【花雕学编程】Arduino FOC 之基于互补滤波器的姿态稳定

驴友花雕

于 2024-08-04 10:48:42 发布

阅读量570

点赞数 15

分类专栏： Arduino 手册 Arduino FOC 文章标签：嵌入式硬件单片机 c++ 基于互补滤波器的姿态稳定机器人 Arduino FOC

本文链接：https://blog.csdn.net/weixin_41659040/article/details/140894042

版权

Arduino 手册同时被 2 个专栏收录

1676 篇文章 213 订阅

订阅专栏

Arduino FOC

283 篇文章 2 订阅

订阅专栏

在这里插入图片描述

Arduino是一个开放源码的电子原型平台，它可以让你用简单的硬件和软件来创建各种互动的项目。Arduino的核心是一个微控制器板，它可以通过一系列的引脚来连接各种传感器、执行器、显示器等外部设备。Arduino的编程是基于C/C++语言的，你可以使用Arduino IDE（集成开发环境）来编写、编译和上传代码到Arduino板上。Arduino还有一个丰富的库和社区，你可以利用它们来扩展Arduino的功能和学习Arduino的知识。

Arduino的特点是：
1、开放源码：Arduino的硬件和软件都是开放源码的，你可以自由地修改、复制和分享它们。
2、易用：Arduino的硬件和软件都是为初学者和非专业人士设计的，你可以轻松地上手和使用它们。
3、便宜：Arduino的硬件和软件都是非常经济的，你可以用很低的成本来实现你的想法。
4、多样：Arduino有多种型号和版本，你可以根据你的需要和喜好来选择合适的Arduino板。
5、创新：Arduino可以让你用电子的方式来表达你的创意和想象，你可以用Arduino来制作各种有趣和有用的项目，如机器人、智能家居、艺术装置等。

在这里插入图片描述
Arduino FOC（Field Oriented Control，场向量控制）是一种先进的电机控制技术，它允许精确控制电机的转矩和速度。这种控制技术特别适用于无刷直流电机（BLDC）和步进电机。在Arduino平台上实现FOC可以提供平滑的运行和高度的扭矩、速度和位置控制，它通过精确控制电机的电流和电压来实现高效率、高精度和低噪声的操作。

主要特点:
1、高性能电机控制：FOC是一种高级的电机控制算法，可以精准控制PMSM(永磁同步电机)和BLDC(无刷直流)电机，实现平滑的转速和扭矩输出。
2、闭环控制架构：FOC采用闭环反馈控制，通过检测电机的位置和速度数据，实时调整输出电压和电流，确保电机动作符合预期。
3、模块化设计：Arduino FOC库采用模块化设计，包含电机建模、速度/位置/电流控制环、PWM生成等子模块，用户可根据需求灵活组合使用。
4、可移植性强：Arduino FOC可移植到多种硬件平台，如Arduino、ESP32、STM32与树莓派等，适用于功率从几十瓦到几千瓦的电机系统。
5、参数自动识别：FOC库具有自动识别电机参数的功能，可以大幅简化电机控制系统的调试过程。

应用场景:
1、工业自动化：在工厂的机器人、传送带、CNC加工设备等领域，Arduino FOC可提供高性能的电机控制解决方案。
2、电动车辆：电动自行车、电动汽车、电动叉车等车载电机驱动系统，可以采用Arduino FOC进行精准控制。
3、家用电器：在电风扇、洗衣机、空调等家用电器中，Arduino FOC可实现细腻的电机速度和扭矩控制。
4、航模和无人机：航模飞机、无人机等对电机控制性能要求很高的领域，Arduino FOC能够提供高精度的电机驱动。
5、机器人：工业机器人、服务机器人、仿生机器人等对电机控制性能有严格要求的领域，Arduino FOC是一个不错的选择。

需要注意的事项:
1、硬件要求：Arduino FOC对控制器的性能(如CPU频率、RAM/ROM容量等)有一定要求，需要选择合适的硬件平台。
2、调试复杂性：FOC算法涉及电机建模、坐标变换、PI调节器等诸多环节，调试和调优过程相对复杂，需要一定的专业知识。
3、噪声抑制：电机驱动电路容易产生噪声干扰，需要采取合理的屏蔽和滤波措施，确保信号质量。
4、安全防护：电机驱动系统可能会产生过电流、过压等故障,需要配备可靠的保护电路，确保人身和设备安全。
5、系统集成：将Arduino FOC集成到完整的电机驱动系统中时，需要考虑机械、电力、控制等各个方面的协调配合。

总的来说，Arduino FOC是一种功能强大、性能优秀的电机控制解决方案,适用于工业自动化、电动车辆、家用电器等众多领域。但在硬件选型、算法调试、噪声抑制和安全防护等方面都需要谨慎考虑，以确保系统稳定可靠地运行。

附录：系列目录
1、Arduino FOC的特点、场景和使用事项
http://t.csdnimg.cn/WZhYL
2、Arduino FOC 之简单FOC库 - 跨平台的无刷直流和步进电机FOC实现
http://t.csdnimg.cn/p9ADE
3、Arduino FOC 之无刷直流电机速度控制
http://t.csdnimg.cn/gZ7CY
4、Arduino FOC 之步进电机位置控制
http://t.csdnimg.cn/VYbIb
5、Arduino FOC 之无刷直流电机电流控制
http://t.csdnimg.cn/wWGVu
6、Arduino FOC 之 SimpleFOC 库的主要函数
http://t.csdnimg.cn/S26MC
7、Arduino FOC 之 ArduinoFOC库的核心函数
http://t.csdnimg.cn/3VLzF
8、Arduino FOC 之传感器校准
http://t.csdnimg.cn/NS3TR
9、Arduino FOC 之SimpleFOCShield v2.0.4无刷电机驱动板
http://t.csdnimg.cn/g9mP7
10、Arduino FOC 之 AS5600角度读取
http://t.csdnimg.cn/dmI6F
11、Arduino FOC 之 FOC算法
http://t.csdnimg.cn/ENxc0
12、Arduino FOC 之 SimpleFOC库的适配电机方案
http://t.csdnimg.cn/QdH6k

在这里插入图片描述
1、主要特点:
利用互补滤波器(Complementary Filter)融合IMU(惯性测量单元)传感器数据,获取高精度的姿态角度(roll、pitch、yaw)。
互补滤波器通过合理权衡加速度计和陀螺仪的测量结果,抑制了各自的缺点,提高了姿态测量的稳定性和精度。
算法实现相对简单,计算量较低,适合于Arduino等低功耗MCU平台的实时控制。
抗干扰能力强,能够有效抑制外部扰动(如电磁干扰、机械振动等)对姿态测量的影响。
通过调整滤波器参数,可以在响应速度和姿态稳定性之间进行权衡优化。

2、应用场景:
无人机/航模云台稳定:在无人机/航模飞行过程中,保持摄像头姿态的高度稳定。
手持相机/摄像机稳定:为手持相机或摄像机提供三轴(roll、pitch、yaw)的姿态stabilization。
车载摄像头稳定:在车辆运动过程中,保持车载相机图像的稳定性。
机器人/工业设备:为需要高精度姿态控制的机器人或工业设备提供稳定支持。
虚拟现实(VR)设备:为VR头显等设备提供高精度的头部姿态跟踪功能。

3、需要注意的事项:
IMU传感器的安装位置和标定对姿态测量精度很关键,需要合理布局和校准。
互补滤波器参数的调试和优化需要根据实际场景进行反复测试,以达到最佳性能。
当存在强烈的外部干扰(如机械振动、磁场扰动等)时,单一的互补滤波器可能无法完全抑制,需要采用多传感器融合等更复杂的算法。
对于高速运动场景,可能需要结合卡尔曼滤波等先进算法以提高动态跟踪精度。
整体系统集成时,需要协调好电机驱动、MCU运算、传感器接口等多个子模块。
对于一些特殊应用(如医疗手术等),可能还需要满足更高的安全和可靠性要求。

总的来说,基于互补滤波器的Arduino FOC姿态稳定方案是一种简单高效的解决方案,广泛应用于无人机、手持相机等领域。但在实际应用中需要重点优化传感器性能、互补滤波器参数调整,并考虑外部环境因素的影响,以确保达到理想的姿态stabilization效果。

在这里插入图片描述
1、基于互补滤波的姿态估算

#include <Arduino.h>
#include <SimpleFOC.h>

// 惯性测量单元(IMU)的AHRS对象
AHRS ahrs = AHRS(MADGWICK, 0.1);

// 电机控制相关变量
BLDCMotor motor = BLDCMotor(11);
BLDCDriver3PWM driver = BLDCDriver3PWM(9, 10, 11, 8);

void setup() {
  // 初始化IMU
  ahrs.begin();

  // 初始化电机
  motor.linkDriver(&driver);
  motor.controller = MotionControlType::angle_openloop;
  motor.initFOC();
}

void loop() {
  // 读取IMU数据
  ahrs.update();

  // 计算姿态角
  float roll, pitch, yaw;
  ahrs.getRPY(&roll, &pitch, &yaw);

  // 输出姿态角
  Serial.print("Roll: ");
  Serial.print(roll);
  Serial.print(", Pitch: ");
  Serial.print(pitch);
  Serial.print(", Yaw: ");
  Serial.println(yaw);

  // 根据姿态角进行电机控制
  motor.setPhaseVoltage(0.5 * sin(roll), 0.5 * sin(pitch), 0.5 * sin(yaw));
  motor.loop();

  // 延迟一段时间
  delay(10);
}

要点解读:
使用SimpleFOC库获取IMU数据并进行AHRS(Attitude and Heading Reference System)姿态估算。
采用互补滤波算法(Madgwick算法)融合加速度计、陀螺仪和磁力计数据,得到更加平稳的姿态角估算。
根据获取的姿态角(roll、pitch、yaw)对电机进行开环角度控制,实现姿态稳定。
通过循环不断读取IMU数据、计算姿态角、更新电机控制,达到实时姿态稳定的效果。

2、基于互补滤波的姿态控制

#include <Arduino.h>
#include <SimpleFOC.h>

// IMU的AHRS对象
AHRS ahrs = AHRS(MADGWICK, 0.1);

// 电机控制相关变量
BLDCMotor motor = BLDCMotor(11);
BLDCDriver3PWM driver = BLDCDriver3PWM(9, 10, 11, 8);
PIDController pid = PIDController(0.1, 0.01, 0.001);

void setup() {
  // 初始化IMU
  ahrs.begin();

  // 初始化电机
  motor.linkDriver(&driver);
  motor.controller = MotionControlType::angle;
  motor.PIDcontroller = &pid;
  motor.initFOC();
}

void loop() {
  // 读取IMU数据
  ahrs.update();

  // 计算姿态角
  float roll, pitch, yaw;
  ahrs.getRPY(&roll, &pitch, &yaw);

  // 设置目标姿态角
  float target_roll = 0;
  float target_pitch = 0;
  float target_yaw = 0;

  // 计算姿态角误差
  float roll_err = target_roll - roll;
  float pitch_err = target_pitch - pitch;
  float yaw_err = target_yaw - yaw;

  // 使用PID控制器计算电机角度目标值
  float roll_target = pid.setpoint(roll_err);
  float pitch_target = pid.setpoint(pitch_err);
  float yaw_target = pid.setpoint(yaw_err);

  // 设置电机目标角度
  motor.setPhaseVoltage(roll_target, pitch_target, yaw_target);
  motor.loop();

  // 延迟一段时间
  delay(10);
}

要点解读:
与前一个例子类似,使用SimpleFOC库获取IMU数据并进行AHRS姿态估算。
采用PID控制器根据目标姿态角和实际姿态角的误差计算电机的目标角度。
将目标角度作为电机的角度目标值,通过闭环控制实现姿态稳定。
通过循环不断读取IMU数据、计算误差、更新电机控制,达到实时姿态控制的效果。

3、基于互补滤波的双旋翼姿态稳定

#include <Arduino.h>
#include <SimpleFOC.h>

// IMU的AHRS对象
AHRS ahrs = AHRS(MADGWICK, 0.1);

// 电机控制相关变量
BLDCMotor motor1 = BLDCMotor(11);
BLDCMotor motor2 = BLDCMotor(12);
BLDCDriver3PWM driver1 = BLDCDriver3PWM(9, 10, 11, 8);
BLDCDriver3PWM driver2 = BLDCDriver3PWM(6, 5, 3, 4);
PIDController pid_roll = PIDController(0.1, 0.01, 0.001);
PIDController pid_pitch = PIDController(0.1, 0.01, 0.001);

void setup() {
  // 初始化IMU
  ahrs.begin();

  // 初始化电机
  motor1.linkDriver(&driver1);
  motor1.controller = MotionControlType::angle;
  motor1.PIDcontroller = &pid_roll;
  motor1.initFOC();

  motor2.linkDriver(&driver2);
  motor2.controller = MotionControlType::angle;
  motor2.PIDcontroller = &pid_pitch;
  motor2.initFOC();
}

void loop() {
  // 读取IMU数据
  ahrs.update();

  // 计算姿态角
  float roll, pitch, yaw;
  ahrs.getRPY(&roll, &pitch, &yaw);

  // 设置目标姿态角
  float target_roll = 0;
  float target_pitch = 0;

  // 计算姿态角误差
  float roll_err = target_roll - roll;
  float pitch_err = target_pitch - pitch;

  // 使用PID控制器计算电机角度目标值
  float roll_target = pid_roll.setpoint(roll_err);
  float pitch_target = pid_pitch.setpoint(pitch_err);

  // 设置电机目标角度
  motor1.setPhaseVoltage(roll_target, 0, 0);
  motor2.setPhaseVoltage(0, pitch_target, 0);
  motor1.loop();
  motor2.loop();

  // 延迟一段时间
  delay(10);
}

要点解读:
这个例子演示了如何使用SimpleFOC库实现双旋翼的姿态稳定控制。
同样使用AHRS对象获取IMU数据并计算姿态角(roll、pitch、yaw)。
针对roll和pitch两个姿态角分别使用PID控制器计算电机的目标角度。
将计算得到的目标角度分别设置到两个电机上,实现双旋翼的姿态稳定。
通过循环不断读取IMU数据、计算误差、更新电机控制,达到实时姿态稳定的效果。

在这里插入图片描述
4、简单的四轴飞行器姿态稳定

#include <MPU6050_light.h>
#include <SimpleFOC.h>

// MPU6050 sensor
MPU6050 mpu(Wire);

// BLDC motor & driver instance
BLDCMotor motor = BLDCMotor(7, 9, 10);
BLDCDriver3PWM driver = BLDCDriver3PWM(5, 6, 11, 8);

// Interrupt routine for angle sampling
void doAngle() {
  motor.updateAngle();
}

void setup() {
  // Initialize MPU6050
  mpu.begin();
  mpu.calcOffsets();

  // Initialize BLDC motor and driver
  driver.voltage_power_supply = 12;
  motor.linkDriver(&driver);
  motor.usePWM = true;

  // Interrupt for angle sampling
  attachInterrupt(digitalPinToInterrupt(2), doAngle, RISING);

  // PID controller initialization
  motor.PID_velocity.P = 0.5;
  motor.PID_velocity.I = 5;
  motor.PID_velocity.D = 0;
  motor.useRelativePositionControl();
}

void loop() {
  // Update sensor data
  mpu.update();

  // Complementary filter for angle estimation
  float angle_x = atan2(mpu.getAccY(), mpu.getAccZ()) * RAD_TO_DEG;
  float angle_y = atan2(-mpu.getAccX(), sqrt(mpu.getAccY() * mpu.getAccY() + mpu.getAccZ() * mpu.getAccZ())) * RAD_TO_DEG;
  float angle = 0.98 * (angle_x + angle_y) + 0.02 * motor.getAngle();

  // Set the target angle
  motor.setReference(angle);

  // Commutate the motor
  motor.loopFOC();
}

要点解读:
使用 MPU6050 传感器获取加速度和角速度数据
使用互补滤波器融合加速度和角速度,估算出倾斜角度
将估算的倾斜角度作为电机的目标角度,通过 FOC 算法驱动电机
电机的角度变化通过中断实时更新,确保精准控制

5、自平衡小车姿态稳定

#include <MPU6050_light.h>
#include <SimpleFOC.h>

// MPU6050 sensor
MPU6050 mpu(Wire);

// BLDC motor & driver instances
BLDCMotor motorLeft = BLDCMotor(7, 9, 10);
BLDCDriver3PWM driverLeft = BLDCDriver3PWM(5, 6, 11, 8);
BLDCMotor motorRight = BLDCMotor(3, 4, 2);
BLDCDriver3PWM driverRight = BLDCDriver3PWM(A0, A1, A2, A3);

// Interrupt routine for angle sampling
void doAngle() {
  motorLeft.updateAngle();
  motorRight.updateAngle();
}

void setup() {
  // Initialize MPU6050
  mpu.begin();
  mpu.calcOffsets();

  // Initialize BLDC motors and drivers
  driverLeft.voltage_power_supply = 12;
  motorLeft.linkDriver(&driverLeft);
  motorLeft.usePWM = true;

  driverRight.voltage_power_supply = 12;
  motorRight.linkDriver(&driverRight);
  motorRight.usePWM = true;

  // Interrupt for angle sampling
  attachInterrupt(digitalPinToInterrupt(2), doAngle, RISING);

  // PID controller initialization
  motorLeft.PID_velocity.P = 0.5;
  motorLeft.PID_velocity.I = 5;
  motorLeft.PID_velocity.D = 0;
  motorLeft.useRelativePositionControl();

  motorRight.PID_velocity.P = 0.5;
  motorRight.PID_velocity.I = 5;
  motorRight.PID_velocity.D = 0;
  motorRight.useRelativePositionControl();
}

void loop() {
  // Update sensor data
  mpu.update();

  // Complementary filter for angle estimation
  float angle_x = atan2(mpu.getAccY(), mpu.getAccZ()) * RAD_TO_DEG;
  float angle_y = atan2(-mpu.getAccX(), sqrt(mpu.getAccY() * mpu.getAccY() + mpu.getAccZ() * mpu.getAccZ())) * RAD_TO_DEG;
  float angle = 0.98 * (angle_x + angle_y) + 0.02 * (motorLeft.getAngle() + motorRight.getAngle()) / 2;

  // Set the target angle
  motorLeft.setReference(angle);
  motorRight.setReference(-angle);

  // Commutate the motors
  motorLeft.loopFOC();
  motorRight.loopFOC();
}

要点解读:
使用两个电机驱动自平衡小车,通过调整两个电机的角度来实现平衡
仍然使用 MPU6050 传感器获取倾斜角度,并结合电机角度使用互补滤波器进行估算
将估算的倾斜角度分别作为左右电机的目标角度,通过 FOC 算法驱动电机
电机的角度变化通过中断实时更新,确保精准控制

6、机械臂姿态稳定

#include <SimpleFOC.h>
#include <MPU6050_light.h>

// MPU6050 sensor
MPU6050 mpu(Wire);

// BLDC motor & driver instances
BLDCMotor motorBase = BLDCMotor(7, 9, 10);
BLDCDriver3PWM driverBase = BLDCDriver3PWM(5, 6, 11, 8);
BLDCMotor motorShoulder = BLDCMotor(3, 4, 2);
BLDCDriver3PWM driverShoulder = BLDCDriver3PWM(A0, A1, A2, A3);

// Interrupt routine for angle sampling
void doAngle() {
  motorBase.updateAngle();
  motorShoulder.updateAngle();
}

void setup() {
  // Initialize MPU6050
  mpu.begin();
  mpu.calcOffsets();

  // Initialize BLDC motors and drivers
  driverBase.voltage_power_supply = 12;
  motorBase.linkDriver(&driverBase);
  motorBase.usePWM = true;

  driverShoulder.voltage_power_supply = 12;
  motorShoulder.linkDriver(&driverShoulder);
  motorShoulder.usePWM = true;

  // Interrupt for angle sampling
  attachInterrupt(digitalPinToInterrupt(2), doAngle, RISING);

  // PID controller initialization
  motorBase.PID_velocity.P = 0.5;
  motorBase.PID_velocity.I = 5;
  motorBase.PID_velocity.D = 0;
  motorBase.useRelativePositionControl();

  motorShoulder.PID_velocity.P = 0.5;
  motorShoulder.PID_velocity.I = 5;
  motorShoulder.PID_velocity.D = 0;
  motorShoulder.useRelativePositionControl();
}

void loop() {
  // Update sensor data
  mpu.update();

  // Complementary filter for angle estimation
  float angle_x = atan2(mpu.getAccY(), mpu.getAccZ()) * RAD_TO_DEG;
  float angle_y = atan2(-mpu.getAccX(), sqrt(mpu.getAccY() * mpu.getAccY() + mpu.getAccZ() * mpu.getAccZ())) * RAD_TO_DEG;
  float angle_base = 0.98 * angle_x + 0.02 * motorBase.getAngle();
  float angle_shoulder = 0.98 * angle_y + 0.02 * motorShoulder.getAngle();

  // Set the target angle
  motorBase.setReference(angle_base);
  motorShoulder.setReference(angle_shoulder);

  // Commutate the motors
  motorBase.loopFOC();
  motorShoulder.loopFOC();
}

要点解读:
使用两个电机驱动一个简单的二自由度机械臂,通过调整基座和肩部电机的角度来实现姿态稳定
仍然使用 MPU6050 传感器获取倾斜角度,并结合电机角度使用互补滤波器进行估算
将估算的基座和肩部倾斜角度分别作为两个电机的目标角度,通过 FOC 算法驱动电机
电机的角度变化通过中断实时更新,确保精准控制

注意，以上案例只是为了拓展思路，仅供参考。它们可能有错误、不适用或者无法编译。您的硬件平台、使用场景和Arduino版本可能影响使用方法的选择。实际编程时，您要根据自己的硬件配置、使用场景和具体需求进行调整，并多次实际测试。您还要正确连接硬件，了解所用传感器和设备的规范和特性。涉及硬件操作的代码，您要在使用前确认引脚和电平等参数的正确性和安全性。

在这里插入图片描述

驴友花雕

关注

15
点赞
踩
8

收藏

觉得还不错? 一键收藏
打赏
0
评论
【花雕学编程】Arduino FOC 之基于互补滤波器的姿态稳定

您的硬件平台、使用场景和Arduino版本可能影响使用方法的选择。在Arduino平台上实现FOC可以提供平滑的运行和高度的扭矩、速度和位置控制，它通过精确控制电机的电流和电压来实现高效率、高精度和低噪声的操作。5、创新：Arduino可以让你用电子的方式来表达你的创意和想象，你可以用Arduino来制作各种有趣和有用的项目，如机器人、智能家居、艺术装置等。1、高性能电机控制：FOC是一种高级的电机控制算法，可以精准控制PMSM(永磁同步电机)和BLDC(无刷直流)电机，实现平滑的转速和扭矩输出。
复制链接

扫一扫