兩輪自平衡巡線機器人是一個集自動控制理論和動力學理論于一體的復雜控制系統，其動力學系統具有多變量、非線性、強耦合、參數不確定性等特點，近年來已成為各種控制方法的實驗對象和檢驗平臺[1]。

    本文設計的兩輪自平衡巡線機器人主要依靠其自身的動態(tài)平衡能力和自主巡線能力進行運作，以內置的MEMS加速度傳感器和MEMS陀螺儀來判斷機器人所處的姿態(tài)角。通過高速的中央微處理器計算出適當的指令后，驅動馬達達到平衡的效果，然后根據路徑傳感器檢測到的信號實現巡線自動行走功能。
    多傳感器的信號融合是一項非常重要的研究內容，本文采用卡爾曼濾波的方法將陀螺儀和加速度傳感器的信號進行融合，解決了在計算機器人的實時姿態(tài)角時遇到的噪聲干擾和最優(yōu)估計問題[2],提高了姿態(tài)角的測量精度，為機器人的自平衡控制創(chuàng)造了條件。
1 硬件系統設計
1.1 微控制器
    兩輪自平衡巡線機器人設計為輪式結構,硬件系統結構圖如圖1所示。

    本系統采用飛思卡爾公司生產的32位高性能微處理器MCF52255作為控制核心。MCF52255基于Coldfire V2內核，具有512 KB片內Flash程序存儲器、3個異步串口模塊(UART)、8通道12位A/D轉換器、8通道/8位或4通道/16位脈沖調制模塊（PWM），系統時鐘頻率高達80 MHz。通過其豐富的I/O接口和內部強大的數據處理能力可以很容易實現信號采集和系統控制。

1.2 傾角和角速度檢測電路
    機器人的傾角和角速度檢測依靠加速度計和陀螺儀實現。本系統中加速度計選用MMA7260芯片，它可以測量由地球引力作用或者物體運動所產生的加速度[3]。通過設置使MMA7260的各軸信號靈敏度調整為800 mV/g，將檢測到的模擬信號直接傳到MCF52255 的A/D轉換部分進行測量。陀螺儀選用ENC-03，它可以輸出一個和角速度成正比的模擬電壓信號。MCF52255通過卡爾曼濾波算法對加速度計和陀螺儀的信號進行融合，然后計算出較為準確的姿態(tài)角。
1.3 路徑信號檢測電路
    機器人的路徑信號檢測是實現巡線行走功能的前提[4]。本系統中為機器人提供的路徑信號是電磁信號，在規(guī)劃好的行走路線的中心線上鋪設一根通有100 mA、 20 kHz交變電流的漆包線，這樣在中心線的周圍便會產生一個交變的磁場。在機器人的前方等間距安裝3個電磁傳感器，即可對機器人左右兩側以及中心線位置的磁場強度進行檢測。路徑信號檢測電路如圖2所示。

1.4 運動控制電路
    采用2路軸編碼器和2路外部計數器來完成機器人左右兩輪的測速任務；電機驅動電路采用由MOSFET搭建而成的H橋電路[5]；MCF52255綜合姿態(tài)角信號、速度信號以及路徑信號后，產生4路PWM調速控制信號，此信號通過控制電機模塊驅動來對電機轉速進行控制，進而實現機器人的自平衡與巡線行走功能。
2 姿態(tài)角測量過程
    姿態(tài)角的測量是兩輪自平衡巡線機器人設計中最重要的一個環(huán)節(jié)，單獨利用加速度計或者陀螺儀都不能得到可靠的姿態(tài)角來保證機器人平衡。加速度計的靜態(tài)測量準確，但是容易受到動態(tài)加速度的影響，不適合測量運動物體的傾角；陀螺儀雖然動態(tài)性能良好，但是存在積分漂移誤差，不適合單獨長時間工作[6]。為了解決以上測量問題，本文采用卡爾曼濾波方法實現了加速度計信號和陀螺儀信號的數據融合，提高了該機器人的姿態(tài)角測量精度和控制精度。
   

3 軟件設計
    本文設計的自平衡巡線機器人的軟件主要有：(1)各傳感器信號的采集處理程序； (2)電機PWM程序；(3)機器人運行控制程序(包括自平衡控制、速度控制、巡線控制)；(4)流程控制程序(包括程序初始化、狀態(tài)監(jiān)控、參數設定)。其中，所有程序需要精確地執(zhí)行周期時間，因此采用周期中斷的方式實現。機器人的主程序流程圖如圖3所示。

4 實驗與結果
　為了驗證所設計的自平衡巡線機器人的平衡性能與巡線性能，搭建了以MCF52255為主控芯片的實驗系統。
    利用上位機對機器人的運行性能進行實時監(jiān)測，測得機器人在初始運行過程中的姿態(tài)角波形如圖4所示。其中有噪聲的波形為加速度計測得的傾角信號，此波形由于波動過大，不能作為自平衡控制的參考信號；另一條相對平滑的波形是經過卡爾曼信息融合后得到的姿態(tài)角信號，此信號稍有些滯后，影響機器人的響應速度，也不能作為參考信號，實物測試結果也證明此時機器人晃動明顯，不能實現自平衡控制。
    對卡爾曼數據融合算法中的陀螺儀和加速度計的信用權值進行調整后,再次進行上位機監(jiān)測，并且在測量過程中人為地對機器人施加晃動干擾，得到的姿態(tài)角波形如圖5所示。從圖5中可以看到此時的濾波效果很好，雖然人為地晃動干擾使加速度計測得的傾角信號產生很多毛刺，但是濾波后的信號很平滑,且基本上沒有滯后，跟蹤性能比較理想。機器人的平衡控制程序可以采用此平滑波形作為姿態(tài)角的參考信號。實物測試結果也證明此時機器人可以完成預定的自平衡功能和巡線行走功能。

    本文設計了以MCF52255高性能微處理器為控制核心的兩輪自平衡巡線機器人的軟硬件系統。針對單獨使用陀螺儀或者加速度計都不能得到精準姿態(tài)角信號的問題，設計了卡爾曼數據融合算法。實驗結果表明，本文設計的機器人能夠很好地實現自平衡功能和巡線行走功能，較高的姿態(tài)角測量精度為機器人的自平衡控制提供了可靠的姿態(tài)反饋，也為巡線行走功能的進一步完善創(chuàng)造了條件，具有一定的應用價值。
參考文獻
[1] 何雅靜，屈勝利，孟祥忠，等. 兩輪不平衡小車變結構控制抖振與魯棒性研究[J]. 電子技術應用，2011，37(5):130-133.
[2] 董存輝，擺玉龍，柴乾隆.基于模糊控制的自主尋跡機器人設計[J].電子技術應用，2012,38（5）:139-141.
[3] 王帥，魏國.卡爾曼濾波在四旋翼飛行器姿態(tài)測量中的應用[J].兵工自動化，2011,30（1)：73-75.
[4] 吳黎明，張力鍇，李怡凡.基于ANN和單個三軸加速度傳感器的汽車運動姿態(tài)測量[J].傳感技術學報，2011,24(6):923－927．
[5] 李人厚.自主移動機器人導論[M].西安:西安交通大學出版社,2006.
[6] 潘泉，楊峰，葉亮，等.一類非線性濾波器—UKF綜述[J].控制與決策，2005,20(5):481-489.