产品简介

产品概述

EDU-BOT-BTP 是⼀款基于单球驱动的全向⾃平衡机器⼈（Ballbot）实验平台。作为典型的⽋驱 动、强耦合、⾮线性⾼阶系统，Ballbot 是验证现代控制理论、机器⼈运动规划以及⼈⼯智能算法的理 想载体。该平台旨在跨越复杂的硬件搭建⻔槛，为研究者提供⼀个直达控制核⼼的半实物仿真与实物验 证环境。

系统特点

本平台采⽤全开源架构设计，深度集成双⽣态开发环境：

• MATLAB/Simulink 快速原型开发： ⽀持 Simulink 硬件⽀持包（Hardware Support Packages）。⽤户可以直接构建数学模型，设计 LQR、MPC、⾼阶滑模等算法，实现⼀键代码⽣成与硬件在环（HIL）部署，避开繁琐的底层驱动编写。
• ROS/ROS2 机器⼈操作系统： 全⾯接⼊ ROS 框架，提供标准化机身状态发布、速度控制接⼝及传感器数据接⼝，配套 1:1 Gazebo ⾼保真物理仿真环境，⽀持“仿真验证与实物运⾏”的零成本切换。

应用场景

• 本科⽣实验教学与“⾦课”建设： 适⽤于《⾃动控制原理》、《现代控制理论》等核⼼课程。通过直观的球体平衡控制，将抽象的状态空间、极点配置等数学概念具象化，提升教学深度。
• 研究⽣科研创新与论⽂发表： 针对空间机器⼈、双⾜平衡及⽆⼈机姿态控制等研究⽅向，提供地⾯半实物仿真⽀持。其⾮线性控制特性助⼒⾼效产出关于⾃抗扰控制（ADRC）、模型预测控制（MPC）等⽅向的⾼质量学术成果。

产品的控制链

控制回路说明

系统的控制链条遵循严密的信号流逻辑，分为四个核⼼层级：

• 输⼊层： 在 MATLAB/Simulink 环境下设计控制回路（如 PID、LQR、MPC、⾼阶滑模等），⽀持通过硬件⽀持包进⾏参数实时在线调优。
• 执⾏层： 采⽤三轮摩擦全向驱动系统，通过定制全向轮与球体间的摩擦⼒传输⼒矩。执⾏机构可选配⾼精度伺服电机或步进电机，以满⾜不同精度的控制需求。
• 感知层： 集成⼯业级⾼精度 IMU 惯性导航单元与电机⾼分辨率编码器，实现对⻋体微⼩倾⻆变化（Pitch/Roll）与球体运动状态的⾼频捕获。
• 反馈层： 建⽴⾼速数据闭环，通过实时通讯接⼝⽀持硬件在环（HIL）验证，确保数学模型与物理实体的⾼度⼀致。

关键控制逻辑

• 全向移动动态解耦： 基于球体运动学模型，将复杂的全向移动指令（前进、横移、⾃旋）解耦映射⾄三个驱动电机的转矩输出。
• 多重安全机制：

• 硬件级： 内嵌动态制动器，在紧急情况下快速锁定驱动轮。
• 软件级： 部署倾⻆超限保护算法，当倾⻆超过预设阈值时⾃动切断动⼒并执⾏制动保护。

• 科研算法原⽣⽀持： 核⼼控制逻辑⽀持倾⻆受限下的 MPC-CBF（模型预测控制-控制屏障函数），可在保证系统平衡的前提下实现安全约束控制。

开发接口

• Twist 速度控制接⼝： ⽀持标准 ROS 消息，兼容外部导航算法输⼊。
• 机身状态发布： 实时发布标准化的 ⾥程计数据与 姿态数据。
• 底层传感器接⼝： 提供编码器原始脉冲及 IMU 原始加速度、⻆速度数据接⼝，⽀持⾃定义滤波算法验证。

产品配置的详细数据

核心配置

序号	配置项	规格/说明
1	驱动系统	三轮摩擦全向驱动，可选配高精度伺服/步进电机
2	感知单元	高精度工业级 IMU（具备姿态融合输出）+ 高分辨率电机编码器
3	核心球体	定制全向动力传递球体，具备高摩擦力矩传输特性
4	安全防护	硬件动态制动器 + 软件级倾角超限限位保护算法
5	开发工作站	支持MATLAB/Simulink、ROS 驱动及 Gazebo 环境

技术参数规格

• 运动能⼒： 具备全向平移、原地⾃旋及动态平衡能⼒。
• 部署效率： ⽀持从 Simulink 模型到嵌⼊式控制器的⼀键代码⽣成。
• 仿真精度： 提供 1:1 ⾼保真 Gazebo 物理仿真环境，参数经过物理实测对标。
• 控制频率： ⽀持⾼频率实时反馈回路，满⾜⾮线性⾼阶系统的快速响应需求。

软硬件⼦模块说明

硬件系统

• 摩擦驱动机构： 采⽤定制全向轮与中⼼动⼒球。系统利⽤全向轮的切向⼒通过摩擦传递⾄球体，该设计极⼤程度减少了传统传动系统的背隙⼲扰，确保⼒矩传输的线性度与响应速度。
• 感知系统： ⼯业级 IMU 模块能够捕捉极其微⼩的姿态波动，配合⾼频编码器反馈，为⾃平衡控制算法提供⾼精度的状态空间⽮量（位置、速度、倾⻆、⻆速度）。

部署框架

• ROS/Gazebo 仿真模块： 包含完整的机器⼈物理属性描述（质量、惯量、摩擦系数），⽀持在安全环境下验证复杂避障算法与控制策略。
• Simulink 快速原型开发模块： ⽤户⽆需深⼊研究底层驱动代码，利⽤硬件⽀持包提供的功能块即可直接访问电机驱动与传感器数据，极⼤加速了算法迭代周期。

面对科研的实验与开发方向

基础实验(面向本科生)

• 系统辨识与建模： 通过实验采集数据，建⽴ Ballbot 的状态空间⽅程。
• 传感器数据融合： IMU 滤波算法（如卡尔曼滤波、互补滤波）及姿态解算实验。
• 经典平衡控制： 基于 PID 或 LQR 算法实现系统的稳定平衡。
• 运动学解耦： 全向移动运动学建模与速度控制验证。

进阶实验(面向研究生)

• 动态避障研究： 结合 MPC-CBF 算法，在满⾜倾⻆约束条件下实现对多移动障碍物的主动闪避。
• 抗⼲扰控制研究： 利⽤扩张状态观测器（ESO）⾃抗扰控制（ADRC）。
• 科研迁移应⽤： 将 Ballbot 作为地⾯半实物仿真平台，研究⽆⼈机姿态控制、双⾜平衡等前沿课题。

创新实验

• 强化学习（RL）： 基于智能代理的⾃适应平衡与复杂步态控制研究。
• 安全控制边界： 在极端倾⻆受限下的复杂环境安全控制逻辑研究。

安全免责声明与二次开发协议

硬件耦合风险警示

本软件⽣成的控制策略最终将在物理执⾏层执⾏。物理世界中硬件执⾏指令所产⽣的⼀切后果（包括但不限于机械碰撞、过热损坏）均由操作者⾃⾏承担。 软件仅作为辅助实验⼯具，实际操作控制权与安全监测责任由⽤户完全负责。

二次开发责任限制

⽤户在进⾏任何适配、修改或⼆次开发时，必须明确知晓并承担以下⻛险：

• ⼈身伤害与财产损失： 机器⼈运⾏失控可能导致的物理性损伤。
• 执⾏器硬件损坏： 由于错误的 PID 参数、限位配置或⼒矩过载导致的电机损毁。
• 安全测试缺失事故： 在未经充分仿真验证的情况下直接在实机上部署算法导致的意外失控。