英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料

---

毕业论文(设计)

英文文献翻译

英文题目 Monitoring and Controlling Speed for an

Autonomous Mobile Platform Based on the Hall Sensor

中文题目 基于霍尔传感器的自主移动平台监控速度

基于霍尔传感器的自主移动平台监控速度

Adam Ziebinski¹，Markus Bregulla²，Marcin Fojcik³ amp; SebastianKłak¹

1 Institute of Informatics, Silesian University of Technology, Gliwice, Poland

2 Technische Hochschule Ingolstadt, Ingolstadt, Germany

3 Western Norway University of Applied Sciences, F oslash;rde, Norway

摘要：网络物理系统常常被用作汽车行业的嵌入式系统，用于构建高级驾驶辅助系统。 当前应用的进一步发展以及基于传感器融合的车辆和移动平台的新应用的创建对未来至关重要。 虽然ADAS被积极用于参与车辆的控制，但它们也可用于控制工业中的移动平台。 文中介绍了霍尔传感器测量不同速率数据的移动平台速度测试结果。 该研究的目的是确定最佳的平台参数，以便以霍尔传感器获得的测量结果可靠并且所需的计算能力更少的方式指示刷新频率。 此外，还介绍了使用霍尔传感器为移动平台调查指定距离的精确移动的结果。

关键词：ADAS，CPS，数据采集，传感器融合，霍尔传感器

1.介绍

网络物理系统（CPS）^[1]允许通过使用互联网基础设施与物理世界的交互将嵌入式功能组合在一起^[2]，另外，它们影响着物联网的发展。而且，它们允许通过有效的方法来提高物理世界的能力^[3]和分布式通信^[4]。CPS对于未来技术的发展非常重要^[5]，因为它们增加了系统的功能性、适应性、效率，可靠性和自主性。CPS通常用于监控系统^[6]，行业解决方案^[7]以及汽车领域^[8]。由于对机动性的需求不断增加，驾驶变得越来越复杂，因此高级驾驶员辅助系统通常用于当今的车辆。该行业正在使用各种类型的移动平台用于运输各种组件，移动平台配备了不同的汽车传感器^[9]确保他们行动的安全和控制。在这些应用中，电子传感器是最常用的；已经证明的ADAS模块也可以用于这些应用^[10]，由于其低成本和低要求，移动平台可以配备更少的传感器和更弱的处理器。例如，本研究中使用的平台配备两台三相电机，不同类型的处理单元和一组传感器。处理器用于监控平台并控制其运动，虽然移动平台没有配备编码器，但其电机配有霍尔传感器。这些传感器可以用来确定发动机的旋转方向和发动机的转速。实际上，来自霍尔传感器的信息^[11]可以被移动平台用来计算其移动速度，行进距离和移动方向。传感器的实际状态和测量刷新率对于安全控制移动平台和车辆非常重要^[12]。在这篇文章中，作者介绍了使用霍尔传感器研究移动平台数据刷新率对当前数据质量速度测量示例影响的研究结果，这将允许移动平台的精确移动。

2.测试台架构

研究站（图1）由Roboterwerk的Forbot1.4A移动平台、STM32F3探索板、Raspberry PI和PC组成。移动平台（图2）由两个无刷三相BLDC APM-SB03ADK-9300W电机（最高频率为334Hz）组成，由两个SMCI36电机控制器控制，这些电机由STM32F3 Discovery开发板管理（图3）。STM32和SMCI36之间的通信是通过使用包含脉冲信号的时钟信号实现的。系统使用STM32控制引擎。时钟信号的每个上升沿引起电机的一个“步进”，这意味着一个相位变化。另外，STM32还从引擎收集测量数据。整个系统由使用Raspberry Pi管理移动平台的PC控制。在研究过程中，STM32控制平台的运动并将收集的数据发送到PC。最后，该平台配备了ADAS模块^[10]和其他电子传感器，具有不同工作原理的多个传感器（例如加速度计，陀螺仪，磁力计，霍尔传感器）的融合允许计算关于速度，移动方向和行进距离的信息。来自红外传感器，雷达，激光雷达，激光扫描仪和相机的信息允许避免任何障碍^[13]，通过室内定位^[14]和紧急制动辅助功能。由Raspberry PI控制的完整系统可以进行实时处理^[15]使用额外的嵌入式系统^[16]。来自所有ADAS的信号允许准备用于自动驾驶的功能架构^[17]。

图1 Forbot 1.4A移动平台控制系统的架构

图2 Forbot平台内部

图3 平台内的连接

Forbot 1.4A移动平台未配备编码器，使用霍尔传感器代替编码器。为了正确分析收集到的数据，需要了解车轮直径和霍尔传感器数量的变化情况。测量移动平台的轮直径卡尺，等于15.7厘米。霍尔传感器每转的状态变化次数等于240次变化。所提出的方法被用于ADAS解决方案的实验室测试台^[18]。

3.控制和监测测试平台上的三相电动机

控制电动无刷直流电机取决于它们的结构^[19]。BLDC电机具有永磁转子，定子具有可变磁场。BLDC电机的定子通常由三个绕组构成，这三个绕组缠绕在一起，使得由它们产生的磁场在定子的相对两侧具有相反的极性。电机中的绕组可以按两种方式排列：成星或三角形。为了提供更稳定的转速，使用仍然以三相连接的多个绕组。这种方法需要转子的交替磁化。为了启动转子，绕组必须按照特定的顺序通电。最简单的方法是一次激励一个线圈以吸引转子，但通过与第一个线圈并联激励第二个线圈可以改善该方法。这样，第二线圈排斥转子。时间波形的一个例子如图4所示。

图4.使用简单方法的绕组示例时间波形（左）和使用排斥的高级方法（右）。

这种电机的结构决定了它的转向方式，因为转子的位置必须在每次换向时都知道。两种最常用的同步转子转向和位置的方法是反电动势^[20]或霍尔传感器^[21]。其中一种方法是使用嵌入在移动平台上的霍尔传感器^[22]。在电机轴旋转一周期间，传感器上有三个绕组的电机的示例波形如图5所示。对于一个轴的启示信号状态变化有一个特定的数字（从1到6的数字）。

图5.使用霍尔传感器的示例时间波形

专用SMCI36控制器也使用来自电机的霍尔信号，用于提供良好的控制。通过在电机和控制器之间连接这些信号，可以读取Discovery板上的霍尔状态。关于霍尔传感器变化顺序的知识提供了关于轴的旋转方向的信息以及关于给定时间段内状态变化次数的知识以及提供关于角速度的信息的每旋转整周的脉冲数。这可以通过使用关于车轮直径的信息简单地转换为线速度。这个速度的公式如下：

在其中：

v - 瞬时速度[m /s]

P - 自上次速度计算以来的霍尔脉冲数量

A - 一个霍尔传感器的圆弧长度变化[m]

per - 每个周期的状态实际值[ms]

霍尔传感器可用于收集测量结果^[9]的速度和运动方向。考虑到这一点，作者开始研究移动平台的数据刷新率对获取当前数据的影响。一方面，刷新速度太快会占用整个平台的大部分处理能力，另一方面速度太慢无法提供准确的测量结果。

4 实验

在STM微控制器上实现了用于在测量平台的实际速度的同时缓慢加速到最大速度的静态算法。电机的控制器使用STM32板卡时钟产生的信号进行控制。根据图1所示的方案，SMCI36控制器由来自STM设备的时钟信号控制，STM设备也收集来自霍尔传感器的数据并将它们发送到PC，在那里进行分析。关于自研究开始以来霍尔传感器逻辑电平的任何变化的数据以及自上次记录以来每个电机的霍尔传感器状态变化数量的周期性日志被发送到PC。

所使用的测量方法基于将移动平台放置在光滑，平坦和平坦的表面上。该平台将逐渐从0加速到最大速度，同时保持特定时间的恒定速度。应该通过测量获得的理想时间速度图表如图6所示。

图6 理想速度时间图

STM微控制器上的加速算法使用以下伪代码：

1. 开始；

2. 在发动机上设置功率；

3. 保持恒定的功率5秒；

4. 如果速度小于100％，则转到第2点。将功率增加到下一个值；

5. 停止。

连续功率值分别为：1％，2％，5％，10％，25％，50％，75％和100％。以毫秒为单位对不同的刷新频率进行测量：10,20,35,50,75,100,150,200和250。频率由于命令延迟和控制精度差而受到限制。实际的实验表明，为了正确控制电机，控制命令的最大频率不应低于10 ms。来自霍尔传感器的信息被发送到PC，在那里被保存用于分析。

下面的图片将实验的结果部分呈现为读取的时间速度波形。

接收数据的非常大的变化如图7所示。 随着速度的增加，色散也增加并达到约1.5m/s的极限值。

图7 采样 - 10 ms

图8显示，增加采样时间导致了一个改进，因为高速（接近最大功率），数据的分散降到了约0.6m/s。

图8 采样 - 20 ms

采样时间的进一步增加导致所读取数据的可靠性得到持续改进。采用35ms采样（图9），数据的分散降至约0.35m/s。

图9 采样 - 35 ms

图10介绍了两个霍尔传感器的读数比较。

图11显示75毫秒采样的读数。

将采样时间增加到100 ms以上（结果如图12所示）传入的数据开始被接受。数据的最大速度分散降至约0.1m/s。

图10.采样 - 50 ms

图11.采样 - 75 ms

图12.采样 - 100 ms

进一步增加采样周期只会导致轻微的改正。对于150 ms的采样时间，数据的离散度大约为0.06m/s（图13)。

图13.采样 - 150 ms

对于200ms或更多的采样时间，数据变化非常小（图14和图15），但是速度计算之间的时间很长，所以如果电机发生故障（例如电机堵转），系统在接下来的200毫秒内不会识别它。以0.5米/秒的速度，这是一个相对较长的时间。

图14.采样 - 200 ms

图15.采样 - 250 ms

测量数据的变化对于指定速度的刷新频率是不同的。如表中所示1，对于1％和5％之间的速度以及更长的刷新时间，计算的速度的平均偏差对于10毫秒至35毫秒的时段为0.01m/s，对于高于100毫秒的时段为0.005m/s。对于10％到25％之间的速度，数据不是很清楚，但对于10毫秒的频率，结果是最差的，偏差约为0.04米/秒。当使用等于或大于35ms的周期时，结果是相似的，并且偏差约为0.015m/s。对于速度高于50％，采样时间超过20毫秒似乎是好的，偏差约为0.05m/s，约为平均测量速度的10％。

这些实验表明，对于平台的每个速度，100毫秒的频率是最可靠的。

表1 定速度和计算周期的平均速度和平均偏差

速度		10毫秒	20ms	35ms	50毫秒	75ms	100毫秒	150毫秒	200毫秒	250毫秒	平均
1%	平均V [m / s]	0,00575	0,00493	0,00575	0,00370	0,00477 剩余内容已隐藏，支付完成后下载完整资料 资料编号：[21528]，资料为PDF文档或Word文档，PDF文档可免费转换为Word