CN1687709A - 汽车运动状态测量系统 - Google Patents

Abstract

本发明涉及一种应用于汽车领域的运动状态测量系统。其目的在于克服现有技术中存在上述缺点，提出一种在汽车上应用可以代替现在汽车性能测量中经常使用的较昂贵的非接触式光电五轮仪、陀螺仪等汽车运动状态测量系统。该系统主要中的无陀螺惯性测量单元经依次相连接的数据采集与硬件滤波电路、插在嵌入式导航计算机接口上的16位A/D转换卡把模拟电压转换为数字量后，送入嵌入式导航计算机，嵌入式导航计算机中装有数据融合算法模块，经实时(适时)运行传感器误差补偿对准算法与无陀螺惯性导航算法，同时实时采集GPS－OEM板提供的位置、速度数据信号，一起送入数据融合算法模块，并通过外设将实时得到的车辆运动状态信息输出。

Description

汽车运动状态测量系统

技术领域

本发明涉及一种应用于汽车领域的运动状态测量系统。

背景技术

汽车运动状态测量系统是指汽车在实际行驶中，实时的测量汽车运动前向、侧向、垂直三个方向的速度、运动轨迹、加速度、绕三个方向的旋转角速度以及汽车的俯仰角、测倾角、横摆角等运动姿态的系统，实时获取这些运动中汽车的状态信息对于汽车动态控制等是十分重要的，本发明研究的系统就可以达到这个目的。系统实现依据的主要是惯性导航原理，所以先对惯性导航进行介绍。

惯性导航系统INS(Inertial Navigation System)是一种完全自主的确定运载体运动状态的新型系统。它通常由线加速度计测得运载体的线加速度，然后积分得到速度，位移，同时与使用陀螺仪测量得到的刚体角速度信息一起得到完整的运载体状态信息，其通常应用于飞机，航天飞船，导弹，轮船的定位导航领域。惯性导航系统有着全天候、不受外界环境干扰影响、无信号丢失、低成本，短时间内具有稳定状态等优点，但它也有其自身的缺点，如定位的状态、偏差的方差由于传感器噪声和传感器校准误差而增加等。故其单独使用时通常只适用于短时导航应用，长时间导航通常把其与其它辅助传感器(如本文采用的GPS)组合起来使用。

通常的惯性导航系统采用陀螺测量角运动，由于陀螺的制造工艺非常复杂，成本难以降低，同时陀螺功耗大，又难以承受大的加速度和角加速度冲击，另外常规陀螺的体积较大，因此在许多导航应用中希望使用成本低、体积小的加速度计取代陀螺实现导航，即使近年来一些体积小巧的新型陀螺如激光陀螺，光纤陀螺等在一定程度上改善了陀螺的性能，但其性能与价格的矛盾仍无法解决。因此，从上世纪六十年代开始国外就有人提出了无陀螺惯性导航的想法并提出多种加速度计的配置方案，但因为当时硬件技术上的限制，此领域的研究发展较慢。

随着近年来在微机电系统Micro-Electro-Mechanical System(MEMS)技术方面的突破性进展，体积小，价格低，高性能的MEMS加速度计得到了大批量生产，并且它特别适合应用于像车辆导航这样的低成本，中等性能的惯性导航系统(INS)，因此，得到了大量的应用，极大的促进了无陀螺惯性导航系统的发展及其在车辆导航上的应用。

无陀螺惯性导航系统就是指惯性测量系统中不采用陀螺测量角速度，而利用线加速度计在测量线加速度的同时，根据线加速度计的空间位置解算出角速度值，从而得到运载体运动的全部参数，达到惯性导航的目的。无陀螺惯性导航已经成为近年来惯性导航系统研究的一个热点。

紧扣惯性导航系统研究热点，根据上世纪九十年代提出的基于立方体布置的加速度计布置策略，使用基于微机电系统技术制造的六个微型加速度计作为惯性传感器，通过实时读取六个加速度计的瞬时读数，经过硬件滤波与A/D转换，送入嵌入式导航计算机，在其上实时运行无陀螺惯性导航算法来得到需要的线运动和角运动信息，然后与GPS输出的信号一起送入数据融合算法就可得出汽车动态控制需要的汽车运动状态数据信息。

技术内容

本发明的目的在于克服现有技术中存在上述缺点，提出一种在汽车上应用可以代替现在汽车性能测量中经常使用的较昂贵的非接触式光电五轮仪、陀螺仪等汽车运动状态测量系统。

本发明把通常应用于飞机、导弹、轮船上的无陀螺惯性导航原理应用于汽车领域，研制的低成本组合汽车运动状态测量系统对于汽车底盘综合控制，汽车主动安全性评价、标定、匹配以及制定新一代的汽车测试标准、方法都有十分重要的作用和意义。

本专利就是利用无陀螺惯性导航的原理，采用低成本的MEMS加速度计与低成本GPS-OEM板组成的汽车运动状态测量系统，由于其具有的低成本、小体积、高准确性的特点特别适合于汽车领域的应用要求，在汽车上应用可以代替现在汽车性能测量中经常使用的较昂贵的非接触式光电五轮仪、陀螺仪等汽车测试仪器，将有非常大的应用前景。

本发明的目的是这样实现的，结合附图说明如下：

汽车运动状态测量系统，其特征在于主要由无陀螺惯性测量单元1、数据采集与滤波硬件电路2、GPS-OEM板3、嵌入式计算机4、CAN接口5、上位计算机6、A/D转换卡7和D/A转换卡11组成，无陀螺惯性测量单元1经依次相连接的数据采集与硬件滤波电路2、插在嵌入式导航计算机4接口上的A/D转换卡7把模拟电压转换为数字量后，送入嵌入式导航计算机4，嵌入式导航计算机4中装有数据融合算法模块10，经实时(适时)运行传感器误差补偿对准算法8与无陀螺惯性导航算法9，同时实时采集GPS-OEM板3提供的位置、速度数据信号，一起送入数据融合算法模块10，并通过外设将实时得到的车辆运动状态信息输出。

所说的通过外设将实时得到的车辆运动状态信息输出是指：可以实时的通过串口把数据传到上位机6中完成数据存储与实时显示，或通过D/A转换卡11提供模拟输出和通过CAN口5输出到汽车控制局域网CAN网络中。

所说的无陀螺惯性测量单元1的布置方案为：把六个加速度计1、2、3、4、5、6放在正立方体的每个面的中心位置，且使加速度计敏感轴方向沿每个面的对角线方向。

所说的无陀螺惯性测量单元1输出的模拟信号共12路，其中6路为加速度计信号，6路为温度传感器信号。

嵌入式导航计算机中实时运行的无陀螺惯性导航算法是通过六加速度计输出值的线性组合公式来提供车辆线运动与角运动信息，并且根据汽车实际运行环境特点采用基于两步法的改进欧拉角方法来求解车体坐标系相对于惯性坐标系的方向余旋矩阵。

采用新型的基于MEMS技术的微型加速度传感器，并针对此类型传感器采集数据的误差模型特点采用的软硬件综合误差修正方法。硬件方面包括带有基准电源的二阶有源滤波放大电路，温度跟随器；软件方面包括软件测量噪声数字滤波器滤波、零点偏差、比例因子偏差温度标定补偿以及多位置旋转安装误差补偿方法。

数据融合算法中采用Kalman滤波器状态变量为15阶：9个误差状态量，6个加速度偏差状态，并且在经过初始误差标定后加速度计残余误差建模为随机漂移过程模型。

系统采用基于MEMS技术的微型加速度传感器以及嵌入式的计算机，整个系统具有体积小、成本低、便于安装等特点，特别适合在汽车领域应用。

有益效果

1.具有惯性导航系统的自主性高，不受周围环境干扰，采样频率高(500HZ)的优点；

2.由于系统不采用体积较大，价格昂贵的陀螺仪，而仅采用MEMS技术制造的微型加速度计，故能满足低成本、小体积、高准确性的汽车领域应用要求；

3.多种输出接口：数字接口、模拟接口和CAN口。

4.汽车上应用代替现有的较昂贵的五轮仪等汽车测试仪器，将有非常巨大的应用前景；

5.对于汽车底盘综合控制，汽车主动安全性评价、标定、匹配以及制定新一代的汽车测试标准、方法都有十分重要的作用和意义；

6.可以为汽车辅助驾驶系统提供实时控制所需要的汽车运动状态信息；

7.还可以集成在汽车黑匣子系统中用于事故再现后处理分析。

附图说明

图1为加速度计位置布置策略图；

图2为无陀螺惯性导航算法程序框图；

图3为汽车运动状态测量系统整体结构简图；

图4为汽车运动状态测量系统硬件滤波电路简图；

图5为多位置旋转安装误差标定法示意图；

图6为数据融合算法结构框图；

具体实施方式

下面结合附图所示实施例进一步说明本发明的技术方案及其工作过程。

首先重点介绍主要创新模块惯性测量单元的加速度计布置方案，然后叙述无陀螺惯性导航算法实现过程，之后对误差补偿对准模块、数据融合模块等系统各个组成部分加以介绍。

参阅图1：把六个加速度计1，2，3，4，5，6放在正立方体的每个面的中心位置，且使加速度计敏感轴方向沿每个面的对角线方向，如图中箭头所示。得出矩阵形式表示的六个加速度计的位置为(坐标下原点在立方体的中心)：

$U=[u_1\·\·\·u_6]=L\left[\begin{array}{cccccc}0& 0& -1& 1& 0& 0\\ 0& -1& 0& 0& 1& 0\\ -1& 0& 0& 0& 0& 1\end{array}\right]$

相应的加速度计传感器方向为：

$J_2=[{\mathrm{\θ}}_1\·\·\·{\mathrm{\θ}}_6]=\frac{1}{\sqrt{2}}\left[\begin{array}{cccccc}1& 1& 0& 0& -1& -1\\ 1& 0& 1& -1& 0& 1\\ 0& 1& 1& 1& 1& 0\end{array}\right]$

$J_1=[u_1\×{\mathrm{\θ}}_1\·\·\·\·\·u_6\×{\mathrm{\θ}}_6]=\frac{1}{\sqrt{2}}\left[\begin{array}{cccccc}1& -1& 0& 0& 1& -1\\ -1& 0& 1& -1& 0& -1\\ 0& 1& -1& -1& 1& 0\end{array}\right]$

布置转矩J＝[J₁ ^TJ₂ ^T]，其中L为立方体边长的一半。

通过解算推导(过程略)得出六加速度计输出值的线性组合公式1：

$\stackrel{\·}{\mathrm{\ω}}=\left[\begin{array}{c}{\stackrel{\·}{\mathrm{\ω}}}_1\\ {\stackrel{\·}{\mathrm{\ω}}}_2\\ {\stackrel{\·}{\mathrm{\ω}}}_3\end{array}\right]=\frac{1}{2\sqrt{2}L}\left[\begin{array}{c}{A}_1-A_2+A_5-A_6\\ -A_1+A_3-A_4-A_6\\ A_2-A_3-A_4+A_5\end{array}\right]$

六加速度计输出值的线性组合公式2：

$P=\frac{1}{2\sqrt{2}}\left[\begin{array}{c}{A}_1+A_2-A_5-A_6\\ A_1+A_3-A_4+A_6\\ A_2+A_3+A_4+A_5\end{array}\right]+L\left[\begin{array}{c}{\mathrm{\ω}}_2{\mathrm{\ω}}_3\\ {\mathrm{\ω}}_1{\mathrm{\ω}}_3\\ {\mathrm{\ω}}_1{\mathrm{\ω}}_2\end{array}\right]$

参阅图2：在计算时，首先对由公式1得出的车体坐标系相对于惯性坐标系的旋转角加速度向量

进行数值积分(数值积分采用精度较高的两部积分法，下同)，得出车体坐标系相对于惯性坐标系的旋转角速度向量 即等效的陀螺测量值，然后根据汽车实际运行环境[汽车行驶的俯仰角、测倾角两个姿态角通常很小(不超过90度)，而横摆角在90度附近可以用软件算法(两步法)来解决，可避免三角函数计算产生奇点的问题]采用解欧拉角微分方程的方法，带入如下姿态角解算微分方程组

$\left[\begin{array}{c}\stackrel{\·}{\mathrm{\φ}}\\ \stackrel{\·}{\mathrm{\θ}}\\ \stackrel{\·}{\mathrm{\ψ}}\end{array}\right]=\left[\begin{array}{ccc}1& \sin \mathrm{\φ}\tan \mathrm{\θ}& \cos \mathrm{\φ}\tan \mathrm{\θ}\\ 0& \cos \mathrm{\φ}& -\sin \mathrm{\φ}\\ 0& \frac{\sin \mathrm{\φ}}{\cos \mathrm{\φ}}& \frac{\cos \mathrm{\φ}}{\cos \mathrm{\θ}}\end{array}\right]{\mathrm{\ω}}_{\mathrm{nb}}^b$

其中：ω_nb ^b为车体坐标系相对于导航坐标系(这里的惯性坐标系)的角速度向量在车体坐标系下的投影；φ、θ、为三个姿态角。

接着对方程组4进行数值积分，得到车体坐标系相对于惯性坐标系的三个姿态角

然后带入如下方向余旋矩阵公式6：

从而得到车体坐标系相对于惯性坐标系的方向余旋矩阵F；另外，把车体坐标系相对于惯性坐标系的旋转角速度向量

带入六加速度计输出值的线性组合公式2，得出比力

然后把比力

与前面得到的余旋矩阵F

一起带入如下惯性系下的加速度计算公式

${\stackrel{\·}{R}}_I\left(t_j\right)={\stackrel{\·}{R}}_I\left(t_{j-1}\right)+\mathrm{\Δt}\left(F\left(t_j\right)\right)\·P\left(t_j\right)+a_g)$

$R_I\left(t_j\right)=R_I\left(t_{j-1}\right)+\mathrm{\Δt}\·{\stackrel{\·}{R}}_I\left(t_j\right)$

两次数值积分得出车辆在惯性坐标系中的运动轨迹 与前面得到的车体坐标系相对于惯性坐标系的三个姿态角 一起构成完整的汽车运动状态信息。

由于传感器采集的数据不可避免的带有各种误差，比如加速度计的零点偏差、比例因子偏差、传感器噪声、仪器安装误差等。为了提高测量的精度，必须在把测量值送入惯性导航算法模块前去除这些误差源的影响(参阅图3)：包括软硬件测量噪声滤波、零点偏差、比例因子偏差温度标定补偿以及多位置旋转安装误差补偿法等。

硬件滤波采用二阶有源滤波器，从有用信号中滤除高频噪声，并与温度信号一起经过调零、放大送入16位A/D；软件滤波采用数字滤波器技术(IIR、FIR或小波分析多分辩分析技术)进一步滤除混在有用信号频带内的噪声。

零点偏差、比例因子偏差温度标定是指标定两者随着对其影响最大的因素温度变化而变化的情况，首先建立如下的误差模型，

${\tilde{A}}_j=(1+s_j)A_j+b_j+w_j,j=1,...,6$

其中 为第j个加速度计的输出值；

s_j为第j个加速度计的比例因子误差；

b_j为第j个加速度计的零点偏差；

w_j为第j个加速度计的测量噪声；

在不同温度下采集数据，用最小二乘法拟合出变化曲线，实际测量时，实时采集温度传感器信号，求解此温度下的零点偏差、比例因子偏差从而达到对加速度计温度漂移进行实时补偿的目的。

多位置旋转安装误差补偿法是如图5所示的对加速度计安装位置，方向误差等进行校正与标定的方法。

数据融合算法模块参阅图6：把差分GPS得到的地心地固坐标系下的数据经过坐标变换转变到与惯性导航算法模块相同的当地水平坐标系下，把两者的差值送入Kalman滤波器，对误差进行估计，然后反馈补偿惯性导航算法计算出来的汽车运动状态，从而达到提高测量精度的目的。

Kalman滤波器姿态变量为15阶：9个误差状态量，6个加速度偏差状态。

加速度计偏差误差模型为随机漂移过程(受温度外其它周围环境因素的影响)，模型如下：

${\stackrel{\·}{x}}_a=w_a,$ w_a为高斯白噪声。这些随机过程噪声过程的功率谱密度ω_a可通过分析一段时间的传感器实际测量值而决定。

无陀螺惯性测量单元1输出模拟信号送入数据采集与硬件滤波电路2(如图4)，共12路输出信号，其中6路为加速度计信号，6路为温度传感器信号。数据采集与硬件滤波电路2与16位A/D转换卡7相连，A/D转换卡7插在嵌入式导航计算机4的接口上，在把模拟信号转变为数字信号后送入嵌入式导航计算机4中。

在系统运行前首先把运动状态测量系统安装在汽车的质量中心附近，启动前做好初始值的标定与补偿，系统启动后，以高采样率(500HZ)实时的从惯性测量单元采集原始模拟信号，经过硬件滤波和A/D转换把模拟电压转换为数字量后，送入嵌入式导航计算机4，然后在嵌入式导航计算机4中实时的运行传感器误差补偿对准算法8与无陀螺惯性导航算法9，同时嵌入式导航计算机实时的采集GPS-OEM板3提供的位置、速度数据信号，一起送入数据融合算法模块10，从而实时得到车辆运动状态信息，并且可以实时的通过串口把数据传到上位机6中完成数据存储与实时显示，也可以通过D/A转换卡11提供模拟输出和通过CAN口5输出到汽车CAN(控制局域网)网络中。

Claims (4)

1.一种汽车运动状态测量系统，其特征在于主要由无陀螺惯性测量单元(1)、数据采集与滤波硬件电路(2)、GPS-OEM板(3)、嵌入式计算机(4)、CAN接口(5)、上位计算机(6)、A/D转换卡(7)和D/A转换卡(11)组成，其特征在于无陀螺惯性测量单元(1)经依次相连接的数据采集与硬件滤波电路(2)、插在嵌入式导航计算机(4)接口上的

A/D转换卡(7)把模拟电压转换为数字量后，送入嵌入式导航计算机(4)，嵌入式导航计算机(4)中装有数据融合算法模块(10)，经 (适时)运行传感器误差补偿对准算法(8)与无陀螺惯性导航算法(9)，同时实时采集GPS-OEM板(3)提供的位置、速度数据信号，一起送入数据融合算法模块(10)，并通过外设将实时得到的车辆运动状态信息输出。

2.根据权力要求1所述的一种汽车运动状态测量系统，其特征在于所说的通过外设将实时得到的车辆运动状态信息输出是指：可以实时的通过串口把数据传到上位机(6)中完成数据存储与实时显示，或通过D/A转换卡(11)提供模拟输出和通过CAN口(5)输出到汽车控制局域网CAN网络中。

3.根据权力要求1所述的一种汽车运动状态测量系统，其特征在于所说的无陀螺惯性测量单元(1)的布置方案为：把六个加速度计1、2、3、4、5、6放在正立方体的每个面的中心位置，且使加速度计敏感轴方向沿每个面的对角线方向。

4.根据权力要求1所述的一种汽车运动状态测量系统，其特征在于所说的无陀螺惯性测量单元(1)输出的模拟信号共12路，其中6路为加速度计信号，6路为温度传感器信号。

Images