数控技术
与质
基于数据融合的两轮自平衡小车控制系统研究
宫文文朱加勉曲诺亚
（长券工业大学吉林长券130012）
摘要：针对两轮自平街系统中传感器存在添移误差和较大的震动干扰问题，提出了基于加速度计和陀螺仪数据融合的两轮系统自平衡控制方法通过建立动力学模型并采用卡尔受滤波算法融合陀螺仪与加速度计信号计算系统的角度与角速度，得到系统最优估计值。经实际测试表明，该方法能获得精确的小车姿态信息，提高了系统的稳定性与可靠性并且大大增强了系统的抗干扰能力。
关键词：卡尔曼滤波数据融合两轮自平衡
中图分类号:TP2
文献标识码：A
两轮自平衡小车是一种本质不稳定的自然体，其动力学系统具有多变量、非线性、强耦合参数不确定等特性，因此它是控制理论应用的典型范例。两轮小车自平衡控制的过程中，小车控制的稳定性和精度取决于小车姿态倾角测量的实时性和准确性，只依靠加速度计和陀螺仪对两轮小车姿态倾角测量会产生较大的误差和振动千扰，增大了两轮小车的控制难度且难以达到自平衡效果。本文提出了通过卡尔曼滤波器进行数据融合的算法，实现小车姿态倾角值
高精度，高可靠性，保证了小车的姿态平衡控制。 1两轮自平衡小车的动力学模型
两轮自平衡小车由车体、核心控制器、电机驱动和车轮等部分组成，小车两个车轮各参数相同且共轴：由两个直流电机独立驱动。从车轮人手，推导小车动力学方程。如图1所示为小车的受力分析图，由图可知：小车质量为m车轮率径为、转速为、车轮移动速度为V 电机电磁转矩为TM，车轮所受地面摩擦力为Hf、车轮对车轴的等效转动惯量为J、车体对车轮等效转动惯量为I、车体质心位置坐标(x
y)、车体质量ma
为车体与垂直方向所成角度、T为车轮对车身产
生的扭矩。当倾角8的值较小时，小车的动力学方程可简化为下式：
+V
重心(x.y)
mg
地面
H
图1小车受力分析图
收移日期：2015-0610
文章编号:1007-9416(2015)06-0038-01
[2mr++m/+m,r
(I+m_)+m,/
8+9m
9(1)
式(1)为两轮自平衡小车车体倾角与角加速度的微分方程。 2卡尔曼滤波数据融合算法
卡尔曼滤波算法是一种较好的多传感器信息融合算法，它是以
最小均方误差估计的一套递推估计算法。其核心思想是采用信号和偏差的状态方程，通过当前状态得到的测量值并结合前一状态的估计值来对状态变量的预测与估计进行更新，最终得出当前状态的最优估计值。由于观测数据受到系统中的噪声和于扰的影响，所以最优估计也可看作是滤波的过程。对于小车系统面言，将加速度传感器输出的角度作为测量值，陷螺仪输出的角速度作为预测值的控制量，对车体当前倾角进行最优估计。假设6为车体k时刻的倾角
变传感器k时刻测得的车体倾角，6
为加速度
为陷螺仪k时刻
测得的角速度，6为k时刻的角速度，，是k时刻角速度误差，采样
15 志票
1
w
AAAAAN
Wu
图2两轮自平衡小车姿态测量的卡尔曼滤波实验图
..·下转第132页
作者简介：宫文文(1990一),女,吉林公主岭人硕士,在校学生,从事数宇传动与电力节能技术研究;未加慰(1990一),男，黑龙江齐齐哈尔人,硕
士,在校学生,从事数宇传动与电力节能技术研究;诺亚(1990)—).男,吉林长泰人,颈士,在校学生,从事数宇传动与电力节能技术研究。