当前位置：首页 > news >正文

全志XR806基于FreeRTOS下部署竞技机器人先进模糊控制器

news 2025/9/4 14:38:18

前言

很荣幸参与到由“极术社区和全志在线联合组织”举办的XR806开发板试用活动。
本人热衷于各种的开发板的开发，同时更愿意将其实现到具体项目中。
秉承以上原则，发现大家的重心都放在开发中的环境构建过程，缺少了不少实际应用场景的运用，虽然环境搭建确实痛苦。本文主要使用XR806的FreeRTOS到实际的机器人控制应用中，并实现部署模糊控制器。
环境搭建本文简要略写，大家可以看社区其它优秀的文章。
文章中应用到的无线控制和多维状态机两个重要的开发应用，会在后面的文章中陆续更新。

使用环境

1.本人使用window10+VMware+ubuntu 18.04 这里不多阐述
2.按照官方文档移植XR806的FreeRTOS

项目介绍

基于XR806——FreeRTOS为项目主控，部署先进模糊控制器，实现对于竞技机器人的机构控制和定位控制等。

在这里插入图片描述

软硬件框架

在这里插入图片描述

控制部署

继电推理

在封装好电机驱动电流环时，实现对电机的控制，相当于建立了一种
继电特性的非线性控制，此时使用继电整定法的Z-N临界比例度法去建立模糊域。
根据以下临界系数表，整定求出模糊域。

控制器类型	KP	Tn	Tv	Ki	Kd
P	0.5*Kμ	—	—	—	—
PD	0.8*Kμ	—	0.12*Tμ	—	KP*Tn
PI	0.45*Kμ	0.85*Tμ	—	KP/Tn	—
PID	0.6*Kμ	0.5*Tμ	0.12*Tμ	KP/ Tn	KP*Tn

模糊推理

模糊推理的核心就是计算出E和EC的隶属度。同时把E和EC分为多种子集情况：负最大NB，负中NM，负小NS，零ZO，正小PS，正中PM，正大PB等七种情况。然后计算E/EC种子集的隶属度。

清晰化

进行模糊推理后，可以根据计算的隶属度，建立模糊规则表，实现对输出值的清晰化。对应到应用层的输出函数，实现控制输出。
例图：

在这里插入图片描述

FOC控制

在这里插入图片描述

仿真效果

在这里插入图片描述

代码实现

以下提供部分代码：

自动整定
void PID_AutoTune_Task(void)
{if(pid.AutoRegurating_Status != START) return;/*定义临界Tc*/float Tc = 0.0;static int start_cnt;  //记录最大值出现的时间static int end_cnt;    //记录周期结束时的时间值 static uint16_t cool_cnt = 0; static uint16_t heat_cnt = 0;//	pid.Autotune_Cnt ++; //计数if((pid.Pv_position == UP) && (pid.Pv < pid.Sv)) {cool_cnt ++;if(cool_cnt >= 3) //连续三次都越过，则说明真的越过了{pid.Pv_position = DOWN; //标记当前在下方了pid.Zero_Across_Cnt ++;	//标记穿越一次cool_cnt = 0;}}else if((pid.Pv_position == DOWN)&&(pid.Pv > pid.Sv))//刚才在下方，现在在上方{heat_cnt++;if(heat_cnt >= 3) //连续三次都越过，则说明真的越过了{pid.Pv_position = UP;   //标记当前在下方了pid.Zero_Across_Cnt ++;	//标记穿越一次heat_cnt = 0;}		}/*****************开始计算强行振荡的周期****************************/	if((pid.Zero_Across_Cnt == 2)&&(start_cnt == 0)){start_cnt = pid.Autotune_Cnt;printf("start_time = %d\r\n", start_cnt);}else if((pid.Zero_Across_Cnt == 4)&&(end_cnt == 0)){end_cnt = pid.Autotune_Cnt;printf("start_time = %d\r\n", end_cnt);}if(pid.Zero_Across_Cnt == 4){	/*计算一个震荡周期的时间*/if(start_cnt > end_cnt)Tc = (start_cnt-end_cnt)/2;  elseTc = (end_cnt-start_cnt)/2;  /*计算Kp,Ti和Td*/pid.Kp = 0.6*pid.Kp;pid.Ti = Tc*0.5;   pid.Td = Tc*0.12;  /*PID参数整定完成，将各项数据清0*/heat_cnt 	= 0;cool_cnt 	= 0;	pid.Autotune_Cnt = 0;start_cnt	= 0;end_cnt		= 0;	pid.SEk   = 0;pid.Zero_Across_Cnt 			= 0;					pid.AutoRegurating_EN 		= OFF;pid.AutoRegurating_Status = OVER; //开始运行使用新的参数后的PID算法pid.Sv   = pid.BKSv;    }
}

模糊控制
/*模糊规则表*/
int KpRule[7][7]= {  /*NB, NM,  NS, ZO, PS, PM, PB -EC*/{1,   1,   1,  1,  1,  1,  1}, //NB 0~-10{0,   0,   0,  1,  2,  3,  4}, //NM 0~10{0,   0,   0,  1,  2,  3,  4}, //NS 10~20   {0,   0,   1,  1,  2,  3,  4}, //20~30{1,   1,   1,  1,  2,  3,  4}, //30~40{1,   1,   1,  1,  2,  3,  4}, //40 ~50{6,   6,   6,  6,  6,  6,  6}, //50~60       
};
static float fuzzy_kp(float err, float errchange) 
{                 volatile float Kp_calcu;  volatile uint8_t num,pe,pec;   volatile float eFuzzy[2]={0.0,0.0};      //隶属于误差E的隶属程度  volatile float ecFuzzy[2]={0.0,0.0};     //隶属于误差变化率EC的隶属程度  float KpFuzzy[7]={0.0,0.0,0.0,0.0,0.0,0.0,0.0}; //隶属于Kp的隶属程度  /*****误差E隶属函数描述*****/ if(err<eRule[0])         {   eFuzzy[0] =1.0;    pe = 0;  }  else if(eRule[0]<=err && err<eRule[1])  {   eFuzzy[0] = (eRule[1]-err)/(eRule[1]-eRule[0]);   pe = 0;  }  else if(eRule[1]<=err && err<eRule[2])  {   eFuzzy[0] = (eRule[2] -err)/(eRule[2]-eRule[1]);   pe = 1;  }  else if(eRule[2]<=err && err<eRule[3])  { eFuzzy[0] = (eRule[3] -err)/(eRule[3]-eRule[2]);   pe = 2;  }     else if(eRule[3]<=err && err<eRule[4])     {   eFuzzy[0] = (eRule[4]-err)/(eRule[4]-eRule[3]);         pe = 3;     }  else if(eRule[4]<=err && err<eRule[5])  {   eFuzzy[0] = (eRule[5]-err)/(eRule[5]-eRule[4]);   pe = 4;  }  else if(eRule[5]<=err && err<eRule[6])  {   eFuzzy[0] = (eRule[6]-err)/(eRule[6]-eRule[5]);   pe = 5;  }  else  {   eFuzzy[0] =	0.0;   pe =	6;  }    eFuzzy[1] =1.0 - eFuzzy[0];  /*****误差变化率EC隶属函数描述*****/       if(errchange<ecRule[0])         {   ecFuzzy[0] =1.0;   pec = 0;  }  else if(ecRule[0]<=errchange && errchange<ecRule[1])  {   ecFuzzy[0] = (ecRule[1] - errchange)/(ecRule[1]-ecRule[0]);   pec = 0 ;  }  else if(ecRule[1]<=errchange && errchange<ecRule[2])  {   ecFuzzy[0] = (ecRule[2] - errchange)/(ecRule[2]-ecRule[1]);   pec = 1;  }  else if(ecRule[2]<=errchange && errchange<ecRule[3])  {   ecFuzzy[0] = (ecRule[3] - errchange)/(ecRule[3]-ecRule[2]);   pec = 2 ;  } else if(ecRule[3]<=errchange && errchange<ecRule[4])     {   ecFuzzy[0] = (ecRule[4]-errchange)/(ecRule[4]-ecRule[3]);         pec=3;     }  else if(ecRule[4]<=errchange && errchange<ecRule[5])     {   ecFuzzy[0] = (ecRule[5]-errchange)/(ecRule[5]-ecRule[4]);         pec=4;     }  else if(ecRule[5]<=errchange && errchange<ecRule[6])     {   ecFuzzy[0] = (ecRule[6]-errchange)/(ecRule[6]-ecRule[5]);         pec=5;     }  else  {   ecFuzzy[0] =0.0;   pec = 5;  }  ecFuzzy[1] = 1.0 - ecFuzzy[0];   /*********查询模糊规则表*********/     num =	KpRule[pe][pec];  KpFuzzy[num] += (eFuzzy[0]*ecFuzzy[0]); num =	KpRule[pe][pec+1];   KpFuzzy[num] += (eFuzzy[0]*ecFuzzy[1]);  num =KpRule[pe+1][pec];  KpFuzzy[num] += (eFuzzy[1]*ecFuzzy[0]);  	num =	KpRule[pe+1][pec+1];  KpFuzzy[num] += (eFuzzy[1]*ecFuzzy[1]); /*********加权平均法解模糊*********/    Kp_calcu	=	KpFuzzy[0]*kpRule[0] +KpFuzzy[1]*kpRule[1]+ \KpFuzzy[2]*kpRule[2] +KpFuzzy[3]*kpRule[3]+ \KpFuzzy[4]*kpRule[4] +KpFuzzy[5]*kpRule[5]+ \+KpFuzzy[6]*kpRule[6];   printf(" %f,%f,%d,%d,kp = %f\r\n", err, errchange, pe, pec, Kp_calcu);return(Kp_calcu); 
}