一种基于灰色神经网络预测算法的前后两轮自平衡小车

摘要

本发明提供了一种基于灰色神经网络预测算法的前后两轮自平衡小车，包括：车体、姿态传感器、后轮转速传感器、前轮偏角传感器、DSP控制器、CCD路径识别模块；使用灰色神经网络预测算法来预测小车姿态，进而与当前路况和标准姿态比较后实现车身的平衡，前进和转向的相应控制，最终保持车身的平稳行驶。小车可以通过蓝牙模块接收手机或控制器发送的优先控制指令，以此来控制小车动作。DSP控制器内设有灰色神经网络预测算法模型，将小车姿态信息、加速度信息、后轮转速信息、前轮偏转方向信息作为灰色神经网络预设算法模型的输入量获得小车的预测姿态信息，再根据小车的预测姿态信息和小车前方路况信息获得小车自动控制信息。

权利要求

1.一种基于灰色神经网络预测算法的前后两轮自平衡小车，其特征在于，包括：车体、姿态传感器、后轮转速传感器、前轮偏角传感器、DSP控制器、CCD路径识别模块；

所述车体包括车架，前轮、后轮、螺旋桨；所述前轮、后轮分别设置于所述车架的前端和后端，所述车架左右两侧对称设有悬臂，所述螺旋桨安装于所述悬臂的顶面；所述前轮设有控制转向的前端电机，所述后轮设有后端电机，设于小车左侧的所述螺旋桨装配有左侧电机，设于小车右侧的所述螺旋桨设有右侧电机；

所述螺旋桨的旋转产生空气反向作用力使小车平衡；

所述姿态传感器与所述车架固连，用于感测小车姿态信息和加速度信息；所述后轮转速传感器与所述后轮连接，用于感测后轮转速信息；所述前轮偏角传感器与所述前轮连接，用于感测前轮偏转方向信息；所述CCD路径识别模块设于所述车架前端，用于获取小车前方路况信息；

DSP控制器分别与所述姿态传感器、后轮转速传感器、前轮偏角传感器、CCD路径识别模块相连，所述DSP控制器内设有灰色神经网络预测算法模型，将所述小车姿态信息、加速度信息、后轮转速信息、前轮偏转方向信息作为所述灰色神经网络预设算法模型的输入量获得小车的预测姿态信息，再根据所述小车的预测姿态信息和所述小车前方路况信息获得并向所述前端电机、后端电机、左侧电机、右侧电机发送小车自动控制信息；

所述灰色神经网络预测算法模型是根据若干组所述小车姿态信息、加速度信息、后轮转速信息、前轮偏转方向信息和小车的预测姿态信息进行训练而确定；

所述小车自动控制信息包括：用于驱动所述前端电机转动而控制前轮转向的方向控制信息，用于驱动所述后端电机转动而控制小车速度的动力控制信息，用于驱动左侧电机转动而使得螺旋桨为小车提供左侧上升作用力的左侧提升控制信息，用于驱动右侧电机转动而使得螺旋桨为小车提供右侧上升作用力的右侧提升控制信息。

2.根据权利要求1所述的一种基于灰色神经网络预测算法的前后两轮自平衡小车，其特征在于，所述姿态传感器包括MPU6050电路模块。

3.根据权利要求1所述的一种基于灰色神经网络预测算法的前后两轮自平衡小车，其特征在于，所述后轮转速传感器为光电编码器。

4.根据权利要求1所述的一种基于灰色神经网络预测算法的前后两轮自平衡小车，其特征在于，所述CCD路径识别模块包含TSL140线性传感器芯片电路。

5.根据权利要求1所述的一种基于灰色神经网络预测算法的前后两轮自平衡小车，其特征在于，还包括电源和稳压电路；所述电源通过所述稳压电路分别与所述姿态传感器、后轮转速传感器、前轮偏角传感器、DSP控制器、CCD路径识别模块、前端电机、后端电机、左侧电机、右侧电机相连。

6.根据权利要求1所述的一种基于灰色神经网络预测算法的前后两轮自平衡小车，其特征在于，还包括蓝牙模块，所述DSP控制器通过所述蓝牙模块与外部设备无线通信。

7.根据权利要求1所述的一种基于灰色神经网络预测算法的前后两轮自平衡小车，其特征在于，DSP控制器进一步用于根据所述小车的预测姿态信息、标准姿态信息和所述小车前方路况信息获得所述小车自动控制信息。

说明书

一种基于灰色神经网络预测算法的前后两轮自平衡小车

技术领域

[0001] 本发明涉及一种基于灰色神经网络预测算法的前后两轮自平衡小车。

背景技术

[0002] 随着私家车数量不断增多，城市交通状况的不断恶化及停车难问题日益突出，汽车在城市交通中的弊端显现地愈加明显，而道路建设和公共交通又跟不上社会需求，在城市道路紧张和我国石油量严重不足的情况下，摩托车、电动自行车灯前后两轮交通工具相对比其他交通方式则有着很明显的优势，它们占用道路少，通过率高，停车方便，使用成本低，污染少。但各地方政府却纷纷出台“禁摩”或“禁电”的相关地方法规，其根本原因就是摩托车和电动自行车的安全性能差，容易侧翻、侧滑，造成交通事故率高。因此若有一种平衡装置可以使前后两轮交通工具“永不侧翻”，即使受到外力或撞击，仍能保持直立；在雨雪天气即使侧滑能够保持不到状态，则将极大地提高前后两轮交通工具的安全性能，这将使前后两轮交通工具面临一个新的发展机遇。

发明内容

[0003] 针对现有技术中的缺陷，本发明的目的是提供一种基于灰色神经网络预测算法的前后两轮自平衡小车。

[0004] 根据本发明提供的一种基于灰色神经网络预测算法的前后两轮自平衡小车，包括：车体、姿态传感器、后轮转速传感器、前轮偏角传感器、DSP控制器、CCD路径识别模块；

[0005] 所述车体包括车架，前轮、后轮、螺旋桨；所述前轮、后轮分别设置于所述车架的前端和后端，所述车架左右两侧对称设有悬臂，所述螺旋桨安装于所述悬臂的顶面；所述前轮设有控制转向的前端电机，所述后轮设有后端电机，设于小车左侧的所述螺旋桨装配有左侧电机，设于小车右侧的所述螺旋桨设有右侧电机；

[0006] 所述姿态传感器与所述车架固连，用于感测小车姿态信息和加速度信息；所述后轮转速传感器与所述后轮连接，用于感测后轮转速信息；所述前轮偏角传感器与所述前轮连接，用于感测前轮偏转方向信息；所述CCD路径识别模块设于所述车架前端，用于获取小车前方路况信息；

[0007] DSP控制器分别与所述姿态传感器、后轮转速传感器、前轮偏角传感器、CCD路径识别模块相连，所述DSP控制器内设有灰色神经网络预测算法模型，将所述小车姿态信息、加速度信息、后轮转速信息、前轮偏转方向信息作为所述灰色神经网络预设算法模型的输入量获得小车的预测姿态信息，再根据所述小车的预测姿态信息和所述小车前方路况信息获得并向所述前端电机、后端电机、左侧电机、右侧电机发送小车自动控制信息。

[0008] 作为一种优化方案，所述灰色神经网络预测算法模型是根据若干组所述小车姿态信息、加速度信息、后轮转速信息、前轮偏转方向信息和小车的预测姿态信息进行训练而确定。

[0009] 作为一种优化方案，所述小车自动控制信息包括：用于驱动所述前端电机转动而控制前轮转向的方向控制信息，用于驱动所述后端电机转动而控制小车速度的动力控制信息，用于驱动左侧电机转动而使得螺旋桨为小车提供左侧上升作用力的左侧提升控制信息，用于驱动右侧电机转动而使得螺旋桨为小车提供右侧上升作用力的右侧提升控制信息。

[0010] 作为一种优化方案，所述姿态传感器包括MPU6050电路模块。

[0011] 作为一种优化方案，所述后轮转速传感器为光电编码器。

[0012] 作为一种优化方案，所述CCD路径识别模块包含TSL140线性传感器芯片电路。

[0013] 作为一种优化方案，还包括电源和稳压电路；所述电源通过所述稳压电路分别与所述姿态传感器、后轮转速传感器、前轮偏角传感器、DSP控制器、CCD路径识别模块、前端电机、后端电机、左侧电机、右侧电机相连。

[0014] 作为一种优化方案，还包括蓝牙模块，所述DSP控制器通过所述蓝牙模块与与外部设备无线通信。

[0015] 作为一种优化方案，DSP控制器进一步用于根据所述小车的预测姿态信息、标准姿态信息和所述小车前方路况信息获得所述小车自动控制信息。

[0016] 与现有技术相比，本发明具有如下的有益效果：

[0017] (1)转向灵活，能够实现在原地回转和任意半径的转向，有着更加灵活易变的移动轨迹，很好地弥补了传统多轮布局的缺点；

[0018] (2)具有占地面积小的优点，它能够在场地面积小或者要求灵活运输的场合上运用；

[0019] (3)车体的结构上面有了很大的筒化，可以把机器人做得更轻更小；

[0020] (4)驱动功率比较小，能够让电池长时问的供电，为环保轻型车提供了一种新的概念。

附图说明

[0021] 为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍，显而易见，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。附图中：

[0022] 图1是一种基于灰色神经网络预测算法的前后两轮自平衡小车的车体结构示意图；

[0023] 图2是一种基于灰色神经网络预测算法的前后两轮自平衡小车的功能框图；

[0024] 图3是一种基于灰色神经网络预测算法的前后两轮自平衡小车的控制流程；

[0025] 图4是一种基于灰色神经网络预测算法的前后两轮自平衡小车的算法示意图；

[0026] 图5是一种基于灰色神经网络预测算法的前后两轮自平衡小车的另一种算法示意图。

具体实施方式

[0027] 下文结合附图以具体实施例的方式对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，还可以使用其他的实施例，或者对本文列举的实施例进行结构和功能上的修改，而不会脱离本发明的范围和实质。

[0028] 本发明两轮自平衡小车具有重要的应用与理论研究意义。与以往的两轮平衡小车相比，本发明采用的是前后两轮，采用了灰色神经网络预测算法，通过灰色神经网络预测算法准确预测智能车下一时刻的状态，及时通过反馈控制调节智能车平衡，之前研究的智能车都是通过速度传感器和加速度计检测状态，本发明反馈更及时。

[0029] 针对两轮自平衡小车平台，建立车模运动模型，利用MATLAB软件对系统模型进行仿真，得到相应的仿真图形。最后，制作了如图1所示的小车的原型，并给予了初步验证。经过多次的实验表明，车身行驶过程中能够平稳地直立，同时能够沿道路快速前进。

[0030] 作为一种实施例，平衡小车可以分为5个部分：DSP控制芯片部分、电机部分、姿态传感部分、路径识别部分、以及蓝牙通信部分。使用灰色神经网络预测算法来预测小车姿态，进而与当前路况和标准姿态比较后实现车身的平衡，前进和转向的相应控制，最终保持车身的平稳行驶。小车可以通过蓝牙模块接收手机或控制器发送的优先控制指令，以此来控制小车动作。

[0031] 在本发明提供的一种基于灰色神经网络预测算法的前后两轮自平衡小车的实施例中，如图2所示，包括：车体、姿态传感器、后轮转速传感器、前轮偏角传感器、DSP控制器、CCD路径识别模块；

[0032] 所述车体包括车架，前轮、后轮、螺旋桨；所述前轮、后轮分别设置于所述车架的前端和后端，所述车架左右两侧对称设有悬臂，所述螺旋桨安装于所述悬臂的顶面；所述前轮设有控制转向的前端电机，所述后轮设有后端电机，设于小车左侧的所述螺旋桨装配有左侧电机，设于小车右侧的所述螺旋桨设有右侧电机；

[0033] 所述姿态传感器与所述车架固连，用于感测小车姿态信息和加速度信息；所述后轮转速传感器与所述后轮连接，用于感测后轮转速信息；所述前轮偏角传感器与所述前轮连接，用于感测前轮偏转方向信息；所述CCD路径识别模块设于所述车架前端，用于获取小车前方路况信息；

[0034] DSP控制器分别与所述姿态传感器、后轮转速传感器、前轮偏角传感器、CCD路径识别模块相连，所述DSP控制器内设有灰色神经网络预测算法模型，将所述小车姿态信息、加速度信息、后轮转速信息、前轮偏转方向信息作为所述灰色神经网络预设算法模型的输入量获得小车的预测姿态信息，再根据所述小车的预测姿态信息和所述小车前方路况信息获得并向所述前端电机、后端电机、左侧电机、右侧电机发送小车自动控制信息。

[0035] 采用DSP控制器，它的优点是成本低，低功耗，高性能的处理能力。具有强大的外部通信接口(SCI，SPI,CAN)便于构成大的控制系统。在车的左右两边加上了螺旋桨，通过电机转动带动螺旋桨的旋转，产生空气反向作用力来使小车平衡。电机驱动采用分立元件搭建的MOS全桥驱动，可以实现电机正反转。采用N沟道MOS场效应管IR7843，其内阻小，发热量相对较低，驱动能力强。

[0036] 如图3和图4所示，灰色神经网络预测算法模型的工作流程为：1)通过姿态传感器、后轮转速传感器、前轮偏角传感器测得智能车的姿态、速度、加速度、前轮偏转状态；2)把这4个参数输入到灰色神经网络算法模型中，这个灰色神经网络算法模型是预先通过把不同时刻的数据进行训练而获得的；3)最终可以预测出智能车下一时刻的姿态状态，结合所述小车前方路况信息获得为了实现避障动作并保持平衡姿态的小车自动控制信息；4)然后通过主控芯片输出小车自动控制信息控制4组电机的转动，通过对前轮转角、后轮转速、左右两侧螺旋桨转速的分别控制以实时控制智能车的平衡。

[0037] 所述灰色神经网络预测算法模型是根据若干组所述小车姿态信息、加速度信息、后轮转速信息、前轮偏转方向信息和小车的预测姿态信息进行训练而确定。

[0038] 所述小车自动控制信息包括：用于驱动所述前端电机转动而控制前轮转向的方向控制信息，用于驱动所述后端电机转动而控制小车速度的动力控制信息，用于驱动左侧电机转动而使得螺旋桨为小车提供左侧上升作用力的左侧提升控制信息，用于驱动右侧电机转动而使得螺旋桨为小车提供右侧上升作用力的右侧提升控制信息。

[0039] 所述姿态传感器包括MPU6050电路模块。

[0040] 所述后轮转速传感器为光电编码器。

[0041] 所述CCD路径识别模块包含TSL140线性传感器芯片电路。路径识别模块采用的是线性CCD路径检测模块，TSL1401线性传感器采用TAOS公司的TSL1401芯片，并选择适合于道路信息采集的镜头制作而成。该产品具有体积小、重量轻、使用简单、易于固定、接口简单等优点。TSL1401线性传感器经过道路环境测试，经测试该传感器能够采集到稳定的道路信号，前瞻较远，能在较远距离采集到道路障碍物，且障碍物与背景压差较大，用简单算法即可提取障碍物位置信号。

[0042] 平衡小车还包括电源和稳压电路；所述电源通过所述稳压电路分别与所述姿态传感器、后轮转速传感器、前轮偏角传感器、DSP控制器、CCD路径识别模块、前端电机、后端电机、左侧电机、右侧电机相连。前端电机、后端电机、左侧电机、右侧电机都包括了电机驱动电路，所述电机驱动电路都采用的是BTS7970驱动电路。

[0043] 平衡小车还包括蓝牙模块，所述DSP控制器通过所述蓝牙模块与与外部设备无线通信。

[0044] DSP控制器进一步用于根据所述小车的预测姿态信息、标准姿态信息和所述小车前方路况信息获得所述小车自动控制信息。所述标准姿态信息可以是由外部控制器、遥控器发送来的，也可以是DSP控制器内预设的。如图5所示是灰色神经网络预测算法在自平衡车中的流程框图，首先采取不同时刻的数据作为输入参数输入到灰色神经网络中，并对这三个参数不同时刻的数据进行训练获得一个灰色神经网络预测算法模型；然后，在DSP控制器工作过程中输入车身当前状态(车身姿态、前轮偏转情况、车身加速度、后轮转动速度)；最后预测出下一时刻车身状态的预测值，把预测值与预期状态进行比较，判断是否满足预期状态，如果不满足，则控制小车动作至满足预期状态为止，如果满足，则保持当前的运行情况。本实施例中所述的姿态是指小车的左右平衡情况，即左右倾斜角度和倾斜角速度。

[0045] 两轮自平衡机器人有着以下的几个优点：(1)转向灵活，能够实现在原地回转和任意半径的转向，有着更加灵活易变的移动轨迹，很好地弥补了传统多轮布局的缺点；(2)具有占地面积小的优点，它能够在场地面积小或者要求灵活运输的场合上运用；(3)车体的结构上面有了很大的筒化，可以把机器人做得更轻更小；(4)驱动功率比较小，能够让电池长时问的供电，为环保轻型车提供了一种新的概念。

[0046] 以上所述仅为本发明的较佳实施例，本领域技术人员知悉，在不脱离本发明的精神和范围的情况下，可以对这些特征和实施例进行各种改变或等同替换。另外，在本发明的教导下，可以对这些特征和实施例进行修改以适应具体的情况及材料而不会脱离本发明的精神和范围。因此，本发明不受此处所公开的具体实施例的限制，所有落入本申请的权利要求范围内的实施例都属于本发明的保护范围。