【花雕学编程】Arduino FOC 之基于 Complementary Filter 的姿态估计

驴友花雕

已于 2024-09-27 07:24:05 修改

阅读量334

点赞数 7

分类专栏： Arduino FOC 文章标签：嵌入式硬件单片机 c++ Complementary 姿态估计 Filter Arduino FOC

于 2024-09-27 07:23:23 首次发布

本文链接：https://blog.csdn.net/weixin_41659040/article/details/142504352

版权

Arduino FOC 专栏收录该内容

523 篇文章 10 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
Arduino FOC 之基于互补滤波器（Complementary Filter）的姿态估计
一、主要特点
实时性：
互补滤波器结合了加速度计和陀螺仪的输出，能够在实时系统中快速估计物体的姿态，适合对动态变化敏感的应用。
低延迟：
该方法具有较低的计算复杂度，能够快速响应变化，提供实时姿态更新，适合需要实时反馈的控制系统。
高稳定性：
互补滤波器利用陀螺仪的高频特性和加速度计的低频特性，通过适当的加权，可以有效抑制噪声和漂移，提高姿态估计的稳定性。
简单易实现：
相比于卡尔曼滤波等复杂滤波器，互补滤波器的实现相对简单，适合初学者和嵌入式系统开发。
可调参数：
滤波器的参数（如加速度计与陀螺仪的权重）可以根据具体应用需求进行调节，灵活适应不同的工作环境。

二、应用场景
机器人导航：
在移动机器人中，姿态估计是导航和路径规划的重要部分，互补滤波器能够提供稳定的姿态信息。
无人机控制：
在无人机飞行控制中，实时的姿态估计对于稳定飞行和精确操控至关重要。
运动捕捉：
在虚拟现实和增强现实应用中，准确的姿态估计能够提高用户体验，增强沉浸感。
物联网设备：
在可穿戴设备和智能手机中，姿态估计用于实现屏幕旋转、运动监测等功能。

三、注意事项
传感器校准：
确保加速度计和陀螺仪的校准准确，以减少测量误差，提升姿态估计的可靠性。
参数选择：
滤波器的参数（如加速度计与陀螺仪的权重）需根据具体应用进行调整，以优化姿态估计的效果。
外部干扰：
需要考虑外部因素（如震动、温度变化等）对传感器输出的影响，设计有效的干扰抑制策略。
漂移问题：
虽然互补滤波器能抑制陀螺仪的漂移，但在长时间使用中仍需定期校正或使用其他方法（如GPS）进行补偿。
计算资源：
尽管互补滤波器的计算复杂度较低，但在资源受限的嵌入式系统中，仍需关注计算资源的合理利用。

总结
基于互补滤波器的姿态估计在机器人导航、无人机控制和运动捕捉等领域具有广泛应用。通过结合加速度计和陀螺仪的数据，可以实现高效、稳定的姿态估计。在实施过程中，需关注传感器的校准、参数选择及外部干扰的处理，以确保系统的高效性和可靠性。合理的设计与优化将推动该技术在智能化和自动化领域的发展。

在这里插入图片描述
1、基本互补滤波器实现

#include <Arduino.h>
#include <Wire.h>
#include <MPU6050.h>

MPU6050 mpu;
float angleX = 0.0, angleY = 0.0;
float gyroX, gyroY;
float accX, accY, accZ;
float alpha = 0.98; // 互补滤波系数

void setup() {
  Serial.begin(9600);
  Wire.begin();
  mpu.initialize();
}

void loop() {
  // 读取传感器数据
  mpu.getMotion6(&accX, &accY, &accZ, &gyroX, &gyroY, nullptr);

  // 计算加速度角度
  float accAngleX = atan2(accY, sqrt(accX * accX + accZ * accZ)) * 180.0 / PI;
  float accAngleY = atan2(accX, sqrt(accY * accY + accZ * accZ)) * 180.0 / PI;

  // 互补滤波计算
  angleX = alpha * (angleX + gyroX * 0.01) + (1.0 - alpha) * accAngleX;
  angleY = alpha * (angleY + gyroY * 0.01) + (1.0 - alpha) * accAngleY;

  // 输出估计的角度
  Serial.print("Angle X: "); Serial.print(angleX);
  Serial.print(", Angle Y: "); Serial.println(angleY);
  delay(100);
}

2、动态姿态估计

#include <Arduino.h>
#include <Wire.h>
#include <MPU6050.h>

MPU6050 mpu;
float angleX = 0.0, angleY = 0.0;
float gyroX, gyroY;
float accX, accY, accZ;
float alpha = 0.98;

void setup() {
  Serial.begin(9600);
  Wire.begin();
  mpu.initialize();
}

void loop() {
  mpu.getMotion6(&accX, &accY, &accZ, &gyroX, &gyroY, nullptr);

  // 计算加速度角度
  float accAngleX = atan2(accY, sqrt(accX * accX + accZ * accZ)) * 180.0 / PI;
  float accAngleY = atan2(accX, sqrt(accY * accY + accZ * accZ)) * 180.0 / PI;

  // 互补滤波计算
  angleX = alpha * (angleX + gyroX * 0.01) + (1.0 - alpha) * accAngleX;
  angleY = alpha * (angleY + gyroY * 0.01) + (1.0 - alpha) * accAngleY;

  // 输出估计的角度
  Serial.print("Angle X: "); Serial.print(angleX);
  Serial.print(", Angle Y: "); Serial.println(angleY);

  // 动态调节滤波系数
  if (angleX > 45) {
    alpha = 0.95; // 调整滤波系数
  }
  delay(100);
}

3、姿态估计与控制结合

#include <Arduino.h>
#include <Wire.h>
#include <MPU6050.h>
#include <Servo.h>

MPU6050 mpu;
Servo motor;
float angleX = 0.0;
float gyroX, accX, accY, accZ;
float alpha = 0.98;

void setup() {
  Serial.begin(9600);
  Wire.begin();
  mpu.initialize();
  motor.attach(9); // 连接舵机
}

void loop() {
  mpu.getMotion6(&accX, &accY, &accZ, &gyroX, nullptr, nullptr);

  // 计算加速度角度
  float accAngleX = atan2(accY, sqrt(accX * accX + accZ * accZ)) * 180.0 / PI;

  // 互补滤波计算
  angleX = alpha * (angleX + gyroX * 0.01) + (1.0 - alpha) * accAngleX;

  // 控制舵机
  motor.write(map(angleX, -90, 90, 0, 180)); // 将角度映射到舵机范围

  // 输出估计的角度
  Serial.print("Angle X: "); Serial.println(angleX);
  delay(100);
}

要点解读
互补滤波器的基本概念：
互补滤波器结合了陀螺仪和加速度计的数据，通过加权平均来估计角度。陀螺仪提供短期精确度，加速度计提供长期稳定性。这种结合有效提高了姿态估计的准确性。
传感器数据读取：
使用MPU6050传感器的getMotion6函数获取六个自由度的数据（加速度和陀螺仪数据）。这些数据是进行姿态估计的基础，确保传感器正确安装和校准。
动态调整滤波系数：
在第二个代码示例中，根据姿态的变化动态调整滤波系数，这可以提高在特定条件下的估计准确性。例如，当某个角度超过预设值时，可以增强陀螺仪的影响，减少加速度计的影响。
姿态控制的应用：
在第三个代码示例中，估计的角度用于控制舵机的角度，实现姿态控制。这种应用在机器人和飞行器等场景中非常常见，使得设备能够根据实时姿态调整其运动状态。
扩展性与应用：
这些代码结构简单，易于扩展。可以根据需求增加更多功能，例如将姿态估计与其他传感器（如磁力计）结合，或在更复杂的控制系统中应用，以实现更高级的姿态控制和导航功能。

在这里插入图片描述
4、基本姿态估计

#include <Wire.h>
#include <MPU6050.h>

MPU6050 mpu;
float pitch, roll;
float alpha = 0.98; // 互补滤波系数

void setup() {
  Serial.begin(115200);
  Wire.begin();
  mpu.initialize();
}

void loop() {
  mpu.getMotion6(&ax, &ay, &az, &gx, &gy, &gz);
  float dt = 0.01; // 假设循环时间为10ms

  // 角速度积分得到角度
  float gyroXrate = gx / 131.0;
  float gyroYrate = gy / 131.0;
  pitch += gyroXrate * dt;
  roll -= gyroYrate * dt;

  // 加速度计计算角度
  float accPitch = atan2(ay, az) * 180 / PI;
  float accRoll = atan2(ax, az) * 180 / PI;

  // 互补滤波
  pitch = alpha * pitch + (1 - alpha) * accPitch;
  roll = alpha * roll + (1 - alpha) * accRoll;

  Serial.print("Pitch: "); Serial.print(pitch);
  Serial.print(" Roll: "); Serial.println(roll);

  delay(10);
}

5、姿态估计与电机控制

#include <Wire.h>
#include <MPU6050.h>
#include <SimpleFOC.h>

MPU6050 mpu;
BLDCMotor motor = BLDCMotor(7);
BLDCDriver3PWM driver = BLDCDriver3PWM(9, 10, 11);
float pitch, roll;
float alpha = 0.98;

void setup() {
  Serial.begin(115200);
  Wire.begin();
  mpu.initialize();
  driver.voltage_power_supply = 12;
  driver.init();
  motor.linkDriver(&driver);
  motor.init();
}

void loop() {
  mpu.getMotion6(&ax, &ay, &az, &gx, &gy, &gz);
  float dt = 0.01;

  float gyroXrate = gx / 131.0;
  float gyroYrate = gy / 131.0;
  pitch += gyroXrate * dt;
  roll -= gyroYrate * dt;

  float accPitch = atan2(ay, az) * 180 / PI;
  float accRoll = atan2(ax, az) * 180 / PI;

  pitch = alpha * pitch + (1 - alpha) * accPitch;
  roll = alpha * roll + (1 - alpha) * accRoll;

  motor.move(pitch); // 根据姿态控制电机

  Serial.print("Pitch: "); Serial.print(pitch);
  Serial.print(" Roll: "); Serial.println(roll);

  delay(10);
}

6、姿态估计与无线传输

#include <Wire.h>
#include <MPU6050.h>
#include <SPI.h>
#include <nRF24L01.h>
#include <RF24.h>

MPU6050 mpu;
RF24 radio(9, 10);
const byte address[6] = "00001";
float pitch, roll;
float alpha = 0.98;

void setup() {
  Serial.begin(115200);
  Wire.begin();
  mpu.initialize();
  radio.begin();
  radio.openWritingPipe(address);
  radio.setPALevel(RF24_PA_MIN);
}

void loop() {
  mpu.getMotion6(&ax, &ay, &az, &gx, &gy, &gz);
  float dt = 0.01;

  float gyroXrate = gx / 131.0;
  float gyroYrate = gy / 131.0;
  pitch += gyroXrate * dt;
  roll -= gyroYrate * dt;

  float accPitch = atan2(ay, az) * 180 / PI;
  float accRoll = atan2(ax, az) * 180 / PI;

  pitch = alpha * pitch + (1 - alpha) * accPitch;
  roll = alpha * roll + (1 - alpha) * accRoll;

  float data[2] = {pitch, roll};
  radio.write(&data, sizeof(data));

  Serial.print("Pitch: "); Serial.print(pitch);
  Serial.print(" Roll: "); Serial.println(roll);

  delay(10);
}

要点解读
传感器初始化：每个程序都使用 MPU6050 传感器，并在 setup 函数中进行初始化。这是姿态估计的基础。
数据读取：通过 mpu.getMotion6 函数读取加速度计和陀螺仪的数据，这是姿态估计的核心步骤。
互补滤波：使用互补滤波器结合加速度计和陀螺仪的数据，以获得更稳定的姿态估计。互补滤波器的系数 alpha 决定了两者的权重。
姿态计算：通过积分陀螺仪数据和计算加速度计角度来估计姿态，并使用互补滤波器进行融合。
应用场景：几个案例分别展示了基本姿态估计、电机控制和无线数据传输的应用，展示了姿态估计在不同场景中的实际应用。

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