行陽陽，梁義維

XING Yang-yang, LIANG Yi-wei

（太原理工大學(xué) 機(jī)械工程學(xué)院，太原 030024）

0 引言

當(dāng)今，在許多領(lǐng)域，如航天航空、軍事火控、地質(zhì)測(cè)繪、橋梁檢測(cè)、機(jī)械建筑等，為達(dá)到進(jìn)行姿態(tài)控制的目的，要求傾角傳感器在動(dòng)態(tài)情況下，測(cè)量準(zhǔn)確且可靠性強(qiáng)[1]。

市場(chǎng)上出售的傾角傳感器，大都由慣性加速度傳感器構(gòu)成，由于其工作原理的局限，導(dǎo)致動(dòng)態(tài)時(shí)傾角測(cè)量誤差大。

為滿足動(dòng)態(tài)傾角測(cè)量的準(zhǔn)確性，在軍工航天方面，捷聯(lián)慣導(dǎo)占據(jù)主導(dǎo)地位[2]，但其高昂的成本與復(fù)雜的算法不適合民用。伴隨著智能化的普及，低成本動(dòng)態(tài)傾角傳感器的研發(fā)迫在眉睫。

1 數(shù)據(jù)融合

1.1 慣性傳感器缺點(diǎn)及解決方案

加速度傳感器測(cè)量角度的原理是：利用測(cè)量到的重力加速度在敏感軸上的投影分量，通過三角函數(shù)推導(dǎo)出其傾斜的角度值。然而加速度傳感器噪聲大，且在動(dòng)態(tài)情況下，會(huì)受到動(dòng)態(tài)加速度的干擾，影響測(cè)量結(jié)果。若單純對(duì)加速度傳感器進(jìn)行低通濾波，雖可有效降低動(dòng)態(tài)加速度的干擾與噪聲，但響應(yīng)速度明顯降低。

陀螺儀測(cè)量到的是角速度，需要積分換算為角度。由于溫度變化、摩擦力和不穩(wěn)定力矩等因素，陀螺儀會(huì)產(chǎn)成漂移誤差，且隨著時(shí)間的累積，無論多么小的常值漂移，通過積分都會(huì)得到無限大的角度誤差。不適合長(zhǎng)時(shí)間單獨(dú)工作[3]。高通濾波能夠剔除陀螺儀中直流成分，一定程度上減小誤差漂移。

為在不降低響應(yīng)速度的同時(shí)，減小動(dòng)態(tài)加速度對(duì)傳感器的干擾，消除陀螺儀的漂移，本文采用一種數(shù)據(jù)融合算法。公式如下：

式中：θn為第n次數(shù)據(jù)融合計(jì)算所得角度，θn-1為第n-1次數(shù)據(jù)融合計(jì)算所得角度，dθ為第n次陀螺儀測(cè)得角速度，θ為第n次加速度傳感器測(cè)得角度，dt為采樣周期。

1.2 數(shù)據(jù)融合算法缺點(diǎn)

通過式（1）可以看出，數(shù)據(jù)融合處理輸入信號(hào)的實(shí)質(zhì)，是對(duì)陀螺儀信號(hào)進(jìn)行高通濾波，同時(shí)對(duì)加速度傳感器信號(hào)進(jìn)行低通濾波，再將兩者進(jìn)行信息融合。其參數(shù)簡(jiǎn)單，其中對(duì)結(jié)果影響最大的是參數(shù)a。由于參數(shù)a與高通濾波和低通濾波的時(shí)間常數(shù)τ有內(nèi)在關(guān)系，即，而時(shí)間常數(shù)τ表征高通濾波的截止頻率fH與低通濾波的截止頻率fL的大小，即，故參數(shù)a的取值決定著高通濾波與低通濾波的強(qiáng)度。a值大，兩者截止頻率小，低通濾波通帶窄，濾波效果強(qiáng)；而高通濾波通帶寬，濾波效果弱。

為便于直觀分析參數(shù)a對(duì)濾波結(jié)果的影響，下面進(jìn)行兩個(gè)實(shí)驗(yàn)。

1）在靜態(tài)情況下，傳感器旋轉(zhuǎn)9°，觀察參數(shù)a取值對(duì)數(shù)據(jù)融合瞬態(tài)響應(yīng)的影響，結(jié)果如圖1所示；

2）固定傳感器角度，使其在水平方向反復(fù)運(yùn)動(dòng)，觀察不同的參數(shù)a，數(shù)據(jù)融合對(duì)于動(dòng)態(tài)加速度干擾的抑制效果，結(jié)果如圖2所示。

圖1 不同a值時(shí)的瞬態(tài)響應(yīng)

圖2 不同a值時(shí)，對(duì)于動(dòng)態(tài)加速度干擾的抑制效果

圖2中，隨著a值的增大，由于加速度傳感器低通濾波的通帶變窄，動(dòng)態(tài)加速度對(duì)于加速度傳感器的干擾與傳感器自身的噪聲明顯降低；同時(shí)從圖1中可以看出，伴隨a值的增大，融合濾波后輸出噪聲雖然降低，但由于陀螺儀高通濾波效果減弱，不能很好抑制陀螺儀漂移，最終導(dǎo)致濾波后波形過沖，且過沖量伴隨a值增大而增大。通過對(duì)比分析，可以得出結(jié)論：a值小，則加速度傳感器受噪聲與其他加速度的干擾影響大；a值大，則濾波后角度值存在過沖。

2 系統(tǒng)辨識(shí)

系統(tǒng)辨識(shí)又稱黑箱建模，根據(jù)記錄得到的輸入輸出數(shù)據(jù)，經(jīng)過一些加工處理，求出非參數(shù)或參數(shù)模型[4]，建立輸入到輸出的系統(tǒng)。利用matlab系統(tǒng)辨識(shí)工具箱，可以有效簡(jiǎn)化系統(tǒng)辨識(shí)過程，提高辨識(shí)精度[5]。故本文采用matlab工具箱進(jìn)行系統(tǒng)辨識(shí)。

本文系統(tǒng)辨識(shí)的目的在保證有效抑制動(dòng)態(tài)加速度的同時(shí)，消除過沖，故將a=0.95時(shí)的過沖量大的波形做為輸入，輸出用電位計(jì)測(cè)到的實(shí)際無過沖波形，然后導(dǎo)入matlab系統(tǒng)辨識(shí)工具箱，采樣時(shí)間為10ms，如圖3所示。

圖3中，u1為輸入，y1為輸出，縱軸角度單位為rad，橫軸時(shí)間單位為s。

圖3 輸入與輸出波形

系統(tǒng)辨識(shí)工具箱中線性參數(shù)模型包括ARX、ARMAX、OE、BJ、狀態(tài)方程等模型[6]。為使模型傳遞函數(shù)清晰，本論文選取ARX模型用于辨識(shí)。經(jīng)過辨識(shí)篩選，選取與輸出吻合度較高模型，初步確定為一階模型ARX120與三階模型ARX320，吻合度分別為94.58%與95.39%。如圖4所示。

圖4 模型輸出與真實(shí)輸出對(duì)比

模型ARX120、ARX320的參數(shù)方程與誤差函數(shù)如圖5所示。

圖5 模型參數(shù)方程與誤差

圖5中，上部分為ARX120的參數(shù)方程與誤差，下部分為ARX320的參數(shù)方程與誤差，其中Loss function為損失函數(shù)，F(xiàn)PE為最終預(yù)測(cè)誤差，兩者都表征系統(tǒng)的精度。將圖中兩個(gè)參數(shù)方程改寫為離散傳遞函數(shù)：

式2與式3經(jīng)過逆z變換后，推導(dǎo)出連續(xù)傳遞函數(shù)：

由式（4）與式（5）分析可得，ARX120有唯一極點(diǎn)s1=-0.3528，在s域左半平面，系統(tǒng)穩(wěn)定；而ARX320極點(diǎn)為：s1=-0.4421, s2=0.1023+6.3048i,s3=0.1023-6.3048i，其中s2、s3落于s域右半平面，系統(tǒng)不穩(wěn)定[6]。故最終模型確定為ARX120。為便于單片機(jī)編譯，將式（2）改寫為差分方程形式：

即系統(tǒng)第n次輸出，為系統(tǒng)第n-1次數(shù)出、第n次輸入和第n-1次輸入的線性組合，該線性組合表明此系統(tǒng)是一因果遞歸系統(tǒng)。

3 實(shí)驗(yàn)方案與結(jié)果

3.1 確定實(shí)驗(yàn)方案

圖6 實(shí)驗(yàn)硬件圖

采取的實(shí)驗(yàn)步驟如下：將a=0.95時(shí)的式（1）與式（7）編譯進(jìn)MSP430單片機(jī)，先將傳感器旋轉(zhuǎn)9°，測(cè)試波形是否過沖，然后給予傳感器一個(gè)與圖2相同的水平加速度，測(cè)試動(dòng)態(tài)加速度干擾情況，并用示波器采集角度信號(hào)。實(shí)驗(yàn)硬件圖如圖6所示。

3.2 實(shí)驗(yàn)結(jié)果分析

示波器采集到的波形如圖7所示。

圖7 實(shí)驗(yàn)結(jié)果波形

波形右半部分與圖2對(duì)比，動(dòng)態(tài)加速度干擾引起的波動(dòng)小，與a=0.95時(shí)相同；左半部分波形過沖為0.02rad，而圖1上a=0.95時(shí)的過沖為0.13rad。可見，該因果遞歸系統(tǒng)能夠有效降低過沖量。

4 結(jié)束語

本文通過系統(tǒng)辨識(shí)，建立一個(gè)因果遞歸系統(tǒng)，優(yōu)化數(shù)據(jù)融合，并用傳感器進(jìn)行試驗(yàn)。實(shí)驗(yàn)結(jié)果表明，此因果遞推系統(tǒng)與數(shù)據(jù)融合搭配，在降低動(dòng)態(tài)加速度干擾的前提下，能夠有效消除過沖，使得傳感器能夠得到更為準(zhǔn)確的動(dòng)態(tài)傾角值。

[1]周慶飛, 徐明龍. 具有溫度自補(bǔ)償功能的高分辨力傾角傳感器的設(shè)計(jì)[J]. 傳感器與微系統(tǒng), 2012, 31(1): 107-110.

[2]奔粵陽. 高動(dòng)態(tài)環(huán)境捷聯(lián)慣導(dǎo)算法研究[D]. 哈爾濱:哈爾濱工程大學(xué), 2008.

[3]張吉昌. 單軸雙輪自平衡代步車的研究與設(shè)計(jì)[D]. 青島:中國(guó)海洋大學(xué), 2009.

[4]姚巍. 自行車機(jī)器人系統(tǒng)辨識(shí)及matlab仿真[D]. 北京: 北京郵電大學(xué), 2008.

[5]鄭劍翔. MATLAB系統(tǒng)辨識(shí)工具箱在系統(tǒng)控制設(shè)計(jì)中的應(yīng)用[J]. 福州大學(xué)學(xué)報(bào), 2010, 38(5): 703-706.

[6]楊叔子, 楊克沖. 機(jī)械工程控制基礎(chǔ)[M]. 華中科技大學(xué)出版社, 2011.