吳俊杰，鐘紹華，周利濤

(1.武漢理工大學(xué) 現(xiàn)代汽車零部件技術(shù)湖北省重點(diǎn)實(shí)驗(yàn)室，湖北 武漢430070;2.武漢理工大學(xué) 汽車零部件技術(shù)湖北省協(xié)同創(chuàng)新中心，湖北 武漢430070)

近年來，隨著汽車電子技術(shù)的飛速發(fā)展，汽車電子產(chǎn)品在汽車上所占比例越來越大。作為最有潛力的傳感器技術(shù)之一，MEMS 傳感器在汽車領(lǐng)域得到了廣泛的應(yīng)用，MEMS 加速度計是到目前為止應(yīng)用最廣泛的微型傳感器，最早被用于為汽車提供更多安全氣囊的信息，以便準(zhǔn)確判斷事故發(fā)生［1］;汽車座椅也安裝了MEMS 加速度傳感器，用于檢測汽車碰撞時乘客的位置及運(yùn)動;除了在被動安全系統(tǒng)上的應(yīng)用，MEMS 也用于汽車主動安全系統(tǒng)，例如車輛穩(wěn)定性控制系統(tǒng)、汽車防側(cè)翻穩(wěn)定性控制系統(tǒng)、緊急制動系統(tǒng)、胎壓監(jiān)測系統(tǒng)、適應(yīng)車輪和地面的懸架系統(tǒng)等，MEMS 加速度傳感器的應(yīng)用提高了汽車的主動安全性能［2-3］。

隨著人們對汽車主動安全及駕駛舒適性要求的提高，汽車電子駐車制動系統(tǒng)開始廣泛應(yīng)用于一些高配乘用車上。電子駐車制動系統(tǒng)主要功能之一是使汽車能夠在0 ～30%坡度的坡道上安全停車及坡道起步，且其坡道上的駐車制動力大小取決于汽車傾角，因此汽車傾角傳感器是汽車上測量坡道的最重要的元器件，其測量精度直接影響到整個系統(tǒng)工作的可靠性和穩(wěn)定性。同時，由于傳統(tǒng)的基于單一傾角傳感器的測量方法誤差較大，且汽車本身姿態(tài)的變化及噪聲會對測量結(jié)果產(chǎn)生很大的干擾，因此，為得到精確的汽車傾角，開發(fā)高精度傾角傳感器對于電子駐車制動系統(tǒng)工作的可靠性和穩(wěn)定性研究非常重要［4-5］。筆者針對電子駐車制動系統(tǒng)在30%傾角條件下的高精度測量需求，設(shè)計出具有高精度和穩(wěn)定性能的MEMS 傾角傳感器，并利用卡爾曼濾波法對MEMS 傳感器的傾角傳感器和加速度計采集到的信號進(jìn)行融合并濾除干擾信號，得到誤差小于0.5°的汽車傾角測量值。

1 傾角傳感器和加速度計的測量模型

目前汽車傾角傳感器傾角的測量方式通常采用單一傾角傳感器或單一加速度計，測量精度難以滿足電子駐車制動系統(tǒng)對駐車制動力精確控制傾角值精度的要求。筆者采用由一個芬蘭公司生產(chǎn)的傾角傳感器SCA61T 和美國ADI 公司生產(chǎn)的加速度芯片ADXL203 組成的MEMS 傾角測量傳感器，利用卡爾曼濾波法將所測信號進(jìn)行融合并濾波(用加速度信號來補(bǔ)償坡度信號)，得到更精確的坡度信號。兩個器件安裝時應(yīng)保持同軸度，以便測試傾角在同一平面內(nèi)，保證測量精度。

1.1 傾角傳感器SCA61T 的基本原理

筆者采用高精度3D MEMS 的單軸傾角計，傾角測量量程為±30°，零點(diǎn)輸出為2.5 V，模擬分辨率為0.002 5°，測量靈敏度為70 mV/(°)，非線性度為±0.11°，最大響應(yīng)頻率為28 Hz［6］;該傾角計輸出方式有SPI 輸出和AD 輸出兩種，AD 將采集到的連續(xù)變化的信號實(shí)時傳輸給CPU，保證信號的高時效性，同時AD 還可以采集12 位分辨率的高精度模擬信號，因此，為更好地保證采集精度和速度，筆者采用AD 采集方式。SCA61T 傾角傳感器的測量示意圖如圖1 所示。

圖1 SCA61T 傾角測量示意圖

由圖1 可知，使用SCA61T 傾角傳感器測量傾角時，傾角傳感器處于水平位置即傾角為0°時，輸出電壓為2.5 V;測量傾角值越大，則輸出電壓越大;測量傾角值越小，則輸出電壓值越小。該傳感器輸出的電壓值經(jīng)過AD 轉(zhuǎn)換成數(shù)字信號傳給CPU，通過對電壓信號的計算得到汽車傾角，該傳感器傾角的計算方法為：

式中：Vout為傳感器測試輸出電壓;offset為傾角等于0°時傳感器的輸出電壓;sensitivity為測量靈敏度;αangel為該傳感器所得的汽車傾角。

1.2 加速度計ADXL203 的基本原理

筆者采用ADI 公司生產(chǎn)的一種高精度雙軸加速度計，加速度測量量程為±1.7 g，其測量靈敏度為1 000 mV/g，模擬分辨率為0.06°，非線性誤差為滿量程的±0.2%，傳感器響應(yīng)頻率為5.5 Hz［7］。該加速度輸出模擬電壓信號，可直接對連續(xù)變化的信號進(jìn)行AD 采樣，得到更精確的加速度值，滿足汽車電子駐車制動系統(tǒng)對加速度測量的要求。由于單軸加速度傳感器測量傾角靈敏度趨近于90°時會逐漸下降，故采用雙軸傳感器測量，有相互垂直的兩軸，其特性是隨著一個軸的靈敏度降低，另一個軸的靈敏度會上升。ADXL203 雙軸傳感器測量示意圖如圖2 所示。

從圖2 可以看出，ADXL203 加速度計對應(yīng)有X軸和Y軸輸出加速度值，且這兩個輸出量在物理上是相互垂直的，由式(2)～式(7)可計算出汽車傾角值。當(dāng)重力為理想值1 g 時，輸出加速度的計算公式為：

利用反三角函數(shù)將加速度轉(zhuǎn)換成傾斜角：

圖2 ADXL203 傾角測量示意圖

式中：AX，out［g］、AY，out［g］分別為加速度計X軸和Y軸輸出值;θaccel為傾斜角。

2 基于卡爾曼濾波算法的數(shù)據(jù)融合

由于傳統(tǒng)的慣性傳感器經(jīng)常采用單一傾角傳感器，在測量汽車傾角時容易受到溫度、噪聲等影響，難以測出真實(shí)的汽車傾角。為此，筆者采用多傳感器的結(jié)構(gòu)，通過卡爾曼濾波算法對測試結(jié)果進(jìn)行融合以得到更準(zhǔn)確的汽車傾角。

卡爾曼濾波算法具有很強(qiáng)的抑制噪聲干擾的能力，根據(jù)觀測數(shù)據(jù)對隨機(jī)量進(jìn)行定量推斷、對狀態(tài)量進(jìn)行最優(yōu)估算，是一種“最優(yōu)化自回歸數(shù)據(jù)處理算法”［8］。卡爾曼濾波過程可以用兩個方程來描述：①系統(tǒng)狀態(tài)方程。主要描述系統(tǒng)狀態(tài)量的更新，根據(jù)系統(tǒng)當(dāng)前的狀態(tài)和噪聲方差來估計下一狀態(tài)量;②動態(tài)系統(tǒng)測量方程。主要將系統(tǒng)的觀測量輸入到系統(tǒng)的狀態(tài)方程中，通過系統(tǒng)狀態(tài)的先驗(yàn)估計得到其后驗(yàn)估計。卡爾曼濾波算法在估計線性離散過程變量時需要用系統(tǒng)狀態(tài)方程和動態(tài)系統(tǒng)測量方程來描述［9］。其中，系統(tǒng)狀態(tài)方程為：

動態(tài)系統(tǒng)測量方程為：

式中：X(k)為k時刻系統(tǒng)的狀態(tài)量;U(k)為k時刻系統(tǒng)的輸入控制量;Z(k)為k時刻的測試量;W(k)和V(k)分別為過程噪聲和測量噪聲;A、B為系統(tǒng)參數(shù)矩陣;H為測量矩陣。

汽車傾角傳感器信號的產(chǎn)生易受到外界干擾，滿足狀態(tài)方程條件，因此卡爾曼濾波算法是其最優(yōu)的信號數(shù)據(jù)處理算法。結(jié)合MEMS 傾角測量系統(tǒng)的協(xié)方差及兩個芯片器件傾角測量輸出值，利用上述方法來估算系統(tǒng)的最優(yōu)輸出。

首先，通過上一狀態(tài)系統(tǒng)方差和測量值(系統(tǒng)初值)預(yù)測出現(xiàn)在的狀態(tài);其次，根據(jù)現(xiàn)在的結(jié)果、系統(tǒng)狀態(tài)方程和測量方程得到狀態(tài)估算方程;最后，得到現(xiàn)在狀態(tài)的最優(yōu)估算值，即：

為卡爾曼增益;θ(k)為k時刻的最優(yōu)傾角值;α(k)為k時刻傾角傳感器的測量值;Rθ為測量噪聲的協(xié)方差。

下一時刻θ(k)狀態(tài)下的系統(tǒng)協(xié)方差方程：

根據(jù)式(10)和式(11)的算法，給出系統(tǒng)各個參數(shù)的初值和初始狀態(tài)，卡爾曼濾波器可不斷地遞推下去，直到系統(tǒng)過程結(jié)束，從而估算出最優(yōu)的系統(tǒng)狀態(tài)，得到準(zhǔn)確的傾角值。

為了驗(yàn)證以上算法的可靠性和精度，采用Matlab 工具進(jìn)行了傳感器傾角測量值和算法估計值的仿真分析。根據(jù)所選傾角傳感器和加速度傳感器的測量誤差、均方差值及實(shí)測原始數(shù)據(jù)得到的傾角誤差曲線如圖3 所示。由圖3 可以看出原始測量數(shù)據(jù)的誤差范圍為±4°，利用該數(shù)據(jù)作為計算電子駐車制動系統(tǒng)駐車制動力的參考值，計算結(jié)果可能會產(chǎn)生較大的偏差，可能造成制動力不足溜車或者制動力過大而對駐車制動系統(tǒng)產(chǎn)生一定程度的損壞。而經(jīng)過卡爾曼濾波法濾波之后所得到的數(shù)據(jù)誤差范圍減少到±0.5°，可以更準(zhǔn)確地作為電子駐車制動系統(tǒng)制動力的參考值，能夠得到更好的制動性能，保證汽車制動的可靠性和安全性，同時可為汽車傾角測量傳感器提供重要的理論研究依據(jù)。

3 汽車車身姿態(tài)測量的硬件電路圖

該傾角傳感器硬件系統(tǒng)主要包括一個傾角采集模塊、一個加速度采集模塊、一個微控制器、一個電源模塊、一個RS -485 通信模塊和一個PC上位機(jī)，其硬件結(jié)構(gòu)如圖4 所示。

汽車傾角信號的采集主要由兩部分測量值融合而成，傾角傳感器SCA61T 輸出模式有模擬信號輸出和SPI 信號輸出，考慮到電子駐車制動系統(tǒng)對系統(tǒng)響應(yīng)時間的要求，筆者采用精度和采集速度較高的AD 采集方式。加速度計ADXL203輔助測量傾角，采用精度較高的12 位分辨率AD采集。SCA61T 和ADXL203 器件信號采集電路圖分別如圖5 和圖6 所示。微控制器采用飛思卡爾MC9S12XDT256 單片機(jī)，該單片機(jī)集成了12 位AD 通信模塊、SCI 通信接口，這款高性能的16 bit微處理器能夠更快速、準(zhǔn)確地與外圍各模塊之間通信并實(shí)現(xiàn)信息共享，同時將接收到的各信號在單片機(jī)內(nèi)部按照所編寫的軟件算法進(jìn)行融合和濾波，將處理好的信號通過RS -485 和上位機(jī)進(jìn)行顯示和監(jiān)控，以便查詢和調(diào)試。

圖3 傾角測量卡爾曼濾波仿真曲線

圖4 系統(tǒng)硬件結(jié)構(gòu)框圖

圖5 SCA61T 傾角信號采集電路

由上述兩個信號采集電路組成傳感器硬件電路的核心，采用精度較高的12 位AD 采集，采樣時間為7 μs，在CPU 內(nèi)經(jīng)過卡爾曼濾波算法濾除其中干擾較大的隨機(jī)信號和雜波，得到較為可靠的傾角值。

圖6 ADXL203 加速度信號采集電路

4 系統(tǒng)軟件設(shè)計及流程圖

整個系統(tǒng)軟件程序的設(shè)計主要包括系統(tǒng)各模塊初始化、AD 傳感器信號采集與處理、RS -485和上位機(jī)通信，以及測量數(shù)據(jù)發(fā)送到上位機(jī)。系統(tǒng)軟件流程圖如圖7 所示。將由傾角芯片SCA61T 和加速度計ADXL203 組成的MEMS 傳感器安裝在主板PCB 上，為了保證測量數(shù)據(jù)的精確性，必須保持兩個芯片的安裝位置及角度。首先，芯片底面必須與車身保持在同一水平面;其次，芯片安裝必須保證測量軸線方向與汽車縱軸線平行，以消除安裝誤差對測試結(jié)果造成的影響。在設(shè)計的流程圖中，微控制器在讀取實(shí)時傾角值的同時讀取加速度計的數(shù)據(jù)，并利用加速度計的數(shù)據(jù)來校正和補(bǔ)償所測傾角值，通過數(shù)據(jù)融合算法計算出精確度更高的汽車傾角。

圖7 系統(tǒng)軟件流程圖

5 實(shí)驗(yàn)結(jié)果分析

基于以上設(shè)計方案，設(shè)計MEMS 傾角傳感器實(shí)驗(yàn)臺架，并在0° ～20°范圍內(nèi)每間隔1°進(jìn)行傾角測量，其測量結(jié)果如表1 所示。

表1 實(shí)驗(yàn)臺架傾角測試結(jié)果 (°)

實(shí)驗(yàn)結(jié)果表明，該MEMS 傾角傳感器設(shè)計方案可準(zhǔn)確測量汽車±20°內(nèi)的傾角，誤差值在±0.5°內(nèi)。

6 結(jié)論

基于傾角傳感器SCA61T 和加速度傳感器ADXL203 設(shè)計了一種MEMS 器件的汽車傾角傳感器，采用卡爾曼濾波法對兩種信號進(jìn)行融合并濾除干擾;同時設(shè)計了試驗(yàn)樣機(jī)并進(jìn)行了±20°內(nèi)的傾角測量試驗(yàn)，根據(jù)試驗(yàn)結(jié)果進(jìn)行了誤差分析。實(shí)驗(yàn)結(jié)果表明，該設(shè)計具有較高的精度和可靠性，可為電子駐車制動系統(tǒng)施加準(zhǔn)確的駐車制動力提供重要參考。隨著MEMS 技術(shù)的發(fā)展，除了在電子駐車制動系統(tǒng)有很高的實(shí)用價值外，高精度和可靠性的MEMS 慣性傳感器在汽車其他領(lǐng)域有著更廣闊的前景。

［1］閆冬，管欣，高振海.基于MEMS 技術(shù)的微慣性傳感器及在汽車上的應(yīng)用［J］.汽車技術(shù)，2006(2)：1-7.

［2］吳雄.汽車MEMS 傳感器的應(yīng)用及發(fā)展［J］.傳感器世界，2002，8(3)：7 -11.

［3］HARBE Y，WEINBER G.MEMS 慣性傳感器在汽車中的應(yīng)用［J］.電子產(chǎn)品世界，2005(24)：75 -77.

［4］MASSEL T，DING E L，ARNDT M. Identification and road gradient and vehicle pitch angle［C］//Proceedings of the 2004 IEEE International Conference on Control Applications.Taipei：［s.n.］，2004：1284-1289.

［5］MASSEL T，DING E L，ARNDT M.Investigation of different techniques for determining the road uphill gradient and pitch angle of vehicles［C］//Proceedings of the 2004 American Control Conference. Boston：［s.n.］，2004：2763 - 2768.

［6］Vti Technologies.SCA61T Datasheet［DB/OL］.［2015 -01-29］. www.muratamems.fi.

［7］Analog Devices Inc. ADXL 203 Datasheet［DB/OL］.［2015 -01 -29］.www.analog.com.

［8］秦永元，張洪鉞，汪叔華.卡爾曼濾波與組合導(dǎo)航原理［M］.西安：西北工業(yè)大學(xué)出版社，2012：26 -50.

［9］KALMAN R E.A new approach to linear filtering and prediction problems［J］. Journal of Fluids Engineering，1960，82(1)：35 -45.