共计 3098 个字符，预计需要花费 8 分钟才能阅读完成。
简介
此次为大家带来的是 OpenAtom OpenHarmony（以下简称“OpenHarmony”）零碎与 PID 控制算法相结合并落地的均衡车我的项目。
PID 控制算法是一种经典的，并被广泛应用在管制畛域的算法。相似于这种：须要将某一个物理量保持稳定的场合，比方维持均衡，稳固温度、转速等，PID 都会实用。在四轴飞行器，均衡小车、汽车定速巡航、温度控制器等场景均有利用。
通过本样例的学习，开发者可能对 OpenHarmony 零碎设施端开发有进一步的意识，还可能把握 PID 控制算法的应用。本样例应用 OpenHarmony 3.2 Beta1 操作系统，硬件平台采纳小熊派 BearPi-HM Nano（Hi3861）开发板。
本样例成果动图：
硬件配置资源
两轮均衡小车次要硬件资源：
主控 CPU：小熊派 BearPi-HM Nano（Hi3861）开发板；
陀螺仪：MPU6050 六轴陀螺仪传感器；
左右轮：带有霍尔传感器的直流电机；
小车平台及结构件资源能够自行在相干网站取得。
原理概括
小时候都玩过上图游戏吧：木杆立在手指上，尽量放弃木杆直立不倒。
当木杆向前歪斜时，咱们会往前行走，以用来对消木杆的前倾；往后歪斜时，咱们会往后倒退。对的！没错！你猜对了。均衡车的管制原理就是这样：
PID 算法介绍
均衡车的管制离不开对 PID 算法的利用。那么什么是 PID 算法？它能解决什么问题？
PID 算法：就是“比例（proportional）、积分（integral）、微分（derivative）”，是一种常见的“保持稳定”控制算法。
联合两轮均衡车的场景，对 PID 参数的意识如下：
P 比例参数：该参数可能疾速让小车达到均衡状态，然而因为管制是滞后的，以及是惯性零碎，容易带来超调，即小车会呈现前后摇晃的景象。所以 P 参数不能太大；
I 积分参数：小车因为摩擦力或者风阻力，并且 P 不能太大，只靠 P 管制有可能达不到稳固状态，所以须要退出 I 积分参数，打消稳态误差；
D 微分参数：均衡小车维持的是歪斜角度要为均衡角度，因为 PI 参数使小车振荡，小车会呈现前后摇晃景象，退出 D 微分参数可能打消小车的振荡。
两步搭建样例工程
在 OpenHarmony 源码根底上，两步构建均衡小车代码。（OpenHarmony 源码下载门路及 BearPi-HM Nano（Hi3861）开发板代码烧录，请参考文章开端相干链接）
第一步：拷贝 Balance_car 文件夹到源码门路下：\device\board\bearpi\bearpi_hm_nano\app\（Balance_car 文件获取门路，请参考文章开端相干链接）如图文件夹目录：
第二步：批改 BUILD.gn，在源码门路下：\device\board\bearpi\bearpi_hm_nano\app\BUILD.gn 增加编译依赖：”Balance_car:balance_car”，如下图：
要害算法解说
两轮均衡车的管制次要波及三个 PID 环的串联应用，它们别离是直立环（均衡管制）、速度环（速度管制）、转向环（方向管制）。三个管制成果合成，管制轮子运行。
直立环控制算法：直立环控制算法是均衡小车维持均衡的次要算法。直立环采纳了 PD 算法环节，即只有比例与微分环节。
歪斜角度大小以及角加速度大小决定了轮子的速度大小。能够了解为歪斜角度越大，管制轮子顺着歪斜的方向的速度越大；歪斜的角加速度越大，管制轮子速度也要越大。
float g_middleAngle = 1.0;// 均衡角度
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;// 极性管制
tempGyro = 0 - gyro;
angleBias = g_middleAngle - tempAngle;
gyroBias = 0 - tempGyro;
outpwm = (g_kpBalance / 100 * angleBias + g_kdBalance
* gyroBias / 100);
return outpwm;
}
速度环控制算法：
速度环控制的目标是让机器以恒定速度后退或后退，该恒定速度能够为 0 速度，即要让均衡车静止。速度环采纳了 PI 环控制，只有比例与积分环节。
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;
}
转向环控制算法：
转向环的目标是管制小车以恒定速度转向。在本次场景为了管制小车均衡静止，所以只做了限度转向的操作。
static int ControlTurn(short gyro)
{
int outpwm;
outpwm = g_kpTurn * gyro;
return outpwm;
}
以上具体代码，请参考文章开端的相干链接（Balance_car 文件获取门路）。
总结
本文出现了两轮均衡小车的大抵原理。简略介绍了一下 PID 算法的成果：P 比例参数，可能疾速让零碎达到稳固值，然而 P 太大容易超调，带来振荡；I 积分参数，打消稳态误差，让零碎达到稳固值；D 积分参数，能打消振荡，然而会使零碎时效性变慢。开发者能够依据现场状况，正当调节 PID 三个参数。
本样例是 OpenHarmony 常识体系工作组（相干链接在文章开端）为宽广开发者分享的样例。同时常识体系工作组联合日常生活，给开发者布局了各种场景的 Demo 样例，如智能家居场景、影音娱乐场景、静止衰弱场景等；欢送宽广开发者一起参加 OpenHarmony 的开发，更加欠缺样例，互相学习，互相提高。
相干链接
OpenHarmony 源码下载门路：https://gitee.com/openharmony…
Balance_car 文件获取门路：https://gitee.com/openharmony…
BearPi-HM Nano（Hi3861）开发板代码烧录参考链接：https://gitee.com/bearpi/bear…
OpenHarmony 常识体系共建开发仓：https://gitee.com/openharmony…
小熊派开发板学习门路：https://growing.openharmony.c…
OpenHarmony 常识体系工作组智慧家居开发样例 https://gitee.com/openharmony…
参考资料：
第七届全国大学生“飞思卡尔”杯智能汽车比赛
电磁组直立行车参考设计方案
