微機電系統(Micro—Electro—Mechanical Systems，MEMS)陀螺儀和MEMS加速度計在兩輪平衡車姿態測量中存在擾動和噪聲，引起姿態角度測量誤差。通過對陀螺儀和加速度計輸入信號進行滑動扣除均值方法來抑制直流分量，利用滑動濾波算法抑制加速度計高頻噪聲，引入互補濾波算法將預處理後的陀螺儀和加速度計信號進行融合，得到更加準確穩定的角度測量值，分析了融合算法中加權因子與濾波頻率特徵之間的關係。該方法應用到兩輪平衡車的運行姿態角度控制中，提高了對姿態角度測量的精度。
本文引用地址：http://www.eepw.com.cn/article/201610/308773.htm兩輪平衡車具有廣闊的應用前景，使其成為了當前研究的熱點。其中，兩輪平衡車的姿態角度測量是研究的關鍵問題之一。姿態角度測量是兩輪平衡車運行和控制實現的前提。姿態角度測量的精度和速度，將直接影響兩輪平衡車控制算法的穩定性和可靠性。隨著慣性測量元件的微型化與微處理器運算能力的提高，兩輪平衡車姿態測量普遍採用低成本的慣性測量組合元件(Inertal Measurement Uint，IMU)，結合微處理器數據處理算法實現高精度的姿態測量。IMU主要由低成本的MEMS陀螺儀和三軸加速度計組成。MEMS陀螺儀有自主性好、功耗低、機電性能好易集成等優點。但是，MEMS陀螺儀具有溫度漂移特性，其測量誤差會隨著時間的累加而不斷的累積，從而影響測量精度。加速度計會受到平衡車振動的影響，混疊額外的振動量幹擾。所以單一的傳感器測量難以得到精確的姿態角度。需採用多傳感器信號融合的方法，來獲得準確的姿態角度量。
多傳感器數據的融合方法有神經網絡、小波分析、卡爾曼濾波等姿態解算算法，但這些方法建立穩定可靠的更新方程通常具有較高的階數，且計算量大，不適合於低運算能力系統的實時計算。相比以上方法，互補濾波算法對處理器運算速度要求不高，且簡單可靠。本文基於互補濾波算法，設計了兩輪平衡車姿態角度測量電路與數據處理算法，設計了信號濾波預處理，利用互補濾波算法融合兩種傳感器數據，分析了互補濾波算法中關鍵參數的計算方法。並將此方法應用於兩輪平衡車角度測量，進行了驗證性試驗，給出了實驗測試數據。
1姿態角度測量原理
沿平衡車3個機體軸即直立時正前、正右、正上方向定義為x、y、z三軸參考坐標系。所受的3軸重力加速度分量定義為gx、gy、gz.假設兩輪平衡車處於靜止或勻速運行的狀態。得到重力加速度與平衡車姿態角度的關係如式1所示：
其中，為慣性坐標繫到載體坐標系的變換矩陣：θ為俯仰角;φ為橫滾角;g為重力加速度;可以通過測量重力加速度分量gx、gy、gz，計算出平衡車俯仰角θ1和橫滾角φ1.估計值
若使用陀螺儀來測量平衡車姿態角度，設陀螺儀測量載體相對慣性坐標系的x、y、z三軸旋轉角速度分別為ωx、ωy、ωz.並定義O時刻平衡車直立靜止。可得到俯仰角θ2和橫滾角φ2估計值與ωx、ωy之間的關係如式3所示：
在實際應用中，由於平衡車機體運行時存在運動加速度、測量噪聲，以及陀螺儀本身存在漂移等因素的影響，式(2)、(3)姿態角度測量方法失效，為了準確的獲得姿態角度。可將以上的2種姿態角度測量得到的姿態角度信息相融合。
2慣性組合測量電路
該系統中慣性組合測量電路如圖1所示，由加速度計MMA7361、陀螺儀ENC-03及放大電路組成。實現對加速度計和陀螺儀測得信號進行放大。加速度計和陀螺儀信號經放大，分別由angle引腳和gyro引腳輸出後，信號通過AD採樣轉換為數位訊號，傳遞到微控制器中，再利用互補濾波算法，得到姿態角度。
圖1 慣性組合角度測量電路圖
3陀螺儀漂移和加速度傳感器數據的預處理
MEMS陀螺儀的漂移誤差由常值漂移、隨機漂移組成，漂移信號不符合平穩、正態、零均值的時間序列特徵。圖2為陀螺儀採集到的一段數據，對其積分後得到的俯仰角θ2，表現為誤差不斷累加，逐漸增大。通過式(4)所示算法進行均值扣除。
其中，ωgy(n)為第n次的陀螺儀角速度值;ω(n)為第n次去除均值後的角速度值;N為緩衝數據個數。
圖2 角速度與角度的曲線
去掉陀螺儀信號的均值(即常值分量)後，這樣陀螺儀的漂移只含有隨機漂移，此時的陀螺儀信號將作為互補濾波融合的輸入。
加速度計受機體振動的影響，對其採用滑動均值濾波的方法對加速度傳感器原始數據進行處理，濾波原理如式(5)所示：
其中，θocc(n)為加速度計第n次測得的角度值;θ1(n)為第n次滑動濾波後的角度值：N為滑動窗階數。圖3給出了滑動濾波前後的加速度計測得的角度值，從圖3中可以看出，滑動濾波算法對高頻擾動具有濾除效果。
圖3 濾波前後加速度計數據圖