基于STM32单片机的四旋翼无人机设计，融合卡尔曼滤波、PID控制与ESP8266通信技术，提升飞行性能与稳定性（代码示例）

极客小张

于 2024-09-02 14:01:14 发布

阅读量449

点赞数 12

文章标签：单片机 stm32 无人机物联网 PID算法嵌入式硬件卡尔曼滤波

本文链接：https://blog.csdn.net/qq_40431685/article/details/141817858

版权

一、项目概述

1.1 项目目标和用途

本项目旨在设计并实现一种基于STM32单片机的四旋翼无人机。该无人机系统主要应用于航拍、测绘、环境监测等领域。通过集成多种传感器和控制算法，用户能够实现高精度的飞行控制和数据监测。

1.2 项目解决的问题

传统的四旋翼无人机在飞行控制和数据传输方面存在一些问题，例如：

数据噪声: 传感器数据受环境噪声影响较大，导致飞行控制不稳定。
调参效率低: 传统无人机需要通过上位机与无人机进行有线连接，调整PID参数繁琐。
实时性不足: 飞行数据的实时反馈和监控能力不足，影响飞行安全。

本项目通过使用MPU9250传感器、卡尔曼滤波算法、串级PID控制和ESP8266无线通信模块，解决了上述问题，提高了无人机的飞行稳定性和操作便利性。

二、系统架构

2.1 系统架构设计

本系统的架构图显示了主要组件及其相互关系，如下所示：

2.2 组件选择

单片机: STM32F103系列，具备丰富的外设接口和较高的处理速度。
传感器: MPU9250，集成三轴加速度计和三轴陀螺仪，支持高精度姿态测量。
控制算法: 串级PID控制，适合非线性系统的精确控制。
无线通信模块: ESP8266，支持Wi-Fi通信，方便数据传输和参数调整。

三、环境搭建

3.1 开发环境安装

开发工具: 推荐使用STM32CubeIDE或Keil uVision进行开发。
库文件: 下载并安装STM32 HAL库，确保对外设的支持。

3.2 配置步骤

创建项目:
- 打开STM32CubeIDE，创建新的STM32项目，选择STM32F103系列单片机。
配置外设:
- 使用STM32CubeMX配置GPIO、I2C、UART等外设。对于MPU9250，使用I2C接口进行数据通信。
- 设置通信波特率，确保数据传输稳定。

代码示例:

// 初始化MPU9250
void MPU9250_Init() {
    // 配置I2C
    HAL_I2C_Mem_Write(&hi2c1, MPU9250_ADDR, PWR_MGMT_1, I2C_MEMADD_SIZE_8BIT, &value, sizeof(value), HAL_MAX_DELAY);
    // 其他寄存器的设置
}

3.3 注意事项

确保电源电压稳定，避免对传感器和控制器的影响。
在连接ESP8266时，注意供电电压和接口匹配，以防损坏模块。

四、代码实现

本节将详细介绍四旋翼无人机的各个功能模块的代码实现，包括传感器数据读取、卡尔曼滤波、PID控制及无线通信。

4.1 MPU9250数据读取模块

MPU9250是一个集成了三轴加速度计和三轴陀螺仪的传感器。我们通过I2C接口读取传感器的数据，获取无人机的加速度和角速度。

4.1.1 初始化MPU9250

#include "stm32f1xx_hal.h"
#define MPU9250_ADDR 0x68 // MPU9250 I2C地址

void MPU9250_Init(I2C_HandleTypeDef *hi2c) {
    uint8_t check;
    uint8_t Data;

    // 检查MPU9250是否连接
    HAL_I2C_Mem_Read(hi2c, MPU9250_ADDR << 1, 117, 1, &check, 1, 1000);
    if (check == 0x71) { // 0x71是MPU9250的WHO_AM_I寄存器值
        // 进入休眠模式
        Data = 0;
        HAL_I2C_Mem_Write(hi2c, MPU9250_ADDR << 1, 107, 1, &Data, 1, 1000);
        // 配置传感器
        Data = 0x01; // 设置加速度范围
        HAL_I2C_Mem_Write(hi2c, MPU9250_ADDR << 1, 28, 1, &Data, 1, 1000);
        Data = 0x00; // 设置陀螺仪范围
        HAL_I2C_Mem_Write(hi2c, MPU9250_ADDR << 1, 27, 1, &Data, 1, 1000);
        Data = 0x00; // 设置电源管理
        HAL_I2C_Mem_Write(hi2c, MPU9250_ADDR << 1, 106, 1, &Data, 1, 1000);
    }
}

4.1.2 读取传感器数据

void Read_MPU9250(I2C_HandleTypeDef *hi2c, float *accel, float *gyro) {
    uint8_t data[14];
    // 读取加速度和陀螺仪数据
    HAL_I2C_Mem_Read(hi2c, MPU9250_ADDR << 1, 0x3B, 1, data, 14, 1000);
    
    // 数据转换
    int16_t ax = (data[0] << 8) | data[1];
    int16_t ay = (data[2] << 8) | data[3];
    int16_t az = (data[4] << 8) | data[5];
    int16_t gx = (data[8] << 8) | data[9];
    int16_t gy = (data[10] << 8) | data[11];
    int16_t gz = (data[12] << 8) | data[13];

    // 将原始数据转换为g和度/秒
    *accel = (float)ax / 16384.0; // 加速度转换
    *(accel + 1) = (float)ay / 16384.0;
    *(accel + 2) = (float)az / 16384.0;
    
    *gyro = (float)gx / 131.0; // 陀螺仪转换
    *(gyro + 1) = (float)gy / 131.0;
    *(gyro + 2) = (float)gz / 131.0;
}

4.2 卡尔曼滤波算法

4.2.1 卡尔曼滤波器初始化

在使用卡尔曼滤波器之前，需要初始化其参数。以下是初始化函数的实现：

void Kalman_Init(KalmanFilter *kf, float q, float r, float initial_value) {
    kf->q = q; // 过程噪声
    kf->r = r; // 观测噪声
    kf->x = initial_value; // 初始估计值
    kf->p = 1; // 初始估计误差
}

4.2.2 卡尔曼滤波算法实现

以下是卡尔曼滤波算法的实现，用于处理来自传感器的数据：

float Kalman_Update(KalmanFilter *kf, float measurement) {
    // 预测更新
    kf->p += kf->q;

    // 计算卡尔曼增益
    kf->k = kf->p / (kf->p + kf->r);

    // 更新估计值
    kf->x += kf->k * (measurement - kf->x);

    // 更新估计误差
    kf->p *= (1 - kf->k);

    return kf->x; // 返回更新后的估计值
}

4.3 PID控制模块

PID控制算法用于对无人机的姿态进行控制，确保其稳定飞行。

4.3.1 PID控制器结构

typedef struct {
    float kp; // 比例系数
    float ki; // 积分系数
    float kd; // 微分系数
    float integral; // 积分值
    float last_error; // 上一次误差
} PIDController;

4.3.2 PID控制器初始化

void PID_Init(PIDController *pid, float kp, float ki, float kd) {
    pid->kp = kp;
    pid->ki = ki;
    pid->kd = kd;
    pid->integral = 0;
    pid->last_error = 0;
}

4.3.3 PID控制算法实现

float PID_Compute(PIDController *pid, float setpoint, float measured_value, float dt) {
    float error = setpoint - measured_value; // 计算误差
    pid->integral += error * dt;              // 积分
    float derivative = (error - pid->last_error) / dt; // 微分
    pid->last_error = error;                   // 更新上次误差
    
    // PID输出
    return pid->kp * error + pid->ki * pid->integral + pid->kd * derivative;
}

4.4 无线通信模块

ESP8266模块用于实现飞行数据的实时传输和参数的无线调节。

4.4.1 初始化ESP8266

void ESP8266_Init(UART_HandleTypeDef *huart) {
    // 发送AT指令以初始化ESP8266
    HAL_UART_Transmit(huart, (uint8_t *)"AT+RST\r\n", strlen("AT+RST\r\n"), HAL_MAX_DELAY);
    HAL_Delay(1000); // 等待重启完成
    HAL_UART_Transmit(huart, (uint8_t *)"AT+CWMODE=1\r\n", strlen("AT+CWMODE=1\r\n"), HAL_MAX_DELAY);
    HAL_UART_Transmit(huart, (uint8_t *)"AT+CWJAP=\"SSID\",\"PASSWORD\"\r\n", strlen("AT+CWJAP=\"SSID\",\"PASSWORD\"\r\n"), HAL_MAX_DELAY);
}

4.4.2 发送数据

void ESP8266_Send_Data(UART_HandleTypeDef *huart, float roll, float pitch, float yaw) {
    char buffer[100];
    sprintf(buffer, "ROLL: %.2f, PITCH: %.2f, YAW: %.2f\r\n", roll, pitch, yaw);
    HAL_UART_Transmit(huart, (uint8_t *)buffer, strlen(buffer), HAL_MAX_DELAY);
}

4.5 时序图

以下是系统中各模块之间的交互时序图，展示了数据流和控制信号的传递过程。

4.6 主程序结构

以下是主程序的基本结构，展示了如何将上述模块集成到一起：

#include "stm32f1xx_hal.h"

I2C_HandleTypeDef hi2c1;
UART_HandleTypeDef huart1;

KalmanFilter kf[3]; // 一个用于每个轴
PIDController pid_roll, pid_pitch, pid_yaw;

float roll, pitch, yaw; // 姿态角

void main() {
    HAL_Init();
    SystemClock_Config();
    MPU9250_Init(&hi2c1);
    ESP8266_Init(&huart1);
    
    // 初始化卡尔曼滤波器
    for (int i = 0; i < 3; i++) {
        Kalman_Init(&kf[i], 0.001, 0.01, 0);
    }
    
    // 初始化PID控制器
    PID_Init(&pid_roll, 1.0, 0.1, 0.01);
    PID_Init(&pid_pitch, 1.0, 0.1, 0.01);
    PID_Init(&pid_yaw, 1.0, 0.1, 0.01);
    
    while (1) {
        float accel[3], gyro[3];
        Read_MPU9250(&hi2c1, accel, gyro);
        
        // 更新卡尔曼滤波器
        roll = Kalman_Update(&kf[0], gyro[0]);
        pitch = Kalman_Update(&kf[1], gyro[1]);
        yaw = Kalman_Update(&kf[2], gyro[2]);

        // 计算PID控制信号
        float roll_control = PID_Compute(&pid_roll, desired_roll, roll, 0.01);
        float pitch_control = PID_Compute(&pid_pitch, desired_pitch, pitch, 0.01);
        float yaw_control = PID_Compute(&pid_yaw, desired_yaw, yaw, 0.01);

        // 发送控制信号到电机
        Drive_Motors(roll_control, pitch_control, yaw_control);

        // 发送数据到ESP8266
        ESP8266_Send_Data(&huart1, roll, pitch, yaw);
        
        HAL_Delay(10); // 延时10ms
    }
}

4.7 驱动电机函数

下面是一个简单的电机驱动函数，它将PID控制输出转换为电机驱动信号。

void Drive_Motors(float roll_signal, float pitch_signal, float yaw_signal) {
    // 将PID输出转换为PWM信号，控制电机速度
    uint16_t motor1_speed = (uint16_t)(1500 + roll_signal + pitch_signal + yaw_signal);
    uint16_t motor2_speed = (uint16_t)(1500 - roll_signal + pitch_signal - yaw_signal);
    uint16_t motor3_speed = (uint16_t)(1500 + roll_signal - pitch_signal - yaw_signal);
    uint16_t motor4_speed = (uint16_t)(1500 - roll_signal - pitch_signal + yaw_signal);

    // 设置PWM信号，控制电机
    __HAL_TIM_SET_COMPARE(&htim1, TIM_CHANNEL_1, motor1_speed);
    __HAL_TIM_SET_COMPARE(&htim1, TIM_CHANNEL_2, motor2_speed);
    __HAL_TIM_SET_COMPARE(&htim1, TIM_CHANNEL_3, motor3_speed);
    __HAL_TIM_SET_COMPARE(&htim1, TIM_CHANNEL_4, motor4_speed);
}

五、项目总结

5.1 项目功能

本项目成功设计并实现了一种基于STM32单片机的四旋翼无人机，具备以下主要功能：

实时数据采集：通过MPU9250传感器，实时获取无人机的三轴加速度和三轴角速度数据，为姿态控制提供基础。
数据噪声处理：使用卡尔曼滤波算法对传感器数据进行处理，有效去除了环境噪声，提高了数据的准确性和可靠性。
高效姿态控制：采用串级PID控制算法，能够在飞行过程中精确调节无人机的姿态，确保飞行的稳定性和安全性。
无线通信：利用ESP8266无线模块，实现飞行数据的实时回传，并支持用户通过无线方式调整PID参数，提升了操作的便捷性。

5.2 实现过程

项目的实现过程主要分为以下几个步骤：

硬件设计：选择合适的单片机（STM32F103）、传感器（MPU9250）和无线模块（ESP8266），并进行电路设计和连接。
软件环境搭建：使用STM32CubeIDE进行开发，配置外设（I2C、UART等），确保与硬件的兼容性。
模块开发：逐步实现各个功能模块，首先完成MPU9250的数据读取，然后实现卡尔曼滤波和PID控制算法，最后集成ESP8266进行无线通信。
系统集成与调试：将各个模块整合到主程序中，进行系统调试，确保数据流和控制信号的准确性。
性能测试：通过多次测试，评估无人机的飞行稳定性和控制精度，根据测试结果调整PID参数和滤波器设置。

极客小张

关注

12
点赞
踩
3

收藏

觉得还不错? 一键收藏
打赏
0
评论
基于STM32单片机的四旋翼无人机设计，融合卡尔曼滤波、PID控制与ESP8266通信技术，提升飞行性能与稳定性（代码示例）

本项目旨在设计并实现一种基于STM32单片机的四旋翼无人机。该无人机系统主要应用于航拍、测绘、环境监测等领域。通过集成多种传感器和控制算法，用户能够实现高精度的飞行控制和数据监测。本项目成功设计并实现了一种基于STM32单片机的四旋翼无人机，具备以下主要功能：实时数据采集：通过MPU9250传感器，实时获取无人机的三轴加速度和三轴角速度数据，为姿态控制提供基础。数据噪声处理：使用卡尔曼滤波算法对传感器数据进行处理，有效去除了环境噪声，提高了数据的准确性和可靠性。
复制链接

扫一扫