乐趣区

关于openharmony:玩转OpenHarmony-PID教你打造两轮平衡车

jiezi

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

退出移动版