基于EKF的电梯楼层监测：传感器融合与状态估计实践

1. 项目背景与核心挑战

在智能建筑和物联网应用中，电梯状态监测是一个具有实际价值但技术实现复杂的课题。传统方案通常依赖电梯厂商提供的专用接口获取楼层信息，但现实中存在大量老旧电梯或封闭系统无法提供数据接口的情况。此时，通过传感器数据解算电梯楼层就成为了一个典型的"无接口逆向工程"问题。

这个项目的核心挑战在于：

• 电梯运行产生的传感器数据（如加速度、气压）具有显著的非线性特征
• 不同楼层的海拔高度差可能仅有3米左右，需要毫米级精度的气压测量
• 电梯启停阶段的加减速过程会产生复杂的惯性力干扰
• 需要实时处理传感器噪声并输出可靠的楼层估计

2. 传感器系统设计与数据采集

2.1 硬件选型方案

经过实际测试对比，我们采用以下传感器组合：

• MPU6050：集成3轴加速度计和陀螺仪，采样率配置为200Hz
• BMP280：高精度数字气压计，分辨率可达0.01hPa（对应约8cm高度变化）
• ESP32：作为主控芯片，兼具蓝牙/WiFi传输能力

关键提示：BMP280需要特别关注温度补偿。实测发现电梯井内温度变化会导致气压读数漂移，必须启用传感器的硬件温度补偿功能。

2.2 数据同步与预处理

多传感器数据融合面临的首要问题是时间同步。我们采用硬件中断方案：

c复制void IRAM_ATTR readSensors() {
  BaseType_t xHigherPriorityTaskWoken = pdFALSE;
  xSemaphoreGiveFromISR(sensorSemaphore, &xHigherPriorityTaskWoken);
  if(xHigherPriorityTaskWoken) portYIELD_FROM_ISR();
}

采集到的原始数据需要经过以下预处理：

1. 加速度计去除零点偏移（静态校准）
2. 气压计滑动平均滤波（窗口宽度15个样本）
3. 时间戳对齐（基于硬件定时器）

3. 扩展卡尔曼滤波模型构建

3.1 状态空间建模

定义状态向量：

code复制x = [position, velocity, acceleration, pressure_bias]^T

过程模型（电梯动力学）：

code复制x_k