步驟1：

1?？蚣埽何业目蚣苤皇菍蓚€(gè)鋁制伺服支架用螺栓固定到兩個(gè)垂直的膠合板上，并與伺服支架固定在一起?？蚣艿臉?gòu)成或配置方式實(shí)際上并不重要。您可能應(yīng)該將其調(diào)高一點(diǎn)，然后將電池放在頂部-多少錢總是一個(gè)問(wèn)題，太高了，電動(dòng)機(jī)將沒(méi)有足夠的扭矩來(lái)使車輪足夠快地旋轉(zhuǎn)，過(guò)低又可能使電動(dòng)機(jī)太慢而無(wú)法轉(zhuǎn)動(dòng)抓住機(jī)器人的傾斜。一塊水平的膠合板底部裝有Arduino Uno和電機(jī)控制器。

2。馬達(dá)：我使用了兩個(gè)無(wú)處不在的黃色齒輪馬達(dá)和車輪，每個(gè)到處都可以找到，價(jià)格分別為幾美元。它們的轉(zhuǎn)速約為110 rpm，足以平衡，但如果轉(zhuǎn)速約為200或300 rpm，那就太好了。它們的齒輪傾斜度很小，因此機(jī)器人總是會(huì)有點(diǎn)擺動(dòng)。在將它們連接到電機(jī)控制器之前，您可能應(yīng)該將兩個(gè)電機(jī)引線互相纏繞，以防止雜散電磁場(chǎng)干擾Arduino。在電動(dòng)機(jī)引線兩端連接幾個(gè)電容器也是一個(gè)好主意。我用幾個(gè)拉鏈把電動(dòng)機(jī)固定在車架上，效果很好。

3。馬達(dá)控制器：我使用了L293D迷你控制器，我非常喜歡它，因?yàn)槲铱梢允褂靡粋€(gè)2s鋰電池為控制器供電，該控制器還可以為Arduino Uno供電-無(wú)需第二個(gè)電池。輕巧的重量減輕器和輕巧的重量，意味著機(jī)器人更容易平衡。

4。 MPU6050陀螺儀/加速度計(jì)：這是一個(gè)不錯(cuò)的小模塊，用于測(cè)量機(jī)器人的傾斜角度。調(diào)用函數(shù)非常簡(jiǎn)單。我將我的機(jī)器人安裝在arduino和機(jī)器人的傾斜軸上方。有些人說(shuō)應(yīng)該更高些，有些人說(shuō)應(yīng)該更低些，但是可以找到它在哪里。

5。 Arduino Uno：神經(jīng)網(wǎng)絡(luò)將輕松以2k運(yùn)行。

6。電源開(kāi)關(guān)：連接電源開(kāi)關(guān)以打開(kāi)和關(guān)閉電池真的很值得。使機(jī)器人的使用變得比每次都要插入電池更容易。

7。 LIPO電池：我使用800mah 2s電池為所有電池供電。電池壽命通常約為連續(xù)運(yùn)行20分鐘或更長(zhǎng)時(shí)間。足夠用于測(cè)試和玩耍。

8。原理圖：最后一張照片是我連接所有模塊和電機(jī)的示意圖。

步驟2：加載并運(yùn)行Arduino草圖

1。 MPU6050校準(zhǔn)：在實(shí)際運(yùn)行機(jī)器人之前，首先需要進(jìn)行的是陀螺儀/加速度計(jì)的校準(zhǔn)。下載位于以下位置的校準(zhǔn)草圖：http：//forum.arduino.cc/index.php？action = dlattach; 。..在執(zhí)行之前，將您的機(jī)器人筆直站立，并在校準(zhǔn)程序運(yùn)行時(shí)不要移動(dòng)它。除非您碰巧將MPU6050移動(dòng)到機(jī)器人上的新位置，否則您只需運(yùn)行一次校準(zhǔn)例程。

運(yùn)行時(shí)，它將向Arduino串行監(jiān)視器輸出6個(gè)值需要三個(gè)才能放入草圖。

2。 NeuralNet-SelfBalancingRobot草圖：將以下草圖加載到Arduino Uno。您需要將GYRO/ACC參數(shù)更改為校準(zhǔn)運(yùn)行中的參數(shù)。然后運(yùn)行草圖，查看機(jī)器人是否平衡。我的機(jī)器人會(huì)在地毯或床上保持相當(dāng)不錯(cuò)的平衡，但會(huì)四處運(yùn)行，然后掉落在光滑的地板上。

我為我的機(jī)器人設(shè)置了PID代碼，其平衡與Neuro Net略有不同但是使用NN基本上沒(méi)有調(diào)整，只需加載草圖即可平衡。 PID例程需要大量的操作。

我可以將我的PID控制器上傳到SB機(jī)器人，而無(wú)需進(jìn)行任何修改即可比較PID與NN軟件。 NN會(huì)在平衡點(diǎn)附近以較小的振蕩獲勝，但會(huì)在受到干擾的情況下輸給PID。但是我還沒(méi)有真正調(diào)整NN。

/////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////

//神經(jīng)網(wǎng)絡(luò)程序，使用S型函數(shù)并應(yīng)用于簡(jiǎn)單的自平衡機(jī)器人

//由商洛大學(xué)Jim Demello創(chuàng)建，2018年5月

//改編自Sean Hodgins神經(jīng)網(wǎng)絡(luò)代碼：https：//www.instructables.com/id/Arduino-Neural-Ne。

/修改了midhun_s自平衡機(jī)器人代碼：https://www.instructables.com/id/Arduino-Self-Bala.。.

/構(gòu)建了我自己的自平衡機(jī)器人

////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////

#include“ MPU6050.h”

＃包括“ math.h”

/**************************************** **********************************

網(wǎng)絡(luò)配置-為每個(gè)網(wǎng)絡(luò)自定義

************************************************** ****************/

const int PatternCount = 2;

const int InputNodes = 1;

const int Hidd enNodes = 3;

const int OutputNodes = 1;

const float LearningRate = 0.3;

const float Momentum = 0.9;

const float InitialWeightMax = 0.5;

const float Success = 0.0015;

float Input ［PatternCount］ ［InputNodes］ = {

{0}，//左傾斜

{1}//傾斜

//{-1}//傾斜

//{0，1，1，0} ，//左右左右發(fā)光

//{0，1，0，0}，//左右左右發(fā)光

//{1，1，1，0} ，//頂部，左側(cè)和右側(cè)的燈光

}；

const float Target ［PatternCount］ ［OutputNodes］ = {

{0，}，////左傾斜

{1，}//右傾斜

//{-1，}//左移動(dòng)

//{0.65， 0.55}，//LEFT MOTOR SLOW

//{0.75，0.5}，//LEFT MOTOR FASTER

};

/***** ************************************************** ***********

終端網(wǎng)絡(luò)配置

********************** ***************/

int i，j，p，q，r;

int ReportEvery1000;

int RandomizedIndex ［PatternC ount］;

長(zhǎng)時(shí)間訓(xùn)練周期；

浮動(dòng)Rando；

浮動(dòng)誤差= 2；

浮動(dòng)累積；

float Hidden ［HiddenNodes］;

float Output ［OutputNodes］;

float HiddenWeights ［InputNodes + 1］ ［HiddenNodes］;

float OutputWeights ［HiddenNodes + 1］ ［OutputNodes］;

float HiddenDelta ［HiddenNodes］;

float OutputDelta ［OutputNodes］;

float ChangeHiddenWeights ［InputNodes + 1］ ［HiddenNodes］ ;

float ChangeOutputWeights ［HiddenNodes +1］ ［OutputNodes］;

#define leftMotorPWMPin 6

#define leftMotorDirPin 7

#define rightMotorPWMPin 5

#define rightMotorDirPin 4

#define sampleTime 0.005

MPU6050 mpu;

int16_t accY，accZ，gyroX;

int motorPower，gyroRate;

float accAngle，gyroAngle，currentAngle，prevAngle = 0，error，prevError = 0，errorSum = 0;

字節(jié)數(shù)= 0;

long previousMillis = 0;

unsigned long currentMillis;

long loopTimer = 4;

void setMotors（int leftMotorSpeed，int rightMotorSpeed）{

//串行.print（“ leftMotorSpeed =”）; Serial.print（leftMotorSpeed）; Serial.print（“ rightMotorSpeed =”）; Serial.println（rightMotorSpeed）;

if（leftMotorSpeed》 = 0）{

AnalogWrite（leftMotorPWMPin，leftMotorSpeed）;

digitalWrite（leftMotorDirPin，LOW）;

}

else {//如果leftMotorSpeed為《0，則將dir設(shè)置為反向

AnalogWrite（leftMotorPWMPin， 255 + leftMotorSpeed）;

digitalWrite（leftMotorDirPin，HIGH）;

}

if（rightMotorSpeed》 = 0）{

AnalogWrite （rightMotorPWMPin，rightMotorSpeed）;

digitalWrite（rightMotorDirPin，LOW）;

}

else {

AnalogWrite（rightMotorPWMPin，255 + rightMotorSpeed）;

digitalWrite（rightMotorDirPin，HIGH）;

}

}

void setup（）{

Serial.begin（115200）;

Serial.println（“啟動(dòng)程序”）;

randomSeed（analogRead（A1））;//收集一個(gè)隨機(jī)ADC樣本以進(jìn)行隨機(jī)化。

ReportEvery1000 = 1;

for（p = 0; p

RandomizedIndex ［ p］ = p;

}

Serial.println（“ do train_nn”）;

train_nn（）;

delay（ 1000）;

//將電動(dòng)機(jī)控制和PWM引腳設(shè)置為輸出模式

pinMode（leftMotorPWMPin，OUTPUT）;

pinMode（leftMotorDirPin，OUTPUT）;

pinMode（rightMotorPWMPin，OUTPUT）;

pinMode（rightMotorDirPin，OUTPUT）;

//初始化MPU6050并設(shè)置偏移值

mpu.initialize（）;

mpu.setYAccelOffset（2113）;//通過(guò)校準(zhǔn)例程

mpu.setZAccelOffset（1122）;

mpu.setXGyroOffset（7）;

Serial.print（“ End在以下位置初始化MPU： “）; Serial.println（米利斯（））;

}

///////////////

/主循環(huán)/

/////////////

void loop（）{

drive_nn（）;

}

///////////////////////////////////////////////////////////////////////////////////////////////////////////////

////////////////////////////////////////////////////////////////////////////////////////////////

/使用了訓(xùn)練有素的神經(jīng)網(wǎng)絡(luò)要驅(qū)動(dòng)機(jī)器人

void drive_nn（）

{

Serial.println（“ Running NN Drive”）;

while（Error 《成功）{

currentMillis = millis（）;

float TestInput ［］ = {0，0};

if（currentMillis-previousMillis》 loopTimer） {//每5毫秒或更長(zhǎng)時(shí)間進(jìn)行一次計(jì)算

Serial.print（“ currentMillis =”）; Serial.println（currentMillis）;

/////////////////////////////////////

//計(jì)算incli的角度國(guó)家//

//////////////////////////////////////////

accY = mpu.getAccelerationY（）;

accZ = mpu.getAccelerationZ（）;

gyroX = mpu.getRotationX（）;

accAngle = atan2（accY，accZ）* RAD_TO_DEG;

gyroRate = map（gyroX，-32768，32767 ，-250，250）;

gyroAngle =（float）gyroRate * sampleTime;

///////////////////////////////////////////////////////////////////

//補(bǔ)充過(guò)濾器///////////////////////////////////////////

////////////////////////////////////////////////////////////////////

currentAngle = 0.9934 *（prevAngle + gyroAngle）+ 0.0066 *（accAngle）;

//Serial.print（“currentAngle=“）; Serial.print（currentAngle）; Serial.print（“ error =”）; Serial.println（error）;

//錯(cuò)誤= currentAngle-targetAngle;//不使用

float nnInput = currentAngle;

//Serial.print（“ nnInput =”）; Serial.println（nnInput）;

nnInput = map（nnInput，-30，30，0，100）;//將傾斜角度范圍映射到0到100

TestInput ［0］ = float（nnInput）/100;//轉(zhuǎn)換為0到1

//Serial.print（“ testinput =”）; Serial.println（TestInput ［0］）;

InputToOutput（TestInput ［0］） ;//輸入到ANN以獲取輸出

//Serial.print（”output =“）; Serial.println（Output ［0］）;

///////////////////////////////////////////

//在之后設(shè)置電動(dòng)機(jī)功率約束它//

///////////////////////////////////////////

motorPower =輸出［0］ * 100；//從0轉(zhuǎn)換為1

//如果（motorPower 《50）motorPower = motorPower * -1;

motorPower = map（motorPower，0，100，-300，300 ）;

motorPower = motorPower +（motorPower * 6.0）;//需要乘數(shù)以使車輪在接近平衡點(diǎn)時(shí)足夠快地旋轉(zhuǎn)

//Serial.print（“motorPower =“）; Serial.println（motorPower）;

motorPower = constrain（motorPower，-255，255）;

prevAngle = currentAngle;

previousMillis = currentMillis;

}//結(jié)束毫秒循環(huán)

//如果（abs（error）》 30）motorPower = 0;//如果跌落則關(guān)閉電動(dòng)機(jī)

//motorPower = motorPower + error;

setMotors（motorPower，motorPower）;

}

}//drive_nn（）函數(shù)的結(jié)尾

///在培訓(xùn)時(shí)顯示信息

無(wú)效到Terminal（）

{

for（p = 0; p

Serial.println（）;

Serial.print（“ Training Pattern：”）;

Serial.println（p）;

Serial.print（“ Input”）;

for（i = 0; i

Serial.print（Input ［p］ ［i］，DEC）;

Serial.print（“”）;

}

Serial.print （“ Target”）;

for（i = 0; i

Serial.print（Target ［p］ ［i］，DEC）;

Serial.print（“”）;

}

/********************* **************

計(jì)算隱藏層激活

***************************************** *********************************/

for（i = 0; i

Accum = HiddenWeights ［InputNodes］ ［i］；

for（j = 0; j

累計(jì)+ =輸入［p］ ［j］ * HiddenWeights ［j］ ［i］;

}

隱藏［i］ = 1.0/（1.0 + exp（-Accum））;//激活功能

}

/****************************** ******************************************

計(jì)算輸出層激活并計(jì)算錯(cuò)誤

******************************************* ***************************/

用于（i = 0; i

累計(jì)= OutputWeights ［HiddenNodes］ ［i］;

for（j = 0; j 《隱藏節(jié)點(diǎn); j ++）{

累計(jì)+ =隱藏［j］ * OutputWeights ［j］ ［i］;

}

輸出［i］ = 1.0/（1.0 + exp（-Accum））;

}

Serial.print（“ Output”）;

for（i = 0; i

Serial.print（Output ［i］，5）;

Serial.print（“”）;

}

}

}

無(wú)效InputToOutput（float In1 ）

{

float TestInput ［］ = {0};

TestInput ［0］ = In1;

//TestInput ［ 1］ = In2；//未使用

//TestInput ［2］ = In3;//未使用

//TestInput ［3］ = In4;//不使用

/****************************************** ****************************

計(jì)算隱藏層激活

**** ************************************************** ************/

for（i = 0; i

Accum = HiddenWeights ［InputNodes］ ［i］;

for（j = 0; j

累計(jì)+ = TestInput ［j］ * HiddenWeights ［j］ ［i］;

}

隱藏［i］ = 1.0/（1.0 + exp（-Accum））;

}

/********* ************************************************** *******

計(jì)算輸出層激活并計(jì)算錯(cuò)誤

********************** ***************/

for（i = 0; i

Accum = OutputWeights ［HiddenNodes］ ［i］;

for（j = 0; j

累計(jì)+ =隱藏［j］ * OutputWeights ［j］ ［i］;

}

輸出［i］ = 1.0/（1.0 + exp（-Accum））;

}

//＃ifdef調(diào)試

Serial.print（“輸出”）；

對(duì)于（i = 0 ;我

Serial.print（Output ［i］，5）;

Serial.print（“”）;

}

//＃endif

}

//訓(xùn)練神經(jīng)網(wǎng)絡(luò)

void train_nn（）{

/*** ************************************************** *************

初始化HiddenWeights和ChangeHiddenWeights

******************* ***************/

int prog_start = 0;

Serial.println（“開(kāi)始培訓(xùn)。..”）;

//digitalWrite（LEDYEL，LOW）;

for（i = 0; i

for（j = 0; j 《= InputNodes; j ++）{

ChangeHiddenWeights ［j］ ［i ］ = 0.0;

Rando = float（random（100））/100;

HiddenWeights ［j］ ［i］ = 2.0 *（Rando-0.5）* InitialWeightMax;

}

}

//digitalWrite（LEDYEL，HIGH）;

/************ ************************************************** ****

初始化OutputWeights和ChangeOutputWeights

**************************** ******************************************/

//digitalW rite（LEDRED，LOW）;

for（i = 0;我

for（j = 0; j 《= HiddenNodes; j ++）{

ChangeOutputWeights ［j］ ［i］ = 0.0;

Rando = float（random（100））/100;

OutputWeights ［j］ ［i］ = 2.0 *（Rando-0.5）* InitialWeightMax;

}

}

//digitalWrite（LEDRED，HIGH）;

//SerialUSB.println（”Initial/Untrained Outputs：“）;

//toTerminal（）;

/****************************************** ****************************

開(kāi)始訓(xùn)練

****** ************************************************** **********/

用于（TrainingCycle = 1; TrainingCycle 《2147483647; TrainingCycle ++）{

/*********** ************************************************** *****

隨機(jī)分配訓(xùn)練模式的順序

************************** ********************************************/

用于（ p = 0; p

q = random（PatternCount）;

r = RandomizedIndex ［p］;

RandomizedIndex ［p］ = RandomizedIndex ［q］;

RandomizedIndex ［q］ = r;

}

錯(cuò)誤= 0.0;

/*************************************** **************************************

以隨機(jī)順序遍歷每種訓(xùn)練模式

》

************************************************** ********************/

為（q = 0; q

p = RandomizedIndex ［q］;

/************************* **********************************************

隱藏計(jì)算層激活

********************************************* *****************************/

//digitalWrite（LEDYEL，LOW）;

表示（i = 0; i

累計(jì)= HiddenWeights ［InputNodes］ ［i］;

for（j = 0; j

累計(jì)+ =輸入［p］ ［j］ *隱藏重量［j］ ［i］；

}

隱藏［i］ = 1.0/（1.0 + exp（-Accum））;

}

//digitalWrite（LEDYEL，HIGH）;

/*********** ************************************************** *****

計(jì)算輸出層激活并計(jì)算錯(cuò)誤

************************ *************/

//digitalWrite（LEDRED，LOW）;

for（i = 0; i

Accum = OutputWeights ［HiddenNodes］ ［i］;

for（j = 0; j

累計(jì)+ =隱藏［j］ * OutputWeights ［j］ ［i］;

}

Output ［i］ = 1.0/（1.0 + exp（-Accum））;

OutputDelta ［i］ =（Target ［p］ ［i］-Output ［ i］）*輸出［i］ *（1.0-輸出［i］）;

錯(cuò)誤+ = 0.5 *（目標(biāo)［p］ ［i］-輸出［i］）*（目標(biāo)［p］ ［i］-Output ［i］）;

}

//Serial.println（Output ［0］ * 100）;

//digitalWrite（ LEDRED，HIGH）;

/***************************************** *********************************

向后傳播到隱藏層的錯(cuò)誤

** ************************************************** **************/

//digitalWrite（LEDYEL，LOW）;

for（i = 0;我

累計(jì)= 0.0;

對(duì)于（j = 0; j

累計(jì)+ = OutputWeights ［i］ ［j ］ * OutputDelta ［j］;

}

HiddenDelta ［i］ =累積*隱藏［i］ *（1.0-隱藏［i］）;

}

//digitalWrite（LEDYEL，HIGH）;

/************************* **********************************************

更新內(nèi)部-》隱藏重量

****************************************** ********************************/

//digitalWrite（LEDRED，LOW）;

for（i = 0; i

ChangeHiddenWeights ［InputNodes］ ［i］ = LearningRate * HiddenDelta ［i］ +動(dòng)量* ChangeHiddenWeights ［InputNodes］ ［i］;

HiddenWeights ［InputNodes］ ［i］ + = ChangeHiddenWeights ［InputNodes］ ［i］;

for（j = 0; j

ChangeHiddenWeights ［ j］ ［i］ =學(xué)習(xí)率*輸入［p］ ［j］ * HiddenDelta ［i］ +動(dòng)量* ChangeHiddenWeights ［j］ ［i］;

HiddenWeights ［j］ ［i］ + = ChangeHiddenWeights ［j ］ ［i］;

}

}

//digitalWrite（LEDRED，HIGH）;

/************************************************* *********************

隱藏更新-》輸出權(quán)重

******** ************************************************** ********/

//digitalWrite（LEDYEL，LOW）;

for（i = 0;我

ChangeOutputWeights ［HiddenNodes］ ［i］ =學(xué)習(xí)率* OutputDelta ［i］ +動(dòng)量* ChangeOutputWeights ［HiddenNodes］ ［i］;

OutputWeights ［HiddenNodes］ ［i］ ］ + = ChangeOutputWeights ［HiddenNodes］ ［i］;

for（j = 0; j

ChangeOutputWeights ［j］ ［i］ = LearningRate * Hidden ［ j］ * OutputDelta ［i］ +動(dòng)量* ChangeOutputWeights ［j］ ［i］;

OutputWeights ［j］ ［i］ + = ChangeOutputWeights ［j］ ［i］;

}

}

//digitalWrite（LEDYEL，HIGH）;

}

/********** ************************************************** ******

每100個(gè)周期將數(shù)據(jù)發(fā)送到終端進(jìn)行顯示并在OLED上繪制圖形

*************** ************************************************** */

ReportEvery1000 = ReportEvery1000-1;

如果（ReportEvery1000 == 0）

{

int graphNum = TrainingCycle/100 ;

int graphE1 =錯(cuò)誤* 1000;

int graphE = map（graphE1，3，80，47，0）;

Serial.print（“ TrainingCycle：“）;

Se rial.print（TrainingCycle）;

Serial.print（“ Error =”）;

Serial.println（Error，5）;

toTerminal（） ;

if（TrainingCycle == 1）

{

ReportEvery1000 = 99;

}

否則

{

ReportEvery1000 = 100;

}

}

/******* ************************************************** *********

如果錯(cuò)誤率小于預(yù)定閾值，則結(jié)束

*************** ************************************************** */

如果（錯(cuò)誤《成功）中斷;

}

}

步驟3：最終注釋

1。這些參數(shù)可能只需要一點(diǎn)點(diǎn)就可以播放，尤其是可以增加NN輸出值的乘法器。當(dāng)電動(dòng)機(jī)接近平衡時(shí)，必須使用該倍增器來(lái)提高電動(dòng)機(jī)的轉(zhuǎn)速。事實(shí)證明，這幾乎迫使機(jī)器人成為爆炸式，平衡式機(jī)器人。如果在平衡點(diǎn)附近的電動(dòng)機(jī)的值不夠高，則機(jī)器人將在電動(dòng)機(jī)具有足夠的rpm來(lái)捕捉下降之前倒下。

2。也許可以使用比S形函數(shù)更好的激活函數(shù)。有人說(shuō)tanf函數(shù)更有用。我認(rèn)為真正需要的只是一個(gè)簡(jiǎn)單的f（x）函數(shù)。對(duì)這個(gè)領(lǐng)域的任何人都會(huì)真正感興趣。

3。這是一個(gè)簡(jiǎn)單的單輸入，多個(gè)隱藏節(jié)點(diǎn)和單個(gè)輸出神經(jīng)網(wǎng)絡(luò)，而且肯定會(huì)產(chǎn)生過(guò)大的殺傷力，因?yàn)镻ID控制器會(huì)更簡(jiǎn)單，并且您實(shí)際上可以使用僅一行代碼的簡(jiǎn)單P控制器來(lái)達(dá)到平衡。但是，我不必像PID控制器那樣對(duì)這個(gè)NN進(jìn)行調(diào)整，所以這很酷。使用更多的輸入將很有趣，您可以簡(jiǎn)單地將陀螺儀的值設(shè)置為兩個(gè)輸入，而將加速度計(jì)設(shè)置為三個(gè)輸入神經(jīng)網(wǎng)絡(luò)的另一個(gè)。然后，您將不需要補(bǔ)充過(guò)濾器，因?yàn)樯窠?jīng)網(wǎng)絡(luò)將充當(dāng)過(guò)濾器。不確定如何操作，但嘗試可能很有趣。