MEMS惯性传感器高低温补偿方法

微机电系统(MEMS)惯性传感器在生产过程中需要进行高低温测试和全温度范围的数据补偿,使其性能保持稳定。以往的传感器补偿设备抗干扰能力弱,补偿模型适应性差,无法满足传感器批量生产的需要。通过研究MEMS惯性传感器补偿流程,设计了一种针对某型MEMS惯性传感器的高低温补偿系统,实现传感器的自动测试和补偿。通过引入相关算法实现了基于误差辨识的参数优化最小二乘支持向量机(LS-SVM)算法。算法实现了对误差和干扰的自动识别。实验结果表明:所提方法能够提高MEMS惯性传感器批量化高低温补偿的精度。

RTK-DGPS融合惯性传感器的车辆导航参数计算方法

为实现农用车辆精确导航,提出一种RTK-DGPS融合惯性传感器的导航参数计算方法。横向偏差是利用惯性传感器采集的姿态角经几何变换补偿系统中存在的杆臂效应再进行计算得到的。试验结果表明,系统存在俯仰和侧倾时,此方法平均补偿了0.08 m的横向偏差,通过提高系统的定位精度得到了更精准的横向偏差。由于惯性传感器难以适用于磁场干扰较大的环境,为此,提出仅利用RTK-DGPS计算航向偏差的方法,即利用最小二乘法拟合RTK-DGPS动态定位点形成车辆行驶路径并进行计算。试验结果表明,车辆直线行驶、做圆周运动与沿任意曲线行驶时,惯性传感器与RTK-DGPS计算的航向偏差之间的平均误差分别为0.963 6°、3.641 8°与2.756 2°,验证了利用RTK-DGPS计算航向偏差的可行性。

机器人惯性参数辨识的若干方法及进展

当代机器人技术的发展对机器人动态特性提出了更高的要求,惯性参数是影响机器人动态特性的主要参数之一。文章回顾了当前辨识机器人惯性参数的各种方法,讨论了各种方法的优点和存在的问题;介绍了基于传感器信息的机器人惯性参数识别方面的研究进展;给出本文的小结和有待于进一步研究的课题。

机器人末端臂惯性参数辨识的人工神经网络方法

分析了机器人操作臂末端连杆惯性参数辨识的原理及数学模型,提出了一种与传统神经网络问题不同的惯性参数辨识方法,使神经网络的结构与权值具有明确的物理意义,解决了获取样本难的问题。探讨了人工神经网络在系统参数辨识应用中的一般规律及优越性。惯性参数辨识方法简单、直观、运算量小,可应用基于传感器信号的机器人末端惯性参数的在线辨识。在PUMA562机器人上,用实验验证了惯性参数辨识方法的可行性与有效性。

基于MEMS惯性传感器时域特征的人体行为识别

提出了一种基于微机电系统(MEMS)惯性传感器组合系统的高精度实时人体行为识别算法。算法选取一个2 s的滑动时间窗作为特征提取窗口,提取惯性传感器组合系统输出的时域特征作为特征参量,采用基于平衡决策树的支持向量机对人体不同行为模式进行分类识别。在实验室自主研发的可穿戴智能终端平台上进行测试,结果表明,在识别时间缩短到2 s/次的条件下,对5种行走类行为模式和5种非行走类行为模式的识别率均可达88%。与现有算法相比,该算法的实时性和精度得到明显提高,且拓展了模式识别的种类。

空间机器人抓取未知目标的质量特性参数辨识

根据动量守恒定理,研究了单臂自由飘浮空间机器人抓取未知目标的质量特性参数辨识问题。已有文献中基于动量守恒原理进行的参数辨识只适用于系统线动量和角动量为零的情况,当两者不为零时无法得到正确的辨识结果。为解决此问题,本文首先在惯性系而非本体系下推导得到了机械臂抓取未知目标后的系统线动量和角动量,保证了其各分量的守恒特性。然后基于此特性,通过在轨测量两个时刻机器人本体的线速度、角速度以及机械臂各关节的角速度和转角信息,建立了含有未知目标质量特性参数的动量增量方程。最后根据三组测量信息,从联立的动量增量方程组中求解得到未知目标的质量特性参数。数值仿真表明,此方法在系统线动量和角动量为零和不为零两种情况下都能实现高精度的参数辨识,同时还避免了方程求解的奇异问题。

基于腕力传感器的机器人操作臂惯性参数辨识方法

针对工业机器人结构设计及动力控制中,在比现有方法少用了基座力传感器的基础上,充分挖掘了腕力传感器的信息,利用机械臂运动学及动力学递推关系,由Newton-Eu ler方程导出了各连杆惯性参数逆向的辨识模型.以一个算例说明了方法的运用,为机器人操作臂动力学建模提供了理论基础.

复杂环境下两轮自平衡机器人稳定控制研究

针对两轮自平衡机器人在控制过程中的抖动现象,采用一种快速跟踪的有限记忆递推最小二乘估计方法,实现系重心偏移角的参数辨识.仿真表明,在参数突然变化时,该方法能快速辨识系统参数.通过增加一个惯导元件,用一个倾角仪A中采集的数据辨识出的偏移角对另一个倾角仪B的零位进行修正,将B采集的数据反馈到控制器中,对机器人实施平衡控制.分析表明,考虑重心偏移的控制策略是一种自适应的控制方法,能有效去除抖动现象,提高两轮自平衡机器人平衡控制的鲁棒性.

一种无机械平衡调节器自行车机器人的惯性参数辨识

针对一种前轮驱动自行车机器人样机的惯性参数难以直接获得、控制器参数整定效率低和平衡控制效果差的问题,基于欠驱动力学特性对系统进行惯性参数辨识,并对辨识结果进行平衡控制试验验证.采用拉格朗日方法分析系统的力学机理,结果发现,其中包含有欠驱动子系统,若将该子系统进行变量分离,可以推导出系统的惯性参数辨识模型;根据惯性单元等传感器的实测信息,引入遗传算法对模型进行求解,辨识出了系统的惯性参数.样机试验结果表明,根据辨识出的惯性参数可以快速整定出控制器参数并实现样机在水平面上的稳定平衡行走,验证了辨识方法的有效性.

基于腕力传感器的操作臂惯性参数在线识别

论文基于腕力传感器的输出信号探讨了一种在线识别机器人操作臂末端惯性参数的方法 .该方法考虑到了腕力传感器接入对机器人系统动力学特性的影响 ,同时利用腕力传感器真实反映机器人系统力作用和力传递的特点 ,既能包括机器人关节特性的影响也可以避免理论辨识方法可能出现的“虚幻模型”的问题 .该方法还可以用来辨识机器人操作未知工件或工具的惯性参数 ,这对经常更换操作对象的机器人的精确控制和动力学仿真是非常重要的 .

基于惯性测量单元的欠驱动球形机器人惯性参数辨识

针对欠驱动球形机器人,提出基于惯性测量单元的惯性参数辨识方法。首先,根据Kane方法建立欠驱动球形机器人的动力学模型;其次,利用该模型中的三个欠驱动方程推导出球形机器人惯性参数辨识模型;最后,以一种新型的球形机器人为实验平台,根据安装在球形机器人框架上的惯性测量单元实测信息,对本文方法进行实验验证。实验结果表明,辨识结果具有合理性。该方法简单可行,为其他欠驱动机器人惯性参数辨识提供了一种新的思路。

基于MEMS惯性传感器和GPS接收机组合的高动态弹道参数遥测系统

本文根据高速旋转弹箭外弹道参数的测试需求以及弹体在外弹道飞行环境中的特点,提出了基于MEMS惯性传感器和GPS接收机组合来构建遥测系统的总体方案和解决问题的方法.文中详细分析了遥测系统测量原理以及引起测量误差的各项因素,并介绍了遥测系统的组成和工作过程.在火箭弹靶场动态试验中,遥测系统成功地获取了在高速飞行及旋转条件下全弹道的弹体惯性参数和飞行轨迹信息,为常规弹箭靶场飞行试验动态性能的评定开辟了有效途径.

使用零力矩点反馈的双足机器人惯性参数辨识

为解决基于关节力矩的双足机器人参数辨识方法辨识精度不高,基于完整的足底力信息和运动捕捉数据的辨识方法对实验条件要求较高的问题,提出基于ZMP(zero moment point)数据的双足机器人惯性参数辨识方法。将理论ZMP与实际ZMP的位置偏差作为目标函数,考虑参数范围和机器人总质量两类约束条件,建立只使用双足机器人自身传感器采样数据的惯性参数辨识优化模型。针对所建模型无法拆分成线性形式的问题,推导目标函数关于参数矢量的梯度矢量和海塞矩阵,并给出了基于最速下降法和牛顿法的优化求解算法。使用GoRoBoT-II机器人的双足部分,进行腿部杆件的惯性参数辨识实验,将所提出方法得到的辨识结果与传统基于关节力矩的辨识结果进行对比,发现基于ZMP的辨识方法的结果更接近于三维几何建模得到的参数标称值,且理论ZMP与实际ZMP的偏差均值为4.6 mm,小于传统基于力矩辨识方法的12.4 mm,说明所提出的基于ZMP的惯性参数辨识方法能够得到比传统方法更好的结果。

多传感器融合技术在低成本车辆组合导航定位系统中的应用

采用多传感器信息融合技术,运用位置/航向的输出校正和元件参数误差的补偿校正的方法,利用一阶马尔可夫模型建立了传感器参数的误差模型,提出了基于集中卡尔曼滤波的GPS/INU车辆组合导航算法。仿真结果表明上述方法是行之有效的。

模块化机器人的惯性参数辨识研究

提出了一种基于六维力/力矩传感器的模块化机器人惯性参数辨识的方法。首先,通过Newton-Euler方程建立模块化机器人的动力学方程,然后利用基座力旋量平衡原理建立辨识模型对动力学方程中的未知参数进行辨识,最后以德国AMTEC公司生产的PowerCube模块化机器人实体对这种方法进行了实验验证。

基于误差状态量的卡尔曼滤波器在SINS+GPS组合导航中的应用

卡尔曼滤波(KF)在SINS+GPS组合制导方法中应用广泛,但是运载体的传感器数学模型一般为非线性,其模型复杂度和运算量较大。文章提出了SINS+GPS组合制导中基于误差状态量的卡尔曼滤波算法,为了回避非线性所带来的复杂性,将GPS数据与惯性导航数据的误差作为状态量,由于误差的数学模型为线性,明显降低了设计难度。文中给出了设计过程和导航系统的数学模型,对该模型的状态参数进行了设置,最后用仿真试验证明了该算法的有效性。

微惯性传感器建模及冲击响应分析

研究了微惯性传感器在冲击环境下的可靠性问题,重点分析了微惯性传感器在冲击载荷作用下的冲击响应问题。根据微惯性传感器结构部件主要由质量块、支承梁、衬底组成的特点,建立了微惯性传感器结构部件的集总参数模型,得出了微加速度计和微陀螺在半周正弦加速度冲击载荷作用下的冲击响应解析解,并采用有限元分析软件ANSYS验证了该解析解的正确性。此冲击响应解析解对预测微惯性传感器在冲击环境下的可靠性具有重要作用。

六维腕力传感器惯性参数的在线识别

腕力传感器的动态特性对机器人系统的动态特性、精确运动和控制有不可忽视的影响。将六维腕力传感器置于机器人系统中 ,基于腕力传感器坐标系内的微分运动 ,结合机器人运动学和动力学知识 。

基于惯性姿态参量量化融合的机器腿仿生步态控制

为了提高机器腿仿生步态控制的稳定性,提出一种基于惯性姿态参量量化融合的机器腿仿生步态控制方法。构造机器腿仿生步态的运动学模型,进行机器腿仿生步态控制约束参量建模,采用陀螺仪和加速度计等位姿传感器进行姿态参量采集。采用扩展卡尔曼滤波方法进行机器腿的惯性姿态参量融合并输入到时控制执行器中。针对未知扰动对机器腿步态参量控制的误差,采用自回归更新方法进行姿态参量误差反馈修正,实现机器腿仿生步态稳定控制。仿真结果表明:提出的方法对机器腿仿生控制的稳定性较好,姿态参量的定位跟踪能力较强,提高机器腿步行的稳健性。

基于SDRE控制的双臂空间机器人轨迹优化跟踪

针对自由漂浮双臂空间机器人惯性参数未知的问题,提出了一种基于状态依赖Riccati方程的两级优化控制方法。首先,基于扩展机械臂方法建立双臂空间机器人自由漂浮状态下的关节空间动力学模型;而后将标称状态变量和实际状态变量作为标称动力学方程的反馈输入量,借助增广变量法,分别得到空间机器人关于关节角度和角速度的类线性标称状态方程和实际状态方程;根据标称状态方程设计离线标称SDRE控制器,并建立其与实际状态方程的误差模型;由此进一步设计在线补偿SDRE控制器补偿标称控制器的跟踪误差。SDRE稳定性引理保证了所设计控制器的渐进稳定性;数值仿真结果验证所提控制方法的有效性。