两轮自平衡小车是一种新型交通工具,驾驶方式新颖,深受年轻一族喜爱,凭借电力驱动和外形小巧的优势,对于缓解日益严峻的大气污染、能源危机和交通拥堵问题,是一种很好的选择,具有实用价值；同时,由于两轮自平衡小车的结构具有高度不稳定性,给控制理论提出了很大的挑战,也成为一种检验控制算法的良好平台。目前,PID控制凭借控制原理简单和不需要精确的系统模型的优势,成为两轮自平衡小车的主流控制算法,且控制效果较好,但是,其控制器参数一般情况下均为人工调节,要想调节到当前条件下的理想状态,不太容易；且随着时间的推移,两轮小车实际模型与本来就不是很精确的理论模型之间的差距增大,加上小车在使用过程中处于不确定环境中,更是给长时间精确控制带来了困难。本文试图充分利用神经网络的自学习能力,实时优化PID控制器参数,以改善控制器的控制效果,优化两轮小车的平衡性能。首先,本文运用牛顿法建立了两轮小车模型,分析了两轮小车的各个状态变量。在模型的基础上,选取陀螺仪加速度计MPU6050对车体姿态信息进行检测,并自制了车轮编码器对车轮状态进行检测,在高性能AVR单片机ATmega16内,参考建模得到的系统状态变量,建立控制算法,并对来自两个姿态检测模块的信息进行处理,然后给出电机控制信号PWM,并传递给电机驱动器,以控制电机运转,建立起一个位于底层的、基于传统PID控制算法的两轮自平衡小车系统。其次,在硬件STM32F103ZET6的基础上,利用C语言编写了神经网络辨识程序NNI和神经网络控制程序NNC。首先利用NNI对两轮自平衡小车系统的模型进行辨识,在经过辨识得到的模型的基础上,再对NNC部分的神经网络进行训练,最终训练得到的NNC的权值便是经过优化的控制器参数,将经过优化的参数传递给底层控制器,以改善两轮小车的平衡性能。最后,通过平衡试验和抗干扰试验,对两轮自平衡小车的平衡性能和抗干扰性能进行测试。测试结果表明,两轮小车的控制器参数在经过神经网络优化之后,小车系统的平衡性能和抗干扰性能明显得到了提高。通过本文的尝试,证明的确可以通过神经网络对传统两轮小车的控制器参数进行优化,并改善小车系统的平衡性能和抗干扰能力。