自平衡机器人包括人形机器人、独腿机器人、两轮机器人以及独轮机器人等,与人和动物具有类似的运动平衡问题,在运动中需要自身控制姿态维持平衡。两轮自平衡机器人作为其中一个典型,是控制科学领域中备受关注的研究对象。其中姿态检测系统是自平衡机器人研究中必须要解决的重要问题之一。国内外的两轮自平衡机器人中,普遍采用了包含加速度计、陀螺仪、倾角仪等惯性传感器构建姿态检测系统。这是因为惯性传感器不依赖外部信息,不受外界电磁干扰,但同时由于传感器本身的固有特性,存在噪声及随时间、温度的变化产生的漂移,致使误差随时间积累。　　 本文针对两轮自平衡机器人运动平衡控制中涉及的姿态检测、传感器数据融合等问题进行了分析和研究,取得了如下研究成果:　　 第一:一个基于步进电机的小型两轴模拟转台　　 设计了一个基于步进电机的小型两轴模拟转台,主要包括机械结构、电气系统以及软件编写。转台上下轴系采用经典的U-T结构,下层电机垂直放置,上层电机水平放置。采用DSP作为控制器发送脉冲信号给两个驱动器来驱动上下两个步进电机。使步进电机直接驱动旋转框架,减少了传动误差。通过细分驱动器以微步方式驱动,达到高精度,低震动,低噪音的效果,惯性传感器置于其上,通的SPI接口实时传输姿态信息给DSP或者上位机,而步进电机旋转的角度作为衡量姿态融合算法的依据。该转台作为检验姿态信息算法的试验平台,能够模拟两轮机器人的摇摆姿态。　　 第二:基于离散卡尔曼滤波的两轮自平衡机器人姿态检测算法　　 本文针对两轮自平衡机器人“原人2号”姿态检测中出现的随机噪声及陀螺漂移问题,提出了一种基于离散卡尔曼滤波器的姿态数据融合算法。首先根据姿态检测系统建立系统模型,离散化后采用离散卡尔曼滤波器对陀螺仪和倾角仪的信息进行数据融合。算法采用递推形式,数据存储量小,可直接在机器人下位机中实现。在机器人上的应用表明能够有效抑制噪声及漂移带来的误差。　　 第三:基于自适应扩展卡尔曼滤波器的姿态检测算法　　 为了得到更全面和精确的姿态信息,必须建立新的系统模型,而这时的状态方程和测量方程往往是非线性的,本文相应地采用扩展卡尔曼滤波器进行处理。特别的是,当载体加速运动时,由于存在非重力加速度的惯性加速度的影响,由加速度计得到的数据会引入误差,对此本文提出了一种基于自适应扩展卡尔曼滤波器的姿态数据融合算法。通过自适应调整测量噪声方差阵的方法来补偿非重力加速度带来的误差。实验表明,静态和动态情况下都能够有效的滤除随机漂移和噪声干扰。　　 对于非线性程度较大的情况,为了更好的逼近非线性,在卡尔曼滤波器的时问更新方程中应用无味变换,来近似非线性函数的概率密度分布,其他部分不变,从而得到无味卡尔曼滤波器。由于保存了非线性项,滤波的精度优于扩展卡尔曼滤波器。实验结果表明无味卡尔曼精度有所提高,收敛性比扩展卡尔曼滤波要好。　　 本文的研究工作得到了国家自然科学基金(6075110),国家“863计划”资助项目(2007AA042226),北京市教委重点项目(Z200810005002)的资助,相关的研究成果已经获得国家知识产权局颁发的专利证书,所写论文被IEEE电子信息与控制工程国际学术会议正式录用(EI检索)。本文的研究工作对于两轮自平衡机器人的姿态检测系统研究有积极的意义,可广泛应用于机器人、惯性导航、传感器数据融合等领域。