用于惯性约束聚变靶丸测量的激光差动共焦传感器

针对目前原子力显微镜等方法只能测量激光惯性约束核聚变(ICF)靶丸外表面等难题,研制了高精度、非接触、小型化的激光差动共焦传感器(LDCS)。该传感器基于差动共焦原理,利用激光差动共焦轴向响应曲线的零点对靶丸内外表面和球心分别进行定位,并结合物镜微位移驱动技术,实现靶丸内外表面和壳层厚度的高精度测量。该方法减少了靶丸表面的反射率、倾斜等因素对测量瞄准特性的影响,显著提高了系统的抗干扰能力。将传统的显微成像与差动共焦测量光路进行有机融合,实现了对被测样品的精确瞄准。初步实验与理论分析表明:当测量物镜的数值孔径NA为0.65时,LDCS的轴向分辨力优于5nm,信噪比优于1 160,过零点的标准偏差为10nm。该传感器为激光惯性约束核聚变靶丸测量提供了一种新的技术途径。

MEMS惯性传感器ADIS16355在姿态测量中的应用

设计了基于微电子机械系统(Microelectro mechanical system,MEMS)惯性传感器集成模块ADIS16355的姿态测量系统。该姿态测量系统采用ADIS16355作为惯性测量单元,利用加速度计对重力向量的观测来修正陀螺给出的姿态信息,卡尔曼滤波实现传感器信息融合以计算运动载体的姿态角。介绍了ADIS16355的基本功能模块,阐述了两种传感器融合测量实时姿态角的方法并给出了卡尔曼滤波算法迭代过程。基于ARMv7架构的Cotex-M3微处理器设计了姿态测量系统硬件。采用AHRS500GA对该姿态测量系统性能进行了测量姿态角的验证实验。测试结果表明,该姿态测量系统能在动态条件下准确地测定运动物体实时姿态角,其误差一般在±1°左右。

基于MEMS传感器惯性测量单元设计与实现

随着微电子机械系统(MEMS)技术的发展,出现了大量高性价比MEMS传感器,被广泛应用于多个领域。然而惯性测量单元通常包括多个传感器,如三轴MEMS加速度、角速度和磁力传感器,这样要求有多个数据通道输出,给原型系统设计和开发带来不便。基于此,文中设计了一种惯性传感板,集成MEMS三轴加速度传感器、三轴角速度传感器和三轴磁力传感器,通过单个UART串口可以读取9通道数据。经过试验验证,该惯性传感单元能够满足一般原型系统的快速设计和开发。

基于MEMS的惯性测量组合设计与实现

随着MEMS技术的不断发展与成熟,低成本、安装体积小、中精度的惯性测量组合在实际应用中具有重要价值。该文设计了一种基于MEMS的惯性测量组合,该组合由微机械陀螺、加速度计、电源模块和电路板等组成,利用数字信号处理(digital signal processing,DSP)芯片对微机械陀螺和加速度计的信号进行采集,通过建立误差模型进行误差标定补偿,标定后的组合能够实时对外输出三轴角速度和加速度等传感器信息。经试验验证,该标定方法能够修正惯性测量组合的安装误差,精度指标可以满足实际使用需要。

基于IMU传感器与深度度量学习的人体行为识别算法

人体行为识别可以定义为通过一系列观察和周围环境来确定一个人的各种姿势和日常活动。很多研究尝试将深度学习技术用于HAR中,然而,现有的基于DL的HAR方法存在复杂度较高、算力需求大和泛化性与鲁棒性不足的问题。为了解决上述问题,围绕基于智能手机内置IMU传感器的HAR方法,提出了一种名为RMDML的HAR方法,该方法结合了轻量化神经网络Res-MLP和深度度量学习的特征嵌入技术,旨在提取具有可分离性与可判别性的泛化特征,从而提高模型识别性能和泛化性能。RMDML模型在公开数据集UCI HAR上取得了97.26%的准确率,高于几种常见的HAR算法,证明了所提出方法的有效性。

基于微型惯性传感器的井下人员跟踪定位系统

为了解决当前煤矿井下使用的WIFI人员定位系统在煤矿井下复杂环境中受到干扰,造成使用精度误差等问题,研究并提出使用微型惯性传感器制作足部轨迹测量传感器,通过惯性轨迹测量算法计算并跟踪井下人员的移动轨迹。使用基于固定阈值的零速检测技术和基于Kalman滤波的零速校正技术估计并校正由于系统长期工作造成的偏移误差。通过实验证明采用微型惯性传感器能够在不依赖于外部传感器的情况下对人员轨迹实现测量跟踪,Kalman滤波的应用能够减少惯性轨迹测量系统造成的长期漂移误差,可避免井下复杂工作环境对定位造成的干扰。

多传感器融合的无人车自主定位实验研究

为了满足机器人专业课程实验研究性教学需求,设计一个多传感器融合的无人车自主定位实验。选择智能机器人开放平台作为载体,在硬件平台上研究退化环境实验,实现3D激光惯性融合的定位与建图。在实验环节中,首先,通过惯性测量单元(IMU)获得位姿信息,通过激光雷达获得点云数据,利用扩展卡尔曼滤波处理位姿信息,并利用体素滤波处理点云数据,从而完成数据预处理;然后通过坐标转换实现激光惯性组合定位;最后在硬件平台上研究退化环境实验,实现3D激光惯性融合的定位与建图。实验结果表明,IMU测量数据有较高的准确性,而激光点云则会约束IMU的测量偏差。这种组合方式能够有效地提高同步定位与建图(SLAM)系统在复杂现实环境中的测量精度和鲁棒性,适用于无人车的自主定位。应用表明,该实验系统使学生获得了综合训练,提升了学生的综合实践创新能力和科研创新能力,并取得了良好的教学效果。

基于MEMS惯性传感器的微型姿态测量系统(英文)

提出了一种基于低成本MEMS惯性传感器的微型姿态测量系统,包括MEMS速率陀螺、MEMS磁强计、单轴MEMS加速度传感器.重点研究了基于扩展Kalman滤波(EKF)的姿态估计创新算法,通过速率陀螺更新误差状态四元数计算姿态角,并通过飞行方向的加速度传感器和三轴磁强计来补偿陀螺漂移和姿态角误差,利用扩展卡尔曼滤波方程消除瞬时干扰,实现高动态姿态测量.系统的仿真和高动态实验表明,姿态测量动态精度低于5°,静态精度低于0.7°.

基于惯性传感器的人体姿态角度测量方法研究进展

介绍了基于微机械电子系统(micro-electro-mechanical system,MEMS)级惯性测量单元的人体姿态角度测量方法研究进展。对基于单一传感器与组合式传感器的2种姿态角度测量方法及运用分别进行了阐述,并总结其优缺点。探讨了不同惯性测量单元组合用于姿态测量的方法及其优缺点,得到在不同情况下使用不同方法的结论。指出惯性传感技术拥有广阔的应用前景,进一步对该技术与其他技术的融合进行研究和开发可为人类的健康提供更有价值的技术与产品。

基于冗余测量的空间机械臂关节扭矩传感器研究

为实现空间机械臂的灵活控制,需要在机械臂关节处增加扭矩传感器,而航天器发射阶段特有的高冲击和强振动等特点要求扭矩传感器具有高抗过载和容错能力。对扭矩传感器和空间机械臂关节输出法兰进行一体化设计是一种可行途径,它可实现空间机械臂的高集成度和轻量化的目标。结合空间机械臂关节输出法兰设计了一款扭矩传感器,对设计的传感器弹性体进行受力分析,建立了传感器扭转刚度和应变的解析模型,基于参数设计的方法对传感器结构进行优化;为提高传感器的容错能力,根据其结构特点采用双全桥电路冗余设计。实验表明,经过冗余设计,传感器线性度得到改善,轴向抗干扰能力得到提高,线性度为0.77%;重复性0.89%;滞后为0.95%,满足使用需求。

IMU330RA惯性传感器 新纳传感系统有限公司

新纳传感(ACEINNA)推出高性能惯性测量单元——IMU330RA。新款IMU330RA是一款易于集成的高性能6自由度惯性传感器,封装于IP69K级别的坚固密封模压成型塑料外壳。IMU330RA具有冗余的3轴加速度计和3轴陀螺仪,拥有出色的准确性和可靠性。

基于九轴惯性传感器的人体关节活动度测量方法研究

目的:提出一种基于九轴惯性传感器的人体关节活动度测量方法。方法:搭建由无线处理器、九轴惯性传感器、同步电路、电源管理模块和唤醒关机电路组成的关节活动度测量电路,采用九轴惯性传感器搭配无线处理器采集肢体的角速度、加速度和磁力原始数据,利用均值滤波、几何校准算法对原始数据进行校准,再将校准后的数据采用Madgwick算法进行姿态解算,保证输出的欧拉角在同一坐标系内。将关节活动度测量电路佩戴在志愿者额头及胸部中央,引导志愿者做颈椎前后屈伸、左右侧屈、左右旋转运动,通过计算头部和胸骨体的欧拉角差值获得颈椎活动度。结果:关节活动度测量电路可布置在关节两端协同测量,且测得的欧拉角精度为±1°。采用该测量方法测得的颈椎前后屈伸、左右侧屈和左右旋转的活动度均符合人体关节活动度特征。结论:该测量方法可实现对关节活动度的准确、有效测量,能反映真实的关节活动状况。

基于BP神经网络的无人机IMU多传感器冗余的补偿算法

针对无人机多传感器数据决策时存在的数据可靠性不足以及资源浪费的问题,提出一种基于BP神经网络的无人机惯性测量单元(IMU)多传感器冗余的补偿算法。将低精度的IMU传感器数据输入到BP神经网络,利用BP神经网络的非线性拟合能力,补偿低精度IMU数据的误差,然后利用基于置信度的数据仲裁算法对多个较高精度数据进行仲裁,输出经过数据融合后的传感器数据,此过程还可以进行传感器故障判断和定位。通过改变同类型传感器安装方式解决奇点问题。实验结果表明,经过神经网络误差补偿后,误差比原来减小了55.2%,比使用卡尔曼滤波算法进行误差补偿后的误差小53.9%。此算法充分发挥了冗余传感器设计的优势,提高了传感器系统的可靠性。

霍尼韦尔公司推出六自由度的惯性测量组合（IMU）传感器

HG1171系列产品可提高重载设备的安全性、可靠性及工作能力。霍尼维尔公司已推出了HG1171系列的6DFIMU传感器，设计这种产品可为应用在农业、建筑和材料处理设备应用中的自动转向、稳定性和车辆控制提供关键数据。HG1171系列产品已广泛用于航空导航和控制中，其采用了MEMS技术，可为客户提供传感转动速率和加速度方面的更好性能。

基于多传感器采集信息的水下机器人导航系统

设计基于多传感器采集信息的水下机器人导航系统,确保水下机器人能够高效完成水下任务,并改善其导航效果。构建水下机器人导航系统结构,传感器采集模块通过安装于水下机器人上的惯性测量单元、水温水压传感器、GPS传感器、视觉传感器获取其姿态、深度、位置、运动环境信息,数据处理模块调用联合卡尔曼滤波算法实现各种信息的融合后,经通信串口传输至运动控制模块,由主控制器实现水下机器人的运动控制。经以太网通信模块将融合后的数据传输到上位机中,导航模块通过避障算法和路径规划算法实现水下机器人的导航,并呈现导航结果。实验结果表明:该系统可实现多传感器采集信息的融合,融合后速度、位置误差获得有效降低;导航轨迹曲线与实际轨迹基本一致;可实现障碍物避障,并规划出运动轨迹。

惯性传感器和互补滤波器在姿态估计中的应用

惯性测量方法被广泛应用于机器人等运动物体的姿态检测中,本文研究利用惯性传感器和互补滤波器的优点进行姿态估计。为了获取互补滤波器的转接频率,进行了加速度计和陀螺仪的动态响应测试,设计了自适应互补滤波器。在双轮直立行走机器人装置上对方案进行了验证,实验数据表明,利用自适应互补滤波算法可以准确可靠的获取机器人的姿态信息。

基于蒙特卡洛方法的冗余传感器信号测量算法

核电厂从安全角度出发针对同一测量信号(温度、压力、流量等)往往设置了多个冗余传感器。为了减少操纵员工作负荷,如何规避测量误差、传输延时和传感器故障等因素影响,正确地将多个信号综合成一个最真实的信号进行显示和处理就显得尤为重要。设计的冗余传感器信号测量算法可根据信号数据质量计算其数据质量权重,然后利用蒙特卡洛方法根据测量信号的测量误差计算每个测量值的计算权重,综合考虑数据质量权重和测量误差权重后,通过对所有信号进行加权平均值计算得出最终的真实信号值。该算法可以有效地减小测量值同真实值之间的误差,并能够极大减小数据传输超时导致数据质量降级、传感器故障导致数据值偏差过大等因素对计算结果的影响,使得计算值尽量接近真实值。通过使用MATLAB对均值法、卡尔曼滤波法和冗余传感器信号测量算法进行比较,得出冗余传感器信号测量算法在有效性和准确性两方面都表现最为优越。

一种基于MEMS传感器的无人飞艇航姿测量系统

提出了一种基于微机电系统(MEMS)惯性传感器的航姿测量系统。分析了一些传统姿态解算算法融合过程中的不足,提出一种高效的融合算法,利用梯度法将加速度计和磁力计对地球重力场和磁场矢量的观测量去修正陀螺给出的姿态信息。针对实际测量系统中振动对姿态的干扰问题,提出切比雪夫II型低通数字滤波器进行传感器数据预处理,并结合运动状态修正融合算法从而进一步抑制振动。通过实验表明:该系统的算法具有较低的计算负荷,能有效地估计出姿态,抑制振动有害加速度对姿态估计的影响,测量动态误差小于2°,静态误差小于0.8°。

容错冗余传感器系统与可靠性计算

讨论了正交式、斜置式冗余传感器系统的可靠性计算问题，当考虑故障检测与隔离技术后，讨论了系统配置的Ｍａｒｋｏｖ模型及其状态转移矩阵。针对由六个加速度计构成的斜置式冗余系统，给出容错系统的可靠性计算模型及相应的任务可靠性计算。

两种惯性传感器数据融合

基于闭环控制器调整合成姿态角的融合原理,用DSP构建了数字融合滤波器。融合过程通过PID闭环控制器实时校正动力调谐陀螺仪测量的低频数据,再用该数据修正没有低频和直流分量的角速率传感器的测量数据,从而得到高低频段测量特性较好的融合数据。该过程实现了测量带宽高低不同两种惯性传感器的数据融合。融合滤波器的融合效果测试结果表明,融合后的数据除了在交接频率10Hz附近的测量特性与真实数据有误差(幅值最大衰减-4.5dB,相移最大25o)外,在别的频段都与真实数据吻合得比较好。融合后的测量带宽可达到1000Hz,测量噪声为2.346″(RMS),因而其测量特性优于所选用传感器中的任意一种。在现有传感器不能满足要求的前提下,其应用为宽带宽惯性测量的实现提供了新思路,也为宽带宽惯性稳定系统的实现提供了前提条件。