基于三軸加速度計的車身姿態(tài)測量與解算

王　京， 馬　峻， 田　耘

(北京電子科技職業(yè)學院 汽車制造技術(shù)系, 北京　100176)

?

基于三軸加速度計的車身姿態(tài)測量與解算

王京， 馬峻， 田耘

(北京電子科技職業(yè)學院 汽車制造技術(shù)系, 北京100176)

隨著微機械電子系統(tǒng)的發(fā)展,車身姿態(tài)測量多采用慣性傳感器為基礎(chǔ)的捷聯(lián)式測量，但由于陀螺儀產(chǎn)生的漂移和誤差難以消除,采用三軸加速度計進行測量,再對車身姿態(tài)解算。算法采用改進的遺傳神經(jīng)網(wǎng)絡(luò)算法,即以神經(jīng)網(wǎng)絡(luò)算法為基礎(chǔ),采用進退搜索算法加強遺傳算法的收斂速度,進而優(yōu)化權(quán)值與閾值選取,加快結(jié)果的輸出。經(jīng)過實驗對比,該方法能夠?qū)崿F(xiàn)車身姿態(tài)的實時輸出,算法精度符合要求。

車身姿態(tài)； 三軸加速度計； BP神經(jīng)網(wǎng)絡(luò)算法

新技術(shù)的應(yīng)用離不開對于汽車車身姿態(tài)的測量與感知，尤其是在乘用車整車的姿態(tài)測量與控制是一個非常重要的方面。最初的姿態(tài)測量僅僅是以路面作為參考,通過底盤懸掛高度確定姿態(tài),這種方法不能反映車身姿態(tài)的實際結(jié)果,對駕駛的幫助有限。隨著微機械電子系統(tǒng)(MEMS)的發(fā)展,車身姿態(tài)測量擺脫了傳統(tǒng)機械平臺的限制,實現(xiàn)了捷聯(lián)式的測量平臺。慣性傳感器姿態(tài)測量系統(tǒng)就是一種捷聯(lián)式的車身測量系統(tǒng)。該系統(tǒng)[1-3]由慣性加速度計和陀螺儀組成,利用直接采集到的運動學信息，并根據(jù)導航系統(tǒng)理論完成運動目標的姿態(tài)測量。但由于陀螺儀在測量過程中隨時間、溫度等條件的變化會使機械轉(zhuǎn)子產(chǎn)生漂移,系統(tǒng)累積誤差難以消除[4],因此需要采用若干個慣性加速度計[5],再利用歐拉法、方向余弦法或四元數(shù)法等數(shù)學方法解算出姿態(tài)角，該過程計算復(fù)雜,很難做到實時輸出。本文利用三軸加速度計測量并使用人工神經(jīng)網(wǎng)絡(luò)的算法進行車身姿態(tài)解算,但由于單純的神經(jīng)網(wǎng)絡(luò)算法全局搜索能力差、收斂速度慢,容易陷入局部極值,因此采用遺傳算法對人工神經(jīng)網(wǎng)絡(luò)進行改進,并采用進退搜索算法加強遺傳算法的收斂速度。

1　坐標系的建立與換算

導航中常用的坐標系有地心慣性坐標系(i 系)、地球坐標系(e 系)、機體坐標系(b 系)、導航坐標系(n 系)和平臺坐標系(p 系)5種[6]。車身姿態(tài)測量一般采用機體坐標系(設(shè)為O-XbYbZb)和平臺坐標系(設(shè)為O-XpYpZp)。機體坐標系是以汽車重心作為原點,Xb軸平行于汽車的橫切面指向汽車右側(cè),Yb軸平行于汽車縱切面指向前，Zb軸垂直于汽車橫切面豎直向上。平臺坐標系固定于車身,原點與機體坐標系重合,三軸隨車身姿態(tài)變化而變化,坐標系見圖1。圖1中θ為俯仰角,即Zp軸和XbOZb面之間的夾角；γ為汽車的橫滾角,即Xp軸與XbOYb面之間的夾角；φ為航向角,即Yp軸與YbOZb面之間的夾角。俯仰角θ和橫滾角γ對汽車乘坐的舒適性能影響較大[7],車身姿態(tài)測量中主要考慮這2個角度的測量。

圖1　坐標系

(1)

則車身任意點坐標變換公式為

(2)

三軸加速度計是測量汽車運行中受合外力影響加速度的變化。在靜止或勻速運動時,其反映的是當?shù)氐闹亓铀俣萭。加速度在3個坐標軸的分量ax、ay、az可以表示為

(3)

由式(1)—(3)可得θ和γ：

2　改進遺傳BP神經(jīng)網(wǎng)絡(luò)算法

汽車運行中,三軸加速度計的數(shù)據(jù)換算到姿態(tài)角的過程是個非線性時變函數(shù),難以用精確的數(shù)學模型進行描述,因此傳統(tǒng)方法中“數(shù)學模型—算法設(shè)計—算法實現(xiàn)”的步驟無法實現(xiàn)。故本文擬采用BP神經(jīng)網(wǎng)絡(luò)算法為基礎(chǔ),利用BP神經(jīng)網(wǎng)絡(luò)算法逼近任意非線性函數(shù)的能力,來模擬實際系統(tǒng)的輸入輸出關(guān)系。但單純的BP神經(jīng)網(wǎng)絡(luò)算法容易陷入局部極小值,此外對初始權(quán)值具有較強的依賴性。將遺傳算法與BP 算法融合是有效方法之一,它充分利用了遺傳算法的全局搜索能力和 BP神經(jīng)網(wǎng)絡(luò)算法的局部搜索能力,克服了BP神經(jīng)網(wǎng)絡(luò)算法容易陷入局部值、收斂速度慢的缺點[8]。但遺傳算法在迭代過程中經(jīng)常出現(xiàn)未成熟收斂、振蕩、隨機性太大、迭代過程緩慢等缺點[9],這也對BP神經(jīng)網(wǎng)絡(luò)的學習產(chǎn)生了影響。因此本文引入進退搜索算法加強遺傳算法的局部搜索能力和收斂速度,構(gòu)造一種改進的遺傳BP神經(jīng)網(wǎng)絡(luò)算法,提高了傳統(tǒng)遺傳神經(jīng)網(wǎng)絡(luò)算法的運算效果。

改進遺傳算法的基本原理見圖2。在多個數(shù)據(jù)中,有多種優(yōu)化算法可很快找到極值點m,但未必是全局最優(yōu)點,傳統(tǒng)遺傳算法保證找到全局最優(yōu)點,但需要多代遺傳,運算時間較長。將進退搜索算法引入其中,先利用遺傳算法進行全局搜索,確定a點與b點之間存在個體i,再利用進退搜索算法確定最優(yōu)個體。

圖2　改進遺傳算法基本原理

利用最優(yōu)個體進行BP算法中的網(wǎng)絡(luò)權(quán)重的優(yōu)化,得到優(yōu)化后的權(quán)重。將優(yōu)化好的初始權(quán)值和閾值代入神經(jīng)網(wǎng)絡(luò),通過選擇、交叉和變異操作找到最優(yōu)適應(yīng)度值對應(yīng)的個體,進行網(wǎng)絡(luò)誤差的計算,根據(jù)計算結(jié)果對權(quán)值和閾值的修改,最終達到要求的精度,輸出結(jié)果。其算法流程圖見圖3。具體計算步驟如下:

圖3　改進遺傳BP神經(jīng)網(wǎng)絡(luò)算法流程圖

(1) 初始化種群。初始種群的個體一部分隨機產(chǎn)生,一部分由進退搜索算法產(chǎn)生,這樣可以提高整個群體的優(yōu)良性能。

(2) 由適應(yīng)度函數(shù)計算每個個體的適應(yīng)度。采用輸出層樣本的期望輸出值與實際輸出值之差的平方和的倒數(shù)作為適應(yīng)度函數(shù)，即

式中n為輸入樣本個數(shù),m為輸出層節(jié)點個數(shù),Qef為第e個樣本、第f個節(jié)點的期望輸出值,Sef為第e個樣本、第f個節(jié)點的實際輸出值。

(3) 選擇、變異、交叉計算。完成選擇操作后,進行交叉、變異計算。交叉算子為

式中r為交叉概率。

變異算子為

式中Emax(t)為最大適應(yīng)度的個體誤差,b為變異誤差。

為了更快地搜索,根據(jù)遺傳特點,以較大的交叉概率(r=0.9～1)實施交叉操作,以較小的變異概率(b=0～0.5)實施變異操作。

(4) 若滿足終止條件則結(jié)束搜索,確定BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值與閾值。

(5) 以三軸加速度的測量值及環(huán)境變量為輸入節(jié)點(環(huán)境變量視具體情況設(shè)定,在網(wǎng)絡(luò)訓練結(jié)束后確定具體值),車身俯仰角θ和橫滾角γ為輸出節(jié)點。通過網(wǎng)絡(luò)訓練更改權(quán)值與閾值,直至精度達標。

3　結(jié)果分析

搭建三軸加速度計和陀螺儀實驗系統(tǒng)后以1 000組/h數(shù)據(jù)的速度工作8 h,采集8 000組數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)訓練樣本，進行神經(jīng)網(wǎng)絡(luò)的訓練,直到其輸出精度滿足要求,確定權(quán)值與閾值并拆除陀螺儀。

一般轎車運動過程中θ<30°、γ<15°。將實驗臺輸出值與陀螺儀測量值相比較,曲線基本吻合。其中俯仰角最大誤差點出現(xiàn)在加速時,誤差為2.89%；橫滾角最大誤差出現(xiàn)在右轉(zhuǎn)時,誤差為2.47%,直線運行時由于擾動較小,誤差在0.5%以內(nèi),滿足汽車使用標準。此外,由于改進了算法,提高了解算速度,平均延時小于0.1 s,不會影響汽車姿態(tài)的控制。

4　結(jié)論

本文基于三軸加速度傳感器設(shè)計的車身姿態(tài)測量解算辦法與傳統(tǒng)的車身姿態(tài)測量相比,節(jié)約了硬件成本,解算過程中,采用了進退搜索算法與遺傳算法相結(jié)合方法,改進了BP神經(jīng)網(wǎng)絡(luò)初始權(quán)值與閾值的確定,提高了BP算法的精確度和整體計算速度。結(jié)果表明,改進的遺傳BP神經(jīng)網(wǎng)絡(luò)算法可靠性高、適應(yīng)性強,測量精度滿足能家用轎車的要求。

References)

[1] Uno Y, Kawato M, Suzuki R. Formation and control of optimal trajectory in human multijoint arm movement:Minimum torque-change model[J]. Biologocal Cybernetics，1989(61):89-101.

[2] Boonstra M, van der Slikke R, Keijsers N, et al. The accuracy of measuring the kinematics of rising from a chair with accelerometers and gyroscopes[J]. Biomech, 2006(39):354-358.

[3] Zhao J, Badler N. Inverse kinematics positioning using nonlinear programming for highly articulated figures,ACM Trans[J]. Graph, 1994,13 (4):313-336.

[4] Barbour N M. 慣性導航傳感器[J]. 肖克軍，劉峰，林思剛，等譯.戰(zhàn)術(shù)導彈控制技術(shù),2009,26(4) :51-62.

[5] Hadri A E I,Benallegue A. Sliding Mode Observer to Estimate Both the Attitude and the Gyro-Biasby Using Low-Cost Sensors[C]//Conference on Intelligent Robots and Systems. USA, 2009:2867-2872.

[6] 陳哲.捷聯(lián)慣導系統(tǒng)原理[M].北京:宇航出版社,1986.

[7] 李怡凡,吳黎明,張力鍇.一種車身姿態(tài)的捷聯(lián)測量[J].傳感技術(shù)學報,2010,23(8):1189-1193.

[8] 黃慶斌.BP 算法的改進及其應(yīng)用研究[D].成都:西南交通大學,2010.

[9] Su C T, Chiang C L. No convex power economic dis-patch by mi proved genetic algorithm with multiplier upda-tingmethod [J]. Electric Power Components and Systems,2004,32(3):257-273.

Measurement and calculation of vehicle body attitude based on tri-axial acceleration transducer

Wang Jing, Ma Jun, Tian Yun

(Department of Automobile Manufacturing Technology, Beijing Polytechnic,Beijing 100176, China)

With the development of micro mechanical-electronic system, the strap down measurement was carried out based on inertial sensor for vehicle body attitude measurement. But it is difficult to eliminate the drift and error caused by the gyro,a simple tri-axial accelerometer was used to measure and calculate the attitude of the vehicle body,an improved genetic BP neural network algorithm is used in the algorithm,the BP neural network algorithm is based on the forward and backward searching algorithm to enhance the convergence speed of genetic algorithm, optimize the weights and threshold selection, and speed up the output results. After experimental comparison,the method can realize the real time output of the vehicle body attitude,the algorithm accuracy is in line with the requirements.

vehicle body attitude； tri-axial acceleration transducer； BP neural network algorithm

10.16791/j.cnki.sjg.2016.10.011

2016-05-25

2014年度北京高等學校教育教學改革立項項目(PXM2015_014306_000017)；北京電子科技職業(yè)學院科技重點課題“智能小車三軸運動姿態(tài)測量解算平臺研究”(YZK2014019)

王京(1975—)，女，北京，碩士，教授，研究方向為汽車制造.E-mail：wangjing100026@126.com

U467.4

A

1002-4956(2016)10-0038-03