基于AVR单片机: 两轮自平衡智能车

   

        寒假无所事事,决定做一个两轮平衡车来玩玩.个人觉得两轮自平衡车是集合所有算法的精髓.它就像蛋炒饭,最简单也是最困难.他可以用简单的算法实现,当然也可以用最复杂的控制理论来实现. 本质上来说它就是个倒立摆.

个人原创,转载请注明原文出处:

          http://www.embbnux.com/2014/02/21/avr_mcu_balance_car/

所需原件:

AVR单片机 : 采用之前的ATmega128开发板

传感器: ENC03陀螺仪  mma8451加速度计

电机驱动: L298n

总体思路:

使用陀螺仪测角速度,使用加速度计测角度,使用测得的这两个值进行传感器融合,获取准确的角度.由得到的角度来控制车子两个轮子的转向,转速等参数.进而实现两轮车的平衡. 传感器融合使用卡尔曼滤波算法,不得不大赞一下卡尔曼同学,给了个这么perfect的算法,传说当年挑战者号就是用的这个算法.

角度的测量:

enc03陀螺仪: 采用的这个陀螺仪是模拟量的,输出电压需要用ATmega128进行adc转换成数字量,测得电压,再转换成角速度:

ISR(ADC_vect){if(adc_done_flag==0){adc_read(adc_channel);if(adc_channel==1) {adc_channel=0;}else{adc_channel++;adc_mid_tmp0[cou]=adc_value[0]; //中值滤波cou++;if(cou==3){cou=0;if(adc_mid_tmp0[0]>adc_mid_tmp0[1]){mid_tmp = adc_mid_tmp0[0];adc_mid_tmp0[0] =adc_mid_tmp0[1];adc_mid_tmp0[1] =mid_tmp;}if(adc_mid_tmp0[2]>adc_mid_tmp0[1])adc_mid[0]=adc_mid_tmp0[1] ;else if (adc_mid_tmp0[2]>adc_mid_tmp0[0])adc_mid[0]=adc_mid_tmp0[2] ;elseadc_mid[0]=adc_mid_tmp0[0] ;}}adc_set_channel(adc_channel);adc_done_flag =1; } else adc_done_flag = 0; //ADCSRA|=(1<<ADSC);} float gyro_enc03_w(unsigned int adc_value,float adc_bias){float w_value;//把adc采集的值转化为电压w_value = (float)(adc_value)*2540/1024; //mVw_value = w_value-adc_bias;//把电压转化为角速度w_value = -w_value;w_value = w_value/0.67;return w_value; }

mma8451加速度计: mma8451使用的I2C接口,不过没事,128上面就有一个了,这里我使用硬件I2C来实现,代码较多这里给出关键代码:

unsigned char i2c_mma8451_Write(unsigned char Address,unsigned char Wdata) {unsigned char i;Start();//I2C启动Wait();if(TestAck()!=START) return 1;//ACKWrite8Bit(MMA845x_IIC_ADDRESS);//写I2C 8451从器件地址和写方式Wait();if(TestAck()!=MT_SLA_ACK) return 1;//ACKWrite8Bit(Address);//写x地址Wait();if(TestAck()!=MT_DATA_ACK) return 1;//ACKWrite8Bit(Wdata);//写入设备ID及读信Wait();if(TestAck()!=MT_DATA_ACK) return 1;//ACKStop();//I2C停止for(i=0;i<250;i++);return 0; } //mma8451初始化 //初始化为指定模式 void mma845x_init() { i2c_init();i2c_mma8451_Write(CTRL_REG1,ASLP_RATE_20MS+DATA_RATE_5MS);i2c_mma8451_Write(XYZ_DATA_CFG_REG, FULL_SCALE_2G); //2Gi2c_mma8451_Write(CTRL_REG1, (ACTIVE_MASK+ASLP_RATE_20MS+DATA_RATE_5MS)&(~FREAD_MASK)); //激活状态 14bit } // unsigned char i2c_mma8451_Read(unsigned char Address) {unsigned char temp;Start();//I2C启动Wait();if (TestAck()!=START) return 0;//ACKWrite8Bit(MMA845x_IIC_ADDRESS);//写入设备ID及写信号Wait();if (TestAck()!=MT_SLA_ACK) return 0;//ACK // //Write8Bit(Address);//写X地址Wait();if (TestAck()!=MT_DATA_ACK) return 0; //? //data1=TestAck();Start();//I2C重新启动Wait();if (TestAck()!=RE_START) return 0;Write8Bit(MMA845x_IIC_ADDRESS+1);//写I2C从器件地址和读方式Wait();if(TestAck()!=MR_SLA_ACK) return 0;//ACKTwi();//启动主I2C读方式Wait();if(TestAck()!=MR_DATA_NOACK) return 0;//ACKtemp=TWDR;//读取I2C接收数据Stop();//I2C停止return temp; } //求出加速度原始对应数值 unsigned int get_mma8451_data(unsigned char Address){unsigned char x;unsigned int wx;unsigned char address_LSB;x = i2c_mma8451_Read(Address);if(Address==OUT_Z_MSB_REG)address_LSB= OUT_Z_LSB_REG;else if(Address==OUT_Y_MSB_REG)address_LSB= OUT_Y_LSB_REG;elseaddress_LSB= OUT_X_LSB_REG;wx = ((i2c_mma8451_Read(address_LSB))|x<<8);return wx; }
使用卡尔曼滤波融合两个测量量:(参考自原来在阿莫论坛很流行的算法)

float angle, angle_dot; //外部需要引用的变量 //------------------------------------------------------- float Q_angle=0.001, Q_gyro=0.003, R_angle=5.0, dt=0.01; //注意：dt的取值为kalman滤波器采样时间; float P[2][2] = {{ 1, 0 },{ 0, 1 } };float Pdot[4] ={0,0,0,0};const char C_0 = 1;float q_bias, angle_err, PCt_0, PCt_1, E, K_0, K_1, t_0, t_1;void Kalman_Filter(float angle_m,float gyro_m) //gyro_m:gyro_measure {angle+=(gyro_m-q_bias) * dt;//先验估计Pdot[0]=Q_angle - P[0][1] - P[1][0];// Pk-' 先验估计误差协方差的微分Pdot[1]=- P[1][1];Pdot[2]=- P[1][1];Pdot[3]=Q_gyro;P[0][0] += Pdot[0] * dt;// Pk- 先验估计误差协方差微分的积分 = 先验估计误差协方差P[0][1] += Pdot[1] * dt;P[1][0] += Pdot[2] * dt;P[1][1] += Pdot[3] * dt;angle_err = angle_m - angle;//zk-先验估计PCt_0 = C_0 * P[0][0];PCt_1 = C_0 * P[1][0];E = R_angle + C_0 * PCt_0;K_0 = PCt_0 / E;//KkK_1 = PCt_1 / E;t_0 = PCt_0;t_1 = C_0 * P[0][1];P[0][0] -= K_0 * t_0;//后验估计误差协方差P[0][1] -= K_0 * t_1;P[1][0] -= K_1 * t_0;P[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angle_dot = gyro_m-q_bias;//输出值（后验估计）的微分 = 角速度 }

卡尔曼算法是要在定时器里面不断的更新,才能发挥作用.dt就是定时器的时间,这里我采用10ms.

主要算法在定时器中断里面实现:

定时器里面完成对角速度,角度的测量,卡尔曼更新,以及对电机的控制.

//定时器0 初始化 void timer0_init(void){//设置计数开始的初始值TCNT0 = 176 ; // 208>>6ms 176>>10ms//设置分频TCCR0 = (1<<CS02)|(1<<CS00)|(1<<CS01); //1024分频 47次6ms 62.5次8ms//设置中断屏蔽寄存器TIMSK = (1<<TOIE0); //设置溢出使能中断 } //定时器0溢出中断 ISR(TIMER0_OVF_vect){//设置计数开始的初始值TCNT0 = 176 ; //10msmma8451_data = get_mma8451_data(OUT_Z_MSB_REG);acc = mma8451_i2c_to_angel(mma8451_data);acc_tmp=acc;gyro = gyro_enc03_w(adc_mid[0],adc_bias);gyro_tmp = gyro;//卡尔曼Kalman_Filter(acc,gyro);//控制车速 if (angle>0) {car_back();if(angle>15)car_speed(0x2f,0x2f); elsecar_speed(0x4f,0x4f); } else if(angle<0){car_forward();if(angle<-15)car_speed(0x2f,0x2f);elsecar_speed(0x4f,0x4f); }}
对于车速的控制,这里只采用简单的开环控制,之后会采用更复制的DIP控制或者模糊控制等算法,日后持续更新，敬请关注本博客，

总结

以上是生活随笔为你收集整理的基于AVR单片机: 两轮自平衡智能车的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。