基于MEMS傳感器的物流車輛位置及姿態(tài)追溯系統(tǒng)設(shè)計(jì)

王志偉+許江淳+李玉惠+張?jiān)?史鵬坤

摘要：為了解決物流響應(yīng)慢，貨物在倉庫中丟失，以及車輛在運(yùn)輸貨物途中出現(xiàn)事故等問題，研究了一種基于嵌入式的物流跟蹤及車輛姿態(tài)檢測系統(tǒng)。該系統(tǒng)通過車載平臺與物流中心聯(lián)網(wǎng)對車輛實(shí)時(shí)狀況分析并進(jìn)行預(yù)處理，在物流運(yùn)輸過程中能夠?qū)崿F(xiàn)物流實(shí)時(shí)跟蹤。在實(shí)際應(yīng)用中，該系統(tǒng)能夠?qū)ω浳锏奈恢眠M(jìn)行實(shí)時(shí)確認(rèn)，并在數(shù)據(jù)中心可以接收到車輛是否出現(xiàn)故障或車輛姿態(tài)信息，在車輛故障和姿態(tài)異常時(shí)發(fā)出預(yù)警信息。

關(guān)鍵詞：物流跟蹤；姿態(tài)檢測；姿態(tài)異常；預(yù)警信息

0 引言

隨著近些年來物流產(chǎn)業(yè)的蓬勃發(fā)展，人們對處于運(yùn)輸過程中貨物的狀況關(guān)注度逐漸增強(qiáng)。物流管理系統(tǒng)便應(yīng)運(yùn)而生，物流管理系統(tǒng)不僅能夠提高整個物流產(chǎn)業(yè)的發(fā)展起到推進(jìn)作用，并且能夠?yàn)榭蛻魧?shí)時(shí)的提供貨物的具體狀況。在物流管理的過程中，貨物在運(yùn)輸過程中的狀態(tài)是人們關(guān)注的焦點(diǎn)，因此如何能夠更好的直接了解到運(yùn)輸過程中車輛、駕駛員以及貨物的整體狀態(tài)信息成為了關(guān)鍵?，F(xiàn)代物流系統(tǒng)要求能夠?qū)ι鲜鲂畔⒓稍谝粋€綜合系統(tǒng)中，并且希望系統(tǒng)能夠在控制成本方面做出一定的貢獻(xiàn)。當(dāng)然整個運(yùn)輸過程中運(yùn)輸車輛常常會出現(xiàn)故障或者車禍情況，此時(shí)如果調(diào)度中心對車輛位置及車輛狀態(tài)信息進(jìn)行了及時(shí)了解，就能提高貨物的運(yùn)輸能力，并帶來更好的客戶體驗(yàn)。

本文應(yīng)用嵌入式技術(shù)，分別從車載平臺，數(shù)據(jù)中心，和客戶端三個部分對該系統(tǒng)進(jìn)行設(shè)計(jì)。車載平臺應(yīng)用嵌入式技術(shù)，通過MPU-6050模塊采集車輛的姿態(tài)信息并通過SIM908模塊采集車輛的位置信息，通過GPRS實(shí)現(xiàn)車載平臺與數(shù)據(jù)中心之間的數(shù)據(jù)傳輸。數(shù)據(jù)中心不僅能夠?qū)崿F(xiàn)對車輛信息和所載貨物信息的查詢功能，分別實(shí)現(xiàn)了與車載平臺的信息交互，顯示車輛的地圖位置。客戶端通過INTERNET網(wǎng)絡(luò)實(shí)現(xiàn)與數(shù)據(jù)中心的數(shù)據(jù)讀寫功能，查詢客戶所托貨物的運(yùn)輸信息。

1 系統(tǒng)設(shè)計(jì)

整個物流車輛位置及姿態(tài)檢測系統(tǒng)可以劃分為三個主要的部分：車載終端、數(shù)據(jù)分析中心、客戶端。三個部分之間的整體關(guān)系示意圖如圖l所示：

根據(jù)當(dāng)今物流系統(tǒng)的發(fā)展需要三個部分的功能需求也各有不同。對車載終端主要實(shí)現(xiàn)的功能就是能夠及時(shí)的發(fā)送出車輛位置，以及車輛的運(yùn)行狀態(tài)以及駕駛員對車輛是否有違規(guī)操作。是否延誤貨物的裝車或者卸載。以及駕駛員在運(yùn)輸貨物的過程中是否存在違反交通規(guī)則。最重要的是在車輛在運(yùn)輸過程中是否出現(xiàn)故障或者事故，以及準(zhǔn)確判斷車輛姿態(tài)和駕駛員的狀況。在駕駛員無法自行解決故障的時(shí)能夠通過終端將信息反饋回控制中心。并由控制中心給出規(guī)劃后合理的方案，當(dāng)事故發(fā)生時(shí)的數(shù)據(jù)超出設(shè)定的安全范圍時(shí)系統(tǒng)判定駕駛員無自救能力，車載平臺會自動向數(shù)據(jù)中心發(fā)送報(bào)警信息以保證駕駛員和客戶財(cái)產(chǎn)的安全。

客戶端是提供給物流客戶使用的查詢系統(tǒng)?？蛻敉ㄟ^自己賬戶和密碼登錄系統(tǒng)后能夠查詢自己的貨物在整個發(fā)送過程中細(xì)節(jié)問題，包括運(yùn)輸過程中貨物所處的位置，負(fù)責(zé)運(yùn)貨的車型和駕駛員信息以及運(yùn)輸車輛的其他信息。

數(shù)據(jù)中心通過查詢功能可以訪問處于運(yùn)輸過程中的車輛和駕駛員的位置信息、運(yùn)行狀態(tài)以及接收來自車載平臺發(fā)送來的信息。運(yùn)輸過程中一旦車載平臺主動發(fā)送數(shù)據(jù)到數(shù)據(jù)中心，數(shù)據(jù)中心會快速的接收信息并對接收到的數(shù)據(jù)進(jìn)行分析，辨別是系統(tǒng)白動反饋回來的信息還是車輛發(fā)生故障時(shí)駕駛員通過手動的方式向系統(tǒng)發(fā)送的異常信息。并根據(jù)信號源迅速判斷車輛所在位置，同時(shí)從接收信號之后十秒鐘之內(nèi)的車輛姿態(tài)信息。

2 系統(tǒng)硬件設(shè)計(jì)

該系統(tǒng)是以三星S3C6410微處理器為核心的開發(fā)板進(jìn)行開發(fā)。如圖2所示，該系統(tǒng)通過GPS對車輛進(jìn)行實(shí)時(shí)定位，這樣在車輛發(fā)生故障時(shí)方便救援。狀態(tài)檢測模塊中主要用的是MPU-6050.MPU-6050集成了三軸陀螺儀和三軸加速度計(jì)，可以準(zhǔn)確地測量出車輛當(dāng)前的姿態(tài)和行駛速度。條形碼掃描裝置用的是市面上常見的電子掃碼槍。

3 車輛姿態(tài)檢測方案設(shè)計(jì)

3.1 車輛姿態(tài)檢測方法選擇

陀螺儀和加速度計(jì)波形如圖3波形圖。由圖3可以看出波形不夠平滑，噪聲較大。故而需要數(shù)據(jù)融合算法對兩種數(shù)據(jù)進(jìn)行融合。

從圖3看出，由于單個傳感器的輸出值出現(xiàn)很尖銳的地方，會對整個系統(tǒng)造成影響。為了提升對車輛姿態(tài)判斷的準(zhǔn)確性需要對獲得數(shù)據(jù)進(jìn)行一定的處理。在數(shù)據(jù)處理方面通?？梢院苋菀椎南氲郊訖?quán)平均法因?yàn)檫@種方法在數(shù)據(jù)處理中實(shí)現(xiàn)起來比較簡單，并且運(yùn)算量并不是很大，但是其在精度方面存在很大缺陷。車載平臺在運(yùn)行過程中不僅需要很好的靈敏性并且在數(shù)據(jù)精度比較高，一旦出錯后果無法挽回。因此這種方法并不適合該系統(tǒng)。另外一種就是神經(jīng)網(wǎng)絡(luò)法，這種方法的自學(xué)習(xí)能力很強(qiáng)，但是由于其建模過程以及參數(shù)的確定和優(yōu)化對于本系統(tǒng)來說太過于復(fù)雜，并不適合本系統(tǒng)。因此在本系統(tǒng)中采用了卡爾曼濾波來進(jìn)行數(shù)據(jù)融合來獲得精度更高的數(shù)據(jù)。實(shí)現(xiàn)方式是通過計(jì)算機(jī)軟件中的虛擬示波器采用互補(bǔ)濾波的方式來對陀螺儀和加速度計(jì)的輸出數(shù)據(jù)進(jìn)行處理。所得曲線，如圖4所示：

由4圖可知，互補(bǔ)濾波算法曲線很不規(guī)則，且有些許漂移。因此需要對數(shù)據(jù)進(jìn)行進(jìn)一步的處理，這里應(yīng)用的卡爾曼濾波的方法對傳感器輸出數(shù)據(jù)進(jìn)行處理。

3.2卡爾曼濾波器基本原理

卡爾曼濾波器通常用來處理時(shí)間離散控制過程的問題。在使用之前首先要定義模型線性隨機(jī)微分方程。在這一步驟中首先假設(shè)卡爾曼濾波模型k時(shí)刻真實(shí)狀態(tài)是通過（k-l）時(shí)刻的狀態(tài)推算出來，推算過程如式（1）所示：

在公式（1）中，X_k代表的含義為k時(shí)刻狀態(tài)；A是k-l時(shí)刻狀態(tài)變換模型；B是作用在控制器向量X_k上的輸入控制模型；W_k是過程中產(chǎn)生的噪聲，假設(shè)整個過程中的平均噪聲值為0，協(xié)方差矩陣Q_k的特征符合多元正態(tài)分布：則與K時(shí)刻的真實(shí)狀態(tài)相對應(yīng)的Zk測量滿足式子：

式（3）中Hk是能夠把真實(shí)的控制映射到觀測空間的觀測模型；Xk是平均值為0的觀測噪聲，協(xié)方差矩陣Rk符合正態(tài)分布，其描述如式4所示：endprint

在整個過程中可以認(rèn)為任意時(shí)刻的噪聲與其他時(shí)刻的噪聲是互相獨(dú)立的。

卡爾曼濾波器在數(shù)據(jù)處理的過程中可以分為兩個階段：分別是預(yù)估階段和更新階段。在預(yù)估階段卡爾曼濾波器主要完成的任務(wù)是通過上一時(shí)刻狀態(tài)來估算出當(dāng)前時(shí)刻的狀態(tài)；在更新階段主要根據(jù)觀測值對預(yù)估階段的數(shù)據(jù)優(yōu)化，從而可以獲得一個比預(yù)估階段更準(zhǔn)確的新估計(jì)值。

卡爾曼濾波器迭代過程如下：

（1）先驗(yàn)狀態(tài)估計(jì)：

（2）先驗(yàn)估計(jì)誤差協(xié)方差：

（3）卡爾曼增益：

（4）后驗(yàn)狀態(tài)估計(jì)：

（5）后驗(yàn)誤差協(xié)方差：

在式（5）至式（9）中，各個參數(shù)代表的含義為：

A：作用在Xk-l上的n階矩陣；

B：作用在控制向量U_k-1上的nxl輸入控制矩陣；

H： mxn觀測模型矩陣，將真實(shí)狀態(tài)空間映射為觀測空間；

P_k/k-l先驗(yàn)估計(jì)誤差協(xié)方差矩陣；

P_k： nxn后驗(yàn)估計(jì)誤差協(xié)方差矩陣；

Q： nxn過程噪聲協(xié)方差矩陣；

R： mxm過程噪聲協(xié)方差矩陣；

I：n階單位矩陣；

k_k： nxm矩陣，稱之為卡爾曼增益。

3.3 卡爾曼濾波器設(shè)計(jì)

根據(jù)上面對卡爾曼濾波過程的分析可以看出卡爾曼濾波器是一種高效率白回歸濾波器?？柭鼮V波器的工作流程如圖5所示。

由于陀螺儀和加速度計(jì)的輸出都模擬量因此需要通過ARM芯片中的A/D模塊對其進(jìn)行模數(shù)轉(zhuǎn)換除此之外還要對兩者的輸出值進(jìn)行轉(zhuǎn)換。陀螺儀輸出電壓與角速度轉(zhuǎn)換如式（10）所示：

式中：G系統(tǒng)中陀螺儀檢測到的角速度；Vout為陀螺儀輸出電壓；Voffest為處在靜止?fàn)顟B(tài)時(shí)陀螺儀的輸出電壓；Vsen為陀螺儀靈敏度；K為放大電路放大系數(shù)。加速度計(jì)輸出值的變換如式（ 11）所示：式中：A為檢測到的重力加速度；Vout為加速度計(jì)輸H{電壓；Voffest為平衡位置的輸出電壓；Vsen為加速度計(jì)靈敏度。利用反三角函數(shù)求Jq』與重力方向的傾角。

為統(tǒng)一單位可以通過式（ 12）將弧度換算得出角度。式子（13）為系統(tǒng)雅克比矩陣：

通過上面的分析之后可以對系統(tǒng)的預(yù)測協(xié)方差矩陣P進(jìn)行計(jì)算了。另外計(jì)算出估計(jì)值和預(yù)測值之間存在的誤差。得出卡爾曼增益K O和K l，K O是最優(yōu)估計(jì)值時(shí)的增益，K l用來計(jì)算最優(yōu)估計(jì)值的偏差。根據(jù)計(jì)算得到的最優(yōu)估計(jì)值和預(yù)測值偏差，就可以計(jì)算出最優(yōu)角度值angle和最佳的角速度值。

3.4實(shí)驗(yàn)驗(yàn)證

在實(shí)驗(yàn)過程中可以看出單一的加速度計(jì)或者只通過陀螺儀不能夠很好的獲得良好的數(shù)據(jù)，因此一定要對數(shù)據(jù)進(jìn)行相關(guān)的處理。在探索合理的數(shù)據(jù)處理方法時(shí)做了下面的實(shí)驗(yàn)驗(yàn)證。選用盒子來模擬車輛對相關(guān)內(nèi)容進(jìn)行實(shí)驗(yàn)。在紙盒子的軸中心處安裝MPU-6050模塊。在圖6中標(biāo)出了車體坐標(biāo)軸，由于拍攝圖片的二維特性所以在圖中Y軸標(biāo)在了坐標(biāo)軸原點(diǎn)處。此次實(shí)驗(yàn)的姿態(tài)是針對汽車模型當(dāng)前所處的姿態(tài)，根據(jù)圖6可以得到當(dāng)前車輛模型與地面夾角應(yīng)當(dāng)為-30°。

然后將該裝置連接到計(jì)算機(jī)上，來驗(yàn)證卡爾曼濾波器是否滿足本系統(tǒng)設(shè)計(jì)。通過示波器觀察其輸出波形，如圖7所示?？梢钥闯霰然パa(bǔ)濾波算法有所改進(jìn)。

4 結(jié)語

本系統(tǒng)通過對主要功能的研究與測試，實(shí)現(xiàn)了對貨物信息在車載平臺上的記錄，通過對車輛定位功能的實(shí)現(xiàn)間接對貨物的位置進(jìn)行確認(rèn)。通過加速度計(jì)和陀螺儀對車輛姿態(tài)信息采集，并經(jīng)過數(shù)據(jù)融合算法處理之后，在實(shí)物仿真的情況下卡爾曼濾波算法能夠滿足本系統(tǒng)的設(shè)計(jì)。endprint