基于惯性传感器的机器人姿态监测系统设计说明.docx
《基于惯性传感器的机器人姿态监测系统设计说明.docx》由会员分享,可在线阅读,更多相关《基于惯性传感器的机器人姿态监测系统设计说明.docx(10页珍藏版)》请在冰豆网上搜索。
基于惯性传感器的机器人姿态监测系统设计说明
基于惯性传感器的机器人姿态监测系统设计
一、设计背景
空间飞行器的惯性测量系统、机器人的平衡姿态检测、机械臂伸展确定等许多方面都需要测量物体的倾斜和方向等姿态参数。
机器人的运动过程中要不断的检测机器人的运动状态,以实现对机器人的精确控制。
•本文研究的基于MEMS
惯性传感器姿态检测系统用于检测自平衡机器人运动时姿态,以控制机器人的平
衡。
随着微机电系统(MEM)技术的发展,采用传感器应用到姿态检测系统上的条件变得成熟。
基于MEMS技术的加速度传感器和陀螺仪具有抗冲击能力强、可靠性高、寿命长、成本低等优点,是适用于构建姿态检测系统的惯性传感器。
利用MEMS它螺仪和加速度传感器等惯性传感器组成的姿态检测系统,能够通过对
重力矢量夹角和系统转动角速度进行测量,从而实时、准确地检测系统的偏转角度。
由于惯性传感器随着时间、温度的外界变化,会产生不同程度的漂移。
通过对陀螺仪和加速度计的采集数据进行数据融合,测量的角度与实际的角度相吻合,取得了良好的控制效果。
同时该系统具有独立,易用的特点,其应用前景广泛。
基本原理
在地球上任何位置的物体都受到重力的作用而产生一个加速度,加速度传感
器可以用来测定变化或恒定的加速度。
把三轴加速度传感器固定在物体上,在相对静止状态下,当物体姿态改变时,加速度传感器的敏感轴相对于重力场发生变化,加速度传感器的三个敏感轴分别输出重力在其相应方向产生的分量信号。
当系统处于变速运动状态时,由于加速度传感器同时受到重力加速度和系统自身加速度的影响,其返回值是重力加速度同系统自身加速度的矢量和。
对加速度传感器温度漂移及系统振动和机械噪声等方面的考虑,加速度传感器不能独立运用测量系统的姿态。
陀螺仪能够提供瞬间的动态角度变化,由于其本身的固有特性、温度及积分过程的影响,它会随着工作时间的延长产生漂移误差。
因此对
5)加連用传憊器坐标累
5)世标系他忆
甲面投影
(a)初始状态
于姿态检测系统而言,单独使用陀螺仪或加速度计,都不能提供系统姿态的可靠估计。
为了克服这些问题,数据融合算法需使用加速度传感器的测量值并使用陀螺仪测得的角速度数据对加速度传感器数据进行融合和矫正。
图1加速度传感器
系统依据上一时刻的重力矢量方向的估计值,结合陀螺仪测得的角度值计算出当前时刻的重力矢量方向,再与当前时刻加速度传感器返回的矢量方向进行加权平均,得到当前矢量方向的最优估计值。
三、系统框架
姿态平衡检测系统中,控制单元采用单片机来完成控制,数据采集与处理,数据通讯等功能。
根据对资料的分析,同时对性能价格比的衡量,惯性测量单元采用AnalogDevice公司的ADXRS150陀螺仪)和ADXL202加速度计)。
其基本性能指标如下。
ADXRS15其输出电压与偏航角速度成正比,电压的极性则代表转动方向(顺时针转动或逆时针转动)。
其测量偏航角速度(以下简称为角速度)的范围是土150rad/s,灵敏度为12.5mV/rad/s,零位输出电压为2.50V,非线性误差为
±0.1%F.S.,稳定度为土0.03rad/s,-3dB带宽为40Hz,固有频率为14kHz,
-1
角速度噪声密度为0.05?
s7HZ2。
ADXL202是一款双轴的加速度传感器,可测量正负加速度,其最大测量范围为土2gn。
灵敏度12.5%/gn,-3dB带宽为6kHz。
从技术指标可以知道能满足在测量角度±0.25°,但是单纯的使用,由于积分计算及噪声影响会使得角度测
量误差超出允许的测量范围,所以从硬件和滤波算法上进行校正和数据融合,以
完成机器人偏转角度的精确测量。
系统框架图如图2所示.
图2姿态检测系统框架图
四、电路设计
对于这个姿态检测系统,其检测电路分为两个部分:
陀螺仪信号采集和加速度计信号采集。
陀螺仪输出模拟信号,加速度计输出的是脉冲信号。
1陀螺仪的电路设计
1.1滤波电路
ADXRS15C型微机械陀螺属于芯片级微机械陀螺,陀螺仪本身容易受到高频信号及其他外在因素的影响,导致其信号输出的不稳定。
为了有效滤除陀螺仪的高频信号,在陀螺仪的输出上增加But-terworth低通滤波电路。
经过滤波电路再连接到单片机的A/D端,从而减少了数据处理的干扰,提高了检测精度,滤波电路如图3所示。
I
7瞪祕一>MCU
±0JuF~3
45kC
LTCI063
T0.1卩卜
200pF
6
13kQ
5kQ
图3陀螺仪的滤波电路
1.2陀螺仪的基本电路
陀螺仪的基本电路主要由ADXRS15组成,为提高可移植性,将它与必要的
外围电阻,电容集成在同一模块,可以直接应用于其他的系统中,如图4所示,
实际完成后的陀螺仪模块。
图4陀螺仪模块
2加速度计的电路设计
2.1加速度的基本电路
ADXL202是一个双轴的加速度计,可以测量运动和静态的加速度。
静态加速度的一个特殊例子是重力加速度。
当加速度传感器静止时(也就是侧面和垂直方向没有加速度作用),那么作用在它上面的只有重力加速度。
重力(垂直)和加速
度传感器灵敏轴之间的夹角就是倾斜角。
就是说可将加速度计用作倾角计。
因为角度由灵敏轴和重力矢量组成的垂直平面决定,倾斜可以从各种初始的加速度传感器位置测得。
在大多数设计中,加速度传感器的位置由水平或者垂直的PCB印刷电路板)决定。
这里选择了垂直的放置方法,如图5所示。
图5加速度计的垂直放置及加速度的计算方法
基于垂直位置的倾斜角,可以测量大于90的倾斜角时。
通过加速度传感器的x和y轴的结合起来得到在360°范围内都有比较好分辨率。
同时执行了这个转换过程后就不用对加速度传感器进行温度补偿了,因为两个轴的输出都是相同的变化幅度,所以灵敏度随温度的变化对比值的计算没有影响。
加速度计电路主要由ADXL202勾成,并辅助以一些滤波及调节电路;通过系统控制电路处理ADXL20計生的占空比调制信号;采样电路中滤波电容选择Cx,Cy为0.1尸,滤波带宽为50Hz,选择的周期T2的电阻为130kQ,T2=1.04ms利用加速度计可以实现倾角传感器。
ADXL202勺原理图如图6所示:
5V
I
V
IMo
ST
Y(IU
12
Y
COM
OUT
Ytnil
Poe
1
5
4
0.1uF7
I—M
7瓦1
[]
130k
3
Y
SilI
图6ADXL202的测量原理图
输出信号Xout,Yout连接到单片机,对与加速度成正比的占空比的方波进行处理,通过下面的公式得到偏转的角度。
0=tan-lA
Ay)
2.2参数标定
由于器件参数的差异,芯片的基本参数(0gn,1gn)也不完全相同。
因此,当
要求测量精度较高时仍使用参数典型值就会引起误差。
要提高测量的精度,就需
要在测量前对相关参数认真标定。
采用“1gn标定方法”来对加速度计的参数进行标定,标定后的参数如下:
Ax=(T1/T2-0.46327)/12.5%
Ay=(T1/T2-0.52941)/12.5%
以上就是机器人的姿态平衡控制系统,其相应的控制板如图7所示.控制系统由Mi-crochip公司的PIC18F458进行数据处理,完成数据处理后通过串口通信发送到电机控制系统板,以驱动电机来完成机器人的姿态平衡动作。
图7姿态检测系统电路板
五、基于卡尔曼滤波的数据融合
对于姿态检测系统而言,单独使用陀螺仪或者加速度计,都不能提供有效的而且可靠的信息来保持机器人的平衡。
陀螺仪能够提供瞬间的动态角度变化,但是由于其本身的固有特性、温度及积分过程的影响,它会随着工作时间的延长产生漂移误差,加速度计能够准确地提供静态的角度,但是它容易受到噪声的干扰,使得数据变化较大,为了克服这些问题,利用卡尔曼滤波来对信号进行数据融合。
经过卡尔曼滤波的处理,用加速度计的实现测量的倾斜角度来消除陀螺仪的漂移,在这个过程中,有害的噪声也被最小化了,从而得到精确的角度估计,通过卡尔曼滤波方法去跟踪机器人的倾斜角度与陀螺仪的偏差,来完成机器人的姿
态检测工作。
六、软件设计
对于姿态检测系统的软件设计包括以下几个部分:
系统的初始化与自校准,系统的中断处理程序,系统数据处理程序和数据通讯模块的设计。
程序设计采用模块化思想,以便以后的功能扩展。
对于姿态检测每次系统开启的时候都有一个校准的过程,这样是为了能够提高控制的精度。
而在数据处理程序模块中,包括了数据的分类,滤波处理和自校准。
计算得到的角度值通过数据通讯模块发送到
相关的系统中。
同时也可以接受命令来对姿态检测系统进行控制
七、实验结果
通过卡尔曼滤波的方法,对采集的数据进行数据融合,使采集的数据更接近真实的值。
图8所示是对采集到的数据,应用卡尔曼滤波前后得到的仿真曲线。
〔皆因
0
23-
5^7吋冋<t/c?
21o1
45
时同(t/s)
—i|0L
0
346
Bi何tt/-i
■t申敵Uli
图8滤波效果及实时数据
从图8可以看到,在没有使用卡尔曼滤波的情况下,角度的所受到的干扰噪声较大,误差在15°左右;使用了卡尔曼滤波后,角度的误差控制在0.25°以内。
通过卡尔曼滤波之后的惯性传感器设计姿态检测系统,误差范围在允许的范围内
±0.25°,完全能够满足检测机器人的倾斜角度的控制要求。
机器人的静态阶段中输出的由加速度信号处理所得的静态欧拉姿态角仅在1范围内波动,有效提供了机器人在静态时的姿态数据,在动态阶段中,由角速度信号得出的动态欧拉姿态角大体在15°以内波动,横滚角因机器人行进中
的横向摆动较大导致其输出较大,在20°以内波动,实验表明该传感器模块较
为准确地获得了机器人自身的运动姿态。
八、结论
本文研究了基于惯性传感器的机器人姿态检测系统。
应用MEMS勺惯性传感
器建立的姿态数据检测单元,完成了对机器人的姿态的检测,使机器人能够保持自平衡。
通过仿真试验表明,运用卡尔曼滤波方法进行数据融合所得到的数据是有效的。
在实际的工作中,机器人姿态检测系统也能保持较高的灵敏度,来完成两轮机器人的运动中的姿态检测,以达到精确控制的要求•姿态检测系统也可应用到其它的机器人控制中,具有较好的应用前景。