两轮自平衡机器人惯性传感器滤波问题的研究

针对惯性传感器在两轮机器人姿态检测中存在随机漂移误差的问题,基于卡尔曼滤波实现对倾角仪与陀螺仪的信息融合,设计了简单而实用的滤波算法,对传感器的误差进行补偿后得到机器人姿态信号的最优估计,从而将其应用于两轮自平衡机器人系统。实验结果表明,采用卡尔曼信息融合的方法,来得到机器人姿态信息最优估计是有效可行的,并且有利于机器人完成自平衡的控制。     

基于STM32的两轮平衡车设计

近年来,两轮自平衡车的研究与应用获得了迅猛发展.本文提出了一种两轮自平衡小车的设计方案,采用陀螺仪ENC-03 以及MEMS 加速度传感器MMA7260 构成小车姿态检测装置,使用卡尔曼滤波完成陀螺仪数据与加速度计数据的数据融合.系统选用飞思卡尔16 位单片机MC9S12XS128 为控制核心,完成了传感器信号的处理,滤波算法的实现及车身控制,人机交互等.     

两轮自平衡车运动姿态的测量和控制

两轮自平衡车姿态测量与控制是两轮自平衡车设计的关键环节.针对两轮自平衡车倾角的测量问题,采用了卡尔曼多传感融合算法.该算法融合了加速度传感器和陀螺仪传感器数据,实现了两轮自平衡车倾角实时在线估算.根据测量得到的倾角和角速度,采用了比例微分(PD)控制算法,实现了两轮自平衡车姿态的稳定控制.     

两轮自平衡小车的研究与实现

介绍以飞思卡尔MK60N512VMD100单片机为控制器和以MMA7260加速度传感器及ENC-03角速度传感器等传感器元件作为传感检测系统的两轮自平衡小车系统。阐述了基于加速度传感器和角速度传感器获取两轮小车倾斜角度的滤波算法及其实现、自平衡控制算法及其实现,电机控制策略等相关问题。实验结果表明,此小车具有较好的平衡性和稳定性。     

基于数据融合的两轮自平衡小车控制系统设计

为解决两轮自平衡系统中传感器存在较大震动干扰与漂移误差的问题,并提高系统姿态倾角测量的精确性和实时性,提出了基于陀螺仪与加速度计数据融合的两轮系统自平衡控制方法。建立两轮自平衡系统的动力学模型,采用卡尔曼滤波算法融合陀螺仪与加速度计信号,得到系统姿态倾角与角速度最优估计值,通过双闭环数字PID算法实现两轮系统的自平衡控制。通过两轮小车自平衡控制系统的软硬件设计,成功验证了该方法的可行性与有效性。利用该方法大大提高了两轮自平衡系统的抗干扰性。     

基于dsPIC33EP16GS502的两轮自平衡小车控制系统的设计

介绍了一种采用数字信号控制器dsPIC33EP16GS502和运动传感器MPU-6050等设计的两轮自平衡小车的控制系统。该系统利用卡尔曼滤波算法对陀螺仪和加速度计的信号进行融合,计算出小车倾角和角速度的最优估计值,采用PID算法对驱动电机的两路PWM信号进行控制,从而实现两轮小车的自平衡控制。文中详细介绍了两轮小车自平衡控制系统硬件和软件的设计。     

基于组合滤波的低成本飞行器姿态解算算法

在低成本的飞行器姿态检测系统中,互补滤波器由于原理简单、计算量小,而被广泛应用。针对低成本飞行器在非匀速运动时因为加速度计不能区分重力加速度与运动加速度引起基于互补滤波的姿态解算误差较大的问题,提出了一种互补与自适应限幅组合滤波的姿态解算算法,并给出了自适应限幅滤波门阀的设计方法。通过融合陀螺仪输出的角速度与加速度计输出的加速度获取限幅滤波的限幅阀值;然后将归一化的加速度计输出增量通过限幅滤波的结果代替原互补滤波的加速度计输入,提高非匀速运动下姿态解算精度。经实际系统实时性能测试表明,所提算法估计精度高、计算量小,易于在低成本飞行器控制系统中实现。     

基于MEMS组合模块的姿态检测系统设计

在研究两轮自平衡电动车的平衡控制的基础上,设计了基于MEMS组合模块的姿态测量系统.通过对各MEMS传感器输出信号特征的提取、分析,将离散化低通滤波器模型与互补滤波的思想相结合,巧妙地构造出一种便于本系统实现的数据融合模型.同时,提供了一种基于MEMS组合模块姿态检测的低成本、可行性方案.     

基于Arduino的两轮自平衡机器人设计与实现

随着计算机技术的不断发展,与开源软件一样,开源硬件正成为一股不可忽视的颠覆性力量影响着科学探索和企业生产。基于开源硬件的产品越来越深入到社会实践中。基于Arduino的开源硬件技术,论文提出了一个两轮直立自平衡机器人的设计方案。它采用陀螺仪判断小车的原有姿势状态,使用加速度传感器计算车体的倾斜角度,采用Arduino处理数据和控制小车,用PID控制结合互补滤波融合加速度计和陀螺仪采样信息,用PWM调节电机运动,最终达到车体的平衡。实验结果表明:小车可以自行保持直立,并且具有较好的回复平衡能力。该车可以作为进一步验证各种控制算法的理想平台,具有一定的应用前景。     

两轮自平衡小车的系统设计与实现

两轮自平衡小车是以倒立摆模型为基础的动态平衡系统,针对系统设计中的车身结构、姿态检测与动态平衡控制等关键问题进行研究.采用一体化轮毂电机作为自平衡小车的驱动单元,设计轻量化车身结构以降低车身重量和能量损耗.控制系统采用含有加速度计、陀螺仪、电子罗盘的9轴姿态检测传感器检测车身姿态角度,利用卡尔曼滤波算法进行数据融合,获得姿态角度的最优估计,借助PID运动控制算法驱动轮毂电机运动,实现自平衡小车车身的动态平衡.通过参数优化,提升了系统的响应速度,将姿态角度估计的误差降低到0.5°以内,实现了两轮小车自主动态平衡功能,为两轮自平衡小车的设计提供了一种简单、可行、低成本的设计方案.     

互补滤波算法在四旋翼飞行器姿态解算中的应用

针对四旋翼飞行器飞行过程中的姿态最优估计问题,本着准确、快速的原则,选择了基于陀螺仪、加速度计和电子罗盘的捷联式惯性测量系统.由于这些传感器存在温度漂移和噪声干扰等问题,采用互补滤波算法,通过融合IMU多传感器的数据信号,对测得的姿态数据进行补偿修正,解算出高精度的姿态角.为了验证互补滤波算法的有效性和实用性,通过实际的四旋翼飞行器角度测量系统对互补滤波算法展开研究.结果表明姿态角解算中采用互补滤波算法能够快速、稳定的输出高精度姿态数据,姿态角最大跟踪误差控制在±2°以内,满足四旋翼飞行器飞行控制的要求,成功完成了姿态的最优估计.     

两轮自平衡智能车系统设计

针对智能汽车竞赛中的电磁组参赛要求,提出了两轮自平衡智能车系统的设计方案。主控芯片采用飞思卡尔公司的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;通过控制两个电机的加减速实现车模的自平衡控制。阐述了卡尔曼滤波法在陀螺仪和加速度传感器信号融合方面的应用,提出了针对闭环速度控制的PI算法。实验表明：该处理方法实现简单,能够准确、快速地实现车模的自平衡控制。     

四旋翼飞行器姿态解算与滤波

四旋翼飞行器的运动控制关键在于对飞行过程中的实时姿态角控制。目前实时姿态角信息还不能直接测量出来。为了能利用已有的传感器数据解算出更准确的姿态角,通过物理实验详细分析了四旋翼飞行器姿态角的解算和滤波算法。首先,通过联立欧拉方向余弦矩阵与四元数矩阵,得到用四元数表达的姿态角表达式。然后,结合加速度计和磁强计实时测量的数据,分别采用互补滤波和卡尔曼滤波两种方法来补偿四元数结果,分别分析如何选取最佳参数,并对比分析了两种滤波方式的优缺点。在一定精度要求范围内,这两种滤波方式都能获得更加准确的姿态角,但是互补滤波相对卡尔曼滤波有一定的解算时延。因此在精度要求一般的系统中,这两种滤波方式都可以用来求解姿态角,卡尔曼滤波方法则更适于对实时性要求更高的系统。     

AHRS航姿解算中的两种滤波方法的比较研究

关于飞行姿态角优化问题,由于加速度计的测量值中同时包含了重力加速度和运动加速度信息,并且磁传感器易受铁磁性物质干扰,直接利用加速度计的测量值计算横滚角和俯仰角易产生较大误差,进而在利用磁传感器的测量值计算航向角时也将会引入了误差.为了减小加速度计和磁传感器的姿态解算算法所解算的姿态角误差,提出利用陀螺仪的输出,分别设计了互补滤波器和卡尔曼滤波器(Kalman Filter)对加速度计和磁传感器的输出进行处理,采用VN-100的微惯性测量单元(Micro Inertial Measurement Unit,MIMU)的数据进行MATLAB仿真,并对两种滤波器的滤波效果进行了比较.实验结果表明,互补滤波和Kalman滤波均能提高该算法的姿态角精度,并且互补滤波器比Kalman滤波器效率更高,性能更好.     

基于重力场自适应互补滤波的无人直升机水平姿态估计方法

无人直升机姿态平衡仪能自主识别飞机水平姿态并自动进行姿态增稳,可大大降低无人直升机手动遥控的难度.针对姿态平衡仪的低成本要求和应用环境高机动性特点,提出了一种基于重力场自适应互补滤波的水平姿态估计方法.该方法用陀螺仪和加速度计输出进行互补滤波来估计可解算水平姿态的重力场,并自适应调整滤波器增益以减小运动加速度对重力测量的影响.实验证明,该方法测量精度高,易于单片机实现,可以满足姿态平衡仪的应用要求.     

单轴两轮自平衡小车姿态控制系统设计

两轮自平衡车是动态平衡机器人的一种,需要靠运动保持平衡不倒,要施加强有力的控制手段使其稳定.介绍一种单轴两轮自平衡小车姿态控制系统设计过程,采用Freescale Kinetis 60作为核心控制单元,三轴加速度传感器MMA7260和陀螺仪ENC-03M测量车模的倾角和倾角速度,测速编码器获取电机运动状态,通过PD调节控制两个电机正反向运动,保持车模直立平衡状态.为了增加小车的机械稳定性,采取了降低重心和减轻小车质量的方法,比如把小车电池和主控板等尽量压下,将整个车模的重心降到轮轴附近.     

考虑姿态检测误差的两轮机器人研究

两轮机器人通过姿态反馈达到稳定状态,但需要解决其姿态检测传感器存在误差的问题。本文首先通过力学分析建立两轮机器人数学模型,采用极点配置法设计状态反馈矩阵,进而得到系统控制方法 ;然后通过分析两种普遍使用的姿态检测传感器的特性,得到各自的误差模型,并采用互补滤波方法对两种姿态检测传感器进行融合。将姿态检测传感器的误差模型和互补滤波融合后的模型分别应用到两轮机器人模型中,并对两种单独使用姿态检测传感器的机器人系统和采用互补滤波方法的机器人系统进行仿真。仿真效果和实验测试表明,采用互补滤波方法的两轮机器人姿态检测误差减小,系统更加稳定。     

蛇形机器人互补滤波和四元数的姿态解算

针对蛇形机器人姿态解算问题,陀螺存在漂移特性,加速度计的测量值包含重力加速度和运动加速度,磁强计易受周围环境地磁干扰,并且蛇形机器人采用嵌入式微处理器,需要减少计算量.设计了用互补滤波器来实现惯性传感器的数据融合,用四元数进行姿态解算的方法.经过实验验证表明：采用互补滤波和四元数进行姿态解算能有效融合各个惯性传感器的数据,计算量小,能够满足蛇形机器人对精度和实时性的要求.     

小型无人机姿态解算方法研究

姿态解算是小型多旋翼无人机研究的核心问题之一.为进一步提高姿态反馈数据的准确度和实时性,设计了低成本姿态解算系统,根据不同姿态传感器的信号特点,结合卡尔曼滤波融合算法和改进型互补滤波融合算法的优势,提出了一种基于前置卡尔曼滤波器的互补滤波融合姿态解算方法,并进行了飞行姿态解算实验.结果表明,代码的运行周期比改进型互补滤波融合算法增加了0.253 ms,比基于加权滑动方差的卡尔曼滤波融合算法减少了0.246 ms;姿态更新时间提前了约1 ms.悬停状态下,俯仰角和翻滚角的解算误差控制在±0.2°以内;航向角的解算误差控制在±0.6°以内.该方法集合了卡尔曼滤波算法和互补滤波算法的优势,准确度更高,实时性更强.     

基于混合滤波的四轴飞行器的姿态解算

针对四轴飞行器的姿态解算出现的姿态角数据漂移问题,提出一种基于Mahony滤波和互补滤波相结合的混合滤波算法,将传感器采集到的加速度、角速度以及磁场强度数据进行融合,利用加速度计和磁力计的向量偏差来对姿态解算过程中陀螺仪产生的积分累计误差进行修正.最后,建立姿态解算测试平台对混合滤波算法进行实验验证.实验结果表明,采用混合滤波算法的一次迭代滤波所需的平均用时为3.826 ms,比其他算法的平均用时短,混合滤波能有效地修正陀螺仪的积分累计误差,在降低运算复杂度的同时提高姿态解算的精度.