基于STM32的智能平衡車自動剎車設計

安鶴男， 駱春輝， 阮曉義

(深圳大學 電子科學與技術學院，廣東 深圳 518000)

基于STM32的智能平衡車自動剎車設計

安鶴男， 駱春輝， 阮曉義

(深圳大學 電子科學與技術學院，廣東 深圳518000)

介紹一種以STM32為控制核心的兩輪智能平衡車自動剎車設計。利用超聲波傳感器對前方障礙物的距離進行測量，利用陀螺加速度計監測角速度和車體傾角并對平衡車的姿態進行監測。經過對車體傾角進行卡爾曼濾波，當距離和速度達到觸發條件，步進電機利用濾波后的數據調節車速，使車體保持動態平衡。實際測試結果表明，該裝置很好地實現了自動剎車和自動調整平衡的功能，具有較強的適應性和穩定性。

STM32；超聲波傳感器；陀螺加速度計；卡爾曼濾波；平衡車

0 引言

近年來，隨著自動控制技術和嵌入式技術的日趨成熟，市場上智能平衡車的設計也日趨完善。平衡車作為一種輕便靈活，節能環保的交通工具，越來越受到上班族、學生們的青睞，并且廣泛應用于航空、安保等領域。鑒于其便捷、綠色的特點，智能平衡車的應用會越來越廣泛[1]。

當前市面上的平衡車行駛最高時速一般為18 km/h，有些可以達到20 km/h，行駛速度略高，而且隨著速度的增加平衡車自動調整平衡的能力會有所下降，初學者對于平衡車的操作不夠熟練，在速度較快以及遇到障礙物的情況下不能快速調整重心來調整平衡車的狀態，易造成事故的發生。

為解決這一問題，本文設計了一種基于STM32的自動剎車裝置，該裝置能夠在行駛方向遇到障礙物時自動減速，并通過步進電機自動調整車體至平衡狀態，避免事故的發生[2]。經過實際測試驗證了該裝置的適應性和穩定性。

1 系統硬件電路設計

1.1系統總體方案設計

如圖1所示，系統共由5部分組成：中央控制單元的主要功能是根據系統其他單元的監測數據對整個系統進行控制和調度，各子單元對系統各部分的運行狀態進行實時監測和調整；平衡控制單元主要是對人體和車體姿態的檢測并判斷整體是否處于平衡狀態，并進行調整；運動控制單元主要是對車體的運動速度進行控制；速度檢測單元主要是對車體運行的速度進行檢測；距離檢測單元主要是對車體和前方人或障礙物的距離進行測量。各單元在系統內協作運行，共同保障系統整體的實時性和可靠性。

圖1 系統總體方案框圖

本系統各控制單元均采用意法半導體生產的STM32F103RBT6作為控制器。市面上平衡車多采用STM32芯片，本設計可直接應用到實際產品中去。另外，采用模塊化的設計，便于測試和維護，提高了可靠性和穩定性。

1.2中央控制單元設計

在本設計中，中央控制單元基于意法半導體生產的STM32F103RBT6芯片開發，該芯片基于ARM Cortex-M3內核，具有高性能、低成本、低功耗的特點。該芯片外設包括兩個12位模數轉換器、兩個12位數模轉換器、12條DMA通道，能夠快速地處理多傳感器傳輸的大量數據，非常適合本系統的使用。如圖2所示，各模塊與中央控制單元通過通用同步/異步收發器進行系統控制指令和狀態數據的雙向傳遞。

圖2 中央控制單元設計

1.3運動控制單元設計

運動控制單元主要是對平衡車的運動速度進行控制，由主控芯片控制步進電機驅動模塊來實現。當運動速度大于4 km/h且車體距離障礙物的距離小于3 m時，主控單元利用卡爾曼濾波之后的數據信息控制步進電機進行減速，并在減速的同時保持人和車整體平衡。

本設計的步進電機驅動模塊基于Toshiba公司的TA8435步進電機驅動芯片開發。圖3是步進電機驅動模塊的電路原理圖，供電電壓VDD為直流55 V，VCC為直流5 V。M1是兩相步進電機，整步的步角為1.8°，細分設置為1/8，這使得步進電機每步的步距角縮小至0.225°，大大提高了系統的運行精度和穩定性[3]。

圖3 步進電機驅動模塊電路原理圖

1.4距離檢測單元設計

距離檢測單元主要是測量車體與前方人或障礙物的距離，并把距離檢測信息反饋給中央控制單元，當車體與前方障礙物的距離小于3 m時，中央控制單元通過控制運動控制單元使車體減速至4 km/h以下。本單元采用基于P89LPC932A1芯片開發的超聲波傳感器模塊，該模塊靜態功耗低于2 mA，自帶溫度傳感器對測距結果進行校正，探測精度能夠達到0.3 cm±1%，內帶看門狗，工作穩定可靠。

1.5速度檢測單元與平衡控制單元設計

本模塊需要對角速度和姿態角同時進行測量，考慮到機械噪聲、系統振動及溫度漂移的影響，單獨的陀螺儀或加速度計均不能滿足要求[4]。本設計采用高精度的陀螺加速度計MPU6050，該陀螺加速度計姿態測量穩定度為0.01°，加速度和角速度的穩定性分別為0.01 g和0.05 °/s，分辨率分別為6.1e-5 g和7.6e-3 °/s。通過處理器讀取MPU6050的測量數據，經過算法處理得到車體的運行速度和平衡狀態，由中央處理單元綜合調度各單元模塊對車體速度和平衡度進行控制。加速度和角速度的輸出如表1所示。

表1 加速度和角速度輸出數據

2 系統軟件設計

2.1中央控制單元軟件設計

系統中央控制單元的主要功能是采集各單元模塊檢測的數據如車體姿態狀態、車體運行速度、車體和前方障礙物的距離等，通過對數據的分析綜合調度各單元模塊，軟件工作流程如圖4所示。

圖4 中央控制單元軟件流程圖

2.2各單元模塊數據處理算法

2.2.1距離檢測模塊數據處理

由于測距結果受溫度影響，所以此模塊附加了溫度校正，測量溫度完成后，本模塊會返回1 B的溫度值(TData)，實際的溫度值為TData-45。在此模式下，模塊將距離值轉化為340 m/s 時的時間值的 2倍，通過Echo端輸出一高電平，可根據此高電平的持續時間來計算距離值。

2.2.2速度檢測模塊算法

模塊的波特率設為9 600 b/s，每隔50 ms輸出一幀數據，每幀數據包含3個數據包，數據包的內容根據包頭字節來確定，角速度輸出數據如表1所示。由陀螺加速度計所測數據可得速度值。

角速度計算公式：

wx=((wxH?8)|wxL)/32 768×2 000(°/s)

wy=((wyH?8)|wyL)/32 768×2 000(°/s)

wz=((wzH?8)|wzL)/32 768×2 000(°/s)

溫度計算公式：

T=((TH?8)|TL)/340+36.53 ℃

校驗和：

Sum=0x55+0x52+wxH+wxL+wyH+wyL+wzH+wzL+TH+TL

速度計算方法：

V=R×Sum

2.2.3姿態檢測模塊算法

角度計算算法：

滾轉角(x軸)：

Roll=((Roll?8)|RollL)/32 768×180(°)

俯仰角(y軸)：

Pitch=((Pitch?8)|PitchL)/32 768×180(°)

偏航角(z軸)

Yaw=((YawH?8)|YawL)/32 768×180(°)

溫度計算公式：

T=((TH?8)TL)/340+36.53 ℃

校驗和：

Sum=0x55+0x53+RollH+RollL+PitchH+PitchL+YawH+YawL+TH+TL

(注：姿態角結算時所使用的坐標系為東北天坐標系，坐標系旋轉順序定義為z-y-x)

2.2.4卡爾曼濾波算法

卡爾曼濾波是R.E.Kalman于1960年提出的從含有噪聲的測量值中估計系統狀態的一種應用于離散線性濾波的一種迭代算法[5]。濾波過程分為狀態更新和測量更新兩個部分。實際應用中首先建立如下系統狀態方程和測量方程：

狀態方程：

X(k)=AX(k-1)+BU(k)+W(k)

(1)

測量方程：

Z(k)=HX(k)+V(k)

(2)

式中，X(k)為k時刻系統的狀態向量，U(k)為k時刻系統的輸入信號，Z(k)為k時刻的測量向量，W(k)和V(k)分別為過程噪聲和測量噪聲，A、B、H分別為狀態轉移矩陣、輸入控制加權矩陣和測量矩陣。把車體真實傾角θ作為一個狀態向量，以加速度計估計得到的陀螺儀值偏差b作為另一狀態向量，建立其測量傾角的線性模型如下：

θ(k+1)=θ(k)+(ω(k)-b(k)+v(k))dt

(3)

式中，θ(k)為車體傾角，ω(k)為陀螺儀角速度，b(k)為陀螺儀常值偏差，v(k)為陀螺儀測量噪聲，dt為測量周期，根據式(1)～(3)，建立離散化后系統狀態方程和測量方程如下：

同時，要實現對卡爾曼濾波器的校正，必須設置合理過程噪聲和測量誤差的協方差矩陣。本文的Q、R矩陣形式如下：

式中，q_acce和q_gyro是陀螺儀和加速度計測量的各自協方差[4]。

要估計k時刻的傾角，必須根據k-1時刻的傾角值來預測k時刻的傾角，綜上，得卡爾曼濾波各方程如下：

狀態預測方程：

X(k|k-1)=AX(k-1|k-1)+BU(k)

系統的協方差：

P(k|k-1)=AP(k-1|k-1)AT+Q

狀態估計方程：

X(k|k)=X(k|k-1)+Kg(k)(Z(k)-HK(k|k-1))

卡爾曼增益方程：

Kg(k)=P(k|k-1)HT/(HP(k|k-1)HT+R)

估計均方誤差方程：

P(k|k)=(I-Kg(k)H)P(k|k-1)

式中，H=[1 0]，I=[1 1]T，X(k|k-1)是利用k時刻預測的結果，X(k-1|k-1)是k-1時刻最優的結果，P為對應時刻狀態下的協方差[6]。

3 系統測試及分析

本文設計了智能平衡車的自動剎車系統,使初學者在駕駛平衡車遇到障礙物或者行人時能夠及時減速,避免意外事故的發生,為了驗證系統的可靠性進行了大量實驗。試驗中平衡車的最大行駛速度為18 km/h，行駛中觸發規避障礙物的距離為3 m，步行速度設為4 km/h，即系統自動把行駛速度由18 km/h降至4 km/h以下。試驗中車體從開始減速到達到設定速度值的時間為1.0 s±0.1 s，車體姿態角和車體速度的變化如圖5、圖6所示。

圖5 姿態角隨時間變化值(單位：(°))

圖6 速度隨時間變化值(單位：km/h)

4 結論

本文設計的基于STM32的智能平衡車自動剎車系統能夠有效地規避初學者使用不熟練而可能造成的事故，使車體在高速行駛遇到障礙物或者行人時自動減速或剎車，卡爾曼濾波使車體更加平穩地減速并保持動態平衡。有效地保障了初學者的安全，降低了初學者學習的難度。

系統使用模塊化的設計，簡化了系統的設計，各模塊之間既可獨立又可協調運行，既減少了系統的響應時間又增加了系統的可靠性。

本設計采用的技術可以應用到避障小車、機器人和無人駕駛汽車等領域中，具有較高的應用價值。

[1] 張洪偉.基于STM32的平衡車設計[J].科技創新與應用，2016(2):78-79.

[2] 秦永元，張洪鉞，汪淑華.卡爾曼濾波與組合導航原理(第二版)[M].西安:西北工業大學出版社，2012.

[3] 安鶴男，陳陽，張軍，等.基于AVR單片機的機載慣性穩定云臺設計[J].電子技術應用，2015，41(11):41-44.

[4] 楊凌霄，李曉陽.基于卡爾曼濾波的兩輪自平衡車姿態檢測方法[J].計算機仿真，2014.31(6):406-409.

[5] KALMAN R E.A new approach to line-ar filtering and prediction problems[J].Transaction of the ASME-Journal of Basic Engineering,1960,82(3):35-45.

[6] Liu Kun，Bai Ming，Ni Yuhua.Two-wheel self-balanced car based on Kalman filtering and PID algorithm[C].Industrial Engineering and Engineering Management(IE&EM) 2011 IEEE 18th International Conference,2011: 281-285.

Design of auto brake for smart balanced vehicle based on STM32

An Henan，Luo Chunhui，Ruan Xiaoyi

(School of Electronic Science and Technology，Shenzhen University，Shenzhen 518000，China)

In this paper, a kind of design of auto brake for two wheels of smart balanced vehicle is introduced, which uses STM32 as the control core.Using ultrasonic sensor to measure the distance of the obstacles ahead，using gyro accelerometer to monitor the angular velocity，angle and attitude of the smart balanced vehicle.After kalman filtering for the angle of the body，step motors use the data of the filter to adjust speed，make the body keep dynamic balance when the distance and velocity reaches the trigger condition.The practical test results show that the device has realized the functions of auto braking，automaticly adjust the balance well and has stronger adaptability and stability.

STM32; ultrasonic sensor; gyro accelerometer; Kalman filtering; balanced vehicle

TP23

A

10.19358/j.issn.1674-7720.2017.21.010

安鶴男，駱春輝，阮曉義.基于STM32的智能平衡車自動剎車設計J.微型機與應用，2017,36(21)：32-34,38.

2017-04-14)

安鶴男(1963-)，男，副教授，主要研究方向：無線傳感器網絡。

駱春輝(1992-)，男，碩士研究生，主要研究方向：無線傳感技術與網絡。

阮曉義(1991-)，男，碩士研究生，主要研究方向：無線傳感技術與網絡。