为了解决物流响应速度慢，仓库中货物丢失以及货物运输过程中的车辆事故等问题，研究了一种集成的物流跟踪和姿态检测系统。系统通过车载平台和物流中心对车辆的实时状态进行分析和预处理，并且可以在物流运输过程中实时进行物流监控。
实际应用中，该系统可以实时确认货物的位置，并可以在数据中心接收有关车辆是否有故障或车辆姿态的信息，并在出现故障时发出预警信息。辆发生故障，姿态异常。年来，随着物流业的蓬勃发展，人们对运输过程中的货物状况越来越关注。流管理系统出现在历史性时刻。流管理系统不仅可以促进整个物流业的发展，而且可以实时为客户提供特定的货物状态。物流管理过程中，运输过程中的货物状态是人们关注的焦点。此，如何更好地了解运输过程中有关车辆，驾驶员和货物状态的一般信息已成为关键。代物流系统要求将上述信息集成到一个完整的系统中，希望该系统能够为控制成本做出一些贡献。然，在整个运输过程中，运输车辆经常发生故障或发生事故。果调度中心及时了解车辆的位置和状况，则可以提高货运能力并提供更好的客户体验。
文档采用集成技术从三个部分设计系统：车辆平台，数据中心和客户。载平台使用集成技术通过MPU-6050模块收集车辆姿态信息，并通过SIM908模块收集车辆位置信息。载平台和数据中心之间的数据传输通过GPRS进行。据中心不仅可以执行车辆信息和承载在其上的货物信息的查询功能，还可以进行信息与车辆平台的交互，并在平台上显示位置。辆卡。
户通过互联网与数据中心一起执行读写数据的功能，并请求客户委托的货物的运输信息。个物流车辆位置和姿态检测系统可分为三个主要部分：车辆终端，数据分析中心和客户。决于当前物流系统的发展，三方的功能要求也不同。辆终端的主要功能是能够及时发送车辆的位置，车辆的行驶状态以及驾驶员是否对车辆进行非法操作。否延迟货物的装卸。果驾驶员在运输货物时违反了交通规则。重要的是要知道车辆在运输过程中是否存在缺陷或事故，并准确确定车辆的姿态和驾驶员的状况。驾驶员无法自己解决问题时，可以通过终端将信息发送回控制中心。划后，控制中心将制定合理的计划，当事故发生时的数据超出安全范围时，系统将确定驾驶员没有自救能力。载将自动将警报信息发送到数据中心，以确保驾驶员和客户的所有权。全性。户是提供给物流客户的请求系统。过他们的帐户和密码登录系统后，客户可以在整个交付过程中查询其货物的详细信息，包括运输过程中货物的位置，负责运输的车辆型号和驾驶员，以及有关运输车辆的其他信息。据中心可以访问位置信息，在途车辆和驾驶员的交通状况，并通过查询功能接收从车辆平台发送的信息。旦安装在车辆上的平台在运输过程中主动将数据发送到数据中心，数据中心将迅速接收信息并分析接收到的数据，以确定它是否是退货单返回的信息。统移动或驾驶员未手动走上车辆时。统发送的异常信息。接收信号的十秒钟内，恒温阀芯根据信号源和车辆姿态信息快速确定车辆位置。系统使用三星S3C6410微处理器作为主要开发板进行开发。图2所示，该系统使用GPS实时定位车辆，这有助于在发生车辆故障时进行救援。态检测模块主要使用MPU-6050。MPU-6050包含一个三轴陀螺仪和一个三轴加速度计，可以精确地测量当前姿态和车辆的行驶速度。形码读取器使用市售的电子代码读取器枪。图3中示出了陀螺仪和加速度计的波形。图3中可以看出，该波形不够平滑并且噪声很大。此，需要一种数据融合算法来合并两个数据。图3中可以看出，单个传感器输出值的净值将影响整个系统。
了提高车辆的姿态判断的精度，需要对获得的数据进行一些处理。数据处理中，通常很容易想到加权平均法，因为该方法在数据处理中实现起来相对简单，并且计算量不是很大，但是它具有精度的主要缺陷。载平台不仅在操作过程中需要良好的灵敏度，而且还需要很高的数据准确性。旦发生错误，后果将无法恢复。此，该方法不适用于该系统。一个是神经网络方法，它具有很强的自学习能力，但是由于其建模过程以及参数的确定和优化对该系统来说太复杂了，因此不适合于此系统。此，在该系统中，卡尔曼滤波用于执行数据合并以获得更精确的数据。实现方法包括在计算机软件中使用虚拟示波器，以通过附加过滤处理来自陀螺仪和加速度计的输出数据。图4所示，互补滤波算法的曲线非常不规则，并且略有导出。此，必须稍后处理数据，此处应用的卡尔曼滤波方法将处理传感器输出数据。尔曼滤波器通常用于处理随时间变化的离散控制过程的问题。使用之前必须先定义模型的线性随机微分方程。等式（3）中，Hk是一个观测模型，可以将实际控制映射到观测空间。Xk是平均值为0的观测噪声，协方差矩阵Rk符合正态分布，其描述如公式4所示：我们可以认为噪声始终与噪声无关。其他时间的噪音。数据处理过程中，卡尔曼滤波器可以分为两个阶段：估计阶段和更新阶段。估计阶段，卡尔曼滤波器的主要任务是根据当前时刻的状态来估算当前时刻的状态。更新阶段，估计阶段的数据主要基于观察值进行优化，因此比估计阶段更精确的是新的精确估计。
kk：nxm矩阵，称为卡尔曼增益。对卡尔曼滤波过程的上述分析可以看出，卡尔曼滤波器是一种高效的白色回归滤波器。尔曼滤波器的工作流程如图5所示。于陀螺仪和加速度计的输出是模拟的，因此必须通过ARM芯片的A / D模块将它们转换为模拟到数字。
外，两者的输出值都必须转换。中：G系统中的陀螺仪检测到的角速度； Vout是陀螺仪的输出电压； Voffest是陀螺仪停止时的输出电压； Vsen是陀螺仪的灵敏度；加速度计输出值的转换由公式（11）表示：其中：A是检测到的重力加速度； Vout是输入电压H {加速度计的电压； Voffest是平衡位置的输出电压； Vsen是加速度计的灵敏度。用逆三角函数可找到Jq’的倾角和重力方向。于均匀单位，可以通过公式（12）将弧度转换为角度。过以上分析，可以计算出系统的预测协方差矩阵P。外，计算估计值和预测值之间的误差。们获得卡尔曼增益K O和K l。K O是估计最佳值时的增益。K l用于计算与最佳值的偏差。于最佳估计值和预测值之间的计算出的偏差，可以计算最佳角度值角度和最佳角速度值。实验过程中可以看出，单个加速度计或仅陀螺仪无法获得良好的数据，因此有必要处理这些数据。过探索合理的数据处理方法进行了以下实验检查。中该框可模拟车辆以尝试相关内容。MPU-6050模块安装在纸箱中心线的中心。身的坐标轴在图6中标记。于所拍摄照片的二维特性，Y轴在图中坐标轴的原点处标记。种体验的态度基于汽车模型的当前态度。据图6，可以获得当前车辆模型与地面之间的角度为-30°。
后将设备连接到计算机，以检查卡尔曼滤波器是否符合系统设计要求。过示波器观察其输出波形，如图7所示。们可以看到，对互补滤波算法进行了改进。系统通过对主要功能的研究和测试，将有关货运的信息记录在车载平台上，并通过执行车辆定位功能间接确认货运的位置。过加速度计和陀螺仪收集车辆姿态信息，并通过数据融合算法进行处理，在物理仿真的情况下，卡尔曼滤波算法可以响应系统的设计。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com