项目背景
我一直对自平衡小车十分感兴趣，最早在关注Segway的时候就想尝试一下自平衡算法（当时大约还是2010年）。然而那时一无业余时间，二无设计能力，于是搁浅至今。今年5月份回国的时候，这个想法重新占上心头，于是在淘宝选够了一款评价较好的平衡车，总价不过400大洋。谁知回到英国，自己又懈怠了下来，除了偶尔拿出来当玩具玩两下，也没有仔细深入研究。这样下去自然不行，然而深入研究确实需要不少精力，只能在此痛下决心一定要把里因外果弄清楚。
虽然之前没有正式做过平衡车，然后对于这个系统还是有所了解的，其中存在的研究问题大概如下：
- 硬件设计：电机选型、电机驱动、速度反馈传感器、惯性传感器MEMS、电源、电池、MCU、通信。因为硬件设计实在繁琐，其中原理并不复杂，调试却颇费功夫，所以直接购买硬件成品；
- 系统建模：两轮自平衡的系统模型与一阶倒立摆应该是一样的。系统模型并非必须，但是通过系统模型可以了解系统特性，也可以做一些软件仿真，方便控制器的参数调节。系统的最终模型可以是s域的传递函数模型 (transfer function) 也可以是时域的状态空间模型 (state-space model)；
- 传感器数据处理：主要是对惯性传感器的数据进行滤波与分析。滤波的目的是排除系统的动态扰动以及传感器的动态噪声，主要算法应该是互补滤波器 (Complementary Filter) 和卡尔曼滤波器 (Kalman Filter)。互补滤波器的算法实现较简单，而卡尔曼滤波器虽然复杂但可以和状态空间模型结合，设计性能更佳的LQG控制器；
- 控制器设计：常用的为PID控制器和状态空间下的LQR (Linear Quadratic Regulator) 或LQG (Linear-Quadratic-Gaussian) 控制器；
- 任务设计及实时性保证：整个软件有实时性要求，倾向于使用免费的FreeRTOS实时操作系统。操作系统采用静态优先级调度，优先级基于任务周期。系统中的主要任务有：传感器采集任务、传感器滤波与分析任务、控制器任务、电机转速调制任务、通信任务。
整个研究对我来说有三个目的：
1）研究运动传感器数据滤波与处理；
2）研究系统建模与控制器设计；
3）研究FreeRTOS的使用方法以及验证相关的实时性理论。
因为还未阅读相关资料，以上设计计划可能还有遗漏、错误之处，日后发现再做修正。
>> 本文章版权归作者所有，如需转载请联系作者授权许可。
>> 原文来自: 云飞机器人实验室
>> 原文地址: Self-Balance | 自平衡机器人
>> 关于我们: 关于云飞实验室
>> 支持我们: 帮助我们可持续发展
作者
牛掰阿，我们隔壁有个团队也是做自平衡车的，不过感觉这个市场已经被别人占的差不多了。
是的，自平衡车并不是什么领先技术了，全面兴起可以追溯回2015年了，但背后的技术是通用的。