【RT-Thread作品秀】基于RT-Thread的姿態(tài)解算控制平臺設(shè)計

作者：黃國盛

概述 

是一個姿態(tài)解算算法驗證平臺以及控制算法驗證平臺

實現(xiàn)步驟：

使用CubeMax HAL庫開發(fā)；

使用Python project_generator生成工程；

精簡 RTT Master內(nèi)核并加入C++支持；

配置調(diào)試接口；

構(gòu)建C/C++混合編程框架；

硬件IIC驅(qū)動GY-86傳感器驅(qū)動；

MATLAB設(shè)計IIR Butterworth四階低通濾波器；

傳感器校準(zhǔn)；

Mahony互補濾波算法 實現(xiàn)姿態(tài)解算；

加入mavlink/私有協(xié)議、UDP/USB上傳數(shù)據(jù)到PC；

通過MATLAB/STM32驗證和比較各種算法；

搭建單軸單槳一維角度控制平臺；

……

開發(fā)環(huán)境 

硬件：

碳纖管碳纖槳電機座、電機電調(diào)電源、ART_Pi、GY86、按鍵模塊、硅膠線……

RT-Thread版本：

Master 4.0.3

開發(fā)工具及版本：

STM32CubeMX 6.0.1、IARforARM8.32.1、BeyondCompare4、MATLAB R2019b、VSCode、SmartGit20.1.5、匿名飛控地面站-0512……

RT-Thread使用情況概述

Pin、serial、cplusplus、time、finsh

硬件框架

ART_Pi、GY86、按鍵模塊、電調(diào)……

軟件框架說明

C/C++混合編程，進程和Loop Schedule結(jié)合

軟件模塊說明

核心部分：關(guān)于GY86的驅(qū)動以及姿態(tài)解算的Mahony

演示效果

演示視頻：

比賽感悟

 4/11/2020 Will_Watson

關(guān)于AHRS，卡爾曼濾波或互補濾波理解起來 簡單但實施難度較大因為很多參數(shù)有待測定；

發(fā)現(xiàn)各開源項目用的最多的是Mahony算法，關(guān)于它的PI部分的本質(zhì)著實難以理解；

當(dāng)發(fā)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)逼近好像可以和卡爾曼濾波一樣，就當(dāng)成濾波器，而且它還可以是一個逼近式的濾波器，免不了一番測試比較；

而后查看Madgwick原文中提到“梯度下降法”，瞬間明白了它的根源和本質(zhì)；

當(dāng)學(xué)習(xí)BP神經(jīng)網(wǎng)絡(luò)逼近的時候的思考流程如下：

逼近的需求來源是什么？  可能是為了預(yù)測系統(tǒng)下一個輸出,為了做前饋控制？  預(yù)測 ——> 觀測器 ——> 逼近式濾波器？？？

神經(jīng)逼近網(wǎng)絡(luò) 的特性有哪些？ 不具有長時記憶，短時記憶即可以說只具有最近時刻 原系統(tǒng)的逼近特性；

嘗試檢測濾波特性，從這個角度理解 逼近網(wǎng)絡(luò) 也是一個不斷修正的預(yù)估觀測器 或者說 卡爾曼濾波器

從執(zhí)行流程/濾波效果上 分析一維卡爾曼濾波 和 NNI-BP逼近一維非線性系統(tǒng)的 區(qū)別：

卡爾曼濾波流程： 先驗估計值——>先驗估計方差——>依據(jù)各方差融合傳感器數(shù)據(jù)做后驗估計——>更新后驗估計方差；

NNI-BP逼近流程： 由網(wǎng)絡(luò)前狀態(tài)和新輸入直接計算輸出——>與原系統(tǒng)輸出比較修正網(wǎng)絡(luò)狀態(tài)（是為了下一次直接獲得預(yù)估輸出）；

注：把原系統(tǒng)輸出當(dāng)成需濾波數(shù)據(jù)；把神經(jīng)網(wǎng)絡(luò)輸出當(dāng)成濾波后數(shù)據(jù)

卡爾曼濾波沒有階數(shù)的概念，而NNI-BP逼近的濾波特性具有一定延遲

卡爾曼濾波器的主要 控制參數(shù)（基于現(xiàn)實過程噪聲和觀測噪聲）不可控，轉(zhuǎn)移矩陣協(xié)方差矩陣需測得；

NNI-BP逼近 的主要 控制參數(shù)（學(xué)習(xí)速率和動量因子）可控 即濾波效果可調(diào)節(jié)，逼近系統(tǒng)特性；

 也有一部分 “內(nèi)閉環(huán)軟擬硬輸入輸出”思想

當(dāng)然算法的表現(xiàn)依然可以看起來就是加減乘除那么簡單，雙重卡爾曼看起來和做起來 可能沒那么友好；