基于信号融合自平衡车姿态测量方法研究.docVIP

基于信号融合自平衡车姿态测量方法研究 　　摘 要：针对自平衡车姿态角度测量问题，本文叙述了基于卡尔曼滤波和互补滤波的自平衡车MEMS IMU单轴融合算法的原理，分析了平衡车车身翻滚运动对融合算法计算结果的影响，最后分析了卡尔曼滤波法和互补滤波法的动态和静态收敛速度。为了验证各算法的效果，本文搭建了基于飞思卡尔K60单片机的信号采集平台进行实验。实验表明在采用低成本MEMS IMU的自平衡车俯仰角计算中，两种融合算法的效果接近，但是互补滤波法在静态时的收敛速度较快，同时考虑计算时效性，采用基于互补滤波的单轴融合算法较为合适。 　　关键字：自平衡车；信号融合；卡尔曼滤波；互补滤波；姿态角 　　中图分类号：TP273 文献标志码：A 　　Research on Signal-fusion Based Attitude Angle Measurement of Self-balanced Car 　　WU Xue-qin1，XU Yao-hua1，LI Juan-juan1，WANG Jian-feng2，LIU Xin-yu1 　　（1.School of Automobile，Chang’an University，Xi’an，Shaanxi 710064； 　　2.Road Traffic Intelligence Detection and Engineering Technology Research Center of Shaanxi （Chang’an University），Xi’an，Shaanxi 710064，China） 　　Abstract：The principle of algorithms based on Kalman filtering and complementary filtering are presented to measure the attitude angle of a self-balance car.The impact of rolling motion of car is evaluated.The speed of convergence of Kalman filtering and complementary filtering is analyzed.A K60 microcontroller based experimental platform is developed to validate the efficiency of algorithms.Result of experiment shows that the performance of the two signal-fusion algorithms are approaching.But after considering the computational efficiency，we can conclude that the complementary filtering based algorithm is more suitable. 　　Key words：balance-car；signal fusion；Kalman filter；complementary filter；attitude angle 　　1 引 言 　　二?直立式自平衡车具有体积、重量小，运动灵活的特点，在个人交通领域有重大的市场。二轮直立式自平衡车的结构与倒立摆原理相似，其重心位于车轮支点上方。自平衡车本身无法实现平衡，必须依靠电机不断为其提供修正力矩来保持车辆的直立。为了实现该目的，自平衡车上的控制单元必须实时地获取车辆当前的车辆姿态参数，包括车辆的俯仰角、俯仰角速度等信息[1]。 　　一般情况下，自平衡车依靠所安装的IMU来测量车身的俯仰角和俯仰角速度。但是由于传感器本身以及安装位置等原因，由这些传感器直接采集到的信号包含有噪声。 　　目前有多种算法可以实现对陀螺仪和加速度计信号进行数据融合，从而滤除角度计算结果中的噪声，比较常用的方法有互补滤波法和卡尔曼滤波法[2-3]。本文对这两种测量方法进行对比，介绍各方法的原理，并用分析其在平衡车姿态角测量中的效果。 　　2 姿态角测量误差分析 　　在工程测量中，传感器的由于受到外界和自身干扰因素的影响，其输出信号必然包含各种噪声。 　　目前，自平衡车上普遍采用六轴MEMS IMU，包括以三个相互垂直的方向为敏感轴的三轴加速度计和对围绕这三轴的旋转运动敏感的三轴陀螺仪[4]。为了之后分析各数据融合方法的效果，这里先分析传感器的数学模型。 　　平衡车的车身坐标系及倾角示如图1.1和图1.2所示。 　　对于三轴加速度计信号，其数学描