Selbstfahrendes Motorad mit Arduino: Unterschied zwischen den Versionen

Aus HSHL Mechatronik
Zur Navigation springen Zur Suche springen
Zeile 43: Zeile 43:
|[[Datei:Beschreibung_des_Motorrades_durch_physikalische_Größe.png|thumb|links|600px|Bild 3: Beschreibung des Motorrades durch physikalische Größe. [[Benutzer:Junjie Lyu|Junjie Lyu]] ([[Benutzer Diskussion:Junjie Lyu|Diskussion]]) 10:49, 12. Okt. 2021]]
|[[Datei:Beschreibung_des_Motorrades_durch_physikalische_Größe.png|thumb|links|600px|Bild 3: Beschreibung des Motorrades durch physikalische Größe. [[Benutzer:Junjie Lyu|Junjie Lyu]] ([[Benutzer Diskussion:Junjie Lyu|Diskussion]]) 10:49, 12. Okt. 2021]]
|[[Datei:Regelstrecke.png|none|600px|thumb|Bild 4: Regelkreis des Motorrades.[[Benutzer:Junjie Lyu|Junjie Lyu]] ([[Benutzer Diskussion:Junjie Lyu|Diskussion]]) 00:38, 12. Okt. 2021]]
|[[Datei:Regelstrecke.png|none|600px|thumb|Bild 4: Regelkreis des Motorrades.[[Benutzer:Junjie Lyu|Junjie Lyu]] ([[Benutzer Diskussion:Junjie Lyu|Diskussion]]) 00:38, 12. Okt. 2021]]
|}
{| class="mw-datatable"
! style="font-weight: bold;" | physikalische Größe
! style="font-weight: bold;" | Bedeutung
|+ style = "text-align: left"|Tabelle 1: Bedeutung dieser physikalischen Größe in Bild 3
|-
| \theta
| Ein P-Regler erreicht in unserem Fall keine Regeldifferenz von 0. Die bleibende Regelabweichung kann durch Erhöhung des Parameters <math>K_P</math> verringert werden. Dies begünstigt jedoch ein aggressives Verhalten der Regelung.
|-
| \phi
| In dem Projekt wurde ein PI-Regler verwendet. Dieser kompensiert durch sein Integrator die bleibende Regelabweichung. Als Parameter wurden <math>K_P = 8</math> und <math>K_I = 16</math> verwendet. Dar unsere Stellgröße begrenzt ist, tritt der Wind-Up-Effekt auf. Dieser wird durch die Clamping-Methode verhindert.
|-
| h_cm
| Der PID-Regler erweitert den PI-Regler durch ein Differenzierer, der auf die Änderungsrate der Reglerabweichung reagiert. Der Roboter hat keine komplexe Kinematik, wodurch die Änderungsrate meist konstant bleibt. Deshalb wird auf ein I-Glied verzichtet.
|}
|}



Version vom 12. Oktober 2021, 12:24 Uhr

Autoren: Junjie Lyu
Betreuer: Prof. Schneider
Art: PA
Projektlaufzeit: 04/2021-04/2022

Abb. 1: Arduino Engineering Kit - Selbstfahrendes Motorad


Thema

Aufbau eines selbsfahrenden Motorades, welches sich selbst während der Fahrt ausbalanciert.

Ziel

Das Arduino Engineering Kit ermöglicht den Aufbau dreier regelungstechnischer Herausforderungen. In diesem Projekt soll ein selbstfahrendes Motorad gebaut und programmiert werden.

Aufgabenstellung

  1. Einarbeitung in das Thema, auch aus regelungstechnischer Sicht
  2. Identifikation des Regelstrecke
  3. Sichtung und Test des bestehenden Bausatzes
  4. Aufbau des Systems (ggf. Platinenfertigung, etc.)
  5. Vergleichen und bewerten Sie verschiedene Regleransätze (P, PI, PID und andere).
  6. Modellbasierte Programmierung der Hardware via Matlab und Simulink
  7. Test des Segway
  8. Dokumentation nach wissenschaftlichem Stand
  9. Erstellung von Gefährdungsbeurteilung und Betriebsanweisung

Anforderung

  • Wissenschaftliche Vorgehensweise (Projektplan, etc.)
  • Wöchentliche Fortschrittsberichte (informativ)
  • Projektvorstellung im Wiki
  • Machen Sie ein tolles Videos, welches die Funktion visualisiert.

Gantt - Chart

Bewertung des Bausatzes

Das Motorrad ist ein zweirädrig Roboter, der mit Hilfe einer rotierenden Scheibe (Trägheitsrad) das Gleichgewicht halten und sich bewegen kann, um zu kompensieren, wenn das Motorrad das Gleichgewicht verliert. Das Motorrad wird von einem Arduino MKR1000, dem Arduino MKR Motor Carrier, einem Gleichstrommotor zum Bewegen des Hinterrads, einem Encoder, einem Gleichstrommotor zum Steuern des Trägheitsrads, einer 6-Achsen-IMU, einem Standardservomotor zum Lenken des Motorradgriffs, einem Abstandssensor (Ultraschallsensor) und einem Drehzahlmesser (Hallsensor) gesteuert. Der Hardwareaufbau konnte mithilfe der Anweisung des Anleitungsvideos zusammengebaut werden. Das Kabel vom Gleichstrommotor zum Steuern des Trägheitsrads ist nicht lang genug. Versuchen Wir, durch das Innere des Motorrads zu führen, um dem Arduino MKR Motor Carrier anzuschließen. Der Akku rutscht leicht vom Motorkörper. Versuchen wir, mit einem Gummi den Akku mit Motorkörper befestigen.

Aufbau des Systems

Bild2: Darstellung des Motorrades. Abbildung zeigt die Komponenten des Mortorrades Junjie Lyu (Diskussion) 21:34, 11. Okt. 2021

Identifikation der Regelstrecke

Bild 3: Beschreibung des Motorrades durch physikalische Größe. Junjie Lyu (Diskussion) 10:49, 12. Okt. 2021
Bild 4: Regelkreis des Motorrades.Junjie Lyu (Diskussion) 00:38, 12. Okt. 2021
physikalische Größe Bedeutung
Tabelle 1: Bedeutung dieser physikalischen Größe in Bild 3
\theta Ein P-Regler erreicht in unserem Fall keine Regeldifferenz von 0. Die bleibende Regelabweichung kann durch Erhöhung des Parameters verringert werden. Dies begünstigt jedoch ein aggressives Verhalten der Regelung.
\phi In dem Projekt wurde ein PI-Regler verwendet. Dieser kompensiert durch sein Integrator die bleibende Regelabweichung. Als Parameter wurden und verwendet. Dar unsere Stellgröße begrenzt ist, tritt der Wind-Up-Effekt auf. Dieser wird durch die Clamping-Methode verhindert.
h_cm Der PID-Regler erweitert den PI-Regler durch ein Differenzierer, der auf die Änderungsrate der Reglerabweichung reagiert. Der Roboter hat keine komplexe Kinematik, wodurch die Änderungsrate meist konstant bleibt. Deshalb wird auf ein I-Glied verzichtet.

Bewertung verschiedener Regleransätze

Wahl des Reglers

Simulation des Reglers

Realisierung des Reglers

Validierung des Reglers

Zusammenfassung und Ausblick

Quelltext

Video

Verlinken Sie hier ein YouTube-Video zu Ihrem fertigen Projekt. Tipps zum Video finden Sie hier.

Weblinks

  1. Arduino Engineering Kit
  2. YouTube: Unboxing the Arduino Engineering Kit
  3. YouTube: Motorcycle Self Balancing Using Reinforcement Learning
  4. YouTube: Motorcycle Maneuvers
  5. Arduino Store

Software

  1. Arduino Engineering Kit Hardware Suppo​rt
  2. Arduino Engineering Kit Hardware Suppo​rt für R2018b
  3. Arduino Engineering​ Kit Project Files
  4. Reinforcement learning with Self-balancing motorcycle

Siehe auch

  1. Studentische Arbeiten bei Prof. Schneider
  2. Anforderungen an eine wissenschaftlich Arbeit



→ zurück zum Hauptartikel: Studentische Arbeiten