【摘要】针对基于行程开关的堆煤传感器由于行程开关易受煤尘侵扰、潮气锈蚀等外部环境的影响而常常不能及时准确地监测到堆煤故障信号的不足，提出了一种基于加速度传感器和角速度传感器的新型矿用本安型堆煤传感器的设计方案。该传感器将角度信号和角速度信号利用卡尔曼滤波算法进行融合，得到快速、准确的当前角度信号。在煤刚开始堆积时就将该故障信号传送至胶带输送机保护控制系统，防止煤炭持续堆积，达到保护胶带的效果。实际应用表明，该传感器运行稳定，可靠性高。
【关键词】加速度传感器；角速度传感器；卡尔曼滤波；堆煤传感器
1.引言
胶带输送机广泛应用于矿山企业的井下巷道、矿井地面运输系统、选矿厂等场所。一旦胶带输送机发生堆煤事故，如不及时发现并停车，煤炭将很快淹没输送机机头，严重损坏设备，甚至危及人员安全。大多采用堆煤传感器对胶带输送机进行保护。现有的堆煤传感器可大致分为3类：
（1）基于行程开关的堆煤传感器，由于煤矿环境复杂，易受煤尘湿气等外部环境影响常常不能及时准确报警，其耐用性、灵敏度、可靠性都不十分理想；
（2）基于水银开关或煤油开关的堆煤传感器，无法实现全方位的高精度的测量，自身抗干扰能力差；
（3）基于电极式原理的堆煤传感器，它需要定期清理电极座过多的煤，尤其是喷水后应将煤尘和水擦干净，维护频率高。
针对上述传感器存在的问题，笔者提出了基于惯性导航卡尔曼滤波算法，将加速度传感器和陀螺仪传感器的信号进行有效的融合，获得精确的角度信号[1-3]。
笔者设计的堆煤传感器利用加速度计的三维角度测量功能，再加上三维陀螺仪角速度信号的修正，真正实现了全方位高精度测量，避免了烦琐的维护；合理的抗干扰措施，减少了现场干扰引起的误动作，事故发生时能及时输出准确信号，停止胶带输送机的运转，防止故障的继续扩大。
2.传感器电路设计
2.1 传感器电路
加速度传感器采用美国飞思卡尔公司的MMA7361传感器。三轴加速度传感器是一种可以对物体运动过程中的加速度进行测量的电子设备，可以用来对物体的姿态或者运动方向进行检测，芯片集成度高、所需外围电路很少。其典型电路如图1所示：
图1 MMA7361典型电路图
角速度信号通过陀螺仪获取，陀螺仪选用日本村田公司ENC-03。其价格低，性能优异。外围电路只需要一个运算放大器即可，典型电路如图2所示：
图2 ENC-03陀螺仪典型电路
运放的输出电压接mcu的ad采集。
在堆煤传感器设计中，需要进行3维检测，因此需要3个ENC-03，分别安装在xyz三个方向。
2.2 微处理器电路
要准确的获得堆煤传感器的姿态，需要把加速度传感器的信号与陀螺仪的输出信号进行融合。这个过程需要大量的浮点运算。对处理器的性能有一定的要求。
处理器采用飞思卡尔公司生产的16位单片机MC9S12XS128，完成数据融合计算，获得最终的角度信息。该芯片采用的是3.3V-5V供电，芯片内部含有128K的Flash，8K的RAM，8路12位AD，其功能模块如图3所示。
图3 MC9S12XS128处理器功能模块
3.卡尔曼滤波
卡尔曼滤波是一种高效率的递归滤波器，它能够从一系列的不完全及包含噪声的测量中，估计动态系统的状态，卡尔曼滤波器是一个最优化自回归数据处理算法。他的广泛应用已经超过30年，包括机器人导航，控制，传感器数据融合甚至在军事方面的雷达系统以及导弹追踪等等[4]。
MMA7361输出的模拟电压信号对应的是当前的角度值，实际中的堆煤传感器不会静止不动，这样加速度计得到的加速度值中也必然包括了动态的加速度分量，直接使用传感器的输出值必然会给系统带来误差，加速度原始信号灵敏度很高，也就是有很多毛刺，所以单纯靠加速度计来测量堆煤传感器的倾斜角度是不能满足要求的。
ENC-03陀螺仪具有良好的动态性能，所以在系统中引入了它，与加速度计一起进行数据融合，实时测量得到准确的倾斜角度。
将两个传感器的信号进行有效的融合采用卡尔曼滤波算法。
3.1 滤波基本原理
卡尔曼滤波是以最小均方误差为估计的最佳准则，来寻求一套递推估计的算法，其基本思想是：采用信号与噪声的状态空间模型，利用前一时刻的估计值和当前时刻的观测值来更新对状态变量的估计，求出当前时刻的估计值。它适合于实时处理和计算机运算。
卡尔曼滤波过程可分为两个部分：状态更新和测量更新。状态更新方程及时地由当前系统状态和噪声方差估计出下一步的系统状态（先验估计）；而测量更新方程则负责反馈，将新的测量信号加入已经在状态更新方程中得到的先验估计状态，并最终得到系统状态的后验估计。
经过融合后角度，保持了良好的实时性，同时有效的避免了振动产生的毛刺影响。
卡尔曼滤波的计算过程如图4所示：
图4 卡尔曼滤波计算过程
3.2 卡尔曼滤波的计算过程
五个公式便是卡尔曼滤波的五条数学公式：
以上五个公式，是矩阵形式。虽然可以在MATLAB里进行仿真，但是却不能使用单片机进行有效运算。需要将卡尔曼滤波矩阵形式转化为方程形式：
然后用C语言编程实现，由MC9S12XS128处理器完成运算，得到最终的角度值。
将原始的加速度传感器数值和滤波后的数值用Matlab绘制出来，如图5所示。横坐标为采样点个数，纵坐标为角度。
图5 滤波后的角度
经过卡尔曼滤波后，系统的输出角度变得很平滑，不会受到各种震动干扰的影响。 3.3 卡尔曼滤波与滑动平均滤波方法的比较
常有的滤波方法还有滑动平均滤波法。其属于比较简单的滤波算法，它是（下转封三）（上接第137页）把连续取N个采样值看成一个队列，队列的长度固定为N，每次采样到一个新数据放入队尾，并扔掉原来队首的一次数据.（先进先出原则）把队列中的N个数据进行算术平均运算，就可获得新的滤波结果。它的优点是对周期性干扰有良好的抑制作用，平滑度高；适用于高频振荡的系统。缺点是灵敏度低对偶然出现的脉冲性干扰的抑制作用较差；不易消除由于脉冲干扰所引起的采样值偏差；不适用于脉冲干扰比较严重的场合。
为了比较数字互补滤波器与卡尔曼滤波器的性能优劣，笔者做了对比实验：
第一个试验就是将系统倾斜指定的角度，读取两种滤波算法得到的角度计算值，两者的角度计算基本都可以满足要求。
第二个实验，是要测试两个滤波器的响应速度，将系统快速旋转30度左右，保持一会，然后再反方向转到原来位置，然后进行对比。
图6（横坐标为采样点个数，纵坐标为角度。）即为两种滤波算法得到的曲线，其中红色的为卡尔曼滤波得到的曲线，蓝色的为数字互补滤波得到的曲线，由此图可以很明显地看出，红色的曲线具有更快的反应速度，说明卡尔曼滤波器和数字互补滤波器相比对角度的跟踪能力更强。另外，纵观整个曲线可以看出，红色的曲线比较平滑，而蓝色的曲线在下降沿的拐角处出现了一个凸起，说明卡尔曼滤波器更加稳定。
图6 卡尔曼滤波与互补滤波对比
经过实验验证，卡尔曼滤波器在快速性和稳定性方面都比数字互补滤波器性能优越。因此本系统最终选择使用卡尔曼滤波来计算堆煤传感器的倾角，也得到了理想的效果。
4.总结
本传感器基于半导体芯片设计，使传感器结构简单，且有较好的密闭性和耐用性，实现了全方位高精度测量，避免了传统的堆煤传感器由于煤矿井下的潮气腐蚀、煤尘侵扰等环境因素造成的影响和电极式堆煤传感器定期清除煤尘的麻烦；结构和电路上均考虑并减少现场风吹或者煤块击打而造成的信号干扰，抗干扰能力强。在实际测试中取得了很好的效果。
参考文献
[1]孙君，崔凯.基于水银开关的矿用本安型堆煤传感器的设计[J].工矿自动化，2011（5）：74-75.
[2]沈树国，孙益.井下带式输送机综合保护控制装置[J].煤炭技术，2002（8）：22-23.
[3]赵德月.基于MSP430F2012单片机的烟雾传感器的设计[J].工矿自动化，2011（8）：110-112.
[4]陆芳，刘俊.卡尔曼滤波在陀螺仪随机漂移中的应用[J].微计算机信息，2007，23（8-2）：222-224.