摘要：针对智能轿车竞赛中的电磁组参赛要求，提出了两轮自平衡智能车体系的规划计划。主控芯片选用飞思卡尔公司的MC9S12XS128，选用加速度传感器检测车模的倾角，陀螺仪检测车模的角加速度；经过操控两个电机的加减速完结车模的自平衡操控。论述了卡尔曼滤波法在陀螺仪和加速度传感器信号交融方面的运用，提出了针对闭环速度操控的PI算法。试验标明：该处理办法完结简略，能够精确、快速地完结车模的自平衡操控。
关键词：自平衡；智能车；卡尔曼滤波；PI算法
导言
两轮自平衡智能车操控技能在比方航空、帆海、安保等许多范畴有着广泛的运用，各种类型的倾角传感器和数据处理办法应运而生。跟着现代科技的开展，关于自平衡的呼应速度和精确度提出了更高的要求，以此为布景，第七届全国大学生智能车竞赛电磁组参赛要求规划的智能车为两轮直立行走的自平衡循迹智能车。
针对该问题，本文选用MMA7260加速度传感器和NEC-03陀螺仪一起检测车模的视点信息，经过卡尔曼滤波器得到车模精确的实时视点信息，以在主控芯片MC9S12XS128中完结的PI操控算法和两个直流电机为智能车的操控中心，完结了两轮智能车的自平衡操控。该体系的长处是适应性强、呼应敏捷并有很强的抗搅扰才能。
1 规划原理
操控直立车模平衡的直观经历来自于人们日常生活经历。一般人经过简略操练就能够让一个直棒槌在手指尖上坚持直立。这需求两个条件：一个是托着棒槌的手掌能够移动；另一个是眼睛能够观察到棒槌的歪斜视点和歪斜趋势(视点和角速度)。经过手掌移动抵消棒槌的歪斜视点和趋势，然后坚持棒槌的直立。这两个条件缺一不可，实践上便是操控中的负反应机制。
车模的平衡操控也是经过负反应来完结的，与上面坚持棒槌直立比较相对简略。因为车模有两个轮子着地，车体只会在轮子翻滚的方向上发生歪斜。操控轮子滚动，抵消在一个维度上歪斜的趋势便能够坚持车体平衡了，如图1所示。
由图1可知，为了坚持车模的直立自平衡状况，需求满意以下两个条件：
①能够精确丈量车模的倾角和角加速度的巨细，以得到车模的状况和趋势；
②能够操控车轮的速度和加速度，使车模坚持直立状况。
2 自平衡智能车体系结构
自平衡智能车体系首要包含主控模块、视点信息收集模块、电机驱动模块和电源模块等，自平衡智能车体系结构框图如图2所示。
主控模块选用Freescale公司16位主控芯片Mc9S12XS128具有高精度高采样频率的内部A／D转化器，一起具有内部定时器模块和输入捕捉功用，能够很好地完结对车模电机的测速；对车模视点信息的处理，主控芯片的时钟频率最高可达80 MHz，能够敏捷呼应车模视点的改动，操控车模的自平衡。
3 自平衡智能车硬件规划
操控车模自平衡所需的方位信息(即视点和角速度信息)，能够经过加速度传感器和陀螺仪取得；因为主控模块I／O口驱动才能有限，智能车需求运用全桥驱动来驱动电机；为了完结对车速精准的闭环操控，需求测速模块。
3．1 加速度传感器
加速度传感器能够丈量由地球引力作用或许物体运动所发生的加速度。自平衡智能车体系所选用的是Freescale系列的加速度传感器MMA7260。该系列的传感器选用了半导体外表微机械加工和%&&&&&%技能，体积小、重量轻。MMA7260是一款三轴低g半导体加速度计，能够一起输出3个方向上的加速度模拟信号，一起电路完结简略，视点输出精度高。
3．2 陀螺仪
自平衡智能车体系的角速度传感器选用的是陀螺仪，陀螺仪能够用来丈量物体的旋转角速度。依据精度需求选用了村田公司出品的ENC-03系列的加速度传感器。它运用了旋转坐标系中的物体会遭到科里奥利力的原理，在器材中运用压电陶瓷做成振荡单元。当旋转器材时会改动振荡频率然后反映出物体旋转的角速度。
3．3 电机驱动
自平衡智能车体系选用了电机驱动芯片BTS7960作为电机驱动。该芯片在作业时，阻抗典型值为16 mΩ(IOUT=9 A，Ti=25℃)，可供给的最大驱动电流为43 A。当芯片过热时可主动封闭或确认；在过电流的情况下，开关形式可限制电流，可下降功耗；欠压时会主动封闭，过压时会确认。驱动电路图如图3所示。
3．4 测速模块
本体系选用固定在电机输出轴上的光码盘以及相互配合的光电对管器材完结对车轮的测速，如图4所示。
因为智能车所选用的主控芯片MC9S12XS128只要一个脉冲累加器端口，故需求选用数据选择器操控其在同一时间只丈量一个电机的速度而在下一时间丈量另一轮子的速度。一起，程序依据选通信号和测得的速度别离核算两轮的速度，以便给出精准的操控信号，使车模坚持杰出的直立状况，以及完结加减速和转向。
4 车模信息收集与处理
4．1 方位信息的处理
自平衡智能车方位信息首要是经过加速度传感器和陀螺仪取得的。加速度传感器MMA7260是一款三轴低g半导体加速度计，能够一起输出3个方向上的加速度模拟信号。经过软硬件设置能够使得MMA7260各轴信号最大输出灵敏度为800 mV／g，这个信号无需再进行扩大，能够直接送到单片机进行A／D转化。
实践运用中，只需求丈量其间一个方向上的加速度值，就能够核算出车模倾角，比方运用Z轴方向上的加速度信号。车模直立时，固定加速度器在Z轴水平方向，此刻输出信号为零偏电压信号。当车模发生歪斜时，重力加速度g便会在Z轴方向构成加速度重量，然后引起该轴输出电压改动。改动的规则为：
△u=k·g·sinθ≈k·g·θ (1)
式中，g为重力加速度，θ为车模倾角，k为加速度传感器灵敏度系数。当倾角θ比较小的时分，输出电压的改动能够近似与倾角成正比。
理论上只需求加速度传感器就能够取得车模的倾角，再对此信号进行微分便能够取得倾角速度。但在实践车模运转过程中，因为车模自身的摇摆所发生的加速度会发生很大的搅扰信号，它叠加在上述丈量信号上，使得输出信号无法精确反映车模的倾角。
下面剖析一下运动所发生的搅扰信号。加速度传感器装置在车模上，间隔车轴高度为h。车模滚动具有角加速度α，运动加速度a。那么，在加速度传感器Z轴上呈现因为车模运动引起的加速度为h·α+a，如图5所示。为了减小运动引起的搅扰，加速度传感器装置的高度越低越好，可是无法彻底消除车模运动的影响。
车模运动发生的加速度使得输出电压在实践倾角电压邻近动摇，这些动摇噪声能够经过数据滑润滤波将其滤除。可是，滑润滤波一方面会使得信号无法实时反映车模倾角改动，然后减缓关于车模车轮的操控，另一方面也会将车模角速度改动信息滤掉。上述两方面的滤波作用使得车模无法坚持平衡，因而，关于车模直立操控所需求的倾角信息需求经过别的一种器材取得，那便是角速度传感器——陀螺仪。
因为陀螺仪输出的是车模的角速度，将角速度信号进行积分便能够得到车模的倾角，且不会遭到车体运动的影响，因而，该信号中噪声很小。此外，车模的视点又是经过对角速度积分得到，可进一步滑润信号，然后使得视点信号愈加安稳。因而，车模操控所需求的视点和角速度能够运用陀螺仪所得到的信号。因为这个视点信号是经过积分取得的，假如角速度信号存在细小的差错和漂移，经过积分运算之后，改动会构成堆集差错。这个差错会跟着时间延伸逐渐添加，终究导致电路饱满，无法构成正确的视点信号。
为了消除这个累积差错，所选用的办法是经过上面的加速度传感器取得的视点信息对此进行校对，经过比照积分所得到的视点与重力加速度所得到的视点，运用它们之间的差错来改动陀螺仪的输出，然后使积分的视点逐渐盯梢到加速度传感器所得到的视点。
运用加速度计所取得的视点信息θg与陀螺仪积分后的视点θ进行比较，将比较的差错信号经过1／Tg份额扩大，再与陀螺仪输出的角速度信号叠加之后进行积分。关于加速度计给定的视点θg，经过份额、积分环节之后发生的视点θ必定终究等于θg。
为了防止输出视点θ盯梢时间过长，能够采纳以下两个方面的办法：
①细心调整陀螺仪的扩大电路，使得它的零点偏置尽量挨近于设定值，而且安稳。
②在操控电路和程序运转的开端，尽量坚持车模处于直立状况，这样一开端就能使输出视点θ与θg持平，尔后，加速度计的输出仅仅消除积分的偏移，输出视点不会呈现太大的差错。
卡尔曼滤波模型如图6所示，以陀螺仪丈量的角速度作为猜测值的操控量，加速度传感器丈量的视点作为观测值。公式如下，Z(k)为k时间加速度积分得到的视点，U(k)为k时间的角速度，X(k|k)为k时间经卡尔曼滤波后的视点，X(k|k-1)为体系运用k-1时间的状况得到的k时间的猜测值，Kg(k)为k时间的卡尔曼增益。
因为自平衡智能车体系为单输入单输出体系，因而令A、B、H、K不为矩阵，且值都为1。自平衡智能车体系卡尔曼滤波参数有3个，P是卡尔曼体系参数A的协方差，P的初值P(0)的设定需求依据体系作用来调试确认，初值一般在1邻近。Q是猜测值Z(k)的协方差，R是丈量值U(k)的协方差。对Q和R的设定原则是，Q／(Q+R)的值便是卡尔曼增益的收敛值。例如其值为0．2，那么卡尔曼滤波后的增益会向0．2收敛，即假如猜测视点值是5°，视点丈量值是10°，那么最优化视点为：5+0．2*(10-5)=6°。因而，卡尔曼增益越小，阐明猜测值越牢靠，最优化视点越挨近猜测值；相反，卡尔曼增益越大，阐明丈量值越牢靠，最优化视点越挨近丈量值。P／(Q+R)反映收敛的快慢程度，该值设定越小，收敛越快，该值越大，收敛越慢。因为卡尔曼增益收敛总的来说是很快的，因而该值的设置影响较小。
卡尔曼滤波后的波形图7所示，包含加速度计输出的信号、陀螺仪输出的信号和卡尔曼滤波后的波形。试验标明，卡尔曼滤波能够很好地复原信号，并能够战胜加速度计及陀螺仪的温漂，能够精确地供给车模的视点信息。
4．2 速度信息的处理
本体系的处理办法是依据光电码盘的脉冲信息，经过单片机的输入捕捉功用完结测速。速度闭环操控方面，选用的则是增量型的PID操控算法。所需公式为：
Kp——起份额调理作用，体系一旦呈现了差错，份额调理当即发生调理作用以削减差错。
Ki——使体系消除稳态差错，进步差错度，积分调理的引进会使体系安稳性下降，动态呼应变慢。
Kd——反映了体系差错信号的改动速率，能够预见差错的改动趋势，能提早对差错进行操控。
针对车模的电机，结合实践的调试经历，本车模的电机调速选用的计划是PI操控，将对方针速度和当时速度再次进行PI运算，得到电机操控信息并交给外部设备操控模块处理，以到达操控速度的意图。
4．3 软件规划
体系中首要运用主控芯片的A／D转化模块读取陀螺仪和加速度传感器的值，然后经过卡尔曼滤波得到车模的视点信息。因为操控方针是坚持车模直立，因而，以直立时车模的视点为操控方针，以所丈量的车模视点信息为当时反应，经过PID操控算法，核算出需求给出的电机速度，经过电机闭环操控使车模发生相应的运动状况以坚持车模的直立平衡状况。车模的体系流程图如图8所示。
结语
试验结果标明，本体系办法简略有用，能够很好地完结预期的功用，即完结小车的动态自平衡，选用该自平衡办法的磁导航智能车在第七届“飞思卡尔”杯全国大学生智能车竞赛中取得了十分优异的成果。该办法卡尔曼滤波的运用上，公式(2)～(6)能够进一步简化，一起也能够经过优化各个参数更好地完结车模自平衡，进一步进步车模的安稳性。
