STM32
直播中

刘杰

7年用户 1241经验值
私信 关注
[问答]

STM32F103RCT6使用HAL库通过I2C1读取MPU6050模块原始数据,卡尔曼滤波滞后很严重的原因?

STM32F103RCT6使用HAL库通过I2C1读取MPU6050模块原始数据,卡尔曼滤波进行数据融合。卡尔曼滤波滞后很严重

卡尔曼滤波代码采用网上的资料,如下
#include "kalman.h"
#include "mpu6050.h"
#include "math.h"


float Accel_x;             //X轴加速度值暂存
float Accel_y;             //Y轴加速度值暂存
float Accel_z;             //Z轴加速度值暂存

float Gyro_x;                 //X轴陀螺仪数据暂存
float Gyro_y;        //Y轴陀螺仪数据暂存
float Gyro_z;                 //Z轴陀螺仪数据暂存

//float Angle_gy;    //由角速度计算的倾斜角度
float Angle_x_temp;  //由加速度计算的x倾斜角度
float Angle_y_temp;  //由加速度计算的y倾斜角度

float Angle_X_Final; //X最终倾斜角度
float Angle_Y_Final; //Y最终倾斜角度

//角度计算
void Angle_Calcu(void)         
{
        //范围为2g时,换算关系:16384 LSB/g
        //deg = rad*180/3.14
        float x,y,z;
        
        Accel_x = GetData(MPU_ACCEL_XOUTH_REG); //x轴加速度值暂存,从寄存器读数据 MPU_ACCEL_XOUTH_REG = 0x3B
        Accel_y = GetData(MPU_ACCEL_YOUTH_REG); //y轴加速度值暂存,从寄存器读数据 MPU_ACCEL_YOUTH_REG = 0x3D
        Accel_z = GetData(MPU_ACCEL_ZOUTH_REG); //z轴加速度值暂存,从寄存器读数据 MPU_ACCEL_ZOUTH_REG = 0x3F
        Gyro_x  = GetData(MPU_GYRO_XOUTH_REG        );  //x轴陀螺仪值暂存,从寄存器读数据 MPU_GYRO_XOUTH_REG                0X43
        Gyro_y  = GetData(MPU_GYRO_YOUTH_REG);  //y轴陀螺仪值暂存,从寄存器读数据 MPU_GYRO_YOUTH_REG                0X45
        Gyro_z  = GetData(MPU_GYRO_ZOUTH_REG);  //z轴陀螺仪值暂存,从寄存器读数据 MPU_GYRO_ZOUTH_REG                0X47
        
        //printf("原始数据 x 加速度x = %d, x 角速度 = %d n", Accel_x,Gyro_x);
        
        
        //处理x轴加速度
        if(Accel_x<32764) x=Accel_x/16384;
        else              x=1-(Accel_x-49152)/16384;
        
        //处理y轴加速度
        if(Accel_y<32764) y=Accel_y/16384;
        else              y=1-(Accel_y-49152)/16384;
        
        //处理z轴加速度
        if(Accel_z<32764) z=Accel_z/16384;
        else              z=(Accel_z-49152)/16384;

        //用加速度计算三个轴和水平面坐标系之间的夹角
//        Angle_x_temp=(atan(y/z))*180/Pi;
//        Angle_y_temp=(atan(x/z))*180/Pi;

    Angle_x_temp=(atan2(z,y))*180/Pi;
    Angle_y_temp=(atan2(x, z))*180/Pi;
    //Angle_z_temp=(atan2(y, x))*180/Pi;
        
        //角度的正负号                                                                                       
        if(Accel_x<32764) Angle_y_temp = +Angle_y_temp;
        if(Accel_x>32764) Angle_y_temp = -Angle_y_temp;
        if(Accel_y<32764) Angle_x_temp = +Angle_x_temp;
        if(Accel_y>32764) Angle_x_temp = -Angle_x_temp;
        if(Accel_z<32764) {}
        if(Accel_z>32764) {}
        
        //角速度
        //向前运动
        if(Gyro_x<32768) Gyro_x=-(Gyro_x/16.4);//陀螺仪范围为2000deg/s时,换算关系:16.4 LSB/(deg/s)
        //向后运动
        if(Gyro_x>32768) Gyro_x=+(65535-Gyro_x)/16.4;
        //向前运动
        if(Gyro_y<32768) Gyro_y=-(Gyro_y/16.4);//范围为2000deg/s时,换算关系:16.4 LSB/(deg/s)
        //向后运动
        if(Gyro_y>32768) Gyro_y=+(65535-Gyro_y)/16.4;
        //向前运动
        if(Gyro_z<32768) Gyro_z=-(Gyro_z/16.4);//范围为2000deg/s时,换算关系:16.4 LSB/(deg/s)
        //向后运动
        if(Gyro_z>32768) Gyro_z=+(65535-Gyro_z)/16.4;
        
        //Angle_gy = Angle_gy + Gyro_y*0.025;  //角速度积分得到倾斜角度.越大积分出来的角度越大
        
        Kalman_Filter_X(Angle_x_temp,Gyro_x);  //卡尔曼滤波计算X倾角
        Kalman_Filter_Y(Angle_y_temp,Gyro_y);  //卡尔曼滤波计算Y倾角
                                                                                                                          
}


//卡尔曼参数               
float Q_angle = 0.001;  
float Q_gyro  = 0.005;
float R_angle = 0.5;
float dt      = 0.005;//dt为kalman滤波器采样时间;
char  C_0     = 1;
float Q_bias, Angle_err;
float PCt_0, PCt_1, E;
float K_0, K_1, t_0, t_1;
float Pdot[4] ={0,0,0,0};
float PP[2][2] = { { 1, 0 },{ 0, 1 } };

void Kalman_Filter_X(float Accel,float Gyro) //卡尔曼函数               
{
        Angle_X_Final += (Gyro - Q_bias) * dt; //先验估计
        
        Pdot[0]=Q_angle - PP[0][1] - PP[1][0]; // Pk-先验估计误差协方差的微分

        Pdot[1]= -PP[1][1];
        Pdot[2]= -PP[1][1];
        Pdot[3]= Q_gyro;
        
        PP[0][0] += Pdot[0] * dt;   // Pk-先验估计误差协方差微分的积分
        PP[0][1] += Pdot[1] * dt;   // =先验估计误差协方差
        PP[1][0] += Pdot[2] * dt;
        PP[1][1] += Pdot[3] * dt;
               
        Angle_err = Accel - Angle_X_Final;        //zk-先验估计
        
        PCt_0 = C_0 * PP[0][0];
        PCt_1 = C_0 * PP[1][0];
        
        E = R_angle + C_0 * PCt_0;
        
        K_0 = PCt_0 / E;
        K_1 = PCt_1 / E;
        
        t_0 = PCt_0;
        t_1 = C_0 * PP[0][1];

        PP[0][0] -= K_0 * t_0;                 //后验估计误差协方差
        PP[0][1] -= K_0 * t_1;
        PP[1][0] -= K_1 * t_0;
        PP[1][1] -= K_1 * t_1;
               
        Angle_X_Final += K_0 * Angle_err;         //后验估计
        Q_bias        += K_1 * Angle_err;         //后验估计
        Gyro_x         = Gyro - Q_bias;         //输出值(后验估计)的微分=角速度
}

void Kalman_Filter_Y(float Accel,float Gyro) //卡尔曼函数               
{
        Angle_Y_Final += (Gyro - Q_bias) * dt; //先验估计
        
        Pdot[0]=Q_angle - PP[0][1] - PP[1][0]; // Pk-先验估计误差协方差的微分

        Pdot[1]=- PP[1][1];
        Pdot[2]=- PP[1][1];
        Pdot[3]=Q_gyro;
        
        PP[0][0] += Pdot[0] * dt;   // Pk-先验估计误差协方差微分的积分
        PP[0][1] += Pdot[1] * dt;   // =先验估计误差协方差
        PP[1][0] += Pdot[2] * dt;
        PP[1][1] += Pdot[3] * dt;
               
        Angle_err = Accel - Angle_Y_Final;        //zk-先验估计
        
        PCt_0 = C_0 * PP[0][0];
        PCt_1 = C_0 * PP[1][0];
        
        E = R_angle + C_0 * PCt_0;
        
        K_0 = PCt_0 / E;
        K_1 = PCt_1 / E;
        
        t_0 = PCt_0;
        t_1 = C_0 * PP[0][1];

        PP[0][0] -= K_0 * t_0;                 //后验估计误差协方差
        PP[0][1] -= K_0 * t_1;
        PP[1][0] -= K_1 * t_0;
        PP[1][1] -= K_1 * t_1;
               
        Angle_Y_Final        += K_0 * Angle_err;         //后验估计
        Q_bias        += K_1 * Angle_err;         //后验估计
        Gyro_y   = Gyro - Q_bias;         //输出值(后验估计)的微分=角速度
}



回帖(1)

duke刘

2024-5-15 16:38:43
卡尔曼滤波滞后严重的原因可能有以下几点:

1. 滤波器参数设置不当:卡尔曼滤波器的性能很大程度上取决于其参数设置,如过程噪声协方差矩阵(Q矩阵)和测量噪声协方差矩阵(R矩阵)。如果这些参数设置不当,可能导致滤波器性能下降,出现滞后现象。

2. 采样率较低:如果STM32F103RCT6与MPU6050之间的I2C通信速率较低,可能导致数据采样率不足,从而影响卡尔曼滤波器的性能。

3. 滤波器初始化问题:如果滤波器的状态估计和协方差矩阵在初始化时设置不当,可能导致滤波器在开始时就出现滞后现象。

4. 卡尔曼滤波器实现问题:如果卡尔曼滤波器的实现存在问题,如计算错误或逻辑错误,也可能导致滤波器性能下降。

为了解决这个问题,你可以尝试以下方法:

1. 调整卡尔曼滤波器的参数:尝试调整Q矩阵和R矩阵的值,以找到最佳的滤波器性能。

2. 提高采样率:检查STM32F103RCT6与MPU6050之间的I2C通信速率,尝试提高采样率以获得更好的数据。

3. 检查滤波器初始化:确保滤波器的状态估计和协方差矩阵在初始化时设置正确。

4. 检查卡尔曼滤波器实现:仔细检查卡尔曼滤波器的实现代码,确保没有计算错误或逻辑错误。

5. 使用其他滤波器:如果卡尔曼滤波器的性能仍然不理想,可以尝试使用其他滤波器,如扩展卡尔曼滤波器(EKF)或无迹卡尔曼滤波器(UKF),这些滤波器在处理非线性系统时可能表现更好。

6. 优化代码:检查你的代码,确保没有不必要的延迟或性能瓶颈,这可能会影响滤波器的性能。

通过以上方法,你应该能够找到导致卡尔曼滤波滞后的原因,并采取相应的措施来解决问题。
举报

更多回帖

发帖
×
20
完善资料,
赚取积分