【MCU实战经验】+基于stm32两轮平衡车制作

[复制链接]

思考的大兵发布时间：2014-4-12 20:54

阅读主题, 点击返回1楼

赞 3 收藏 24 评论180 发布时间：2014-4-12 20:54

180个回答

hxl520521 回答时间：2016-8-6 05:52:43

一下载谢谢了

赞评论

hxl520521 回答时间：2016-8-6 05:54:15

以下载谢谢了

赞评论

hxl520521 回答时间：2016-8-7 08:28:48

好厉害，有图纸吗

赞评论

jj_feng 回答时间：2016-8-9 15:16:58

厉害，谢谢分享

赞评论

孤独的文艺青年回答时间：2016-8-9 18:34:51

我用printf("%0.2f %0.2f %0.2f\r\n",Angle,Angle_ax,Gyro_y);函数分别读取的加速度，角速度和倾角，我发现当我快速的改变板子的倾角的时候，比如快速变化10度，Angle（卡尔曼滤波后的倾角）瞬时变化非常快，可能会瞬间变化几十度然后回到正常角度，而当我缓慢变化10度的时候，Angle变化是正常线性变化到10度，在这两种变化中，Angle_ax（从MPU6050读取的值经过处理后的陀螺仪的Y轴数据）的变化一直都是线性正常的，并且Angle的值特别接近Angle_ax的值
问题：1，我快速改变板子倾角时Angle的变化正常吗？
   2，Angle正常变化的时候是应该与Angle_ax的值相近吗？

现在情况就是，就算我是在减小倾角，只要我快速地改变，它显示的倾角都会先增大再减小，而如果我慢速改变的话，倾角就会缓慢减小而不会出现中间的角度增大

*************读取数据********************
//定义MPU6050内部地址
#define SMPLRT_DIV 0x19 //陀螺仪采样率典型值 0X07 125Hz
#define CONFIG    0x1A //低通滤波频率典型值 0x00
#define GYRO_CONFIG 0x1B //陀螺仪自检及测量范围                典型值 0x18 不自检 2000deg/s
#define ACCEL_CONFIG 0x1C //加速度计自检及测量范围及高通滤波频率典型值 0x01 不自检 2G 5Hz
#define INT_PIN_CFG    0x37
#define INT_ENABLE    0x38
#define INT_STATUS    0x3A //只读
#define ACCEL_XOUT_H 0x3B
#define ACCEL_XOUT_L 0x3C
#define ACCEL_YOUT_H 0x3D
#define ACCEL_YOUT_L 0x3E
#define ACCEL_ZOUT_H 0x3F
#define ACCEL_ZOUT_L 0x40
#define TEMP_OUT_H 0x41
#define TEMP_OUT_L 0x42
#define GYRO_XOUT_H 0x43
#define GYRO_XOUT_L 0x44
#define GYRO_YOUT_H 0x45
#define GYRO_YOUT_L 0x46
#define GYRO_ZOUT_H 0x47
#define GYRO_ZOUT_L 0x48

//读取寄存器原生数据

      MPU6050_Raw_Data.Accel_X = (buf[0]<<8 | buf[1]);
      MPU6050_Raw_Data.Accel_Y = (buf[2]<<8 | buf[3]);
      MPU6050_Raw_Data.Accel_Z = (buf[4]<<8 | buf[5]);
      MPU6050_Raw_Data.Temp = (buf[6]<<8 | buf[7]);
      MPU6050_Raw_Data.Gyro_X = (buf[8]<<8 | buf[9]);
      MPU6050_Raw_Data.Gyro_Y = (buf[10]<<8 | buf[11]);
      MPU6050_Raw_Data.Gyro_Z = (buf[12]<<8 | buf[13]);


      //将原生数据转换为实际值，计算公式跟寄存器的配置有关
      MPU6050_Real_Data.Accel_X = -(float)(MPU6050_Raw_Data.Accel_X)/8192.0;
      MPU6050_Real_Data.Accel_Y = -(float)(MPU6050_Raw_Data.Accel_Y)/8192.0;
      MPU6050_Real_Data.Accel_Z = (float)(MPU6050_Raw_Data.Accel_Z)/8192.0;
            MPU6050_Real_Data.Gyro_X=-(float)(MPU6050_Raw_Data.Gyro_X - gyroADC_X_offset)/65.5;
      MPU6050_Real_Data.Gyro_Y=-(float)(MPU6050_Raw_Data.Gyro_Y - gyroADC_Y_offset)/65.5;
      MPU6050_Real_Data.Gyro_Z=(float)(MPU6050_Raw_Data.Gyro_Z - gyroADC_Z_offset)/65.5;
}

//******卡尔曼参数************

const float Q_angle=0.001;
const float Q_gyro=0.003;
const float R_angle=0.5;
const float dt=0.01;                   //dt为kalman滤波器采样时间;
const char  C_0 = 1;
float Q_bias, Angle_err;
float PCt_0, PCt_1, E;
float K_0, K_1, t_0, t_1;
float Pdot[4] ={0,0,0,0};
float PP[2][2] = { { 1, 0 },{ 0, 1 } };

/*****************卡尔曼滤波**************************************************/
void Kalman_Filter(float Accel,float Gyro)
{
Angle+=(Gyro - Q_bias) * dt; //先验估计

Pdot[0]=Q_angle - PP[0][1] - PP[1][0]; // Pk-先验估计误差协方差的微分

Pdot[1]= -PP[1][1];
Pdot[2]= -PP[1][1];
Pdot[3]=Q_gyro;

PP[0][0] += Pdot[0] * dt; // Pk-先验估计误差协方差微分的积分
PP[0][1] += Pdot[1] * dt; // =先验估计误差协方差
PP[1][0] += Pdot[2] * dt;
PP[1][1] += Pdot[3] * dt;

Angle_err = Accel - Angle; //zk-先验估计

PCt_0 = C_0 * PP[0][0];
PCt_1 = C_0 * PP[1][0];

E = R_angle + C_0 * PCt_0;

K_0 = PCt_0 / E;
K_1 = PCt_1 / E;

t_0 = PCt_0;
t_1 = C_0 * PP[0][1];

PP[0][0] -= K_0 * t_0;    //后验估计误差协方差
PP[0][1] -= K_0 * t_1;
PP[1][0] -= K_1 * t_0;
PP[1][1] -= K_1 * t_1;

Angle += K_0 * Angle_err;    //后验估计
Q_bias += K_1 * Angle_err;    //后验估计
Gyro_y = Gyro - Q_bias;    //输出值(后验估计)的微分=角速度

}

******************倾角计算*****************
void Angle_Calculate(void)
{

/****************************加速度****************************************/

Accel_x  =  MPU6050_Real_Data.Accel_X;    //读取X轴加速度
Angle_ax = Accel_x*1.2*180/3.14;    //弧度转换为度

/****************************角速度****************************************/

   Gyro_y = MPU6050_Real_Data.Gyro_Y;
时间dt，所以此处不用积分
/***************************卡尔曼融合*************************************/
Kalman_Filter(Angle_ax,Gyro_y);    //卡尔曼滤波计算倾角

赞评论