Selbstfahrendes Motorad mit Arduino

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

Bild1: Gantt Chart für Projektarbeit Selbstfahrendes Motorrad. Junjie Lyu (Diskussion) 12:54, 17. Okt. 2021

Datei:Gantt Chart für Projektarbeit.xlsx

Die Projektarbeit einschließlich Projektseminar wird im Sommersemester 2021 angemeldet. Das heißt, die Benotung der Projektarbeit muss bis zum Ende des Wintersemesters 21/22 erfolgt sein.

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

Die Komponenten sind in der Bild2 dargestellt. Die Basis dieses Projekts bildet das Arduino-Board "MKR1000". MKR Motor Carrier ist eine MKR-Zusatzplatine für "MKR1000" zur Steuerung von Servo-, Gleichstrommotoren. Außerdem erweitert MKR Motor Carrier die Fähigkeiten von MKR1000 und vereinfacht die Anschluss zur anderen Aktoren und Sensoren über ein Reihe von 3-poligen Stiftleisten. IMU Sensor enthält verschiedene Sensoren, Beschleunigungsmesser, Gyrokope und Magnetometer, in einem einzigen Gehäuse. Mit IMU Sensor, der auf dem MKR1000 sitzt, wird die vertikale Position des selbstbalancierenden Motorrad gemisst und erkannt, wenn es fällt und der Kommuniziert mit MKR1000 via 122C. Hallsensor misst die Geschwindigkeit vom Trägheitsrad. Encoder misst die Geschwindigkeit vom Motorrad. Ultraschllsensor erkannt die Hindernisse vor dem Mortorrad. Servo-Motor ändert die Fahrrichtung des Motorrades. Das Motorrad nutzt Simulink, um die Sensoren, Aktuatoren und die Bewegung zu überwachen und zu steuern.

Identifikation der Regelstrecke

In diesem Projekt selbstfahrendes Motorrad ist die Regelstrecke der Neigungswinkel $\theta$.

Bild 3: Beschreibung des Motorrades durch physikalische Größe. Junjie Lyu (Diskussion) 10:49, 12. Okt. 2021

Bild 4: Regelkreis des Motorrades.Junjie Lyu (Diskussion) 12:19, 22. Okt. 2021

Tabelle 1: Bedeutung dieser physikalischen Größe in Bild 3

physikalische Größe	Bedeutung
$\theta$	der Neigungswinkel $\theta$ ist 0 Grad , wenn das Motorrad vollkommen aufrecht steht, ist positiv, wenn das Motorrad von hinten gesehen gegen den Uhrzeigersinn geneigt ist, und negativ, wenn das Motorrad im Uhrzeigersinn geneigt ist.
$\phi$	die Rotationsverschiebung des Trägheitsrads relativ zum Rest des Motorrads ist $\phi$, wobei eine positive Verschiebung als gegen den Uhrzeigersinn definiert ist.
$h_{cm}$	Die Höhe des Massenschwerpunkts über dem Boden bei aufrechtem Motorrad ($\theta$ = 0) ist definiert als $h_{cm}$

Tabelle 2: Bedeutung dieser physikalischen Größe in Bild 4

physikalische Größe	Bedeutung
$W$	Sollgröße. Wenn das Motorrad ganz aufrecht steht, ist der Neigungswinkel "0". Das heißt: $W = 0$
$e$	Regelfehler. Wir hoffen $e = 0$. Das heißt: $e = W - r = 0$.
$y$	Stellgröße des Reglers. Regelkontroller entsteht Gain nach Regelfehler zur Steuerung des DC Motors.
Fehler beim Parsen (Konvertierungsfehler. Der Server („cli“) hat berichtet: „[INVALID]“): {\displaystyle y^'}	Stellgröße. DC motor wirkt sich auf das Trägheitsrad zur Ausgleichung des Fehlers.
$z$	Störung. USB-Kabel gegen Motorräder, Luftwiderstand, Wind und verschiedene andere Ablenkungen
$y_{ges}$	Gesamtgröße. Die Gesamtregelgröße auf dem System.
$x$	Regelgröße. Der Neigungswinkel auf dem System
$r$	Rückführgröße. Die Größe des Neigungswinkels auf dem System wird von Sensoren gemisst.

Theoretische Diskussion über Bewegungsgleichungen für Motorrad

Das Drehmoment beim Motorrad $\tau_{net,M}$ hat 3 Hauptkomponenten, das auf das Motorrad um die Bodenachse des Rades wirkt:

$\rightarrow$ Gravitationsmoment $\tau_{g,M}$

$\rightarrow$ Trägheitsmoment des Trägheitsrads $\tau_{IW,M}$

$\rightarrow$ Externes Drehmoment $\tau_{ext,M}$

In dieser theoretischen Diskussion werden wir uns auf das ideale Szenario konzentrieren, bei dem $\tau_{ext,M} = 0$. Dissipative Kräfte wie Reibung und Widerstandseffekte zwischen beweglichen Teilen $\tau_{fric,IM} = 0$. Die Neigungswinkel $\theta$ ist sehr klein (nur wenige Grad), gilt für $\sin\theta \approx \theta$.

Nettodrehmoment beim Motorrad für Bodenradachsen: $\tau_{net,M} = I_M \cdot \ddot{\theta} = \tau_{g,M} + \tau_{IW,M} + \tau_{ext,M} \approx \tau_{g,M} + \tau_{IW,M} \qquad(1)$

Drehmoment beim Trägheitrad für Drehachse durch die Motorwelle des Trägheitsrades: $\tau_{net,IW} = I_{IW} \cdot \ddot{\phi} = \tau_{motor,IW} + \tau_{fric,IW} \approx \tau_{motor,IW} \qquad(2)$

Gravitationsmoment: $\tau_{g,M} = M_M \cdot g \cdot h_cm \cdot \sin\theta \qquad(3)$

Das von der Motorwelle auf das Trägheitrad ausgeübte Drehmoment ist gleich groß und entgegengesetzt zu dem vom Trägheitrad auf die Motorwelle ausgeübten Drehmoment: $\tau_{IW,M} = - \tau_{motor,IW} \qquad(4)$

Ersetze Gleichung (4) in Gleichung (1): $\tau_{net,M} = I_M \cdot \ddot{\theta} \approx \tau_{g,M} - \tau_{motor,IW} \qquad(5)$

Ersetze Gleichung (3) in Gleichung (5): $I_M \cdot \ddot{\theta} \approx M_M \cdot g \cdot h_cm \cdot \sin\theta - \tau_{motor,IW} \qquad(6)$

Ersetze Gleichung (2) in Gleichung (6): $I_M \cdot \ddot{\theta} \approx M_M \cdot g \cdot h_cm \cdot \sin\theta - I_{IW} \cdot \ddot{\phi} \qquad(7)$

Ersetze Gleichung $\sin\theta \approx \theta$ in Gleichung (7):$I_M \cdot \ddot{\theta} \approx M_M \cdot g \cdot h_cm \cdot \theta - I_{IW} \cdot \ddot{\phi} \qquad(8)$

wir programmieren den Motor so, dass er ein Drehmoment aufbringt, das proportional zum Neigungswinkel selbst ist. Das heißt: $\tau_{motor,IW} = K_p \cdot \theta$. Ersetze Gleichung $\tau_{motor,IW} = K_p \cdot \theta$ in Gleichung (8): $I_M \cdot \ddot{\theta} \approx M_M \cdot g \cdot h_cm \cdot \theta - K_p \cdot \theta \qquad(9)$
Von (9) erhalten wir: $I_M \cdot \ddot{\theta} \approx - (K_p-M_M \cdot g \cdot h_cm)\theta \qquad(10)$

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