低成本微惯性器件标定与温度补偿方法研究

针对小体积、低成本、低精度的微惯导单元MIMU,提出了一个有效的标定方法,可以有效的去除微机电传感器的各种误差。在传统的标定方法基础上,结合智能控制方法对MIMU中确定性、随机误差源进行补偿。此外,基于FPGA/DSP嵌入式处理器技术,开发了相关原理样机,完成了静态,动态标定与温度补偿试验,确定IMU总零偏漂移,非正交误差,标度因数等误差源,相关试验数据验证了所提方法的有效性。     

低成本IMU与RFID技术结合的AGV实时定位方法研究

针对低成本惯性测量单元(IMU)在室内定位应用中普遍存在漂移严重、精度较低等问题,通过实验分析低成本传感器误差特点,并提取其定位误差特征,提出一种基于低成本IMU的自动导引车(AGV)室内实时定位误差补偿方法,以提高其定位精度.为解决惯性导航位置解算存在累积误差的问题,将RFID电子标签作为参考节点,实现累积误差的定期消除,进一步提高AGV的定位精度.实验验证表明,相较于单纯使用低成本IMU定位,这里方法定位精度提高了31％.     

标定方法应用于LAMOST光纤定位单元的跑合测试

LAMOST光纤定位单元的跑合测试,是对定位单元进行原始角度误差测量、参数测量及单元位置检测等,其中单元中心轴和偏心轴角度误差测量及补偿修正是保证定位单元准确定位的关键.提出的标定方法建立了中心轴、偏心轴的运转脉冲数与中心轴、偏心轴实际转角的关系,使标定后的单元角度误差控制在±0.1°,提高了定位精度.     

数据采集系统内部自动校准模型的建立

提出了由数据采集系统内部自动校准以零偏误差和增益误差为主的日常测试误差。依据若干合理的假设,建立了适用于数据采集系统中每次上电后通道自动校准的一系列模型:调零模型、标定模型、测量模型,并得出了如下结论:这三个模型均满足分段线性关系;测试模型的零偏可由调零模型消除;测试模型的增益可由标定模型确定。经实际操作验证,该方法正确、简便。     

基于椭球拟合的三轴陀螺仪快速标定方法

陀螺仪是惯性导航系统的核心器件,其测量精度直接影响惯性导航系统的姿态解算的准确性,对其准确、快速地校准显得至关重要.目前陀螺仪所采用的位置标定和速率标定方法,存在测试条件苛刻,需要精密的标定测试设备和高精度的北向基准,且标定时间长等问题.在分析了三轴陀螺仪误差模型的基础上,提出了一种基于椭球拟合算法的三轴陀螺仪快速标定方法.该方法通过对三轴陀螺仪在不同姿态下对同一角速度矢量的测量数据进行椭球拟合,可快速标定出该三轴陀螺仪的零偏、灵敏度、不正交等静态误差,进而对角速度矢量测量数据进行补偿,以提高测量结果的准确度.实验结果表明该方法可有效提高三轴陀螺仪的测量精度.     

深度强化学习的数控机床几何误差标定与补偿研究

为了提高数控机床的加工精度,需要进行数控机床的几何误差标定与补偿.采用自由来流与圆柱中心连线的准线性标定方法构建数控机床控制约束参数测量模型,进行数控机床的输出载荷计算和结构力学参数评估,通过特征值屈曲分析的方法进行数控机床的几何误差测量,采用深度化学习的方法进行数控机床几何误差测量和误差补偿控制.仿真结果表明,该方法提高了标定精度,误差补偿能力较强.     

基于距离精度的工业机器人标定模型

工业机器人主要有两个性能评价指标:重复定位精度和绝对定位精度。由于制造与安装误差,导致工业机器人定位精度不高,因此,在机器人使用前需要对其进行标定。但在应用传统的方法进行位置误差的标定和补偿时,要涉及到测量系统坐标系与机器人基础坐标系间的变换。由于这一过程很难精确完成,容易引入误差。因此,本文利用距离精度的定义,在修正的5参数DHM(Denavit-Hartenberg Modified)运动学模型的基础上,建立了机器人的距离误差标定模型,该模型可以避免坐标转换带来的误差。基于该模型,利用Matlab软件进行仿真实验。仿真结果显示机器人距离误差标定模型可以明显提高机器人的距离精度,为后续的实验打下基础。     

一种脑外科手术机器人运动学参数标定方法

为提高脑外科手术机器人绝对定位精度,提出了一种串联式六自由度手术机器人运动学参数标定方法。根据脑外科手术机器人应用环境,采用一种针对手术工作空间的机器人参数采集方式,通过非支配排序的带有精英策略的多目标优化算法(NSGA-Ⅱ),将运动学模型标定问题转换为基于距离误差的多目标优化问题进行计算。通过模拟手术环境完成机器人参数标定的测试实验,说明利用这种标定方法可有效降低手术机器人系统绝对定位误差(误差降低了75%),提高机器人局部工作区域的定位精度。     

基于最优测量结构选择的机械臂参数标定

测量仪器会产生随机误差,针对其引起测量位姿"再现"运动学参数误差能力差的问题,提出了一种基于最优测量结构选择的六自由度机械臂结构参数标定新方法。首先推导了相对于基坐标系的机械臂末端位置误差模型,然后采用一种基于任务优先级的机械臂轨迹规划方法,以轨迹点的期望位置与标定后实际运动位置间的最大误差优化到最小为目标,选择了最优测量结构组。最后搭建了运动学参数标定实验平台,分别利用选择的随机和最优测量结构组辨识参数误差,并对规划点进行了补偿。通过对比分析标定前后3个坐标轴方向的位置均方根误差、合成位置误差及合成均方根误差可知,采用最优测量结构组标定的结构参数更为有效地提高了机械臂的末端定位精度。     

基于遗传算法与最小最大优化方法的六自由度放疗床参数辨识方法

为了对放疗床进行结构标定,以提高放疗床的定位精度,提出了一种遗传算法与最小最大优化方法相结合的参数辨识方法。根据机构的运动学逆解建立了放疗床的标定模型;结合遗传算法与最小最大优化方法的优点对放疗床的60个参数进行参数辨识,有效减小了目标函数的残差;以激光跟踪仪作为测量工具,对若干组任意位姿进行绝对定位精度实验和重复定位位置精度实验,以验证参数辨识结果。实验结果表明,经过标定后放疗床的绝对定位精度的位置误差小于0.3mm,姿态误差小于0.1°;重复定位位置精度的位置误差小于0.01mm。故所提出的参数辨识方法能够实现对放疗床的标定,且标定精度能够满足放疗床的使用要求。     

High accuracy navigation information estimation for inertial system using the multi-model EKF fusing adams explicit formula applied to underwater gliders

The underwater navigation system, mainly consisting of MEMS inertial sensors, is a key technology for the wide application of underwater gliders and plays an important role in achieving high accuracy navigation and positioning for a long time of period. However, the navigation errors will accumulate over time because of the inherent errors of inertial sensors, especially for MEMS grade IMU (Inertial Measurement Unit) generally used in gliders. The dead reckoning module is added to compensate the errors. In the complicated underwater environment, the performance of MEMS sensors is degraded sharply and the errors will become much larger. It is difficult to establish the accurate and fixed error model for the inertial sensor. Therefore, it is very hard to improve the accuracy of navigation information calculated by sensors. In order to solve the problem mentioned, the more suitable filter which integrates the multi-model method with an EKF approach can be designed according to different error models to give the optimal estimation for the state. The key parameters of error models can be used to determine the corresponding filter. The Adams explicit formula which has an advantage of high precision prediction is simultaneously fused into the above filter to achieve the much more improvement in attitudes estimation accuracy. The proposed algorithm has been proved through theory analyses and has been tested by both vehicle experiments and lake trials. Results show that the proposed method has better accuracy and effectiveness in terms of attitudes estimation compared with other methods mentioned in the paper for inertial navigation applied to underwater gliders.     

一种基于图优化的行人协同定位方法

基于手机惯性传感器的行人航位推算方法是行人导航的核心方法之一。 然而由于传感器噪声等因素,航位推算获取 的位置信息误差往往随着时间发散,通常将航位推算和卫星导航通过卡尔曼滤波构成组合导航系统,利用卫星提供的高精度定 位信息补偿航位推算误差。 提出一种基于图优化的行人协同定位方法,将状态转移、量测和协同测距信息都作为状态的约束, 统一进行优化估计。 为验证方法的有效性,分别在卫星信号良好、无卫星环境下进行了实验验证。 实验分析结果表明,基于图 优化的行人协同定位方法在有无卫星信号情况下,都可以有效地提升系统的定位精度。 和基于卡尔曼滤波的协同方法相比,最 大水平定位误差都减少了 30% 以上。     

基于卡尔曼滤波数据融合的并联机床动态定位方法

针对并联机床动平台上主轴动态定位问题,将惯性传感技术运用于并联机床动平台的位姿测量,提出一种基于卡尔曼滤波(Kalman filtering,KF)数据融合的并联机床动态定位新方法。该方法融合动态惯性测量数据和机床各腿(支架)的编码器信息,通过KF算法补偿动态测量误差和计算误差,从而实现并联机床动平台位姿(位置和方向)的精确定位。详细介绍KF算法中惯性系统模型和外部测量模型的建立过程,以及测量变量与状态变量间的关系矩阵的推导过程。最后,进行一个单方向运动动态测量的简化试验,对并联机床动平台的6自由度位姿测量进行仿真研究,初步证实了该位姿算法的有效性。     

一种可参数自标定的鲁棒视觉 / 惯性定位方法

以视觉/惯性里程计为代表的视觉/惯性定位方法近年来被广泛应用。传统的视觉/惯性里程计通过离线标定方法得到固定的相机畸变参数,当相机畸变参数标定不准确或发生变化时定位精度会下降。针对于此,提出了一种面向相机畸变参数在线自标定的鲁棒视觉/惯性里程计方法:首先,将相机畸变参数加入到视觉/惯性里程计的待优化变量中,推导了视觉重投影误差关于待优化变量的雅可比矩阵;然后通过因子图优化技术,实现相机畸变参数的在线自标定与载体导航信息的实时优化求解;最后,通过EuRoC数据集试验和实际试验验证了所提方法的有效性。实际试验结果表明:相对传统的视觉/惯性里程计方法,所提方法在室外开阔场景中精度提升了65.40%。     

IMU转动角速度对旋转SINS的精度影响分析

针对惯性测量单元(inertial measurement unit,IMU)旋转角速度变化过程对旋转调制型捷联系统(strapdown inertial nav-igation system,SINS)定位精度的影响进行分析和研究。例举IMU旋转方式并分析旋转自补偿技术调制惯性器件偏差的基本原理;详细推导了IMU运动状态变化过程对调制型捷联系统导航精度的影响并分析了IMU正反转方案的误差特性,最后根据仿真分析确定旋转角速度的选取依据。在理论分析的基础上进行了仿真实验。结果表明,IMU的旋转运动可以有效地调制惯性器件部分偏差,但是旋转角速度的大小及角速度变化过程依然会对调制型捷联系统的定位精度产生影响。     

基于CPA方法的串联工业机器人运动学标定精度试验研究

几何参数误差是影响工业机器人定位精度的主要误差源,约占总误差的80％以上.基于圆点分析法(circle points analysis,CPA)所标定的几何参数与机器人的实际结构相关,并且能够将几何参数误差与其他误差源解耦.研究表明CPA方法的测量策略对其标定精度具有较大影响.针对基于CPA方法的串联工业机器人运动学标...     

An advanced nonlinear model of a low-g MEMS accelerometer for a computer pen

This paper presents an improvement in the gesture reconstruction for a computer pen using the inertial principle. The computer pen is equipped with a complete, miniaturized, six-degrees-of-freedom, inertial measurement unit in order to reduce the error of the pen’s orientation during the gesture stroke and to reduce the error of the calculated pen tip’s position on the piece of paper. The performance of the computer pen is improved by calibrating the MEMS accelerometer. The presented research focuses on the advanced modeling of the nonlinear voltage output of a triple-axis low-g MEMS accelerometer. The model considers the interacting influence of the low-g accelerations between the sensing axes in an arbitrarily oriented pen without any required knowledge about the underlying performance of the MEMS accelerometer. In combination with the attitude-compensation and zero-velocity-compensation techniques the positional accuracy of the pen’s tip on the paper is greatly improved.     

三轴数字MEMS加速度计现场标定方法

微机电系统(micro electro mechanical systems,简称MEMS)加速度传感器作为低成本惯性测量单元在物体姿态监测中有着广泛应用。根据三轴数字加速度传感器的输出数学模型,详细推导了如何计算数学模型中标度因数、安装误差系数以及零偏值。提出一种基于长方体的六位置简单标定方法,对比三轴转台精确标定结果表明六位置简单标定法简单易行,精度较高,易于单片机实现,适合不具备三轴转台的场所,且该方法对MEMS三轴数字加速度计的校准具有很好的通用性。     

Measurement and calibration for Stewart micromanipulation system

In this article, hysteresis controller design and static error compensation method for a 6-dof micro-positioning platform driven by piezoelectric actuator is studied. The nonlinear hysteresis effect of the piezoelectric actuator is analyzed by means of Preisach model. Its inverse model is used as the feedforward controller. Error compensation method is designed to compensate manufacture error and assembly error by use of the developed 3-points-3-axes measurement method. From practical experiment, the proposed method makes improvement on the accuracy of positioning.     

基于病态参数分离的机器人运动学标定测量构型优化

针对一种高灵巧性机器人及其连杆参数高敏感性与高定位精度需求,为解决机器人运动学标定随机测量构型存在绝对 定位精度低、参数辨识效果及标定结果鲁棒性较差的问题,提出一种病态参数分离与 DETMAX-改进差分进化(DETMAX-IDE) 算法的机器人运动学标定测量构型分步优化方法。 首先,建立机器人位置误差模型。 其次,建立一种可观性综合指标,评价不 同机器人标定测量构型的总体可观测性和灵敏度。 最后,分离机器人运动学位置误差模型的病态参数,建立测量构型优化目标 函数和约束条件,提出一种基于 DETMAX 算法与改进差分进化算法结合的分步迭代优化算法(简称为 DETMAX-改进差分进化 算法,简写为 DETMAX-IDE 算法),开展机器人运动学标定测量构型分步迭代优化。 通过机器人运动学标定仿真与实验,验证 了所提方法的有效性。 实验结果表明,与随机测量构型相比,所提方法对应的机器人绝对定位精度的平均值和均方差分别降低 了 62. 09% 和 62. 45% 。