

In order to solve the problem that the traditional duty cycle control of two-wheeled self-balancing electric vehicle can not realize the accurate control of torque,the design uses MK60DN512ZVLQ10 as the core,the real-time inclination angle of vehicle body is obtained by kalman filter algorithm,the loop cascade PID control is used to regulate the DC motor.The accuracy of the current sensor can reach about 1%,when the system is disturbed,this method has the shorter settling time,the smaller overshoot and the stronger robustness.So the direct torque control is superior to conventional duty control in terms of fastness,stability and immunity.

Kalman filter algorithm;current loop;cascade PID control;MK60DN512ZVLQ10

2015年國家級大學生創(chuàng)新創(chuàng)業(yè)項目(201510058052)。

TP212.9;TP273

A

迪娜

2017-01-09)