基于ARM和ADIS16355的汽车二自由度数据采集系统

把杂波滤掉，得到相对准确的数据。为此设计汽车怠速与正常运行两种模式。汽车在怠速状态下，由于汽车是相对静止状态，理论上测到的汽车横摆角速度与侧向加速度为0，然而由于存在其他的干扰因素，因而实际测得的数据并不为0.通过对测试数据的分析可以得到干扰源的类型，从而根据干扰类型而设计出相应的滤波方式。下面分别就汽车的怠速模式与正常运行模式两种运动方式具体分析。

3.1汽车怠速模式

汽车怠速模式是指发动机处于启动状态，但是汽车处于停止不前的状态，可以测得相应的数据。这里以汽车的横摆角速度数据进行分析，取了2500个采样点，利用数据的统计特性对数据分别求均值、协方差与功率谱密度，求得的均值为-7.7682e-005，近似为0.为了直观，把采集到的源数据、协方差与功率谱密度通过MATLAB作图的方式显示出来，如图6所示。

由图可知，自相关函数只有在横坐标为0时候才有取值，功率谱密度分布比较均匀，而且采集到的数据均值近似为0，这与高斯白噪声的统汁特性相似，因而断定干扰源类型为高斯白噪声。

3.2汽车正常运行模式

汽车正常运行模式是汽车匀速行驶在水平、下燥、水泥路面上，测得此时的汽车横摆角速度与侧向加速度。从传感器采集到的数据不可避免地受到干扰源的影响，由上面给出的结论可知干扰源类型为白噪声。卡尔曼滤波前的数据与滤波后的数据如图7所示。卡尔曼滤波对白噪声具有很好的滤波能力，它的滤波原理是最小均差原理，并且当前的数据只与前一个数据有关，数据存储量小，有利于计算机求解，所以选用卡尔曼滤波方式对采集到的数据进行滤波，从而得到相对准确的数据。这里采集了10 000个数据点。

由图7可以看到，通过卡尔曼滤波后，曲线更加平滑，有效地剔除了杂波，从而为控制系统提供更准确的数据。

结语

本文采用ARM微控制器和ADIS16355传感器设计了一种数据采集系统，不但能够采集汽车的横摆角速度与侧向加速度两个参数，而且用卡尔曼滤波方式对采集到的数据滤掉了杂波，使得到的数据更为准确。经分析表明，该设计方案是可行的。这种数据采集系统在汽车主动安全方面有很好的应用价值，能为汽车稳定性分析供准确的数据。

立即加入汽车电子互动社区