先放代码- #include <Wire.h>
- #define Acc 0x1D
- #define Gyr 0x69
- #define Mag 0x1E
- #define Gry_offset -13 // 陀螺仪偏移量
- #define Gyr_Gain 0.07 // 满量程2000dps时灵敏度(dps/digital)
- #define pi 3.14159
- float Com_angle;
- float y1, Com2_angle;
- float Klm_angle;
- #define Q_angle 0.01 // 角度数据置信度
- #define Q_omega 0.0003 // 角速度数据置信度
- #define R_angle 0.01 // 方差噪声
- float bias = 0;
- float P_00 = 0, P_01 = 0, P_10 = 0, P_11 = 0;
- float angleG;
- long timer = 0; // 采样时间
- void setup() {
- sensor_init(); // 配置传感器
- Serial.begin(19200); // 开启串口以便监视数据
- delay(1000);
- }
- void loop() {
- long o_timer = timer; // 上一次采样时间(ms)
- float Y_Accelerometer = gDat(Acc, 1); // 获取向前的加速度
- float Z_Accelerometer = gDat(Acc, 2); // 获取向下的加速度
- float angleA = atan(Y_Accelerometer / Z_Accelerometer) * 180 / pi;
- // 根据加速度分量得到的角度(degree)
- timer = millis(); // 当前时间(ms)
- float omega = Gyr_Gain * (gDat(Gyr, 0) + Gry_offset);
- float dt = (timer - o_timer) / 1000.0; // 微分时间(s)
- angleG = angleG + omega * dt; // 对角速度积分得到的角度(degree)
- // 一阶互补算法
- float K;
- K = 0.075; // 对加速度计取值的权重
- float A = K / (K + dt);
- Com_angle = A * (Com_angle + omega * dt) + (1-A) * angleA;
- // 二阶互补算法
- K = 0.5;
- float x1 = (angleA - Com2_angle) * K * K;
- y1 = y1 + x1 * dt;
- float x2 = y1 + 2 * K *(angleA - Com2_angle) + omega;
- Com2_angle = Com2_angle + x2 * dt;
- // 卡尔曼滤波
- Klm_angle += (omega - bias) * dt; // 先验估计
- P_00 += -(P_10 + P_01) * dt + Q_angle *dt;
- P_01 += -P_11 * dt;
- P_10 += -P_11 * dt;
- P_11 += +Q_omega * dt; // 先验估计误差协方差
-
- float K_0 = P_00 / (P_00 + R_angle);
- float K_1 = P_10 / (P_00 + R_angle);
-
- bias += K_1 * (angleA - Klm_angle);
- Klm_angle += K_0 * (angleA - Klm_angle); // 后验估计
- P_00 -= K_0 * P_00;
- P_01 -= K_0 * P_01;
- P_10 -= K_1 * P_00;
- P_11 -= K_1 * P_01; // 后验估计误差协方差
- Serial.print(timer);
- Serial.print(",");
- Serial.print(angleA, 6);
- Serial.print(",");
- Serial.print(angleG, 6);
- Serial.print(",");
- Serial.print(Com_angle, 6);
- Serial.print(",");
- Serial.print(Com2_angle, 6);
- Serial.print(",");
- Serial.print(Klm_angle, 6);
- Serial.print(";"); // 输出数据
- delay(50);
- }
- int gDat(int device, int axis) {
- // 读九轴姿态传感器寄存器函数
- // For Arduino, by 黑马
- // 调用参数表
- // type device axis
- // 0 1 2
- // ADXL345 Acc x y z
- // L3G4200D Gyr x y z
- // HMC5883L Mag x z y
- // Example
- // 00 #include <Wire.h>
- // 01 #define Acc 0x1D;
- // 02 #define Gyr 0x69;
- // 03 #define Mag 0x1E;
- // 04
- // 05 void setup() {
- // 06 sensor_init();
- // 07 delay(1000);
- // 08 }
- // 09
- // 10 void loop() {
- // 11 int Z-Gyroscope;
- // 12 Z-Gyroscope = gDat(Gyr, 2);
- // 13 delay(50);
- // 14 }
- int v;
- byte vL, vH, address; // 存放byte数值
- if (device == Acc) address = 0x32; // ADXL345的读数地址
- if (device == Gyr) address = 0xA8; // L3G4200D的读数地址
- if (device == Mag) address = 0x03; // HMC5883L的读数地址
- address = address + axis * 2; // 数据偏移-坐标轴
- Wire.beginTransmission(device); // 开始传输数据
- Wire.send(address); // 发送指针
- Wire.requestFrom(device, 2); // 请求2 byte数据
- while(Wire.available() < 2); // 成功获取前等待
- vL = Wire.receive();
- vH = Wire.receive(); // 读取数据
- Wire.endTransmission(); // 结束传输
- if (device == Mag) v = (vL << 8) | vH;
- else v = (vH << 8) | vL; // 将byte数据合并为Int
- return v; // 返回读书值
- }
- void sensor_init() { // 配置九轴姿态传感器
- writeRegister(Acc, 0x2D, 0b00001000); // 测量模式
- // 配置ADXL345
- writeRegister(Gyr, 0x20, 0b00001111); // 设置睡眠模式、x, y, z轴使能
- writeRegister(Gyr, 0x21, 0b00000000); // 选择高通滤波模式和高通截止频率
- writeRegister(Gyr, 0x22, 0b00000000); // 设置中断模式
- writeRegister(Gyr, 0x23, 0b00110000); // 设置量程(2000dps)、自检状态、SPI模式
- writeRegister(Gyr, 0x24, 0b00000000); // FIFO & 高通滤波
- // 配置L3G4200D(2000 deg/sec)
- writeRegister(Mag, 0x02, 0x00); // 连续测量
- // 配置HMC5883L
- }
- void writeRegister(int device, byte address, byte val) { // 写寄存器
- Wire.beginTransmission(device);
- Wire.send(address);
- Wire.send(val);
- Wire.endTransmission();
- }
复制代码 几种滤波算法相比,卡尔曼滤波明显复杂的多,计算量增大不少,现在的程序运算+取样部分已经达到30ms左右,不知道会不会受到限制,这个先不讨论了。
采样曲线:
再来个局部的:
从曲线上看,平滑效果最好的是二阶互补滤波,但是由于K取值较小,收敛速度比较差;
卡尔曼滤波不负众望,收敛速度和滤波效果平衡得很好,或许Q_omega还可以尝试更小的值;
一阶互补滤波效果最差,但是响应还是很灵敏,K值应该还有减小的空间,而且它的运算非常简单,对采样时间几乎不构成什么影响。
三种滤波算法都可以通过调整参数得到更均衡的滤波效果,我想请教的是在这样一个没有理想曲线的情况下,有没有一个定量的方法来判定滤波特性的好坏?还是只能根据实际要求来尝试得到一个平衡值?又或对于自平衡小车和四轴飞行器,有各自的经验曲线?
|