基于卡尔曼滤波和PID控制两轮自平衡车
卡尔曼滤波在两轮自平衡代步车姿态检测中的应用_张团善
参数名
ｄｔ
Ａｋ
Ｂｋ
Ｈｋ
Ｑ
Ｒ
ｘ０
Ｐ０
参数值
［ ］ ［ ］ ［ ］ ０．０２ｓ
１ －０．０２ ０１
０．０２ ０
（１ ０） ８０ ０ ０ ０．０１
（１００）
（） ［ ］ ０
１ ０
０
０ １
实验结果如图 ５ 所 示，在 未 经 卡 尔 曼 滤 波 器 前，加 速 度计观测的俯仰角 度 存 在 较 大 的 噪 声干扰，角度输出为± １０°之 间 ；经 卡 尔 曼 滤 波 后 ，角 度 输 出 为 ±５°之 间 ，有 效 滤 除 噪 声干扰信号。
ｗ
＋
ｇｙｒｏｋ－１ ＋
０
０ｋ
（４）
其中，ｗｋ 是过程 噪 声，并 假 定 其 符 合 均 值 为 零 、协 方 差 矩
阵为 Ｒ的正态分布。
测量方程为：
［ ］ θｋ ＝ （１ ０）ｇｙａｒｎｏｇ＿ｌｂｅｉａｓ ｋ ＋ｖｋ
（５）
其中，θｋ 是 ｋ时刻加速度 计 的 俯 仰 角 观 测 值 ；ｖｋ 是 观 测 噪
由式（４）、（５）得 到 的 车 体 姿 态 的 状 态 方 程 及 观 测 方
程，在应用卡尔曼滤 波 实 现 姿 态 信 息 融 合 的 过 程 中 ，滤 波
器的状态由以下两个变量描述 ：ｋ时刻的状态 估 计 ｘ＾ｋ｜ｋ；度 量状 态 估 计 值 精 确 程 度 的 误 差 相 关 矩 阵 Ｐｋ｜ｋ。 其 滤 波 算 法框图如图４所示。
倾 角 测 量 典 型 误 差 小 于 １°，具 有 小 巧 轻 薄 、超 低 功 耗 、可 变
量程、高分辨 率 等 特 点。ＡＤＸＬ３４５ 可 在 倾 斜 敏 感 应 用 中
两轮自平衡车
两轮自平衡送餐车【摘要】：本项目为“两轮自平衡车送餐机器人”系统的研究与实现，从加速度计和陀螺仪传感器得出的角度。
运用卡尔曼滤波优化，补偿陀螺仪的漂移误差和加速度计的动态误差，得到更优的倾角近似值。
根据PID控制调节参数，实现两轮直立行走。
通过电磁传感器对电磁线的检测和GPS模块精确定位，实现了平衡车的自动送餐功能。
【关键字】：加速度计陀螺仪卡尔曼滤波PID控制调节电磁传感器GPS模块【Abstract】：This is a project of "research and Realization of a two wheeled self balancing robot car room" system, from the accelerometer and gyro sensor of angle. Using the Calman filter optimization, the dynamic error of gyroscope drift error and acceleration compensation plan, to get better approximations angle. According to the PID control parameters, achieve two upright. Through the detection and accurate positioning of GPS module electromagnetic sensors on the magnet wire, the balance of the car automatic room function.【Keyword】:saccelerometer gyroscope Calman filtering PID control electromagnetic sensor GPS module第一章引言 (2)第二章基本原理 (3)2.1两轮自平衡送餐车整体框架 (3)2.2送餐车直立控制 (3)2.3速度控制 (4)2.4方向控制 (5)第三章硬件电路设计与实现 (5)3.1主控芯片 (5)3.2电机驱动方案 (5)3.3电磁信号处理电路 (6)3.4红外遥控模块 (6)第四章系统软件控制流程图 (7)第五章卡尔曼滤波 (8)4.1卡尔曼滤波简介 (8)4.2卡尔曼滤波实现的效果 (8)4.3卡尔曼滤波原型 (9)4.4卡尔曼滤波化简 (10)4.5卡尔曼滤波参数调试 (12)5总结 (13)第一章引言两轮自平衡送餐车具有运动灵活、智能控制、操作简单等优点。
基于STM32的平衡车设计
基于STM32的平衡车设计文章鉴于平衡车在当今世界的发展热潮提出了一种设计方案。
文章基于STM32微处理器，通过卡尔曼滤波法和PID控制实现了两轮平衡车的自平衡控制。
该设计方案采用加速度计和陀螺仪共同采集获取姿态角，得到可靠的输出。
标签：平衡车；加速度计；陀螺仪；卡尔曼滤波；PID算法前言平衡车作为一种交通工具，广泛应用于航空、安保等领域。
鉴于其绿色、节能、方便、灵活、轻巧等优点，解决了很多诸如交通、能源、环保等问题带来的压力，平衡车作为一种理想的交通工具具有很大的市场。
随着现代科技的不断进步，对于市场上平衡车的响应的精确度和速度的要求不断提高，文章设计方案通过陀螺仪测量角度和角速度，并通过加速度计来矫正陀螺仪的角度漂移，实现了精确度的提高。
1 力学原理分析如图1所示，类比倒立摆，控制车轮做加速运动，得到车模恢复力：F=mgsin？兹-macos？兹≈mg？兹-mk1？兹（1）式（1）中k1是车轮加速度a与偏角θ的比例。
因为空气中存在摩擦力，即阻尼力，则式（1）变作：F=mg？兹-mk1？兹-mk2■ （2）可得：a=k1？兹+k2■ （3）式（3）中k1大于g，k2大于0；k1决定了车模平衡的位置，k2决定了车模的响应时间。
从上述数学模型中可以看出，只需知道车模的倾角及角速度，即可推得车轮的加速度，从而可以控制电机的转速，实现对车轮的正确控制。
2 控制系统设计控制系统的整体设计方案是：通过陀螺仪测得车模的倾角和角速度，加速度计用来消除陀螺仪角度漂移。
两者测得数据经过A/D转换输入到控制器中，经过卡尔曼滤波得到可靠的车模角度。
同时编码器测得车轮速度传递到控制器中。
处理器经过PID算法结合车模角度和车轮速度输出PWM控制量驱动电机运转，改变车轮的转速。
具体框图如图2所示。
图2系统整体采用PID控制算法，如图3所示。
在速度控制和角度控制中都使用了微分环节，目的是使车模快速的稳定下来，加快了响应时间。
基于PID算法和卡尔曼滤波的平衡车控制系统
电子技术与软件工程Electronic Technology & Software Engineering电子技术Electronic Technology基于P ID算法和卡尔曼滤波的平衡车控制系统杨俊伟(广东东软学院广东省佛山市528225 )摘要：本文以S T M32F407V G TX单片机作为主控制芯片，提出了基于PID算法和卡尔曼滤波的平衡车控制系统方案，从数学糢型、PII)算法、卡尔曼滤波、硬件电路等方面分析并设计了一套两轮自平衡车控制系统，经实验验证，能快速调整平衡车姿态，具有较好的转 向精度和抗干扰能力，实现了设计目标。
关键词：S T M32单片机；两轮自平衡车；PID算法；卡尔曼滤波1引言自平衡乍控制系统是移动机器人领域的热点问题，能够将人工智能技术和丨1动控制理论有机结合的典型应用。
随着微电子技术的迅猛发展，_动控制与人工智能的融合会得到进一步提升，平衡车也是未來载具的重要方向之一 m。
本文以STM32为主控制芯片，在数学模喂分析基础之上，采用P ID算法和卡尔曼滤波实现了两轮自平衡午.控制系统的设计与实现，由姿态传感器模块收集的倾角、角速度等数据，经过卡尔曼滤波数据融合分析，得到精确的平衡车姿态信息，通过P ID算法实现平衡车的直立控制、速度控制、转向控制、手机蓝牙遥控等，做到了平衡车的速度与稳定性的统一。
2设计原理如阁1所示，平衡车的运动状态与倒立的单摆相似，因此，利 用可简化的笮摆模型进行数学建模，不考虑空气阻力和摩擦力。
设 车体的质量为m，正常行驶时的加速度为a，平衡车与竖直方向之 间的夹角为0,当平衡车离开竖直方向平衡位置的时候，使重心恢 复竖直方向所需拉力为：F=m acos0-mgsin0 (1)当0很小时与sin0近似，车轮加速度a与倾角成正比例关系，假设为k，因此可将公式近似为：F=mk0-mg0 (2)上述公式中，加入平衡车角速度0)的阻尼力影响，可将公式修 改如下：F=mk0+mk,(i)-mg0 (3)因此，嬰将平衡车控制在竖直方向的加速度a的控制公式为：a=mk0+mk|〇)(4)其中，e是倾角，C O是角速度，k和k,是比例系数，实际操作时，需要满&k>g，k,>0,实时测量平衡车的倾角，通过卡尔曼滤波和 PID算法给f，电机控制信号来控制平衡车的车体维持稳定。
基于激光雷达和卡尔曼滤波的双轮自平衡车设计
基于激光雷达和卡尔曼滤波的双轮自平衡车设计作者：胡佳辉来源：《科技风》2019年第07期摘要：为在嵌入式平台上实现同时定位与建图（SLAM）以降低硬件成本，并利用双轮自平衡小车的灵活性以实现特定功能，采用了包括激光雷达、firefly-rk3399开发板、MPU6050模块、编码器等硬件设计。
同时，利用卡尔曼滤波算法以及PID双环控制以提高自平衡小车姿态计算的精度和运行稳定性。
关键词：激光雷达;双轮自平衡小车;SLAM;卡尔曼滤波;PID双环控制1 绪论随着智能时代的到来和自动控制技术的发展，双轮自平衡小车逐渐展露出其独特的优势，尤其是在空间较为狭窄、弯道较多等场所，此外其较低的硬件成本也使其被广泛地应用到了安防巡逻等方面。
本文提出了一种基于激光雷达和卡尔曼滤波的双轮自平衡车设计，其特点在于：将SLAM 运用到了自平衡车上，使其能够按照自定义的行走轨迹完成相应的任务。
此外在平衡方面，本文加入了卡尔曼滤波和PID双环控制，提高了自平衡车的稳定性。
2 硬件设计该双轮自平衡小车的硬件设计由四部分组成，如图1所示，分别为主控系统、24V电源、车身以及传感器。
主控系统为一块firefly-rk3399开发板，搭载Linux系统，在此基础上运行ROS机器人操作系统。
传感器包括B0602激光雷达、MPU6050模块以及电机编码器。
3 软件设计3.1卡尔曼滤波卡尔曼滤波是一种通过系统输入输出观测数据，并利用线性系统状态方程，对系统下一步的走向做出有根据的预测的算法。
由于观测数据中包括系统中的噪声和干扰的影响，所以预测过程也可看作是滤波过程，即使系统受到各种干扰的影响，卡尔曼滤波也能对系统状态进行较为准确的预测。
因为MPU6050回传的角度值受震动的影响较大，且回传的角速度信息也存在漂移误差，误差的累计势必降低自平衡车的平衡性能。
本文引入卡尔曼滤波的目的在于：将MPU6050模块回传的角度和角速度信息代入卡尔曼滤波中相融合从而得到更加精准的自平衡车车体倾角使其更加接近于真实值。
基于PID控制器的两轮自平衡小车设计本科毕业设计
本科毕业设计基于PID控制器的两轮自平衡小车设计摘要两轮自平衡小车具有体积小、结构简单、运动灵活的特点，适用于狭小和危险的工作空间，在安防和军事上有广泛的应用前景。
两轮自平衡小车是一种两轮左右平衡布置的，像传统倒立摆一样，本身是一种自然不稳定体，其动力学方程具有多变量、非线性、强耦合、时变、参数不确定性等特性，需要施加强有力的控制手段才能使其保持平衡。
本文在总结和归纳国内外对两轮自平衡小车的研究现状，提出了自己的两轮自平衡小车软硬件设计方案，小车硬件采用陀螺仪和加速度传感器检测车身的重力方向的倾斜角度和车身轮轴方向上的旋转加速度，数据通过控制器处理后，控制电机调整小车状态，使小车保持平衡。
由于陀螺仪存在温漂和积分误差，加速度传感器动态响应较慢，不能有效可靠的反应车身的状态，所以软件使用互补滤波算法将陀螺仪和加速度传感器数据融合，结合陀螺仪的快速的动态响应特性和加速度传感器的长时间稳定特性，得到一个优化的角度近似值。
文中最后通过实验验证了自平衡小车软硬件控制方案的可行性。
关键词：自平衡互补滤波数据融合倒立摆Two-wheeled Self-balancing RobotMa Xuedong(College of Engineering, South China Agricultural University, Guangzhou 510642, China) Abstract:The two-wheeled self-balancing robot is small in mechanism, with simple structure and can make flexible motion, suitable for narrow and dangerous work space. So it has wide range of applications in security and military. The two-wheeled self-balancing robot is a natural unstable system. The device of this system is a parallel arrangement of two single wheels, like a traditional inverted pendulum. Its dynamics are multi-variable, non-linear, serious coupling and uncertain parameters etc. It must be exerted strong control to make it stable.In this paper, studies on two-wheel self-balancing vehicle at home and abroad are summarized. We designed the hardware and software of our two-wheel self-balancing vehicle. The car using rotational accelerometers, gyroscopes and acceleration sensors to detect body condition and the state in which the pitch change rate. The central processing unit calculate the appropriate data and instructions, and control the motor to achieve the body balancing. Because of gyro drift problems and Integral error with accelerometers and slow dynamic response of acceleration sensors. It can’t provide effecti ve or reliable information to reflect the real state of its body. So we using complementary filter to fuse the data of two sensors, so that the inclination of its body can be approximated better.Finally, we verified the feasibility of the system’s hardwar e and software through experiment.Key Words: Self-Balancing complementary filter Data Fusion Inverted Pendui目录1 前言 (1)1.1 研究意义 (1)1.2 国内外研究现状 (1)1.2.1 国外研究成果 (1)1.2.2 国内研究成果 (1)1.3 本文的研究内容 (2)2 两轮平衡车的平衡原理 (2)2.1 平衡车的机械结构 (2)2.2 两轮车倾倒原因的受力分析 (3)2.3 平衡的方法 (3)3 系统方案分析与选择论证 (4)3.1 系统方案设计 (4)3.1.1 主控芯片方案 (4)3.1.2 姿态检测传感器方案 (4)3.1.3 电机选择方案 (5)3.2 系统最终方案 (5)4 主要芯片介绍和系统模块硬件设计 (6)4.1 加速度传感器ADXL345 (6)4.2 陀螺仪传感器L3G4200D (8)4.3 主控电路 (10)4.4 电机驱动电路 (11)4.5 供电电路 (11)5 系统软件设计 (12)5.1 系统初始化 (13)5.2 滤波器 (14)5.2.1 低通滤波器 (15)5.2.2 互补滤波器 (15)5.3 PID控制器 (17)5.3.1 PID概述 (17)5.3.2 数字PID算法 (17)5.3.3 PID控制器设计 (18)6 硬件电路 (19)6.1 硬件制作与调试 (19)6.2 硬件调试结果 (19)6.2.1 姿态感知系统测试结果 (19)6.2.2 PID控制器测试结果 (20)7 结论 (21)参考文献 (23)附录 (1)致谢 (3)华南农业大学本科生毕业设计成绩评定表1 前言1.1 研究意义应用意义。
自制两轮平衡车
制作：朱兆丰
控制器：ATmega16；8MHz； 加速度传感器：MMA2260；陀螺仪： EWTS82； 传感器的融合：卡尔曼滤波； 马达：EN_2342CR（速比64）+双路12脉 冲编码器+CD40106对信号整形； 驱动板芯片：CD4001+IR2111+IRF1404 （驱动电流可以很大）； 制作资料在压缩包里面，供参考；
accelgyro.initialize(); delay(500); pinMode(22,OUTPUT); pinMode(23,OUTPUT); pinMode(24,OUTPUT); pinMode(25,OUTPUT); pinMode(2,OUTPUT); pinMode(3,OUTPUT);
/********** 互补滤波器参数 *********/ //unsigned long preTime = 0; // 采样时间 //float f_angle = 0.0; // 滤波处理后的角度值
*********** PID控制器参数 *********/ //unsigned long lastTime; float Output; //;, Setpoint,Input; //double errSum, lastErr; float kp, ki, kd,kpp; //int SampleTime = 0.1; //1 sec //float Outputa = 0.0; float angleA,omega; //double Kp, Ki, Kd; float P[2][2] = {{ 1, 0 },{ 0, 1 }}; float Pdot[4] ={ 0,0,0,0}; static const double Q_angle=0.001, Q_gyro=0.003, R_angle=0.5,dtt=0.007,C_0 = 1; float q_bias, angle_err, PCt_0, PCt_1, E, K_0, K_1, t_0, t_1; float angle, angle_dot; // aaxdot,aax; float position_dot,position_dot_filter,positiono; //double Speed_Need=0; //float K_angle=2; //float K_angle_dot=0.5; //float K_position=0.1; 256对应10V； //float K_position_dot=1;
利用PID控制算法控制自平衡车
近两年来，在公共场合常常能见到一种叫做体感车（或者叫平衡电动车）的代步工具，由于其便捷灵活，使得其颇为流行，并被称为“最后一公里神器”.其运作原理主要是建立在一种被称为“动态稳定”的基本原理上，也就是车辆本身的自动平衡能力。
以内置的精密固态陀螺仪来判断车身所处的姿势状态，透过精密且高速的中央计算出适当的指令后，驱动马达来做到平衡的效果。
下文采用AVR Atmega16芯片作为主，设计制作了两轮的自平衡电动车。
文中分析了测量角度和角速度传感器的选择，通过ATMEGA16单片机多路信号AD采集陀螺仪和加速度计的信号，经过Kalman滤波算法计算动态的角度和角速度，通过LCD1602显示角速度和角度的值、转向值。
利用PID控制算法控制自平衡车的平衡状态，使车体在平衡位置稳定。
利用大功率MOS管设计，通过单片机有效地控制电机的转速、电机的转向，从而有效地控制自平衡车的前进、后退及转弯功能。
我们来看看具体的设计细节吧。
1 研究意义随着科学技术水平的不断进步，交通工具正朝着小型、节能、环保的方向发展，“电动车”正是在这个背景下孕育而生并为人们所熟识。
据不完全统计，我国的电动车保有量已超过1.2亿辆，是增长速度最快的交通工具。
随着石油储量的不断减少和人们环保意识的增强，“电动车”无疑将成为未来交通工具的主力军。
就目前而言，电动车的种类主要有电动自行车、电动摩托车和电动汽车。
由于电动机制造水平的提高，尤其是大功率直流无刷电动机制造工艺的成熟，带动了电动自行车和电动摩托车行业的飞速发展。
同时，人们也根据两轮自平衡机器人工作原理，设计出了一些新式电动车--两轮自平衡电动车。
它是一种新型的交通工具，它一改电动自行车和摩托车车轮前后排列方式，而是采用两轮并排固定的方式，这种结构将给人们带来一种全新的驾驭感受。
两轮自平衡电动车仅靠两个轮子支撑车体，采用蓄电池提供动力，由电动机驱动，采用微处理器、姿态感知系统、控制算法及车体机械装置共同协调控制车体的平衡，仅靠人体重心的改变便可以实现车辆的启动、加速、减速、停止等功能。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于卡尔曼滤波和PID控制的两轮自平衡车
【摘要】针对两轮自平衡车的稳定和运动过程中的控制问题，我们在信号处理的过程中引入卡尔曼滤波对信号进行处理并且采用传统的pid控制，将控制过程分为三个部分，即站立、直线运动和转向。
由于车体运动分为这三个部分，并且这三个部分必须几乎同时控制，所以采用分时控制每一部分的方法，该方法被成功应用于“飞思卡尔”智能车大赛，并且取得良好效果。
【关键词】倒立摆系统；自平衡车；卡尔曼滤波；pid控制
引言
倒立摆系统是控制系统的一个重要的分支和典型的应用。
实际上它可以理解成在计算机的控制下，通过对系统各种状态参数的实时分析，使系统在水平方向或垂直方向上的位移和角度（角速度）的偏移量控制在允许的范围以内，从而使系统保持平衡。
自平衡车就是以倒立摆系统为工作原理的成品，两轮自平衡智能小车直立行走是要求仿照两轮自平衡电动车的行进模式，让车模以两个后轮驱动进行直立行走。
近年来，两轮自平衡电动车以其行走灵活、便利、节能等特点得到了很大的发展。
国内外有很多这方面的研究，也有相应的产品。
相对于传统的四轮行走的车模竞赛模式，车模直立行走在硬件设计、控制软件开发以及现场调试等方面提出了更高的要求。
实物图如下：
一、系统构成
整个模型车分为两个部分组成，即硬件电路和软件两部分。
硬件电路主要由加速度计、陀螺仪、微控制器、编码器、线性ccd、电机驱动电路组成。
由微处理器对陀螺仪、滤波电路和加速度计构成的传感器组进行高速a/d采样后，通过卡尔曼滤波器对传感器数据进行补偿和信息融合，得到准确的姿态角度信号，此角度信号再通过pid控制器运算，输出给电子调速器转换成pwm 信号，进而对电机进行控制。
系统结构框图如下图所示：
二、卡尔曼滤波
加速度计用于测量物体的线性加速度，加速度计的输出值与倾角呈非线性关系，随着倾角的增加而表现为正弦函数变化。
因此对加速度计的输出进行反正弦函数处理，才能得到其倾角值。
测量数据噪声与带宽的平方根成正比，即噪声会随带宽的增加而增加。
式中：为传感器带宽（单位为hz）。
因此在设计卡尔曼滤波器时，首先要确定被测加速度的频率范围，然后再设计滤波器的参数，尽量使滤波器的带宽略高于被测频率，这样不仅有助于滤除高频干扰，而且也有利于降低系统噪声干扰。
但是如果要得到精确的倾角值，带宽就需要设置得比较小，而这时加速度计动态响应慢，不适合跟踪动态角度运动，如果期望快速的响应，又会引入较大的噪声。
再加上其测量范围的限制，使得单独应用加速度计检测小车倾角并不合适，需要与其他传感器共同使用。
陀螺仪的作用是用来测量角速度信号，通过对角速度积分，便能得到角度值。
陀螺仪本身极易受噪声干扰，微机械陀螺不能承受较
大的震动，同时由于温度变化、不稳定力矩等因素，陀螺仪会产生漂移误差，并会随着时间的推移而累加变大，通过积分会使得误差变得很大。
因此，也不能单独使用陀螺仪作为本系统的倾角传感器。
（一）卡尔曼滤波过程
建立系统的状态方程与测量方程。
其中，为车体倾斜的真是角度，为陀螺仪的常值温漂，为包含固定偏差的陀螺仪输出角速度，为陀螺仪测量噪声，为加速度计经处理后得到的角度值，为加速度计的测量噪声。
令系统的采样周期为，得到离散系统的状态方程：
在进行卡尔曼递归运算过程中，需要知道系统过程噪声协方差阵以及测量误差的协方差矩阵，对卡尔曼滤波器进行校正。
与矩阵的形式如下：
式中，和分别是加速度计和陀螺仪测量的协方差，其数值代表卡尔曼滤波器对其传感器数据的信任程度，值越小，表明信任程度越高.在该系统中陀螺仪的值更为接近准确值，因此取的值小于的值。
卡尔曼递归运算的相关算式：
为时刻的最优估计值，为对应的协方差。
为根据时刻的最优估计得到的时刻的预测值。
为卡尔曼增益。
为时刻测量的角度值。
这一次得到的最优估计值，作为下一次预测值得参考，这样周而复始反复循环计算这些算式，可以使收敛到最小，这样就是最优值。
（二）滤波结果
在进行卡尔曼滤波过程中，需要根据实际情况调试与，可以使滤波后的波形平滑，毛刺少，并且与实际波形的相位差小。
在小车控制中
卡尔曼滤波前后的波形如下（绿色为滤波前，红色为滤波后）：三、pid控制
在卡尔曼滤波后和信号处理好后，小车的重点就在控制上面。
小车的运动可以分为三个部分，即为站立、直线运动和转向。
由于车体运动分为这三个部分，并且这三个部分必须几乎同时控制，所以采用分时控制每一部分的方法，类似cpu时间分片。
程序的控制和信号处理都是在中端里面执行，通过设置全局变量来确定执行什么操作。
程序设置1毫秒中断，程序进入中断后，全局变量加1，判断全局变量的值，进入不同的执行部分，执行相应的操作。
中断服务程序的框架：
其中，除了上述基本框架外，在每次进入中断后，首先执行卡尔曼滤波程序，并且执行单片机ad采样。
根据我们实际获得的经验，卡尔曼滤波是比较耗时间的，并且ad采样同样也是很消耗时间，如果在中断执行的总时间超过1毫秒，这将会影响卡尔曼滤波的效果，因此在这个方面，必须考虑ad所开的通道数目，当通道数目过多，将会导致一次中断服务程序执行的时间超过1毫秒。
这时可以选择增加中断定时时间，进而也就需要改变卡尔曼的。
在控制中，我们采用传统pid控制。
我们对直立控制采用pd控
制，这主要原因是在直立控制中的主要要求就是快速性，因而舍弃积分单元。
对于速度控制采用pid控制，积分单元消除误差。
对于方向控制采用pd控制。
在直立控制过程中，p越大，车体抗干扰能力越强，但过大会导致车体振荡，这时可以通过加大微分参数消除振荡。
当p达到一定程度时，车体会抖动并不是振荡，这时调节d并不能消除抖动。
车体抖动的主要原因来源于卡尔曼滤波后的信号精度，当精度比较低时，p过大，会直接放大信号的幅度，进而表现为车体的抖动。
在做车的速度控制过程中，速度控制的周期会影响车体的运行的稳定性。
在我们实际测试中当速度控制周期定为100毫秒时，低速运行车体比较稳定。
但当车速度给定为1.3m/s时，车体在转弯后，恢复平稳比较困难。
设置速度控制周期为200毫秒后，效果改善明显。
在方向控制中，我们使用分段pid控制。
这主要原因是车体在直道运行时，稍微偏离中心线对车体运行没有影响，也就是在知道上方向控制不需要太灵敏，太灵敏不利于车在直道的稳定和进入弯道的稳定。
相反，在弯道就需要方向控制的灵敏，灵敏度越高越好，但前提是保证车体的直立基本稳定。
在实际中，车体陀螺仪传感器的安装水平程度对车体运行是否稳定影响很大，安装越水平越好，越利于车的提速。
安装不水平会出现车载转弯的过程中加速和减速的现象。
参考文献：
[1] 百度百科.自平衡电动车[db/ol]. http：
///view/2362793.htm.2013-8-26/2013-8-26. [2] 冯志勇，曾翰，张力，赵艺欣，黄伟.基于陀螺仪及加速度计信号融合的姿态角度测量.[j]西南师范大学学报（自然科学版），2011（8）：137-141.
[3] 何友，王国宏，彭应宁编著.多传感器信息融合及应用[m].2版.北京：电子工业出版社，2007：12-23.。