本文档主要介绍了如何使用Arduino开发一款两轮自平衡小车的控制系统代码。该系统基于Arduino平台，实现了一种自平衡机制，通过陀螺仪（gyro）来监测车辆的姿态，并通过PID（Proportional-Integral-Derivative）控制算法保持车辆的稳定。以下是关键知识点的详细解释：
1. **硬件配置**：
- 电路板：Arduino Uno或类似型号，集成AD1024位ADC用于传感器数据采集。
- 陀螺仪：用于测量车辆的角速度和方向，IDG330M年度模型，输出信号与角度成正比，每2mv对应1度角，满量程为3.223mV。
- 位置传感器（如AD1、AD2、AD3、AD4）：用于获取加速度数据，通过调整零点校准（sensorZero数组）处理实际读数。
2. **软件库与算法**：
- Kalman滤波器：用于噪声抑制和姿态估计，常数C_0、Q_angle、Q_gyro、R_angle定义了滤波器的参数，dt是时间间隔。
- PID控制器：RATE数组用于存储PID控制的输出，K数组和K_AD数组分别为比例、积分和微分系数，以及加速度传感器的增益，分别用于平衡控制和补偿死区。
3. **变量声明**：
- P矩阵和Pdot数组用于存储Kalman滤波器的状态和状态导数的预测值。
- angle和angle_dot表示当前角度和角度变化率。
- sensorPort和sensorValue数组分别记录传感器输入和读取值，sensorZero用于传感器零点调整，sensorAdjusted则是校准后的值。
- E1、E2、M1、M2是电机驱动引脚。
- deadAreaCompensation1和deadAreaCompensation2用于补偿电机的死区效应。
4. **控制流程**：
- 读取陀螺仪（gyroX）和加速度计（accZ）的数据，通过Kalman滤波算法更新车辆角度估计（angle）。
- 计算角度误差（angle_err），根据PID控制策略计算输出速率（RATE）。
- 通过比较当前位置（position）和位置变化（position_dot），执行电机控制，包括两个电动机（M1和M2）的转速调整。
5. **代码结构**：
- 部分代码可能包含初始化传感器零点、计算偏置校正（q_bias）、初始化滤波器状态（P和Pdot）等部分。
- 轮子位置（wheel_ls）数组可能用于跟踪每个轮子的实际位置，这对于平衡控制至关重要。
总结来说，本文档提供了一个完整的两轮自平衡小车Arduino控制代码示例，涵盖了硬件连接、传感器数据处理、滤波算法应用和PID控制等关键技术环节。开发者可以依据这些代码进行自己的硬件搭建和程序编写，以实现一个能够自动保持平衡的自平衡小车。
我的内容管理
展开
