步驟1：硬件

我嘗試了多種IMU，電機，電動機驅動器，車輪和電源。

原型視頻中顯示的內容包括：

MPU6050

Pololu低功率直流電動機（2282：590 rpm，9.68：1，17 oz-in）

霍爾編碼器464.64 cpr（齒輪后為48 cpr）

Pololu輪120 x 60 mm（通行節拍器）

Arduino UNO

Seeed Studio 4A電機罩

大沽藍牙模塊（HC06）

Raspberry Pi 2B +

2x UltraBorg板，用于讀取Raspberry上的超聲波傳感器

2x DFRobot LiPo 7.4 V電池

HOBBYWING 3A開關模式UBEC 5V 6V

慣性測量單元（IMU）

視頻中的機器人使用基于InvenSense MPU6050芯片的基本且成本非常低的模塊。我還嘗試了基于MPU9150和MPU9250的多個SeeedStudio模塊和版本。后者的芯片名為10DOF（自由度），因為它在陀螺儀（3軸），加速度計（3軸）和磁力計（3軸）上增加了氣壓計（單軸）。

所有3種芯片上都裝有數字運動處理器（DMP）。使用此處理器有很大的優勢。它在計算垂直角度（傳感器融合和濾波）時節省了大量代碼。其次，它具有內置的校準程序。最后但并非最不重要的一點是：它節省了Arduino的CPU和內存的使用。

如果您想將DMP與Arduino結合使用，即使在“開發人員專區”中，InvenSense文檔也無濟于事。 Jeff Rowberg在這里發布了有關MPU6050寄存器的出色技巧。該庫僅適用于MPU6050和MPU9150。 MPU9250的寄存器配置不同。在使用MPU9150芯片進行測試時，DMP偶爾會停止工作（可能是該芯片）。最后，MPU6050給出了最佳結果。 （其他優點：這些模塊是最小，最薄且價格非常低的模塊。）

如果MPU6050產生錯誤的數據，則可能需要校準傳感器的x，y，z偏移量。可以在此處找到用于校準偏移量的Arduino草圖

我經歷過，調整偏移量可以提高小角度的精度，但也會降低大角度的精度。到最后，芯片默認偏移量在大多數情況下效果最好。

電動機，編碼器，電動機驅動器和車輪

我使用的電動機（全部為Pololu）：

大功率Micro no 1101，990 rpm，齒輪：100.37：1，失速扭矩：30 oz/in

大功率Micro no 2271，990 rpm，齒輪：9.68：1，失速扭矩： 39 oz/in

大功率no 2274，210 rpm，齒輪：100：1，失速轉矩：80 oz/in

小功率no 2282，590 rpm，齒輪：9.68 ：1，失速轉矩：17 oz/in

除微型版本外，所有電機均隨附霍爾編碼器。它們產生易于操作的分辨率，取決于齒輪比，分辨率為464至2248節拍。對于微型馬達，我使用了產生48個刻度的光學編碼器。

在我看來，在室內使用扭矩不太重要。我也經歷了高功率版本，因為調音更難。它們具有更大的靜摩擦力（“死功率區” =開始移動所需的功率），因此，我發現很難以很小的平衡差（即小的垂直角度）來調節功率。轉速與最大速度直接相關。在我看來，對于首次建立平衡器也不太重要。但是，極低的轉速幾乎不可能達到穩定的平衡。我的建議：使用普通電動機，最好以600 rpm左右的速度運轉。

總體而言，盡管來自相同系列的直流電動機顯示出不同且不一致的靜摩擦力。內置差動控制被證明是必不可少的。也許步進電機將減少此問題（它們移動直到到達某個位置或角度）。步進電機也消除了對編碼器的需求。

我已經使用L298N雙（2A）電動機控制器板和Seeed Studio 4A電動機控制器護罩進行了測試。我更喜歡后者，因為它是盾牌。易于安裝，占用空間少。此外：我發現屏蔽罩4Amp可以更好地緩沖大功率電機的堵轉電流。 （注意：請注意我的Arduino草圖中的引腳排列。我體驗到的屏蔽線與Seeed示例不同。）

輪子 您的生活輕松。我使用的直徑分別為4.2、9和12厘米。大輪轂帶來更大的穩定性。這也適用于表面上的抓地力。我的最愛：“野生ump擊器”車輪（12x6厘米）。

身高和體重 對機器人的行為也很重要。較大的重量會使機器人保持惰性：反應緩慢，因此一開始會顯示較大的過沖。當然也需要大功率的電動機。重心（COG）較高將使機器人更加穩定，但也可能會導致后果。高度加上頂部的重量也會使機器人保持惰性。因此，這完全是調整的問題。當機器人保持穩定平衡時，如果發現它在向前或向后移動時反應緩慢，請嘗試減輕重量和/或減輕重量。

電源

該機器人由兩節LiPo電池供電。一種用于為Arduino和電機供電。一種用于為Raspberry供電，并通過它與HC-SR04超聲波傳感器配合使用。我從所有組件的一個來源開始。當電動機處于“重載”狀態時，它們吸收了太多電流，以至于超聲波讀數變得錯誤，甚至RPi有時也會復位。為RPi和Ultraborgs使用單獨的LiPo解決了這一問題，但我必須添加UBEC才能獲得5V 3A的穩定電流。

步驟2：邏輯和編碼

網上有很多有關平衡機器人和/或倒立擺的信息。但是，我使用了一個非常簡化的邏輯，并具有以下假設：

1-電機軸應該旋轉的角度（至少）與機器人掉落的角度相同。因此，請嘗試控制電動機軸的角度，而不是距離和/或速度。 （如前所述，使用步進電機可能更容易實現。）

2-為了平衡，需要控制角度及其導數，即電機軸的角速度。這可以通過使用PD控制回路來完成。它不像PID回路那樣常見，但是由于運動方向會迅速變化，因此使用積分因子幾乎沒有用處。

3 –要保持位置，必須控制水平移動和速度。這可以通過將傳感器（編碼器）輸出轉換為補償角度來完成。出于與垂直控制相同的原因，所需的控制循環也是PD循環。

可以簡單地將2和3的結果相加，但是最好在水平方向使用嵌套（級聯）控制循環控制回路為垂直控制回路產生目標角度。

按照這些假設進行操作可以節省機器人的高度和質量（甚至是線速度）的計算負擔（如上所述：這些是重要因素，但可以輕松調整）。這樣，在不更改（大部分）編碼參數的情況下調整機器人的高度和COG相對容易。

保持機器人直面是通過差動控制（轉彎）完成的，并且可以獨立于機器人水平和垂直控制。輸入可以來自編碼器（即滴答聲數量的差異）或來自IMU（即偏航數據）。后者所需的編碼要少得多。

要對其進行總結，為了平衡，需要：

1將水平位移轉換為垂直位移角度

2補償該角度與測得的角度之差

3將電機軸移動此補償角度

要翻譯成代碼，需要機器人的某些功能：

最大電動機速度以編碼器刻度表示。這是編碼器可以在特定電機上產生的最大滴答聲。在公式中： RPM/60 *每轉刻度數

編碼器刻度數和度之間的關系。在公式中： 360/每轉刻度數

使用這兩個公式，我們可以推論度數與電動機功率之間的關系（PWM值0-255）。

Arduino草圖作為具有以下功能的機器人“固件”運行：

根據車輪編碼器的輸入進行水平控制

垂直和差分基于IMU輸入（俯仰和偏航）的控制

用于調整，輸出監視和運動測試的藍牙通信

與Raspberry Pi的串行通信

草圖在這里。用于遠程控制和調整的android應用程序是使用MIT App Inventor開發的，可以在此處找到這些塊。用于在Raspberry和Arduino之間進行通信和控制的Python腳本位于同一存儲庫中。我不會在此贅述，因為該帖子僅用于平衡基本面。

有關Arduino草圖的注釋很好。因此，我將只介紹一下其功能。

初始化

UNO的插針已被占用，沒有將傳感器連接到Arduino的空間很大（pwm，中斷和模擬引腳已售罄）。

一些機器人/電機常數進行計算（如上所述）。

松弛或靜摩擦常數。通過試用和測試收集。我從草圖開始，以獲取空載條件下的平均值。您會在這里找到它。在實踐中，我在測試平衡和運動的同時根據觀察結果對它們進行了重大調整。這些常數就足夠了，但是在很大程度上取決于電動機的性能。跳過這些功率量會使機器人在（很小）小角度時反應更快。但是將這些值設置得太高會在調整控制循環時帶來一些挑戰！

maxAngle

假設無法進行補償的角度。用于確定機器人是站立還是躺下。

間隔

穩定的間隔對于控制回路至關重要。在Arduino站點上有一個“ TimedAction”庫，但是一個計時器的直接編碼非常簡單，并且節省了一些內存。

pitchOffset

通過調整IMU獲得。最簡單的方法是將機器人固定在絕對90度的位置（由頂部的數字水平儀測量）并讀取IMU值。

cogOffset

沒有此常數，控制回路也將獲得平衡。第一個原型機帶有8個超聲波傳感器，這使它的前部有點沉重。正如您在視頻中看到的那樣，控制循環通過讓機器人稍微向后傾斜來進行調整。使用 cogOffset 可以補償傾斜，并使機器人前進時更加靈活。

序列。 begin（）和Bluetooth.begin（）

與RPi的通信通過USB串行進行。 SoftwareSerial接線庫用于與Android應用進行藍牙通信。

wdt_enable（WDTO_500MS）

初始化IMU錯誤時，設置了Averdude看門狗定時器，這將強制Arduino復位。

resetRobot（）

每次運行時都會初始化所有變量（并停止電動機）機器人放下。這對拾起機器人很有幫助。

loop（）

只要機器人站立時，將檢查所有輸入。當間隔過去后，將執行控制循環。我嘗試了不同的時間間隔。最佳選擇取決于傳感器和所用電機的類型。超過100Hz（《0.01秒）時，我遇到了錯誤的編碼器數據，并且機器人的動作也太“辣”了。在50Hz時，機器人變得“笨拙”。在大多數情況下，100Hz環路效果最佳。

horizontalControl（）

檢查是否已經確定了目標距離，并向目標刻度添加了速度偏移。速度偏移是在間隔內以特定速度進行的滴答聲數量。如果未設置距離和速度目標，則在機器人上升時設置目標刻度數。這使機器人可以返回其位置（如果命令移動一定距離，則可以返回新位置）。

differentialControl（）

這對于IMU的偏航輸出有點特殊在這里使用。 IMU返回-π《=偏航《=π（弧度）。

getAngles（） 例程將讀數轉換為以度為單位的角度0-360范圍。

resetRobot（） 例程將機器人上升時的偏航角設置為yawTarget（基本上是360度刻度上的角度偏移量） ）。

最后一個角度讀數和偏移之間的差被視為錯誤。

冒充360度的刻度（例如在指南針上）可以輕松確定最小角度（=旋轉方向）。可以根據向機器人補償的方向（左/右）以及機器人必須移動的方向（向前/向后），簡單地將結果添加到發送到各個電動機的功率中或從中減去。

僅當在 getMessage（） 例程中通過藍牙或從Raspberry接收命令時，才會執行以下3個例程。

setSpeed（）

取一個電機一次可產生的最大滴答聲的百分比（ = RPM/60 *每轉刻度數*時間間隔（秒）。）

setDistance（）

將以米為單位的行駛距離乘以每米的刻度數（ =每轉刻度數/以米為單位的車輪周長）

setTurn（）

為偏航偏移量添加所需的度數，將新目標調整為360度并重置轉彎命令以防止連續轉彎。

傳感器和電機例程非常簡單。 resetEncoders（） 例程可防止由于編碼器“翻轉”（編碼器輸出為整數）而引起的事故。

交互例程檢查串行和藍牙隊列中是否有新命令，如果有，則通過通用的案例結構對其進行處理。

第3步：調整控制循環

出于明顯的原因，PID調整有時被稱為“黑手藝”。這個過程可能非常繁瑣和令人沮喪。盡管有許多獲取控制器值的半結構化方法，但為獲得機器人平衡，幾乎總是不可避免地要進行手動調整。

一些注意事項將在這里有所幫助：

此過程需要耐心和觀察：如果更改增益值，可以觀察到哪種行為？

比例收益代表補償的 P 下位。即所供應的電動機功率。

微分增益代表 D 放大所供電功率的效果。

請記住，這一切都與加速度有關。所提供的動力很快就會加速。

從兩個增益都為零開始，然后以小步長開始增加 P （向下）。當漫游器自行停留或多或少時停止。也許太“搖晃”或“搖擺”，但它應該使自己保持幾秒鐘。 （通常稱為“ 穩定振蕩”。）

如果您真的無法獲得穩定振蕩，則可能是物理原因造成的。某些可能的信號是：振幅不均勻（可能表示齒輪，質量或高度問題）或僅沿一個方向移動（可能是缺乏電機動力）

機器人在劇烈振動時（機器人向前和向后移動），并且移動變得越來越野，加速度太大，因為已經提供了太多的動力。

當機器人開始越來越快地運行時，在一個方向上以崩潰告終，由于電力供應不足，機器人無法充分加速。

穩定振蕩意味著不斷的超調，就像坐在秋千上一樣。添加 D （放大）后，過沖將減少（并最終消失）。

使用小步長，將值保持盡可能小，并徹底觀察效果。

當可以從外部調整增益時，生活會變得不那么艱難。草圖（否則必須一遍又一遍地編輯，重新編譯和重建草圖）。我從2個微調電位器開始調整增益。我發現它們很難使用。因為我一開始對增益值一無所知，所以我不得不多次編輯草圖以進行新的縮放（？。？？？？：1024），并且在沒有直接視覺反饋的情況下，我不知道這些更改我是通過轉動花盆來做的。

Android應用最適合我：幾乎所有常量都可以通過輸入一個值來更改。屏幕頂部概述了所有當前值。在屏幕底部，可以得到誤差或角度本身的圖形顯示。請注意，這樣的顯示只是一個延遲的指示（串行和Wifi），而不是真實的實時反饋。該應用程序還可以用于測試一些命令（距離，速度，轉彎）。

一旦我達到了球場標準，我就需要一些半自動化的測試工具，因為幾乎所有更改機器人或其代碼或多或少需要重新調整。特別是在水平控制回路上工作需要多次。

我編寫了一個Python腳本，該腳本使用了通常稱為“旋轉”算法的協調上升算法。可以在這里找到Sebastian Thrun（Udacity，Google，Stanford）對算法的解釋

可以在此處找到腳本：twiddleVert.py

我嘗試在其中構建算法Arduino草圖。盡管它只是安裝在可用的32K內存中，但它使整體周期延遲太多。因此，該腳本旨在在Raspberry上運行，并使用其他一些Python腳本：

control.py，用于向Arduino和與UltraBorgs的I2C通信發送命令。如果未附加Ultraborg，則最好將導入和初始化注釋掉。否則，還需要UltraBorg.py。

messaging.py是用于與Arduino進行實際通信的線程類

linkingStorage.py，它充當主腳本與主腳本之間的共享內存。線程腳本

measurements.py，用于收集，顯示和保存所有測試數據。

注意：

Python腳本將根據進一步的實驗而更改。如果您想避免更改，請克隆存儲庫。

我認為現在已經涵蓋了所有基本知識，并有望幫助您構建自己的平衡器。