CN108298011B - 一种基于模型的自平衡无人驾驶自行车及其数据采集驱动的控制方法 - Google Patents
一种基于模型的自平衡无人驾驶自行车及其数据采集驱动的控制方法 Download PDFInfo
- Publication number
- CN108298011B CN108298011B CN201810081435.1A CN201810081435A CN108298011B CN 108298011 B CN108298011 B CN 108298011B CN 201810081435 A CN201810081435 A CN 201810081435A CN 108298011 B CN108298011 B CN 108298011B
- Authority
- CN
- China
- Prior art keywords
- bicycle
- control module
- handlebar
- control
- wheel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 107
- 230000007246 mechanism Effects 0.000 claims description 61
- 230000005484 gravity Effects 0.000 claims description 48
- 238000013507 mapping Methods 0.000 claims description 44
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 5
- 230000008878 coupling Effects 0.000 abstract description 3
- 238000010168 coupling process Methods 0.000 abstract description 3
- 238000005859 coupling reaction Methods 0.000 abstract description 3
- 230000004048 modification Effects 0.000 abstract 1
- 238000012986 modification Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 23
- 238000004088 simulation Methods 0.000 description 7
- 230000006399 behavior Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62M—RIDER PROPULSION OF WHEELED VEHICLES OR SLEDGES; POWERED PROPULSION OF SLEDGES OR SINGLE-TRACK CYCLES; TRANSMISSIONS SPECIALLY ADAPTED FOR SUCH VEHICLES
- B62M6/00—Rider propulsion of wheeled vehicles with additional source of power, e.g. combustion engine or electric motor
- B62M6/40—Rider propelled cycles with auxiliary electric motor
- B62M6/45—Control or actuating devices therefor
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Motorcycle And Bicycle Frame (AREA)
Abstract
本发明公开了一种基于模型的自平衡无人驾驶自行车及其数据采集驱动的控制方法,该自平衡无人驾驶自行车包括自行车、传感器模块、车把控制模块、车体中部控制模块和车体后部控制模块。该控制方法包括自平衡控制和无人驾驶控制两部分。自平衡控制基于数据采集驱动,通过数据构建模型,通过找到人控制与控制器控制的关联,将学***衡。本发明的无人驾驶自行车通过耦合的控制方法可以在多种运动状态下具有自平衡功能,同时采用的是间接驱动的方法,并不需要对普通自行车进行进一步的改装,只需要将三个控制器模块安装在普通自行车上,就可以实现自行车的自平衡和无人驾驶。
Description
技术领域
本发明涉及交通领域,具体涉及一种基于模型的自平衡无人驾驶自行车及其数据采集驱动的控制方法。
背景技术
自行车作为一种传统的交通工具,具有车体窄小、机构简单、能作小半径回转、方便灵活、无污染、无噪声、无需能源、售价低廉等优势,在道路拥挤、空气污染、油价上涨等问题日益严重的现代人生活中有着举足轻重的地位。而无人驾驶自行车不仅能够针对一些特殊人群如儿童、老人提供驾驶平衡辅助,更是有望在灾难救援、森林作业中得到广泛应用。
随着人们对智能交通工具和无人驾驶技术的关注度持续提高,无人驾驶自行车或者说自行车机器人在这一智能交通工具概念的基础上有了初步的发展。目前,无人驾驶自行车的研究大部分研究学者都是围绕动力学建模和提出新的控制算法这两方面进行的,对其研究大都停留在理论探讨和初步试验的阶段。由于自行车复杂的动力学特征和一定的侧向不稳定性,自行车的自平衡仍存在很多棘手问题,如何解决静止或低速行驶下自行车的自平衡问题是无人驾驶自行车突破当前发展限制的关键。
现有的应用于摩托车或电动自行车的平衡***本质上是独轮车平衡***(即倒立摆平衡***)和两足平衡***的叠加。而自行车的前把具有高度的自由度,且两轮没有直接驱动力。所以,在摩托车或电动自行车上导致其平衡的驱动力在自行车上是不存在的,其平衡方法在自行车上无效,这为自行车的自平衡和无人驾驶带来了更多难度。
目前已经有了一些自行车模型的相关研究,但是由于还没有人考虑出来如何搭配相应的控制器进行平衡控制,所以目前还没有关于自行车加多个平衡控制器的机理模型的研究。
发明内容
本发明的目的在于针对现有技术的不足,提供一种基于模型的自平衡无人驾驶自行车及其数据采集驱动的控制方法。
本发明的目的是通过以下技术方案来实现的:一种基于模型的自平衡无人驾驶自行车,包括自行车、传感器模块、车把控制模块、车体中部控制模块和车体后部控制模块;所述车把控制模块、车体中部控制模块、车体后部控制模块根据传感器模块提供的信息进行模块各机构的控制,从而进行自行车平衡和行进的间接控制;所述车把控制模块、车体中部控制模块、车体后部控制模块的各机构控制变量是相互耦合的;
所述传感器模块用于测量自行车变量和人体变量,所述自行车变量包括自行车车把偏转角度α、自行车车体偏转角度β、自行车后轮转动角度φ;所述人体变量包括人在骑行过程中的车把压力、脚蹬压力、车座压力以及人体姿态;
所述车把控制模块位于自行车车把,通过重心调节机构调节车把的重心,实现车把偏转角度α的调节;
所述车体中部控制模块位于自行车车体中部,通过重心调节机构调节车体中部的重心;
所述车体后部控制模块位于自行车后部,通过重心调节机构调节车体后部的重心,通过旋转轮机构进行自行车后部的平衡控制和后轮旋转控制;通过后轮旋转控制实现自行车后轮转动角度φ的调节;
所述车把控制模块、车体中部控制模块和车体后部控制模块各自的重心调节机构和车体后部控制模块的平衡控制,共同实现自行车车体偏转角度β的调节;
传感器模块测量普通人骑自行车时的自行车变量以及人体变量;将自行车变量作为输入、将人体变量作为输出,通过机器学习得到人对自行车的控制网络或规则;
建立车把控制模块、车体中部控制模块、车体后部控制模块的控制变量与人体变量的映射关系,通过二次映射得到车把控制模块、车体中部控制模块、车体后部控制模块对自行车的控制规则,实现无人驾驶自行车的平衡控制。
进一步地,所述车把控制模块的重心调节机构为横向放置于车把上的滑杆机构,车把控制模块通过调节车把滑杆机构的滑块位置进行车把重心的调节。
进一步地,所述车体中部控制模块的重心调节机构为偏心轮,车体中部控制模块通过调节偏心轮旋转角度进行车体中部重心的调节。
进一步地,所述车体后部控制模块的重心调节机构为偏心轮,车体后部控制模块通过调节偏心轮旋转角度进行车体后部重心的调节。
进一步地,所述车体后部控制模块的旋转轮机构为互相垂直的两个旋转轮:水平旋转轮、竖直旋转轮,竖直旋转轮与水平旋转轮相切,且与自行车后轮平行;车体后部控制模块通过调节两个旋转轮的转速进行自行车后部的平衡控制和后轮旋转控制。
一种基于模型的自平衡无人驾驶自行车的数据采集驱动的控制方法,该方法包括平衡控制部分和无人驾驶控制部分;
所述平衡控制部分的实现方法包括以下步骤:
1)数据采集:传感器模块测量普通人骑自行车时的自行车变量以及人体变量;
2)一次映射:将自行车变量作为输入、将人体变量作为输出,通过机器学习得到人对自行车的控制网络或规则;
3)二次映射及控制器的建立:建立车把控制模块、车体中部控制模块、车体后部控制模块的控制变量与人体变量的映射关系,并将建立的人对自行车的控制网络或规则,通过二次映射得到车把控制模块、车体中部控制模块、车体后部控制模块对自行车的控制规则,获得控制器参数;
4)实现自平衡:将二次映射得到的控制器参数分别输入实际的车把控制模块、车体中部控制模块和车体后部控制模块,并进行微调,建立自行车的三个控制器,从而实现自行车的自平衡;
所述无人驾驶控制部分的实现方法:根据目标运动状态,选择期望的自行车变量,实现自行车的无人驾驶控制。
进一步地,所述步骤3)中,所述车把控制模块、车体中部控制模块、车体后部控制模块的控制变量与人体变量的映射关系为:
所述的车把控制模块控制变量与人体变量的二次映射关系为:
所述的车体中部控制模块控制变量与人体变量的二次映射关系为:
所述的车体后部控制模块控制变量与人体变量的二次映射关系为:
其中,F1、F2分别为车把的压力传感器阵列检测到的车把左右两侧的压力;x1、x2分别为车把左右两侧的压力中心与车把中心的距离;F3、F4分别为左右脚蹬的压力传感器检测到的左右脚蹬的压力;F5、F6分别为车座的压力传感器阵列检测到的左右两侧的压力;α1为人体脊椎上布置的姿态传感器检测到的人体脊椎偏转方向在水平面的投影与车体的夹角;R为人体脊椎上布置的姿态传感器检测到的人体脊椎在水平面上的重心偏转半径;x、m3分别为车把控制模块的重心调节机构为滑杆机构时,车把滑块位置和滑块配重的质量,θ1为车体中部控制模块的重心调节机构为偏心轮时,偏心轮旋转角度,θ2为车体后部控制模块的重心调节机构为偏心轮时,偏心轮旋转角度,ω1、ω2分别为车体后部控制模块的旋转轮机构为互相垂直的两个旋转轮时,两个旋转轮的转速。
进一步地,所述机器学习方法为神经网络或模糊神经网络方法。
进一步地,所述无人驾驶控制部分的实现包括:选择目标运动状态,进行目标运动状态下的自行车控制;所述运动状态包括:启动、前进、转弯、后退;
所述的启动状态下的自行车控制具体步骤如下:
1)整体性调节:通过车把控制模块、车体中部控制模块、车体后部控制模块的变量调节,使得自行车车把偏转角度α趋于一个常数,即使得自行车趋于一个整体;
2)重心调节:通过车把控制模块、车体中部控制模块、车体后部控制模块的变量调节,调节自行车重心,使得自行车车把偏转角度α趋于0、自行车车体偏转角度β趋于0,即使得自行车从一定偏转角度到竖直站立状态;
所述的前进状态下的自行车控制具体步骤如下:
1)整体性调节:通过车把控制模块、车体中部控制模块、车体后部控制模块的变量调节,使得自行车车把偏转角度α趋于0,即使得自行车在车把不转的同时趋于一个整体;
2)重心调节:通过车把控制模块、车体中部控制模块、车体后部控制模块的变量调节,调节自行车重心,使得自行车车体偏转角度β趋于0,即使得自行车保持平衡;
3)间接驱动:通过车体后部控制模块的旋转轮机构的变量调节,间接驱动自行车后轮,使得自行车后轮转动角度φ以一定角速度变化,即使得自行车以一定速度前进;
所述的转弯状态下的自行车控制具体步骤如下:
1)整体性调节:通过车把控制模块、车体中部控制模块、车体后部控制模块的变量调节,使得自行车车把偏转角度α趋于转弯方向,即使得自行车在车把转动的同时趋于一个整体;
2)重心调节:通过车把控制模块、车体中部控制模块、车体后部控制模块的变量调节,调节自行车重心,使得自行车车体偏转角度β趋于0,即使得自行车保持平衡;
3)间接驱动:通过车体后部控制模块的旋转轮机构的变量调节,间接驱动自行车后轮,使得自行车后轮转动角度φ以一定角速度变化,即使得自行车以一定速度转弯;
所述的后退状态下的自行车控制方法具体步骤如下:
1)间接驱动:通过车体后部控制模块的旋转轮机构的变量调节,间接驱动自行车后轮,使得自行车后轮转动角度φ以一定角速度反向变化,即使得自行车后轮以一定速度反向旋转;由于车把与前轮接触地面处存在一个前后关系,当自行车处于倒退状态下,车把及前轮处于被拖动状态,在车把连接处的拖动力在前,消除了自行车前进时产生的车把转动扭矩,可以简化自行车车把偏转角度α的调节,自行车在后退状态会趋于一个整体;
2)重心调节:通过车把控制模块、车体中部控制模块、车体后部控制模块的变量调节,调节自行车重心,使得自行车车体偏转角度β趋于0,即使得自行车保持平衡。
进一步地,所述选择目标运动状态具体为:
1)宏观路线确定:通过导航、人工选择等方式确定自行车整体行进路线;
2)路面监控及避障:通过传感器模块进行路面的监控;进行地形扫描,判断地形并选择地形对应的控制方法;判断是否有障碍物,若有障碍物则进行避障,即通过距离、障碍物宽度、障碍物运动情况等路面信息得到自行车需要调整的行进方向从而进行调整。
本发明的有益效果是:
(1)本发明的无人驾驶自行车在静止时具有自平衡功能。
(2)本发明的无人驾驶自行车在多种运动情况下均具有自平衡功能。
(3)本发明的无人驾驶自行车通过耦合的控制方法对一个多变量耦合的***进行控制,三个控制器模块的控制变量相互耦合,使得无人驾驶自行车成为一个自平衡的整体。
(4)本发明的无人驾驶自行车采用的是间接驱动的方法,只需要将三个控制器模块安装在普通自行车上,就能实现普通自行车的无人驾驶,并不需要对普通自行车进行进一步的改装。
(5)本发明的无人驾驶自行车采用的是数据采集的自平衡控制方法,建立了人体与自行车、自行车与三个控制器的映射关系,将人体替换为三个控制器进行自平衡控制,为自平衡无人驾驶自行车的***仿真和实现提供了一种新的思路。
附图说明
图1是本发明的无人驾驶自行车的整体结构图;
图2是本发明的无人驾驶自行车的俯视图;
图3是本发明的无人驾驶自行车的后视图;
图4是本发明的自行车数据采集驱动的控制方法的步骤框图;
图5是本发明的车座传感器阵列示意图;
图6是本发明的后轮偏心轮机构变量与人体姿态变量关系示意图;
图7是本发明的自行车模型驱动的控制方法的步骤框图;
图8是本发明的无人驾驶自行车的后轮驱动示意图。
具体实施方式
为了更详细地说明本发明的一种具有自平衡功能的无人驾驶自行车,下面根据附图详细说明本发明。
如图1所示,本发明所述的一种具有自平衡功能的无人驾驶自行车,包括自行车、传感器模块、车把控制模块、车体中部控制模块、车体后部控制模块。
所述的自行车为市面上的普通自行车,包括前轮(质量m1,半径r)、后轮(质量m1,半径r)和车架(质量m2)。
所述的传感器模块用于测量自行车车把偏转角度α、自行车车体偏转角度β、自行车后轮转动角度φ。如图2所示,所述的自行车车把偏转角度α是自行车前轮与自行车车体的夹角,所述的自行车车把偏转角度α为正数时表示自行车车把向右偏转,为负数时表示自行车车把向左偏转;如图3所示,所述的自行车车体偏转角度β是自行车车体与竖直面的夹角,所述的自行车车体偏转角度β为正数时表示自行车车体向右倾斜,为负数时表示自行车车体向左倾斜;所述的自行车后轮转动角度φ是自行车后轮沿后轮轴线的旋转角度,所述的自行车后轮转动角度φ为正数时表示自行车后轮向前转动,为负数时表示自行车后轮向后转动。进一步,所述的传感器模块可以与车把控制模块安装在一处,也可以分别安装在车把控制模块处、车体中部控制模块处和车体后部控制模块处。进一步,所述的传感器模块也可以用于测量人体变量。所述的人体变量包括车把的压力传感器阵列检测到的车把左右两侧的压力F1、F2以及左右两侧的压力中心与车把中心的距离x1、x2,左右脚蹬的压力传感器检测到的左右脚蹬的压力F3、F4,车座的压力传感器阵列检测到的左右两侧的压力F5、F6,人体脊椎上布置的姿态传感器检测到的人体脊椎偏转方向在水平面的投影与车体的夹角α1及在水平面上的重心偏转半径R;
所述的车把控制模块位于自行车车把,包括横向放置于车把上的电动滑杆机构(滑块配重m3)。所述的车把控制模块通过调节车把滑块位置x进行车把重心和车把偏转角度α的调节。所述的车把滑块位置x为滑块与车把中心的距离,所述的车把滑块位置x为正数时表示滑块位于车把中心右侧,为负数时表示滑块位于车把中心左侧。
所述的车体中部控制模块位于自行车车体,包括车体电动偏心轮机构(半径r1,车体偏心轮配重m4)。所述的车体中部控制模块通过调节车体偏心轮旋转角度θ1进行车体重心的调节。所述的车体偏心轮旋转角度θ1为正数时表示偏心轮配重位于车体右侧,为负数时表示偏心轮配重位于车体左侧。
所述的车体后部控制模块位于自行车后轮上方,包括后座电动偏心轮机构(半径r2,后座偏心轮配重m5)以及电动旋转轮机构m6。所述的后座电动偏心轮机构通过调节后座偏心轮旋转角度θ2进行后座重心的调节,所述的后座偏心轮旋转角度θ2为正数时表示偏心轮配重位于车体右侧,为负数时表示偏心轮配重位于车体左侧。所述的电动旋转轮机构m6包括互相垂直的两个旋转轮:水平旋转轮、竖直旋转轮,其中水平旋转轮位于后座偏心轮正上方,水平旋转轮的中心与后座偏心轮的中心位于同一竖直面上,竖直旋转轮与水平旋转轮相切,且与自行车后轮平行;所述的电动旋转轮机构m6通过调节两个旋转轮的转速进行自行车后座部分的辅助平衡和后轮旋转的间接控制。
所述的车把控制模块、车体中部控制模块、车体后部控制模块根据传感器模块提供的信息进行模块各机构的控制,从而进行自行车平衡和行进的间接控制。所述的车把控制模块、车体中部控制模块、车体后部控制模块的各机构控制变量是相互耦合的。
所述的一种具有自平衡功能的无人驾驶自行车的控制方法包括两部分,一是自平衡的控制方法,二是无人驾驶的控制方法。
所述的自平衡的控制方法包括但不限于数据采集驱动的控制方法、自行车模型驱动的控制方法、行为驱动的控制方法、分解关键平衡的控制方法、等价映射的控制方法、自演化的控制方法、环境演化自适应进化的控制方法、竞争与合作的控制方法。
所述的数据采集驱动的控制方法给出了基于人骑自行车的数据进行学***衡控制模型的方法,通过找到人控制与控制器控制的关联,将学习出的人骑自行车的控制模型转化为控制器控制自行车的控制模型。
如图4所示,所述的数据采集驱动的控制方法具体步骤如下:
1)数据采集:传感器模块测量普通人骑自行车时的自行车各变量以及人体变量;所述的自行车各变量包括自行车车把偏转角度α、自行车车体偏转角度β、自行车后轮转动角度φ及它们的一次、二次导数;所述的人体变量包括车把的压力传感器阵列检测到的车把左右两侧的压力F1、F2以及左右两侧的压力中心与车把中心的距离x1、x2,左右脚蹬的压力传感器检测到的左右脚蹬的压力F3、F4,如图5所示的车座的压力传感器阵列检测到的左右两侧的压力F5、F6,人体脊椎上布置的姿态传感器检测到的人体脊椎偏转方向在水平面的投影与车体的夹角α1及在水平面上的重心偏转半径R以及它们的一次、二次导数;所述的人体脊椎偏转方向与车体的夹角α1为正数时表示人体向自行车右侧倾斜,为负数时表示人体向自行车左侧倾斜;
2)一次映射:通过机器学习等手段得到人对自行车的控制网络或规则;所述的人对自行车的控制网络是将自行车各变量作为输入、将人体变量作为输出、通过神经网络学习得到的映射网络;所述的人对自行车的控制规则是将自行车各变量作为输入、将人体变量作为输出、通过模糊神经网络学习得到的映射模糊规则;所述的人对自行车的控制规则以自行车车体偏转角度β为例,可以为:
3)二次映射及控制器的建立:建立车把控制模块、车体中部控制模块、车体后部控制模块的控制变量与人体变量的映射关系,并将建立的人对自行车的控制网络或规则,通过二次映射得到控制器对自行车的控制规则;所述的控制变量包括车把滑块位置x、车体偏心轮旋转角度θ1、后座偏心轮旋转角度θ2及它们的一次、二次导数、后座水平旋转轮转速ω1、后座竖直旋转轮转速ω2及它们的一次导数;
所述的车把控制模块控制变量与人体变量的二次映射关系为:
所述的车体中部控制模块控制变量与人体变量的二次映射关系为:
如图6所示,所述的车体后部控制模块控制变量与人体变量的二次映射关系为:
其中Rmax为R的最大值;
4)实现自平衡:将二次映射得到的控制器参数分别输入实际的车把控制模块、车体中部控制模块和车体后部控制模块,并进行微调,建立自行车的三个控制器,从而实现自行车的自平衡;
所述的自行车模型驱动的控制方法构建了基于三个控制模块的无人驾驶自行车的机理模型,给出了基于机理模型进行该无人驾驶自行车平衡控制的方法,通过建立机理模型的仿真进行控制器设计。
如图7所示,所述的自行车模型驱动的控制方法具体步骤如下:
1)关键变量选取:选取可控可观的关键变量,包括自行车各变量和车把控制模块、车体中部控制模块、车体后部控制模块的控制变量;所述的自行车各变量包括自行车车把偏转角度α、自行车车体偏转角度β、自行车后轮转动角度φ及它们的一次、二次导数;所述的控制变量包括车把滑块位置x、车体偏心轮旋转角度θ1、后座偏心轮旋转角度θ2及它们的一次、二次导数;
2)物理建模:基于所选取的关键变量建立无人驾驶自行车物理模型;所述的无人驾驶自行车物理模型可以为:
其中,m1为前轮、后轮的质量,m2为车架的质量,m3为车把滑块配重的质量,m4为车体偏心轮配重的质量,m5为后座偏心轮配重的质量,m6为后座旋转轮的质量,r为前轮、后轮的半径,r1为车体偏心轮的半径,r2为后座偏心轮的半径,h2为车架质心的高度,h3为车把滑块配重的高度,4为车体偏心轮配重的高度,h5为后座偏心轮配重的高度,h6为后座旋转轮的高度;
3)***仿真及控制器的建立:进行无人驾驶自行车控制的***仿真,所用的控制方法包括但不限于PID控制、神经网络模糊控制;
4)实现自平衡:将***仿真得到的控制器参数输入车把控制模块、车体中部控制模块、车体后部控制模块,并进行微调,建立自行车的三个控制器,从而实现自行车的自平衡。
所述的自行车模型驱动的控制方法和/或数据采集驱动的控制方法可进一步归纳为基于模型的具有自平衡功能的无人驾驶自行车的自平衡控制方法,通过机理和/或数据构建模型;所述的行为驱动的控制方法和/或分解关键平衡的控制方法和/或等价映射的控制方法可进一步归纳为基于行为驱动的具有自平衡功能的无人驾驶自行车的自平衡控制方法,都是直接控制自行车平衡;所述的自演化的控制方法和/或环境演化自适应进化的控制方法和/或竞争与合作的控制方法可进一步归纳为基于智能演化的具有自平衡功能的无人驾驶自行车的自平衡控制方法,都是通过离线和/或在线的演化进行平衡学***衡功能的无人驾驶自行车还有一种习惯矫正的无人驾驶自行车应用及应用方法。
所述的一种习惯矫正的无人驾驶自行车应用及应用方法给出了一种习惯矫正的无人驾驶自行车应用及应用方法,学习运动员或教练的健康的骑车习惯后,通过三个控制器与用户对自行车控制的叠加效果趋向于健康的自行车变量控制方法,进行习惯矫正。
所述的无人驾驶的控制方法包括启动、前进、转弯、后退等多种运行状态下的自行车控制方法及其方法的选择。
所述的启动状态下的自行车控制方法具体步骤如下:
1)整体性调节:通过车把控制模块、车体中部控制模块、车体后部控制模块的变量调节,使得自行车车把偏转角度α趋于一个常数,即使得自行车趋于一个整体;
2)重心调节:通过车把控制模块、车体中部控制模块、车体后部控制模块的变量调节,调节自行车重心,使得自行车车把偏转角度α趋于0、自行车车体偏转角度β趋于0,即使得自行车从一定偏转角度到竖直站立状态。
所述的前进状态下的自行车控制方法具体步骤如下:
1)整体性调节:通过车把控制模块、车体中部控制模块、车体后部控制模块的变量调节,使得自行车车把偏转角度α趋于0,即使得自行车在车把不转的同时趋于一个整体;
2)重心调节:通过车把控制模块、车体中部控制模块、车体后部控制模块的变量调节,调节自行车重心,使得自行车车体偏转角度β趋于0,即使得自行车保持平衡;
所述的转弯状态下的自行车控制方法具体步骤如下:
1)整体性调节:通过车把控制模块、车体中部控制模块、车体后部控制模块的变量调节,使得自行车车把偏转角度α趋于转弯方向,即使得自行车在车把转动的同时趋于一个整体;
2)重心调节:通过车把控制模块、车体中部控制模块、车体后部控制模块的变量调节,调节自行车重心,使得自行车车体偏转角度β趋于0,即使得自行车保持平衡;
所述的后退状态下的自行车控制方法具体步骤如下:
1)间接驱动:通过车体后部控制模块的旋转轮机构的变量调节,间接驱动自行车后轮,使得自行车后轮转动角度以一定角速度反向变化,即使得自行车后轮以一定速度反向旋转;由于车把与前轮接触地面处存在一个前后关系,当自行车处于倒退状态下,车把及前轮处于被拖动状态,在车把连接处的拖动力在前,消除了自行车前进时产生的车把转动扭矩,可以简化自行车车把偏转角度α的调节,自行车在后退状态会趋于一个整体;
2)重心调节:通过车把控制模块、车体中部控制模块、车体后部控制模块的变量调节,调节自行车重心,使得自行车车体偏转角度β趋于0,即使得自行车保持平衡。
所述的多种运行状态下的自行车控制方法的选择的具体步骤如下:
1)宏观路线确定:通过导航、人工选择等方式确定自行车整体行进路线;
2)路面监控及避障:通过传感器模块进行路面的监控;进行地形扫描,判断地形并选择地形对应的控制方法;判断是否有障碍物,若有障碍物则进行避障,即通过距离、障碍物宽度、障碍物运动情况等路面信息得到自行车需要调整的行进方向从而进行调整;
实施例1
下面以用数据采集驱动的控制方法进行无人驾驶自行车的平衡控制为例,具体说明一种具有自平衡功能的无人驾驶自行车。
t0时刻,即在投入给用户使用前,将车把控制模块、车体中部控制模块、车体后部控制模块(其中包含传感器模块)这三个装置安装于普通自行车上,并基于数据采集驱动的控制方法建立控制器,并叠加上无人驾驶的控制方法。
如图4所示,所述的数据采集驱动的控制方法具体步骤如下:
1)数据采集:传感器模块测量普通人骑自行车时的自行车各变量以及人体变量;所述的自行车各变量包括自行车车把偏转角度α、自行车车体偏转角度β、自行车后轮转动角度φ及它们的一次、二次导数;所述的人体变量包括车把的压力传感器阵列检测到的车把左右两侧的压力F1、F2以及左右两侧的压力中心与车把中心的距离x1、x2,左右脚蹬的压力传感器检测到的左右脚蹬的压力F3、F4,如图5所示的车座的压力传感器阵列检测到的左右两侧的压力F5、F6,人体脊椎上布置的姿态传感器检测到的人体脊椎偏转方向在水平面的投影与车体的夹角α1及在水平面上的重心偏转半径R以及它们的一次、二次导数;所述的人体脊椎偏转方向与车体的夹角α1为正数时表示人体向自行车右侧倾斜,为负数时表示人体向自行车左侧倾斜;
2)一次映射:通过机器学习等手段得到人对自行车的控制网络或规则;所述的人对自行车的控制网络是将自行车各变量作为输入、将人体变量作为输出、通过神经网络学习得到的映射网络;所述的人对自行车的控制规则是将自行车各变量作为输入、将人体变量作为输出、通过模糊神经网络学习得到的映射模糊规则;所述的人对自行车的控制规则以自行车车体偏转角度β为例,可以为:
3)二次映射及控制器的建立:建立车把控制模块、车体中部控制模块、车体后部控制模块的控制变量与人体变量的映射关系,并将建立的人对自行车的控制网络或规则,通过二次映射得到控制器对自行车的控制规则;所述的控制变量包括车把滑块位置x、车体偏心轮旋转角度θ1、后座偏心轮旋转角度θ2及它们的一次、二次导数、后座水平旋转轮转速ω1、后座竖直旋转轮转速ω2及它们的一次导数;
所述的车把控制模块控制变量与人体变量的二次映射关系为:
所述的车体中部控制模块控制变量与人体变量的二次映射关系为:
如图6所示,所述的车体后部控制模块控制变量与人体变量的二次映射关系为:
其中Rmax为R的最大值;
4)实现自平衡:将二次映射得到的控制器参数分别输入实际的车把控制模块、车体中部控制模块和车体后部控制模块,并进行微调,建立自行车的三个控制器,从而实现自行车的自平衡;
t1时刻,即建立好具有自平衡功能和无人驾驶功能的控制器后,投入给用户使用。用户打开电源开关,具有自平衡功能的无人驾驶自行车基于启动状态下的自行车控制方法进行启动。
所述的启动状态下的自行车控制方法具体步骤如下:
1)整体性调节:通过车把控制模块、车体中部控制模块、车体后部控制模块的变量调节,使得自行车车把偏转角度α趋于一个常数,即使得自行车趋于一个整体;
2)重心调节:通过车把控制模块、车体中部控制模块、车体后部控制模块的变量调节,调节自行车重心,使得自行车车把偏转角度α趋于0、自行车车体偏转角度β趋于0,即使得自行车从一定偏转角度到竖直站立状态。
t2时刻,用户乘坐上具有自平衡功能的无人驾驶自行车,进行骑行,而具有自平衡功能的无人驾驶自行车自动进行辅助平衡。
t3时刻,用户自行设定一段路程的自动驾驶,具有自平衡功能的无人驾驶自行车基于多种运行状态下的自行车控制方法的选择进行自行车行进的调整,并采用间接驱动的方式进行驱动。
所述的多种运行状态下的自行车控制方法的选择的具体步骤如下:
1)宏观路线确定:通过导航、人工选择等方式确定自行车整体行进路线;
2)路面监控及避障:通过传感器模块进行路面的监控;进行地形扫描,判断地形并选择地形对应的控制方法;判断是否有障碍物,若有障碍物则进行避障,即通过距离、障碍物宽度、障碍物运动情况等路面信息得到自行车需要调整的行进方向从而进行调整;
t4时刻,具有自平衡功能的无人驾驶自行车到达指定地点,等待下一步指令。
实施例2
下面以用模型驱动的控制方法进行无人驾驶自行车的平衡控制为例,具体说明一种具有自平衡功能的无人驾驶自行车。
t0时刻,即在投入给用户使用前,将车把控制模块、车体中部控制模块、车体后部控制模块(其中包含传感器模块)这三个装置安装于普通自行车上,并基于模型驱动的控制方法建立控制器,并叠加上无人驾驶的控制方法。
如图7所示,所述的自行车模型驱动的控制方法具体步骤如下:
1)关键变量选取:选取可控可观的关键变量,包括自行车各变量和车把控制模块、车体中部控制模块、车体后部控制模块的控制变量;所述的自行车各变量包括自行车车把偏转角度α、自行车车体偏转角度β、自行车后轮转动角度φ及它们的一次、二次导数;所述的控制变量包括车把滑块位置x、车体偏心轮旋转角度θ1、后座偏心轮旋转角度θ2及它们的一次、二次导数;
2)物理建模:基于所选取的关键变量建立无人驾驶自行车物理模型;所述的无人驾驶自行车物理模型可以为:
其中,m1为前轮、后轮的质量,m2为车架的质量,m3为车把滑块配重的质量,m4为车体偏心轮配重的质量,m5为后座偏心轮配重的质量,m6为后座旋转轮的质量,r为前轮、后轮的半径,r1为车体偏心轮的半径,r2为后座偏心轮的半径,h2为车架质心的高度,h3为车把滑块配重的高度,4为车体偏心轮配重的高度,h5为后座偏心轮配重的高度,h6为后座旋转轮的高度;
3)***仿真及控制器的建立:进行无人驾驶自行车控制的***仿真,所用的控制方法包括但不限于PID控制、神经网络模糊控制;
4)实现自平衡:将二次映射得到的控制器参数分别输入实际的车把控制模块、车体中部控制模块和车体后部控制模块,并进行微调,建立自行车的三个控制器,从而实现自行车的自平衡;
t1时刻,即建立好具有自平衡功能和无人驾驶功能的控制器后,投入给用户使用。用户打开电源开关,具有自平衡功能的无人驾驶自行车基于启动状态下的自行车控制方法进行启动。
所述的启动状态下的自行车控制方法具体步骤如下:
1)整体性调节:通过车把控制模块、车体中部控制模块、车体后部控制模块的变量调节,使得自行车车把偏转角度α趋于一个常数,即使得自行车趋于一个整体;
2)重心调节:通过车把控制模块、车体中部控制模块、车体后部控制模块的变量调节,调节自行车重心,使得自行车车把偏转角度α趋于0、自行车车体偏转角度β趋于0,即使得自行车从一定偏转角度到竖直站立状态。
t2时刻,用户乘坐上具有自平衡功能的无人驾驶自行车,进行骑行,而具有自平衡功能的无人驾驶自行车自动进行辅助平衡。
t3时刻,用户自行设定一段路程的自动驾驶,具有自平衡功能的无人驾驶自行车基于多种运行状态下的自行车控制方法的选择进行自行车行进的调整,并采用间接驱动的方式进行驱动。
所述的多种运行状态下的自行车控制方法的选择的具体步骤如下:
1)宏观路线确定:通过导航、人工选择等方式确定自行车整体行进路线;
2)路面监控及避障:通过传感器模块进行路面的监控;进行地形扫描,判断地形并选择地形对应的控制方法;判断是否有障碍物,若有障碍物则进行避障,即通过距离、障碍物宽度、障碍物运动情况等路面信息得到自行车需要调整的行进方向从而进行调整;
所述的间接驱动是通过车体后部控制模块的后座旋转轮机构的变量调节,间接驱动自行车后轮,使得自行车后轮转动角度φ以一定角速度变化,即使得自行车以一定速度前进,如图8所示。
t4时刻,具有自平衡功能的无人驾驶自行车到达指定地点,等待下一步指令。
实施例3
下面以无人驾驶自行车的驾驶***衡功能的无人驾驶自行车。
t0时刻,即在投入给用户使用前,将车把控制模块、车体中部控制模块、车体后部控制模块(其中包含传感器模块)这三个装置安装于普通的自行车上,并通过自平衡的控制方法、无人驾驶的控制方法进行设置。
t1时刻,由运动员或教练使用一段时间,并进行对健康的尽量减少损伤的驾驶习惯的学习,得到一个健康的自行车变量控制方法,即良好的骑车习惯。
t2时刻,投入给用户使用,并进行习惯矫正。所述的习惯矫正是通过三个控制器对自行车的控制叠加在用户对自行车的控制上进行的,使其叠加效果趋向于健康的自行车变量控制方法;这样若用户的骑车习惯不好,控制器给出了一个额外的扰动,用户就会感到费力,从而更趋向于使用该健康的骑车习惯进行骑行,当用户养成了良好的骑车习惯时。
实施例4
下面以无人驾驶自行车的驾驶***衡功能的无人驾驶自行车。
t0时刻,即在投入给用户使用前,将车把控制模块、车体中部控制模块、车体后部控制模块(其中包含传感器模块)这三个装置安装于普通的自行车上,并通过自平衡的控制方法、无人驾驶的控制方法进行设置。
t1时刻,投入给用户使用,并进行个性化的驾驶习惯学习。所述的骑行习惯学习是对用户的长期使用该无人驾驶自行车的驾驶习惯的学习。
t2时刻,有其他人(可能为偷车贼)骑走了该用户的自行车,该自行车同样会继续学习其他人的驾驶习惯学习,从而判断出骑行人的变化。之后,该无人驾驶自行车可以通过服务器终端联系该用户进行确认,判断该用户是否把车借出去、租出去,若都不是或超过租借期限可进一步通过服务器终端联系警方或相关机构,并提供其定位。若用户将其无人驾驶自行车进行买卖操作,需要通过相关授权,对上一任用户的驾驶习惯进行清空。
实施例5
下面以共享的无人驾驶自行车的智能叫车、还车的应用为例,具体说明一种具有自平衡功能的无人驾驶自行车。
t0时刻,即在投入给用户使用前,将车把控制模块、车体中部控制模块、车体后部控制模块(其中包含传感器模块)这三个装置安装于普通的共享自行车上,并通过自平衡的控制方法、无人驾驶的控制方法进行设置。
t1时刻,直接投放到街道供用户使用,每辆无人驾驶自行车还应该有自己的停车位和支撑。
t2时刻,用户在街边通过手机软件进行叫车,服务器便搜索出与叫车地点最近的停靠着的共享无人驾驶自行车,该共享无人驾驶自行车启动、自动驾驶至叫车地点。若该无人驾驶自行车处于非竖直状态,则需要无人机管家出动,用钩子吊正自行车,使其回到竖直状态,从而进行启动和自动驾驶。所述的竖直状态是自行车车体偏转角度大小小于等于自行车后轮支撑时的车体偏转角度时的状态。
t3时刻,该共享无人驾驶自行车到达叫车地点,并为叫车用户所使用。
t4时刻,用户使用完共享无人驾驶自行车后,服务器会自动筛选出一定范围内共享无人驾驶自行车密度最低的区域,该共享无人驾驶自行车便会自行自动驾驶至该区域中适合停车的地点,并停车,等待下一次使用需求。
Claims (10)
1.一种基于模型的自平衡无人驾驶自行车,包括自行车、传感器模块,其特征在于,该自行车还包括车把控制模块、车体中部控制模块和车体后部控制模块;
所述车把控制模块位于自行车车把,通过重心调节机构调节车把的重心,实现车把偏转角度α的调节;
所述车体中部控制模块位于自行车车体中部,通过重心调节机构调节车体中部的重心;
所述车把控制模块、车体中部控制模块和车体后部控制模块各自的重心调节机构和车体后部控制模块的平衡控制,共同实现自行车车体偏转角度β的调节;
所述自平衡无人驾驶自行车在工作状态下需要由分别分布在三处的车把控制模块、车体中部控制模块和车体后部控制模块三个模块相互配合和调节,以实现该自行车的自平衡;
传感器模块测量普通人骑自行车时的自行车变量以及人体变量;将自行车变量作为输入、将人体变量作为输出,通过机器学习得到人对自行车的控制网络或规则;
建立车把控制模块、车体中部控制模块、车体后部控制模块的控制变量与人体变量的映射关系,通过二次映射得到车把控制模块、车体中部控制模块、车体后部控制模块对自行车的控制规则,实现无人驾驶自行车的平衡控制。
2.根据权利要求1所述的一种基于模型的自平衡无人驾驶自行车,其特征在于,所述车把控制模块的重心调节机构为横向放置于车把上的滑杆机构,车把控制模块通过调节车把滑杆机构的滑块位置进行车把重心的调节。
3.根据权利要求1所述的一种基于模型的自平衡无人驾驶自行车,其特征在于,所述车体中部控制模块的重心调节机构为偏心轮,车体中部控制模块通过调节偏心轮旋转角度进行车体中部重心的调节。
4.根据权利要求1所述的一种基于模型的自平衡无人驾驶自行车,其特征在于,所述车体后部控制模块的重心调节机构为偏心轮,车体后部控制模块通过调节偏心轮旋转角度进行车体后部重心的调节。
5.根据权利要求1所述的一种基于模型的自平衡无人驾驶自行车,其特征在于,所述车体后部控制模块的旋转轮机构为互相垂直的两个旋转轮:水平旋转轮、竖直旋转轮,竖直旋转轮与水平旋转轮相切,且与自行车后轮平行;车体后部控制模块通过调节两个旋转轮的转速进行自行车后部的平衡控制和后轮旋转控制。
6.一种基于模型的自平衡无人驾驶自行车的数据采集驱动的控制方法,其特征在于,该方法包括平衡控制部分和无人驾驶控制部分;
所述平衡控制部分的实现方法包括以下步骤:
1)数据采集:传感器模块测量普通人骑自行车时的自行车变量以及人体变量;
2)一次映射:将自行车变量作为输入、将人体变量作为输出,通过机器学习得到人对自行车的控制网络或规则;
3)二次映射及控制器的建立:建立车把控制模块、车体中部控制模块、车体后部控制模块的控制变量与人体变量的映射关系,并将建立的人对自行车的控制网络或规则,通过二次映射得到车把控制模块、车体中部控制模块、车体后部控制模块对自行车的控制规则,获得控制器参数;
4)实现自平衡:将二次映射得到的控制器参数分别输入实际的车把控制模块、车体中部控制模块和车体后部控制模块,并进行微调,建立自行车的三个控制器,从而实现自行车的自平衡;
所述无人驾驶控制部分的实现方法:根据目标运动状态,选择期望的自行车变量,实现自行车的无人驾驶控制。
7.根据权利要求6所述的方法,其特征在于,所述步骤3)中,
所述的车把控制模块控制变量与人体变量的二次映射关系为:
所述的车体中部控制模块控制变量与人体变量的二次映射关系为:
所述的车体后部控制模块控制变量与人体变量的二次映射关系为:
其中,F1、F2分别为车把的压力传感器阵列检测到的车把左右两侧的压力;x1、x2分别为车把左右两侧的压力中心与车把中心的距离;F3、F4分别为左右脚蹬的压力传感器检测到的左右脚蹬的压力;F5、F6分别为车座的压力传感器阵列检测到的左右两侧的压力;α1为人体脊椎上布置的姿态传感器检测到的人体脊椎偏转方向在水平面的投影与车体的夹角;R为人体脊椎上布置的姿态传感器检测到的人体脊椎在水平面上的重心偏转半径;x、m3分别为车把控制模块的重心调节机构为滑杆机构时,车把滑块位置和滑块配重的质量,θ1为车体中部控制模块的重心调节机构为偏心轮时,偏心轮旋转角度,θ2为车体后部控制模块的重心调节机构为偏心轮时,偏心轮旋转角度,ω1、ω2分别为车体后部控制模块的旋转轮机构为互相垂直的两个旋转轮时,两个旋转轮的转速。
8.根据权利要求6所述的方法,其特征在于,所述机器学习方法为神经网络或模糊神经网络方法。
9.根据权利要求6所述的方法,其特征在于,所述无人驾驶控制部分的实现包括:选择目标运动状态,进行目标运动状态下的自行车控制;所述运动状态包括:启动、前进、转弯、后退;
所述的启动状态下的自行车控制具体步骤如下:
1)整体性调节:通过车把控制模块、车体中部控制模块、车体后部控制模块的变量调节,使得自行车车把偏转角度α趋于一个常数,即使得自行车趋于一个整体;
2)重心调节:通过车把控制模块、车体中部控制模块、车体后部控制模块的变量调节,调节自行车重心,使得自行车车把偏转角度α趋于0、自行车车体偏转角度β趋于0,即使得自行车从一定偏转角度到竖直站立状态;
所述的前进状态下的自行车控制具体步骤如下:
1)整体性调节:通过车把控制模块、车体中部控制模块、车体后部控制模块的变量调节,使得自行车车把偏转角度α趋于0,即使得自行车在车把不转的同时趋于一个整体;
2)重心调节:通过车把控制模块、车体中部控制模块、车体后部控制模块的变量调节,调节自行车重心,使得自行车车体偏转角度β趋于0,即使得自行车保持平衡;
所述的转弯状态下的自行车控制具体步骤如下:
1)整体性调节:通过车把控制模块、车体中部控制模块、车体后部控制模块的变量调节,使得自行车车把偏转角度α趋于转弯方向,即使得自行车在车把转动的同时趋于一个整体;
2)重心调节:通过车把控制模块、车体中部控制模块、车体后部控制模块的变量调节,调节自行车重心,使得自行车车体偏转角度β趋于0,即使得自行车保持平衡;
所述的后退状态下的自行车控制方法具体步骤如下:
1)间接驱动:通过车体后部控制模块的旋转轮机构的变量调节,间接驱动自行车后轮,使得自行车后轮转动角度φ以一定角速度反向变化,即使得自行车后轮以一定速度反向旋转;由于车把与前轮接触地面处存在一个前后关系,当自行车处于倒退状态下,车把及前轮处于被拖动状态,在车把连接处的拖动力在前,消除了自行车前进时产生的车把转动扭矩,可以简化自行车车把偏转角度α的调节,自行车在后退状态会趋于一个整体;
2)重心调节:通过车把控制模块、车体中部控制模块、车体后部控制模块的变量调节,调节自行车重心,使得自行车车体偏转角度β趋于0,即使得自行车保持平衡。
10.根据权利要求9所述的方法,其特征在于,所述选择目标运动状态具体为:
1)宏观路线确定:通过导航、人工选择方式确定自行车整体行进路线;
2)路面监控及避障:通过传感器模块进行路面的监控;进行地形扫描,判断地形并选择地形对应的控制方法;判断是否有障碍物,若有障碍物则进行避障,即通过距离、障碍物宽度、障碍物运动情况得到自行车需要调整的行进方向从而进行调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810081435.1A CN108298011B (zh) | 2018-01-26 | 2018-01-26 | 一种基于模型的自平衡无人驾驶自行车及其数据采集驱动的控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810081435.1A CN108298011B (zh) | 2018-01-26 | 2018-01-26 | 一种基于模型的自平衡无人驾驶自行车及其数据采集驱动的控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108298011A CN108298011A (zh) | 2018-07-20 |
CN108298011B true CN108298011B (zh) | 2020-02-07 |
Family
ID=62867130
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810081435.1A Active CN108298011B (zh) | 2018-01-26 | 2018-01-26 | 一种基于模型的自平衡无人驾驶自行车及其数据采集驱动的控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108298011B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109532511B (zh) | 2018-12-07 | 2021-06-08 | 纳恩博(北京)科技有限公司 | 电动滑板车的行驶方法、电动滑板车 |
CN112829755B (zh) * | 2021-02-08 | 2022-02-22 | 浙江大学 | 通过乘员脚部位置压力分布识别乘员状态的***与方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100407581B1 (ko) * | 2001-02-08 | 2003-12-01 | 박인규 | 자이로를 이용한 전동식 무인 자전거 |
DE202011110168U1 (de) * | 2011-12-07 | 2013-05-08 | Robert Bosch Gmbh | Sensorsystem sowie Fahrzeug mit einem Sensorsystem |
CN105573325B (zh) * | 2016-01-22 | 2018-10-30 | 深圳市万兴利民科技有限公司 | 无人驾驶自行车的控制方法及*** |
CN106080941B (zh) * | 2016-08-04 | 2018-12-18 | 清华大学 | 一种实现变速平衡控制的无人驾驶自行车 |
CN106919177A (zh) * | 2017-03-31 | 2017-07-04 | 深圳市靖洲科技有限公司 | 一种基于速率陀螺仪的无人自行车平衡控制方法 |
-
2018
- 2018-01-26 CN CN201810081435.1A patent/CN108298011B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108298011A (zh) | 2018-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108357595B (zh) | 一种基于模型的自平衡无人驾驶自行车及其模型驱动的控制方法 | |
CN108327841B (zh) | 一种自平衡无人驾驶自行车及其控制方法 | |
US11130542B2 (en) | Vehicle having interactive lean control | |
US10245937B2 (en) | Vehicle comprising autonomous steering column system | |
US11635764B2 (en) | Motion prediction for autonomous devices | |
US10754340B1 (en) | Virtual gearing in an autonomous electronic bicycle | |
US8397844B2 (en) | Apparatus and system for efficient and maneuverable vehicle | |
CN108656962A (zh) | 一种智能网联电动观光车及控制方法 | |
CN105752246A (zh) | 新式的倒立摆自平衡机车 | |
CN108357596B (zh) | 一种基于行为驱动的自平衡无人驾驶自行车及其行为驱动的控制方法 | |
US20200409381A1 (en) | Autonomous electronic bicycle navigation | |
US20200406999A1 (en) | Balancing system in an autonomous electronic bicycle | |
CN108298011B (zh) | 一种基于模型的自平衡无人驾驶自行车及其数据采集驱动的控制方法 | |
CN110641465A (zh) | 一种基于车速的车道保持***和方法 | |
US20220227455A1 (en) | Inter-bicycle communication for communal biking experiences | |
KR20170124455A (ko) | 주행 장치, 주행 장치의 제어 방법, 및 주행 장치의 제어 프로그램 | |
CN108341007B (zh) | 一种基于智能演化的自平衡无人驾驶自行车及其环境演化自适应进化的控制方法 | |
CN108357593B (zh) | 一种基于智能演化的自平衡无人驾驶自行车及其自演化的控制方法 | |
CN108357594B (zh) | 一种基于智能演化的自平衡无人驾驶自行车及其竞争与合作的控制方法 | |
KR100407581B1 (ko) | 자이로를 이용한 전동식 무인 자전거 | |
CN108762244B (zh) | 一种基于行为驱动的自平衡无人驾驶自行车及其等价映射的控制方法 | |
TW530016B (en) | Vehicles and methods using center of gravity and mass shift control system | |
CN108189955B (zh) | 一种基于行为驱动的自平衡无人驾驶自行车及其分解关键平衡的控制方法 | |
RU2778064C1 (ru) | Транспортное средство и способ управления транспортным средством | |
CN115892313A (zh) | 一种高速全向自平衡车及其控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |