兩輪自平衡車姿態(tài)檢測數(shù)據(jù)融合優(yōu)化算法

朱慧

摘? 要：為提升兩輪自平衡車姿態(tài)角檢測中的精度，針對陀螺儀和加速度計兩類慣性傳感器分別存在低頻積分漂移誤差和高頻干擾誤差等問題，文章提出了一種結(jié)合交叉補償、互補濾波和加權(quán)平均的數(shù)據(jù)融合優(yōu)化算法。首先對兩類慣性傳感器的輸出數(shù)據(jù)進行互補濾波處理，接著對濾波后的數(shù)據(jù)進行加權(quán)平均運算，最后根據(jù)測量誤差交叉補償校正。實驗結(jié)果表明文章所提出的姿態(tài)角檢測算法有效，相對單一傳感器或常規(guī)互補濾波數(shù)據(jù)融合算法的姿態(tài)角檢測更可靠，精度更高。

關(guān)鍵詞：姿態(tài)檢測;互補濾波;數(shù)據(jù)融合;平衡車

中國分類號：TP291 文獻標(biāo)志碼：A? ? ? ? ?文章編號：2095-2945（2020）21-0014-03

Abstract： In order to improve the attitude angle measurement of a precision of two-wheeled self-balanced vehicle， a data fusion optimization algorithm is proposed based on weightedmean， cross compensation and complementary filter algorithm for the low frequency drift error of the gyroscope and the high frequency disturbance error of the accelerometer. Firstly， the output filter of the sensor is processed; secondly the weighting operation is carried out; and lastly， a cross compensation correction is proposed based on the measurement error. The experimental results show that data fusion algorithm in the article is effective and more reliable than single sensor or conventional complementary filter data fusion algorithm. The algorithm can enhance the precision of the self-balanced vehicle attitude angle measurement.

Keywords： attitude measurement; complementary filter; data fusion; self-balanced vehicle

1 概述

兩輪自平衡電動車是一種只有兩個車輪，由鋰離子電池等電池供電，兩車輪電機通過協(xié)同控制，可實現(xiàn)自我平衡的運載工具。這種工具由于結(jié)構(gòu)簡單、體積小、速度適宜，所以它可以實現(xiàn)小半徑轉(zhuǎn)彎、低功耗運行、運行時噪音小等狀態(tài)運行[1-4]。這種運載工具在步行街、廣場、大型會場、機場等場合可解決汽車、摩托車、自行車等交通工具可能導(dǎo)致的交通擁堵、環(huán)境污染、不宜便捷轉(zhuǎn)彎掉頭等各種問題，成為在特定場合中便捷、小型、節(jié)能、環(huán)保的一種時尚代步工具，具有廣泛的應(yīng)用前景[3-5]。

兩輪自平衡電動車是一個復(fù)雜的非線性、欠驅(qū)動、強耦合及自然不穩(wěn)定系統(tǒng)[7]。其以車體重心縱軸作為參考線，根據(jù)車身角度姿態(tài)信息，控制電機動作，使車身重心與兩車輪保持在同一軸線，實現(xiàn)車體的自我動態(tài)平衡[8]。車體姿態(tài)角檢測結(jié)果是保證平衡車控制性能的先決條件。目前兩輪自平衡車姿態(tài)角參數(shù)的測量是通過加速計和陀螺儀等慣性傳感器獲取。加速度計靜態(tài)特性較好，但動態(tài)性能差。陀螺儀具有較好的動態(tài)性能，但其角度檢測過程積分運算導(dǎo)致傳感器漂移誤差積累[9-11]。由于單類慣性傳感器在檢測姿態(tài)角度時都存在以上各自的缺點，導(dǎo)致采用單類慣性傳感器檢測角度誤差太大，因此，目前針對平衡車姿態(tài)角度的測量通常同時采用加速計和陀螺儀兩類慣性傳感器并結(jié)合數(shù)據(jù)融合的算法進行角度估計以獲得最優(yōu)姿態(tài)角度[9-17]。針對兩類傳感器輸出信息的特點，研究有效去除傳感器數(shù)據(jù)干擾的數(shù)據(jù)融合算法也已成為自平衡車研究的關(guān)鍵問題。

文獻[12-14]都是采用卡爾曼濾波最優(yōu)估計算法對兩類傳感器數(shù)據(jù)進行融合，但是由于卡爾曼濾波最優(yōu)估計算法系統(tǒng)狀態(tài)方程及先驗條件導(dǎo)致設(shè)計過程較復(fù)雜。文獻[9-10]考慮到陀螺儀主要含有低頻干擾、加速度計主要含有高頻干擾等特點，研究了基于互補濾波的數(shù)據(jù)融合算法，通過高通和低通兩個互補濾波器濾除各自干擾，以提升角度估計精度。互補濾波算法從頻率域出發(fā)消除慣性傳感器干擾，不必構(gòu)建系統(tǒng)動態(tài)數(shù)學(xué)模型及先驗條件，所以相對于卡爾曼濾波等最優(yōu)估計算法更簡潔易實現(xiàn)。本文在文獻[10-11]的基礎(chǔ)上，結(jié)合加權(quán)平均及互補濾波器算法和交叉補償?shù)膬?yōu)點，提出了一種改進的數(shù)據(jù)融合算法，提高平衡車姿態(tài)角度估計精度。

2 數(shù)據(jù)融合算法

兩輪自平衡車的自平衡控制需要采用傳感器采集車體姿態(tài)角度等運行狀態(tài)，以便控制器通過運行狀態(tài)對兩輪電機進行自平衡控制。車體運行角度可以通過陀螺儀ADIS16100和加速度計MMA7260進行檢測。陀螺儀輸出的角速度，其對時間的積分為角度值，實際設(shè)計過程中通過每個采樣周期累加方法替代積分運算[12]。

3 實驗分析

基于Matlab平臺進行相關(guān)實驗，對實驗數(shù)據(jù)進行分析處理。為說明兩類慣性傳感器角度測量的特點，分別獨立采集陀螺儀和加速度計在靜態(tài)和動態(tài)情況下的角度值，如圖2所示。圖中x1、x2曲線為陀螺儀和加速度儀在靜態(tài)下獲取的角度值，x3、x4為陀螺儀和加速度計在動態(tài)下獲取的角度值。由圖2可知無論是在靜態(tài)還是在動態(tài)運行狀態(tài)，兩個傳感器的輸出都存在誤差。陀螺儀存在低頻積分誤差且隨著積分時間增加而增大;加速度計存在高頻干擾且誤差較大。圖2實驗結(jié)果也說明，單獨采用一類慣性傳感器進行角度測量難以獲得準(zhǔn)確的車體姿態(tài)角。為了驗證數(shù)據(jù)融合算法角度測量的有效性，在靜態(tài)和動態(tài)下對本文所提出的算法進行驗證。圖3和圖4分別為靜態(tài)和動態(tài)下加權(quán)互補濾波融合算法角度測量效果。由圖可知，不管是在靜態(tài)還是動態(tài)，本文所提出的算法能有效濾除加速度計高頻毛刺干擾誤差和陀螺儀低頻積分累積誤差，數(shù)據(jù)融合后的角度值較平滑且誤差較小。為更一步比較加權(quán)互補濾波與常規(guī)直接互補濾波數(shù)據(jù)融合算法角度測量效果，在兩輪自平衡車姿態(tài)角突變狀況下對直接互補算法和本文提出的最優(yōu)加權(quán)互補算法測量姿態(tài)角度效果進行比較，如圖5所示。由圖5可知，與傳統(tǒng)直接互補濾波數(shù)據(jù)融合算法相比，本文提出的算法在響應(yīng)速度、穩(wěn)定性和超調(diào)量等性能上都比較好。

4 結(jié)論

本文在分析兩輪自平衡車姿態(tài)角測量方法及所用慣性傳感器優(yōu)缺點基礎(chǔ)上，闡述基于數(shù)據(jù)融合算法的平衡車姿態(tài)角度測量方法的可行性與有效性。文章提出了兩輪自平衡車姿態(tài)角最優(yōu)加權(quán)和互補濾波相結(jié)合的復(fù)合算法。針對實際數(shù)據(jù)，通過Matlab平臺對該數(shù)據(jù)融合算法分析驗證。文章所提出的數(shù)據(jù)融合算法可有效地減小陀螺儀低頻積分漂移誤差和加速度計高頻干擾誤差，使得平衡車姿態(tài)角度估計值精度更高，為平衡車控制性能的提升提供依據(jù)。

參考文獻：

[1]黃健，呂林濤.兩輪自平衡車控制系統(tǒng)設(shè)計[J].傳感器與微系統(tǒng)，2020，39（01）：95-97+101.

[2]王亮，沈俊杰.基于兩輪自平衡車的姿態(tài)數(shù)據(jù)處理[J].工業(yè)控制計算機，2018，31（11）：11-13.

[3]王文，鄧三鵬，張香玲，等.基于姿態(tài)檢測的兩輪自平衡車控制方法研究[J].裝備制造技術(shù)，2019（10）：18-22.

[4]余慶輝，蔡志端，張文莉，等.數(shù)據(jù)融合的兩輪自平衡車姿態(tài)角度檢測[J].湖州師范學(xué)院學(xué)報，2016，38（04）：61-64.

[5]蔡志端，余慶輝，張文莉，等.基于滑模變結(jié)構(gòu)算法的兩輪自平衡電動車控制[J].電機與控制應(yīng)用，2016，43（05）：28-32.

[6]Lin Shui-chun， Tai Ching-chi， Huang Shu-chi. Development of self-balancing human transporta-tion vehicle for the teaching of feedback control [J].IEEE Transactions on Education， 2009，26 （2）：41-52.

[7]Xu Jian-xin， Guo Zhao-qin， LEE T H. Design and implementation of a takagi-sugeno type fuzzy logic controller on a two-wheeled mobile robot[J]. IEEE Transaction on Industrial Electronics，2013，60（12）：5717-5728.

[8]梁文宇，周惠興，曹榮敏，等.雙輪載人自平衡控制系統(tǒng)研究綜述[J].控制工程，2010，17（1）：139-144.

[9]Lin Shui-chun， Tai Ching-chi，Huang Shu-chi. Adaptive robust self-balancing and steering of a two wheeled human transportation vehicle[J]. Intel Robot System，2011，27（2）：103-123.

[10]傅忠云，朱海霞，孫金秋，等.兩輪載人自平衡車姿態(tài)測量單元設(shè)計[J].科學(xué)技術(shù)與工程，2015，15（15）：66-71.

[11]張吉昌，程凱，鄭榮兒.單軸雙輪自平衡車姿態(tài)檢測方案設(shè)計[J].中國海洋大學(xué)學(xué)報，2009，39（9）：467-470.

[12]楊凌霄，李曉陽.基于卡爾曼濾波的兩輪自平衡車姿態(tài)檢測方法[J].計算機仿真，2014，31（6）：406-409.

[13]姜香菊，劉二林.兩輪自平衡機器人角度檢測數(shù)據(jù)融合算法[J].計算機工程與應(yīng)用，2013，49（08）：203-205.

[14]葉锃峰，馮恩信.基于四元數(shù)和卡爾曼濾波的兩輪車姿態(tài)穩(wěn)定方法[J].傳感器技術(shù)學(xué)報，2012，25（4）：524-528.

[15]魏文，段晨東，高精隆，等.基于數(shù)據(jù)融合的兩輪自平衡小車控制系統(tǒng)設(shè)計[J].電子技術(shù)應(yīng)用，2013，39（05）：79-81.

[16]傅忠云，陳秋陽，劉文波.基于直接轉(zhuǎn)矩控制的兩輪自平衡車系統(tǒng)設(shè)計[J].壓電與聲光，2014，36（6）：967-971.

[17]郜園園，阮曉鋼，寧洪軍，等.兩輪自平衡機器人慣性傳感器濾波問題的研究[J].傳感器學(xué)報，2010，23（5）：696-700.