《基于卡爾曼濾波的汽車姿態(tài)檢測系統(tǒng)設計》8900字（論文）

緒論1.1研究背景及意義隨著經(jīng)濟社會的發(fā)達，中國的車輛越來越多，與此同時交通堵塞情況日益嚴重，在北上廣深以及其他一些大城市中，交通堵塞更已經(jīng)是家常便飯，智能電動兩輪平衡車具有電動車普遍的優(yōu)點，比如說對環(huán)境相當友好、節(jié)能、便利的優(yōu)點。此外還有智能平衡性，更加的具有優(yōu)勢。同時適應市場不同的需要，可以對智能平衡車改造后投放市場，具有很大的市場價值。 兩輪自平衡小車最主要的兩大部分分別為：自平衡小車的主體這是兩輪小車被稱為自平衡車的主因以及自平衡小車的方向控制柄，用來控制小車的各個轉(zhuǎn)向。其中兩輪小車的主要的構成部分為：（1）包括主要芯片、姿態(tài)傳感器模塊、PID模塊以及電機驅(qū)動模塊的主控電路板；（2）加速度計和陀螺儀組成的平衡感應組件；（3）電機，驅(qū)動小車行駛。一般的直流電機、步進電機以及伺服電機是最經(jīng)常應用到兩輪電動平衡車或者是獨輪電動平衡車上；（4）電池，目前電動平衡車界主力電池是鉛酸蓄電池和鋰電池；（5）其余的便是一些其他的基本配件，比如車廂、車輪、腳踏板等一類的組件。 其中自平衡小車最關鍵的環(huán)節(jié)就是關于兩輪車的姿態(tài)檢測，車體平衡的關鍵就是兩輪小車姿態(tài)角度的獲得。受市場限制，一般市面上普通的傳感器的測量精度并不高，噪聲也很嚴重。因此測得數(shù)據(jù)并不十分精確，此時為了對小車實現(xiàn)精準的，進行卡爾曼濾波就顯得格外的重要。 在自平衡小車的姿勢檢測系統(tǒng)中是由MOU6050模塊完成的。在姿態(tài)檢測系統(tǒng)運行的過程中，加速度計測得小車的靜態(tài)角度，陀螺儀測得小車的動態(tài)角加速度，但是受到小車自身環(huán)境的影響，比如溫度、噪聲以及震動和小車自身的姿態(tài)的動態(tài)改變，一個傳感器的數(shù)據(jù)是不這足以使小車控制達到精準的平衡的。因此此時將兩組數(shù)據(jù)送入微控制器進行卡爾曼濾波，對兩組數(shù)據(jù)進行融合，濾除誤差同時也得到一個更加準確的姿態(tài)角。因此開展基于卡爾曼濾波的兩輪車姿態(tài)檢測系統(tǒng)設計是非常有研究價值和現(xiàn)實意義的。1.2兩輪車姿態(tài)檢測的國內(nèi)外研究現(xiàn)狀在關于兩輪車的姿態(tài)檢測過程中，各大文獻以及實際應用中互補平衡濾波和卡爾曼濾波是主要出現(xiàn)的算法。這兩種算法的主要區(qū)別就是權重系數(shù)的不同，權重系數(shù)代表了測量值和估計值的權威性，進行數(shù)據(jù)融合時就是選擇使用兩個傳感器中最合適的那一個。對于兩輪小車的姿態(tài)檢測來講，動態(tài)性能的好壞比較重要，卡爾曼濾波的動態(tài)跟隨性能優(yōu)于互補平衡率濾波的。因此本課題研究的是基于卡爾曼濾波的兩輪車的姿態(tài)平衡檢測。1.2.1國外研究現(xiàn)狀日本電通大學教授藤高橋不僅于1986曾第一個提出了兩輪自平衡機器人概念，而且構造出了兩輪倒立擺機器人，這就為兩輪自平衡機器人的研究做出了開拓性的意義。用數(shù)字處理器來探測姿態(tài)的變化是其中的核心概念，就是使雙輪保持一個相對的平衡從而保持機器人的平穩(wěn)。2002年，由于傳統(tǒng)的兩輪平衡車有低重心、大商穩(wěn)的缺點，美國的一家名叫SegwayLLC的公司發(fā)明創(chuàng)造了SegwayHT兩輪平臺電動車克服了那些缺點。這種電動車的主要特點就是在檢測車體的角度以及角加速度后，平衡小車用的是恰當?shù)幕貜娃D(zhuǎn)矩。后來的Segway公司為擴展自己的商業(yè)范圍，同時也更加的適應市場，遂推出了兩個系列，分別為：在山地越野環(huán)境下的XT系列以及在高爾夫球場環(huán)境下設計的GT系。后來Segway公司乘勝追擊，與美國通用公司聯(lián)名并于2009年推出了一款坐式Segway概念車-PUMA。這款車幾乎和前幾代的Segway系列一脈相承，但是在外形上有了新的突破，更加的和普通的機動車相像了，并可載客兩人。1.2.2國內(nèi)研究現(xiàn)狀2003年，有紀念意義的是我國大陸的第一臺的自控兩輪電動車誕生了，被稱為FreeMover。這輛自控小車主要是來自中國科學技術大學的張培仁與屠運武研究者等人創(chuàng)造出來的。2010年3月24日，上海發(fā)布了新概念車，名為EN-V電動聯(lián)網(wǎng)概念車，這種類型的車主要是以PUMA為基礎，兼具了電氣自動化和聯(lián)網(wǎng)的最新技術。具有很多突出的優(yōu)點，比如，車體占地面積小、車體質(zhì)量輕盈，時速高達40Km/h，一次性行駛可達40KM，自帶3個GPS可以高度滿足高精密定位的要求。車體通過前后進行滑動的運動對車子的重心進行了改變。這款電動聯(lián)網(wǎng)概念車大概率可以支撐起在未來一段時間內(nèi)交通問題的解決方案。2015年LitMotorsC1誕生了，它的創(chuàng)造者是DanielKim，與以往平衡車有所不同的是，輪子像摩托車一樣，但是同時擁有封閉的車身，可以保持治理運動的狀態(tài)。這款自平衡車的特色在于嵌入了特殊的控制系統(tǒng)，增加兩個陀螺儀在駕駛?cè)藛T座位下提高準確性，在小車進行轉(zhuǎn)彎、運動的時候更加平穩(wěn)的進行一個控制。綜上所述的都是目前國內(nèi)外小車的研究現(xiàn)狀與歷史，為本次課題的兩輪小車的姿態(tài)平衡檢測提供了非常大的指導意義。1.3本文主要內(nèi)容及章節(jié)安排本次課題研究的主要問題是對于兩輪小車姿態(tài)角度的研究，首先利用六軸傳感器對小車的姿態(tài)角度以及角加速度進行一個檢測，然后通過STM32F103C8T6進行卡爾曼濾波得到一個更為精確的數(shù)據(jù)，最后就是實時的在OLED屏中顯示小車姿態(tài)角的數(shù)值。 本文的所有章節(jié)如下： 第一章緒論主要簡述了本次小車姿態(tài)檢測的關鍵部分，同時簡要介紹了目前國內(nèi)外自平衡小車的歷史變動以及發(fā)展現(xiàn)狀，確認本次課題的研究的主要方向以及研究的主題。 第二章主要選定了了本次課題中自平衡小車的大方案，同時概述了兩輪自平衡小車平衡的原理以及六軸姿態(tài)傳感器中陀螺儀與姿態(tài)傳感器進行角度和角速度的測量原理。 第三章主要介紹了數(shù)據(jù)處理融合的方法，也就是對于卡爾曼的選擇與應用。 第四章主要構造了小車姿態(tài)檢測的硬件部分，其中包括四大部分分別是：總體的硬件設計、STM32單片機最小系統(tǒng)、以MPU6050為主要傳感器的姿態(tài)檢測模塊和OLED顯示模塊。 第五章則是構造小車姿態(tài)檢測系統(tǒng)的軟件部分，其中包括四大部分分別是：總體的軟件設計、MPU6050的數(shù)據(jù)獲取、卡爾曼濾波算法的程序設計以及OLED顯示數(shù)據(jù)的程序設計。 第六章最后主要是調(diào)試自平衡小車的姿態(tài)檢測系統(tǒng)，確定是否能正常運行。先確定硬件正常且能穩(wěn)定工作，然后就是小車姿態(tài)角信息的檢測。2兩輪小車姿態(tài)檢測整體方案2.1兩輪小車姿態(tài)檢測原理本設計對兩輪小車進行姿態(tài)檢測，必然涉及到坐標系。本課題中小車的參考系為各大坐標系之一的載體坐標系。載體坐標系指的是把原點劃定為小車的質(zhì)心，設沿載體前進的方向設置為OX，載體的右翼設為OZ，與載體垂直的方向設置為OY。本次課題關于載體坐標系的三個角度也是不可忽略的，如果將飛機作為載體來講的話，橫滾角能夠理解為是飛機的對稱的面和飛機縱軸鉛錘面的角度，右滾是正；俯仰角能夠理解為是為正前運動水平方向與水平面之間的角度，飛機昂首為正；偏航角能夠理解為機體軸在水平面上的投影與地軸之間的角度，以機頭右偏為正。在首先給小車提供電能后，平衡小車放在地面上。此時小車在沒有外力的加持下是不平衡的，在MPU5060平行的裝在小車的橫軸上，得到小車的翻滾角和俯仰角傳送給微控制機。并且本設計采用卡爾曼濾波器對陀螺儀實時和加速度計實時采集到的傾斜角度融合來獲得兩輪小車的姿態(tài)角。需要陀螺儀將實時采集到的傾斜角度傳給小車的主控芯片，同時加速度計和陀螺儀將角加速度也傳遞給小車的主控芯片。此時芯片對測試到的數(shù)據(jù)進行卡爾曼濾波處理，得到一個更為準確的數(shù)據(jù)。這便是兩輪小車的檢測原理。兩輪小車姿態(tài)檢測設計方案如圖2.1所示：圖2.1兩輪小車姿態(tài)檢測設計方案3卡爾曼濾波融合算法3.1陀螺儀和加速度計數(shù)據(jù)融合概述3.1.1陀螺儀數(shù)據(jù)測量陀螺儀內(nèi)部有一個陀螺，其軸由于陀螺效應始終與初始方向保持平行，以初始方向為基準，當小車的姿態(tài)改變的時候，可以得出旋轉(zhuǎn)的角速度和方向，再經(jīng)過積分就可以得到角度了。陀螺儀的測試范圍有±250、±500、±1000、±2000dps，比如如果選擇的是±250dps量程的時候，可以得到131LSB的分辨率。選擇完成精度后，將16位的數(shù)據(jù)換算成角度，再變成弧度制，最終輸出的姿態(tài)角=寄存器ADC的值。但是由于陀螺儀是求角速度是用離散的角速度積分得到的，長時間的積分有漂移的影響。3.1.2加速度計數(shù)據(jù)測量加速度計，顧名思義，這是測量加速度的，為什么可以測量角度呢？因為加速度計內(nèi)部有一個三軸參考系，加速度計可以測出重力在這三個軸上的分量大小，從而得出加速度計與地面的角度關系。與之對應的缺點是如果加速度計是沿著重力方向的軸轉(zhuǎn)動，則加速度計無法測量出旋轉(zhuǎn)的角度（無法感知水平旋轉(zhuǎn)）。此外，由于加速度計的測量原理，其對于短時間內(nèi)的角度變化測量誤差較大，適合長時間的測量，不適合短時間測量。3.1.3兩傳感器數(shù)據(jù)融合測量線性運動的加速度計傳感器，靜態(tài)響應的優(yōu)勢明顯，能夠很準確的對車體靜態(tài)時的角度進行測量，但是易受兩輪小車震動的影響；陀螺儀的特色是凸顯為它是測量旋轉(zhuǎn)運動性質(zhì)的傳感器，測得的是繞某個軸向的旋轉(zhuǎn)角加速度，不過可以用數(shù)學方法積分，對時間進行積分，然后得到姿勢角度。相對應積分得到角度帶來的缺點是存在了累計漂移誤差，也不適合長期獨自測量角度。因為為了獲取準確的兩輪小車的姿態(tài)角信息，融合加速度計和陀螺儀的數(shù)據(jù)才能更為的精確。此時本課題采用的融合的方法是卡爾曼濾波，根據(jù)貝葉斯估計的相關計算，得到當前時刻準確的估測值，輸出準確的小車姿態(tài)角信息。小車姿態(tài)角數(shù)據(jù)融合流程如下圖3.3：圖3.3小車姿態(tài)角融合流程已知動態(tài)性能優(yōu)點突出的是陀螺儀，此時測量測量小車的靜態(tài)角度時，則會產(chǎn)生誤差;加速度計的突出優(yōu)點在于靜態(tài)性能更佳，動態(tài)的響應比較差勁。但是如果將兩種傳感器的優(yōu)點結(jié)合起來，此時卡爾曼濾波器性能凸顯，選用卡爾曼濾波器對加速度計和陀螺儀測試的兩種姿勢角度信息進行融合，就可以更加準確的測量出被測物體準確的姿態(tài)角。3.2卡爾曼濾波器模型簡介卡爾曼濾波器的信號模型一共有兩種，一種是預測模塊和一種糾錯模塊。通過貝葉斯估計的相關論述，對不同的誤差賦予不同的權重，誤差越大所賦予的權重應該越小。使得預測模塊的誤差最小。模型的預測方程：（3.1）其中下標k和k-1分別表示對應的時刻。X是系統(tǒng)預測變量，A是預測轉(zhuǎn)移矩陣或者過程增益矩陣，u是控制輸入，B是對應的控制輸入增益，w是過程激勵噪聲，認為是高斯白噪聲，期望是0，協(xié)方差是Q。糾錯方程表示是：（3.2）其中Y是糾錯值，v是糾錯噪聲，認為是高斯白噪聲，期望是0，協(xié)方差是R。要得到第j時刻的預測值X（j），可以通過這k個糾錯值進行測算，通過所學的線性代數(shù)的知識與統(tǒng)計知識，可以概括出卡爾曼濾波算法為數(shù)五個的核心公式。實際上，卡爾曼濾波算法能夠分為兩塊：一個是通過上一時刻的值進行估計當前時刻的值，另一個是通過當前時刻的糾錯值用于矯正預測值，可以使預測值更加的精確。3.2.1預測過程（1）狀態(tài)預測（3.3）（2）均方差預測（3.4）3.2.2糾錯流程（1）濾波增益計算（3.5）（2）狀態(tài)校正（3.6）（3）均方差校正（3.7）預估的具體流程是用k-1時刻的估計值Xk-1估計k時刻的狀態(tài)值Xk-，與此同時，k時刻的協(xié)方差Pk-是通過k-1時刻的協(xié)方差Pk-1與過程噪聲的協(xié)方差進行預估的。糾錯的具體流程是在得到k時刻的卡爾曼增益Kk后，通過（3.5）與（3.6）的公式來校正k時刻的估計值Xk和協(xié)方差Pk。下面是卡爾曼濾波算法的流程圖：圖3.1卡爾曼濾波算法的流程(3.23)測量得到的兩輪車的姿態(tài)角度并不完全精確是原始的數(shù)據(jù)，對數(shù)據(jù)進行濾波相融得到相對精確的姿勢角信息，上面則具體進行了介紹。

4系統(tǒng)硬件設計4.1總體硬件設計兩輪小車的姿態(tài)檢測系統(tǒng)設計的硬件模塊可以分為STM32主控模塊、姿態(tài)傳感器模塊、OLED顯示模塊。如圖４.1為兩輪小車姿態(tài)檢測系統(tǒng)簡圖：圖４.1兩輪小車姿態(tài)檢測硬件簡圖姿態(tài)檢測最基本的前提就是電池分別為MPU6050傳感器、STM32F103C8T6以及OLED顯示屏供電以保證各個硬件能夠正常運行。本次課題中為小車選用的姿態(tài)檢測傳感器為一款具有整合性的六軸運動處理器，自帶陀螺儀和加速度計，并且能夠?qū)θS的陀螺儀和加速度計的數(shù)據(jù)進行整合，然后使用IIC接口讀取數(shù)據(jù)。將數(shù)據(jù)傳遞給主控芯片STM32F103C8T6進行卡爾曼濾波算法對數(shù)據(jù)進行一個融合處理，得到一個精準姿勢角的信息，最后在OLED屏上顯示出來。4.2STM32最小系統(tǒng)設計在本次研究的課題中最重要的部分之一就是STM32最小系統(tǒng)具體為STM32F103C8T6，其中STM32最小系統(tǒng)是主控芯片，因STM32F103C8T6本身自帶相當豐富的的引腳，因而所對應的功能更加的豐富。由于AMS1117模塊被嵌入到STM32F103C8T6中，它的主要作用對電壓的轉(zhuǎn)換，將5V電壓轉(zhuǎn)成3.3V適用于硬件工作的電壓。因為姿態(tài)傳感器模塊即MPU6050以及OLED顯示模塊供電電壓為3.3V，因而此時STM32F103C8T6可以為MPU6050和OLED顯示模塊進行供電。除了擁有AMS1117模塊能夠進行電壓轉(zhuǎn)換以外，STM32F103C8T6還具有以CH340G為主的USB轉(zhuǎn)TTL電路，這個部分的主要功能是可以將電平轉(zhuǎn)變?yōu)镻C和單片機都能識別的信號，然后得以實現(xiàn)通信的功能。值得一提的還有，STM32F103C8T6有6個引腳連接OLED屏，實時顯示數(shù)據(jù)。STM32最小系統(tǒng)的原理圖如圖4.2所示。圖4.2單片機最小系統(tǒng)原理圖4.3姿態(tài)傳感器模塊設計本課題研究的內(nèi)容是對兩輪小車進行姿態(tài)檢測，所謂姿態(tài)檢測也是對小車姿態(tài)角進行的一個檢測，然后進行一個姿態(tài)解算。這其中起著先決作用的就是姿態(tài)傳感器的設計。首先為了精確的顯示姿勢角，對兩大主要傳感器所測量的數(shù)據(jù)進行濾波融合?？紤]到兩輪小車結(jié)構小巧，空間也緊湊，此時集陀螺儀和及加速度計為一體的六軸運動處理器件，不僅很大程度上減少了兩傳感器在時間上的誤差，提高測量姿態(tài)角的精度，同時更重要的是減少了PCB板的空間，這對于兩輪小車緊湊的空間來講是極大便利的，同時，MPU具有價格實惠、功能強大等優(yōu)點廣泛應用于市場中。因此本課題采用方便且合適的MPU6050作為姿勢檢測的主要部分。MPU6050中兩大傳感器采用了十六位的ADC，可以將測量到的模擬量轉(zhuǎn)化為可輸出的數(shù)字量。不僅如此，陀螺儀和加速度計也是可以根據(jù)不同用戶的實際需求進行有彈性的改變的，比如來講，陀螺儀的可檢測范圍可以是±250、±500、±1000、±2000dps，加速度計的可測量范圍是±2、±4、±8、±16g，選擇不同的量程那么就可以對小車各個姿態(tài)進行更加準確的檢測。原理圖如4.3下：圖4.3MPU6050原理圖4.4OLED顯示模塊設計在本次課題中需要對兩輪小車不同姿態(tài)時，進行姿態(tài)角的顯示。受系統(tǒng)空間的限制，因此用來顯示小車姿態(tài)角的顯示屏應該盡可能地小巧。首先OLED屏對于兩輪小車的顯示，本設計只需要顯示兩個姿態(tài)角，為減少系統(tǒng)占用空間，應用于課題中的顯示屏也最好最小化。利用有機電使發(fā)光二極管的OLED屏幕，不需要背光源，具有對比度高以及核心層的厚度相當?shù)谋〉膬?yōu)點，被認為是顯示器最新技術的興起之秀。其次OLED屏具有良好的抗震性，因為它的內(nèi)部結(jié)構不是真空環(huán)境，這樣的話，OLED顯示器可以適應兩輪小車的各個姿態(tài)變化。最后只有幾微秒到幾十微秒非?？斓捻憫俣纫彩荗LED顯示屏強大的優(yōu)點之一，它比常見的TFT-LCD液晶屏的相應速度更快。一般OLED顯示屏工作電壓不高于5V，最高的亮度足以達到300明流。原理圖如4.4下：圖4.4OLED顯示模塊原理圖5軟件模塊設計5.1軟件設計環(huán)境與整體流程兩輪小車的姿態(tài)檢測系統(tǒng)的軟件部分是采用C語言在keil5.0環(huán)境下進行編程。由于小車姿態(tài)的改變是動態(tài)的，因而對小車姿態(tài)的檢測同時也是動態(tài)的，為了實時的檢測小車的姿態(tài)，陀螺儀和加速度計測量到的姿勢信息是不間斷的，并且需要在STM32F103C8T6中進行卡爾曼數(shù)據(jù)的融合，以試圖使OLED屏幕上顯示姿態(tài)角的信息，分別為俯仰角和橫滾角。最后通過不斷地姿態(tài)改變和卡爾曼數(shù)據(jù)的融合得到準確的姿態(tài)角。小車姿態(tài)檢測系統(tǒng)的整體流程圖如圖5.1所示： 圖5.1小車姿態(tài)檢測系統(tǒng)的整體流程圖5.2MPU6050部分初始化以及數(shù)據(jù)采集對MPU6050的初始化驅(qū)動就是通過IIC的協(xié)議，對MPU6050的寄存器進行初始化配置，我選擇配置的有：設置電源管理寄存器1（0X6B）；復位MPU6050；設置陀螺儀配置寄存器（0X1B），將量程設置為2000dps；設置加速度計配置寄存器（0X1C），將量程設置為2g；/**************************實現(xiàn)函數(shù)*********************************************函數(shù)原型: voidMPU6050_initialize(void)*功能: 初始化 MPU6050以進入可用狀態(tài)。*******************************************************************************/voidMPU6050_initialize(void){MPU6050_setClockSource(MPU6050_CLOCK_PLL_YGYRO);//設置時鐘MPU6050_setFullScaleGyroRange(MPU6050_GYRO_FS_2000);//陀螺儀最大量程+-1000度每秒MPU6050_setFullScaleAccelRange(MPU6050_ACCEL_FS_2); //加速度度最大量程+-2GMPU6050_setSleepEnabled(0);//進入工作狀態(tài) MPU6050_setI2CMasterModeEnabled(0); //不讓MPU6050控制AUXI2C MPU6050_setI2CBypassEnabled(0); //主控制器的I2C與 MPU6050的AUXI2C 直通?？刂破骺梢灾苯釉L問HMC5883L}MPU6050初始化后讀取原始數(shù)據(jù)，使用后IIC讀取寄存器的值每個軸的值由16位二進制表示（0–65535），以X軸為例：ACCEL_XOUT[15：8]、ACCEL_XOUT[7：0]分別為X軸加速度的高八位和低八位，每次讀取八位再將它們拼起來即可。獲得輸出的ADC值，然后對原始數(shù)據(jù)進行姿態(tài)解算。采用卡爾曼濾波算法對數(shù)據(jù)進行處理。完成MPU6050的數(shù)據(jù)采集，其流程圖如圖5.2所示。圖5.2MPU6050的數(shù)據(jù)采集5.3卡爾曼濾波數(shù)據(jù)融合從第三章能夠得到卡爾曼濾波器的五個公式，所以卡爾曼濾波器的主要代碼也由這五個公式產(chǎn)生，首先定義變量，陀螺儀噪聲協(xié)方差Q_angle為0.001、陀螺儀漂移噪聲協(xié)方差Q_gyro為0.003、加速度計測量噪聲協(xié)方差R_angle為0.5，采樣周期△t為0.005。然后根據(jù)卡爾曼濾波器的五個公式在keil5中構建框架，就可以將兩組角速度數(shù)據(jù)進行融合處理。產(chǎn)出最精確的姿勢角測量?？柭鼮V器數(shù)據(jù)處理流程圖如圖5.3所示：圖5.3卡爾曼濾波器數(shù)據(jù)流程圖5.4數(shù)據(jù)顯示程序設計OLED屏用來顯示姿勢角信息，小車姿勢角的檢測被MPU6050的程序測得，OLED屏要只需顯示相應的信息就可以。主程序需要調(diào)用led.h中的voidOLED_ShowNumber函數(shù)可以實現(xiàn)這一功能。其次達到顯示的數(shù)據(jù)為歐拉角的目的，用字母表示其名稱，通俗的來講就是用英文單詞Roll表達翻滾角，Pitch表達俯仰角，此時調(diào)用voidOLED_ShowString函數(shù)就可以完成任務了。最后考慮到姿態(tài)不斷跟隨小車的姿勢的變化而變化，所以OLED也要對不斷改變的數(shù)據(jù)進行實時的更新。需要調(diào)用led.h的void語句，設置OLED屏使每隔50ms更新一次，就能夠達到這一目的了。OLED數(shù)據(jù)顯示總流程圖如圖5.4： 圖5.4OLED數(shù)據(jù)顯示流程圖

6調(diào)驗與分析前五章著重介紹了關于小車姿態(tài)檢測的原理部分，硬件的組成與軟件的主要內(nèi)容。最后一章就是調(diào)試姿態(tài)檢測系統(tǒng)，主要有兩個部分，第一個是檢測系統(tǒng)的各個硬件是否正常，第二個部分就是檢測小車的姿態(tài)角。6.1姿態(tài)檢測系統(tǒng)的硬件檢測通過前五章知，此次課題的姿態(tài)檢測總體設計中包括的硬件有：STM32最小系統(tǒng)、OLED和MPU6050。將KEIL5的程序燒錄到STM32F103C8T6中,這個操作結(jié)束后通電后，看此時STM32最小單片機上的LED是否正常發(fā)光，如果可以，反映出STM32F103C8T6性能是正常的。如圖6.1所示。圖6.1LED燈正常發(fā)光其次就是對OLED進行功能上的檢測，此時對于OLED來說，如果輸入的數(shù)據(jù)可以正常顯示則說明OLED的功能是正常的。最后但同時也是最關鍵的就是對MPU6050的檢測，這是檢測的基石。STM32F103C8T6與MPU6050連接起來后，首先觀察MPU6050中的LED是否能正常發(fā)光，改變小車的姿態(tài)角后，如果相對應于不同的姿勢角度變化，顯示屏的數(shù)據(jù)相應的變化啊，可以說明MPU6050的性能正常。檢測完各模塊之后，將各模塊組合。最后就是兩輪小車姿態(tài)檢測系統(tǒng)，燒入兩輪小車姿態(tài)檢測程序后改變MPU6050的姿態(tài)，OLED顯示小車的姿勢信息。6.2兩輪小車的姿態(tài)角檢測完成對小車姿態(tài)檢測系統(tǒng)的硬件檢測，保證硬件無問題之后，可以將小車姿態(tài)檢測系統(tǒng)按照到小車模型上進行姿態(tài)角的檢測。為了便于檢測，使得MPU6050的X軸和Y與小車模型相互垂直的棱邊平行。首先測量小車沿著X和Y軸轉(zhuǎn)動一定角度時，與OLED顯示屏中顯示的角度對比，看是否精確，然后確定兩輪小車的姿態(tài)角。俯仰角：橫滾角：總結(jié)與展望本次課題是對研究兩輪自平衡小車的姿態(tài)檢測方案的設計，對小車的姿態(tài)角度進行檢測，從而為小車平衡控制鋪橋搭路。本次的研究總結(jié)有：工欲善其事必先利其器，對兩輪小車的原理的理解就是先決條件，其次就是本次課題中所用到的主要傳感器加速度計與陀螺儀工作原理了解，確定必須獲得的姿態(tài)角信息。對姿態(tài)角信息融合的算法不只簡單的一種，但本次課題綜合各個方面考慮，最終選用卡爾曼濾波器用以對數(shù)據(jù)進行一個修正。（3）搭建硬件平臺，配置主微控制器STM32F103C8T6，姿態(tài)傳感器MPU6050檢測，OLED顯示數(shù)據(jù)，達到姿態(tài)角測量的目的。最后調(diào)整MPU6050的安裝位置保證，對小車姿態(tài)角進行測量。參考文獻:世趙寅,徐國華,楊超,等.基于模糊卡爾曼濾波算法的速度估算方法[J].儀表技術與傳感器,2012,13(12)：80-83.[2]夏圣,許勇.基于MEMS組合模塊的姿態(tài)檢測系統(tǒng)設計[J].單片機與嵌入式系統(tǒng)應用,2011,17(4)：52-55.[3]沙承賢,李杰,翟成瑞,等.基于MEMS加速度傳感器的數(shù)字傾角儀設計[J].傳感器與微系統(tǒng),2010,19(6)：134-136.[4]賈勇,陳曉飛.基于卡爾曼濾波的兩輪平衡姿態(tài)檢測系統(tǒng)設計[J].計算機測量與控制,2020,28(12):53-56.[5]袁文玉.基于卡爾曼濾波的自平衡車數(shù)據(jù)融合應用[J].電子技術與軟件工程,2019，25(12):181-183.[6]王鵬業(yè).基于卡爾曼濾波的兩輪平衡車姿態(tài)信息測量[J].科學技術創(chuàng)新,2019，26(04):1-2.[7]采長濤,趙天劍,王林莉,賈淼淼.兩輪自平衡小車姿態(tài)檢測的研究[J].電子世界,2017，22(24):98.[8]王曉宇,閆繼宏,秦勇,等.基于擴展卡爾曼濾波的兩輪機器人姿態(tài)估計[J].哈爾濱工業(yè)大學學報,2007,10(12).1920-1924.[9]劉二林,姜香菊.基于卡爾曼濾波的兩輪自平衡車姿態(tài)檢測[J].自動化與儀器儀表,2015,11(2):52-54.[10]代臨風.基于卡爾曼濾波的兩輪自平衡車姿態(tài)檢測研究[J].數(shù)字通信世界,2016,25(4):274-274.[11]王鵬業(yè).基于卡爾曼濾波的兩輪平衡車姿態(tài)信息測量[J].科學技術創(chuàng)新,2019,21(4):1-2.[12]張團善,何穎.卡爾曼濾波在兩輪自平衡代步車姿態(tài)檢測中的應用[J].單片機與嵌入式系統(tǒng)應用,2014,32(5):33-35.[13]李凡紅,莊秋月,董春.卡爾曼濾波在自平衡機器人系統(tǒng)中的應用[J].自動化博覽,2013,14(22):54-57.[14]葉锃鋒,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].傳感技術學報,2012,25(04):524-528.[15]MingLin,ByeongwooKimetal.ExtendedParticle-AidedUnscentedKalmanFilterB