MEMS风速风向传感器倾斜效应研究

本文主要针对智能电网、海上浮标等容易发生倾斜状态的应用场景,研究了微电子机械系统 (MEMS) 热式风速风向传感器的输出性能,并对带有空气动力学壳罩的传感器进行了有限元仿真和风场测试。测试结果表明,风向测量误差和仿真误差均较小,但风速测量误差却远大于仿真误差。进一步分析可知,其原因是传感器在封装时其外壳容易产生倾斜。为了解决这一问题,本文采用3D打印技术实现一体化的封装外壳。测试结果表明,在±20°以内的倾斜状态下,优化后传感器的风速、风向测量误差分别满足±(0.3+5%v) m/s、±3°的指标要求。     

双控制模式MEMS风速风向传感器设计、仿真及制备

针对恒温差模式下的MEMS风速风向传感器量程较小等问题,首次提出了一种恒温差和温度平衡双控制模式的MEMS风速风向传感器芯片。通过改变加热、测温电阻在传感器芯片的位置以及加热电阻的工作状态,用于实现传感器在低风速和高风速下处于不同的工作模式,从而使得传感器在不同风速下均有较为准确的输出结果。分别通过理论分析、有限元仿真证明了该传感器的量程可达0~75m/s,采用温度平衡控制模式替代恒温差模式有效解决了恒温差控制模式高风速下传感器输出饱和的问题。此外,设计了该传感器的流片工艺,并利用MEMS工艺对其进行了制备。     

基于MEMS的固态风速风向传感器及其最优结构参数

基于圆柱绕流的理论分析给出圆柱体周边压强分布方程,并据此提出了一种新型的基于MEMS的固态风速风向传感器结构.建立了其内部流体流动的理论模型,并利用该模型进行数值计算得到了这种传感器的最优结构参数.分析表明,利用相互正交的MEMS风速传感器测量风向是可行的,并且具有多个通风孔结构的传感器可以有更高的精度.     

微型风速风向传感器研制

阐述了微型风速风向传感器的工作原理,结构设计及工艺研究,该传感器采用硅微机械加工技术制成微悬桥结构,将加热电阻器与感温电阻器排布在悬桥上,降低了功耗,提高了传感器灵敏度,实现低风速风场测量。     

风速风向传感器在风机控制中的应用与研究

研究了多种风速传感器测量风速的原理,比较了各种风速传感器测风速的特点,分析了风力发电对风速测量的要求。并且通过对风杯式风速计测风速的误差分析,得出利用三杯式风速传感器是比较适用于控制风力发电机发电的。并且提出了一种对风速数据处理的新方法,使其更好的用于风力发电的控制。对风力发电控制技术的发展具有重要意义。     

基于MSP430的热式风速传感器设计

基于热扩散原理设计了一款热式风速传感器,它是以Flow Sens FS5为感应元件,将其接入传感器电路之中,通过模拟采集电路转换为电压信号。将电压信号经差动放大电路放大之后,再经过信号滤波电路进行滤波,使电压的幅值比较稳定。最后由MSP430F149单片机的A/D定时采集电压信号,单片机处理采集数据并在液晶上显示风速值。     

CMOS风速风向传感器的设计

介绍了一种CMOS(互补MOS)集成风速风向传感器,使用恒温差(CTD)控制模式将芯片加热,使其中间加热区域的温度高于周围环境(风)温度一定值。该传感器在有风吹过它的表面时能同时测量风速和风向。采用4个串联的热堆测量芯片中心区域的平均温度,这种测温的方法简单、新颖。在简单阐述CMOS硅热流量传感器的工作原理和结构之后,主要介绍驱动和信号读取电路。经过风洞测试,传感器能够测量风速0～23m/s,具有良好的线性度和灵敏度,同时,传感器360°内方向敏感。     

二维超声波风速风向传感器风向信号修正方法

针对二维超声波风速风向传感器输出的风向信号普遍存在风向角瞬变的问题,研究了产生风向角瞬变现象的原因,并提出了一种基于幅值—符号分解的风向修正算法。理论分析和实验结果表明：风向信号中的风向角瞬变是由传感器的量程限制造成的;基于幅值—符号分解的风向修正算法能在不改变风向角所表征的方位特征的前提下消除风向角瞬变。     

煤矿用超声波式风速风向传感器设计

为了监测煤矿瓦斯突出事故导致的瓦斯逆流情况,应用超声波时差法原理设计了煤矿用超声波式风速风向传感器。该传感器利用超声波发射、接收的时差与风速、风向的关系,经过运算得到被测风向和风速。测试结果表明,该传感器稳定性强,测量精度高,风速测量范围为0.4~15m/s,误差不超过0.3m/s,风向测量范围为0~360°,误差不超过3°。     

矿用对射式风速风向传感器设计

针对目前风速传感器启动风速高、设计方案复杂、无法准确测量巷道整个断面平均风速的问题,基于超声波对射式测风原理,设计了以STM32为核心的矿用对射式风速风向传感器,介绍了传感器总体结构、收发电路设计、滤波算法及软件流程。该传感器改变了以点带面的测风方式,通过大距离（5～12 m）超声测风技术测量巷道中线风速,以该风速代表整个巷道的平均风速,提高了巷道风速测量的准确性和实时性。依据设计方案研发了测试样机,在环形风洞中的测试结果表明,该传感器测量值与风速标准值在0.1～15 m/s内具有较好的一致性,测量误差小于0.1 m/s,能够满足智能化矿井对巷道风速测量精度的要求。     

改进的卡尔曼滤波在MEMS陀螺仪信号处理的应用

针对MEMS陀螺仪的输出随机漂移误差影响测量精度的问题,提岀一种改进的卡尔曼滤波方法进行MEMS陀螺仪误差补偿。传统的卡尔曼滤波方法是针对时域内的随机序列采用统计特性进行递推估计,从而得到测量所需要的信号。本文在传统卡尔曼滤波算法的基础上引入衰减因子和差分控制项,以此自适应地估计卡尔曼滤波量测噪声方差,并结合硬件系统将该算法进行静态性能试验和动态性能试验,使用Allan方差分析法对原始陀螺仪信号以及误差补偿后的陀螺仪信号进行对比分析。对比数据结果表明,陀螺仪静态随机误差得到了有效的抑制,从而验证了该算法在陀螺仪静态数据处理方面具有一定的应用价值。     

基于旋转矩阵KF的低成本MEMS姿态解算

针对低成本MEMS器件组合的姿态检测系统在运动加速度干扰下姿态估计精度较差等问题,提出了一种基于旋转矩阵卡尔曼滤波器(KF)的姿态解算方法.为了克服四元数法观测方程为非线性的缺点,该方法以旋转矩阵部分元素建立状态方程,并对量测加速度采用状态反馈估计的运动加速度进行补偿,减小了外部加速度的干扰,然后通过构造水平观测向量降低了计算复杂度,并给出了量测噪声协方差的推导.最后设计了卡尔曼滤波器对量测信息实现融合.动静态测试表明,该方法消除了累计误差,与无迹卡尔曼滤波(UKF)相比,提高了在运动加速度干扰下的姿态估计精度.     

一种基于CKF的无线传感器网络分布式定位算法

为提高无线传感器网络节点定位的精度,降低算法计算复杂性,提出了一种基于容积卡尔曼滤波的无线传感器网络分布式节点定位算法。该算法假定移动锚节点按预定路径在传感区域移动,并周期性广播自身位置信标信息;每个未知位置节点首先收集多个锚节点信标信息及信号强度信息,然后估算出锚节点信标位置与未知节点的距离,最后在未知节点上运用容积卡尔曼滤波算法完成自身位置的分布式定位。仿真结果表明：本文所提算法具有优良的定位性能,定位精度和无迹卡尔曼滤波算法相当,明显优于极大似然估计定位算法,而计算复杂性则低于无迹卡尔曼滤波算法。     

推广卡尔曼滤波算法在航位推算系统中的应用

给出了航位推算系统的设计方法并研究了它螺仪的特性，在建立起该系统的非线性数学模型的基础上，提出了一种非线性推广卡尔曼滤波算法。试验结果表明，该系统具有良好的导航与定位性能。     

渐消卡尔曼滤波器的最佳自适应算法及其应用

本文依据卡尔曼滤波器在使用最佳增益时,其余差序列互不相关的性质,开发了一种新的渐消滤波算法.该算法根据对象输出,在线自适应地调整遗忘因子,从而使滤波器在对象模型存在误差或对象受到外扰时,仍收敛并保持最佳性.该算法已应用于造纸机控制,取得较好效果.     

基于卡尔曼滤波的数据融合算法与应用研究

针对无人机飞控系统对输入的多传感器信息融合时传统卡尔曼滤波算法容易出现滤波发散,滤波精度和系统的实时性降低的问题,研究了一种改进的自适应滤波算法,可以让数据融合后的信息精度更高,实时性更强。改进的算法是在Sage-Husa滤波的基础上引入滤波收敛性判据,并提出了基于改进的Sage-Husa滤波算法的联邦卡尔曼滤波器的设计,可以抑制滤波发散,提高滤波精度和稳定性。同时引入强跟踪滤波算法的思想,调整增益矩阵,改进滤波算法,提高系统突变情况下的滤波处理能力。最后,通过对特定的自主避障系统用改进后的算法与传统卡尔曼滤波算法进行MATLAB仿真比较,仿真结果显示改进的自适应滤波算法在系统模型参数失配和实变噪声情况未知时,可以较好地保持滤波的精度和实时性。     

模糊自适应卡尔曼滤波算法在航位推算系统中的应用

针对实际的应用中车载航位推算系统的模型参数、噪声的统计特性不确定性,影响估计效果,提出了车载航位推算的模糊自适应卡尔曼滤波模型及其滤波算法;该方法通过监视理论残差与实际残差的比值是否接近1,应用模糊推理系统不断地调整量测噪声协方差的加权,对自适应卡尔曼滤波的量测噪声协方差进行递推修正,通过该算法来抑制噪声对精度的影响,进而提高系统的导航精度;仿真结果表明,这种算法能够有效地提高系统的精度,是一种比较理想的车载DR导航滤波方法。     

改进的Unscented Kalman滤波算法

为了提高UKF的运算效率,本文分析了UKF中各参数对滤波效果的影响,给出了一种系统状态转移矩阵为线性变换时UKF的优化算法,并证明了本算法的正确性。针对野值影响UKF精度的缺陷,本文提出了使用新息判断野值是否存在的检测方法。对于野值存在的情况首先剔除野值,然后根据已经得到的滤波状态应用最小二乘法对当前状态进行预测估计,对于野值不存在的情况直接使用UKF滤波,最后推导了使用最小二乘法拟合野值存在时估计的合理性,从而证明了这种方法可以极大地提高UKF抗野值的能力。本文最后用具体的仿真实例说明了最小二乘法与UKF相结合算法消除野值的有效性。     

改进的自适应衰减卡尔曼滤波算法

SINS/GPS组合导航系统的融合算法主要是卡尔曼滤波,卡尔曼滤波实现最优估计的前提是系统的模型和随机噪声信息必须准确已知。实际情况下,大部分系统的模型和随机噪声信息不完全可知,这可能会导致滤波器估计精度下降。针对这一问题,根据求解遗传因子的方法不同对传统的自适应衰减卡尔曼滤波进行改进,提出一种改进的自适应衰减卡尔曼滤波。改进后的算法分别适用于系统噪声统计模型不准确可知和量测噪声统计模型不准确可知两种情况,分别对应于两种滤波算法,并且二者具有统一的滤波框架。仿真结果表明,改进的自适应衰减卡尔曼滤波比卡尔曼滤波精度较高,有效解决了因为噪声模型不准确导致的精度下降问题。     

EKF在无速度传感器感应电机中的应用

在交流感应电机的状态方程的基础上,将交流感应电机的转速看成状态变量,利用较容易检测到的定子电流及定子电压信号,运用扩展卡尔曼滤波器估计出感应电机的速度.