收稿日期:2007211206
基金项目:重庆市科委自然科学基金资助项目(CSTG2007BB2448,CSTG2007BB4385);重庆邮电大学博士启动基金资助项目(A2007245
)
作者简介:刘宇(19722),男,重庆人,博士,主要研究方向为惯性导航及信号处理。
文章编号:100422474(2008)0620671203
基于振动陀螺的动态零位校准及其误差补偿刘 宇1,2,刘 俊1,黎蕾蕾2,孙燕彬1,李秋俊1(1.重庆邮电大学光电工程学院,重庆400065;2.重庆大学光电技术及系统教育部重点实验室,重庆400044) 摘 要:根据固态振动陀螺输出信号和噪声特点对其构成的低成本惯性测量单元(IMU)的原始传感信号进行了快速小波滤波和灰色理论建模处理。运用累加生成操作(AGO)方法得到有规则的单值对应非线性函数,并获得陀螺零位输出在三维空间中的单值映射模型。以时间和温度为输入,根据灰色神经网络建立陀螺的漂移模型,对累加生成方法生成的单值对应非线性函数进行逼近,从而提高了动态测量精度。同时采用活动阈值融合算法,优化陀螺和加速度计动态测量数据。实验证明,上述方法和算法有效提高了系统测量精度。关键词:陀螺;惯性测量单元(IMU);滤波;数据融合中图分类号:V241 文献标识码:A
DynamicZeroOutputAdjustmentandSystemErrorCompensationBasedonLowCostVibrationGyro
LIUYu1,2,LIUJun1,LILei2lei2,SUNYan2bin1,LIQiu2jun1(1.CollegeofOptoelectronicsEngineering,ChongqingUniversityofPostsandTelecommunications,Chongqing400065,China;
2.CollegeofOptoelectronicsEngineering,ChongqingUniversity,Chongqing400044,China) Abstract:ThesensorsignalfilteredthroughfastwaveletandcompensatedbyGreymodelwasproposedaccord2ingtothecharacteristicsofsignalandnoiseoutput.Greyaccumulateoperation(AGO)wasadoptedtoachievetheregularlysingle2mappingfunctionandthemodelofsingle2mappingofgyro’szerooutputinthreedimensioncoordi2nates.ThemodelbasedontheGreyneuralnetworkapproximatedthefunctionofcreatedbytheAGOalgorithmandimprovedthemeasurementaccuracyofIMU.Atthesametime,theactivethresholdbasedonthefusionalgorithmwasusedtooptimizethemeasurementdatumofgyroandaccelerometer.Experimentsprovedthesemethodandalgo2rithmincreasedthesystem’saccuracysuccessfully.Keywords:gyro;inertialmeasurementunit(IMU);filter;datafusion
在飞行器低速运动或俯仰和横滚方向改变时,陀螺的模拟输出实际是围绕静态零位点的正负变化曲线。捕捉这种运动状态下的零位一直是姿态测量领域的难点,文献[122]采用硬件实现的动态零位补偿,但效果不好。惯性测量单元(IMU)要实现动态测量,陀螺必须在整个测量时间和工作温度范围内有效补偿零位漂移。零位漂移是一个非线性、非平稳的随机过程,传统的补偿和修正方法很多,常用的方法有回归分析法和曲线拟合法。这些方法的共同处是为消除某种非目标参量对传感器输出特性的影响,系统中必须有相应的设置来测量该目标参量的敏感元件,以测量当前非目标参量的实际值,然后按照传感器事先已有的标定曲线加以修正。但这会增加系统的复杂度和硬件成本,且也只能针对其中的主要因素。目前采用的自回归(AMAR)建模对传感器零位输出进行模拟的方法很难建立准确稳定的AR模型。基于小波分析的趋势项提取方法[3]过程繁杂,且本身存在一定的限制,这种限制在通常情况下会造成虚假的谐波,而依此进行的一系列分析也将失去原有的物理意义。将小波分析理论引入建模数据的预处理,可抑制冲击干扰噪声,提高神经网络的建模精度,但对逐次启动参数的不一致和多值对应的性能参数并不能很好地模拟[4]。神经网络得到的近似补偿模型包含了所有的非线性影响因素,但建模精度将受数据随机性的影响,随机性越大,建模精度越低,反之亦然。因此,如果在不充分考虑影响陀螺漂移的温度因子和时间因子等多种因素,对数据进行有效的预处理以降低其随机性,则会降低神经网络的建模精度。本文首先对传感器输出信号进行预处理。根据陀螺输出信号特点对原始信号进行快速小波滤波预处理,实现对数据奇异点的检测和去除[5];加速度传
感器、角速度传感器、温度传感器采集经过快速小波滤波预处理后的相应信号,送入DSP完成数据融合计算,应用灰色理论建模,运用累加生成AGO操作,对数据融合计算后给定的陀螺零位漂移数据进行预处理[6]。然后再以时间和温度为输入根据灰色
第30卷第6期压 电 与 声 光Vol.30No.6
2008年12月PIEZOELECTECTRICS&ACOUSTOOPTICSDec.2008神经网络建立陀螺的漂移模型,对累加生成方法生成的单值对应的非线性函数进行逼近,获得均方误差更小和更加接近传感器真实输出的零位电压,从而抑制陀螺角度累积计算误差的主要误差源所造成的系统测量误差。最后,针对陀螺的输出信号特点和在动态测量中的测量方案,采用动态误差补偿算法实现系统测量精度的提高。动态误差补偿主要采用活动阈值和灰色RBF神经网络建模补偿运动中零位输出变化的方法。活动阈值的选取将根据陀螺运行的速度和测量方位的工作状态进行选取,而建模补偿零位输出将在运动中最大程度上跟踪和反映传感器的实际零位输出,从而减小累积计算误差,提高系统精度。1 硬件设计1.1 系统组成图1为IMU系统的实物装配图。该系统主要包括陀螺、加速度计和基于数字微处理器的采集计算专用嵌入式系统。系统通过采集各种传感器信号,经过数字信号转换和处理,实时输出高精度的姿态数据,提供给监控计算机做进一步的处理。
图1 系统装配图IMU系统主要结构由惯性敏感单元和数据处理电路两部分组成。惯性敏感单元由3个正交放置的单轴压电陀螺和3个正交放置的单轴MEMS加速度计组成,数据处理电路完成惯性敏感器件输出模拟量的采集、滤波、计算处理和对外通信等功能。1.2 电路结构嵌入式采集计算系统实质上是多传感器信息采集和数据融合计算的硬件平台。由于本文设计涉及复杂的小波处理和卡尔曼滤波,既要保证计算的精度,又要保证计算的实时性,因此,采用了DSP+
MCU的双CPU结构。图2为系统硬件结构[3]。
图2 硬件结构示意图
DSP选用TMS320F206,该DSP的时钟频率为160MHz,内部RAM为128kbit,6通道的DMA,1路定时器。作为数据计算平台的主处理器,该芯片的计算能力能达到系统要求。同时,由于该芯片还含有3路McBSP(多路缓冲串口),在一定程度上减轻了MCU接口扩展的负担。2 数据处理图3为系统误差动态补偿工作流程图。其处理过程主要包括传感器数据的采集处理和动态测量精度补偿,该动态补偿主要包括初始零位校准、动态零位的捕捉及数据融合计算等。在进行动态补偿处理前,传感器采集的陀螺数据已完成了快速小波滤波去噪。在机械安装结构上,加速度计水平安装,且和陀螺测量同一个角度。多传感器数据处理模块实时判断系统的运动状态,对不同运动状态采用不同的传感器数据或二者的融合,当系统处于超低速或静止状态时,直接采用加速度计输出数据,当系统处于较高度或速度变化较快时,如系统开始转动或突然停止时,则采用陀螺输出数据。将运动状态分为高速运动状态、低速运动状态和静止状态等多个等级,
用活动阈值的方法实时调整,以达到系统的最高测量精度和最佳运行稳定度。
图3 系统误差动态补偿工作流程图初始零位的校准采用启动数据的零位补偿计算与历史存储零位综合判断校准的方法确定零位数据。运用灰色神经网络建模补偿算法计算陀螺的优化零位输出,同时调出最后一次关闭系统时的校准零位作为参考,采用权重评判条件,综合判断校准陀螺的初始零位。其余传感器因启动零位重复性较好,故采用平均值滤波校准可得到理想的效果。陀螺要不静态启动,对模块直接进行零位数据采集,否则调入最后掉电时的历史零位数据,根据上
672压 电 与 声 光2008年 述数据更新陀螺零位,执行动态零位捕获,根据捕获的动态零位进行角度计算。角度计算采用陀螺和加速度计同时测量,并进行数据融合算法处理。陀螺的输出是一个随旋转速度大小正比变化的电压信号,系统以当时获取的零位输出电压为基准进行时间累积积分,即可获得角度信息;加速度计通过感知地球重力加速度获取角度信息,其模拟电压输出大小直接反映角度大小。两种测量方式对角度测量有各自的适用范围和优缺点,因此必须采用传感器数据融合算法加以优化。在此基础上,结合陀螺和加速度传感器采集的动态数据的实时判断,实现动态自校准和动态测量。实时判断采用多传感器输入数据的融合,判断依据包括当前陀螺输出数据绝对量及当前加速度计输出数据绝对量、陀螺输出数据变化量(与间隔时间为Δt的历史数据比较,Δt根据具体应用环境取值在1～15ms间动态调整)、加速度计输出数据变化量(Δt取值方法与陀螺一样)。通过陀螺输出噪声特点和加速度传感器噪声,结合测量的系统运行特点确定活动阈值A、B、C。活动阈值A即为处于噪声门限处的陀螺电压输出值,将该电压值换算为角度值,并经反复测试优化后确定为阈值A;活动阈值B为当前最新的陀螺输出电压与预定时间Δt前的输出电压差值,它反映速率变化的门限大小,活动阈值C为当前加速度计输出电压与历史数据(前Δt)的输出电压差值,它的选取将根据实测数据分析计算后获得。阈值C综合阈值A、B的当前值所反映的运动状态,判断出加速度计是否敏感了重力加速度或线性加速度,再调用动态零位算法模块,将最后掉电时的历史零位及零位修正数据偏差与活动阈值A进行比较,动态陀螺数据变化量与阈值B进行比较,动态加速度计数据变化量与阈值C进行比较,如果均小于比较值,更新历史的角速度传感器零位输出数据。3 实验结果基于上述原理的姿态角测量,用软件在很大程度上屏蔽了陀螺零位随机漂移引起的测量误差,避免了硬件上的补偿处理,实现了低成本,干扰降低的设计特点。同时,根据需要可灵活调整数据处理算法,以实现不同的测量需求,达到快速、准确、易于实现的设计目标。系统样机组装完成后,进行了反复多次试验测试,试验证明,该样机能完成传感器数据的采集和滤波处理。通过软件建模,对陀螺零位漂移可进行很好的补偿,并对温度引起的传感器性能参数变化有较好的抑制作用。图4为横滚方向进行试验的一组实际测试值,更新频率为50Hz。由图可看出,该系统的软硬件设计达到了数据优化和提高测量精度的目的,能更真实地反映物体的运动状态。