微移动监测系统中MMA7360的加速度信号处理研究

介绍新型高精度三轴加速度传感器MMA7360,给出列车防溜逸在线采集加速度信号及获取实时微移动信息的监测方案。本文重点分析MMA7360的加速度信号特征,利用数字滤波及位置实时校正处理,能有效消除振动和环境噪声干扰引起的测量误差,实现微移动实时监测。     

基于STM32的轨道方向不平顺检测系统设计

轨道不平顺是影响列车乘坐舒适性和平稳性的主要激励源,对轨道不平顺信号进行准确检测和有效的分析处理,以尽可能提高铁路维修效率,保障高速列车行车安全。为了准确检测轨道方向不平顺信号,基于惯性基准法原理,研制了以STM32F103 Cortex-M3 ARM处理器为控制核心的自动化检测系统。系统调理采集包括伺服加速度计、陀螺仪、倾角仪等多路传感器转换而来的模拟信号,然后传输到车载服务器中分析处理。检测结果以实时波形图的形式显示,能够准确有效地判断不平顺状态。     

微加速度计固有频率的推导及验证

为了解决压阻式加速度计的动态特性欠佳的共性,避免微加速度计在工作过程中因为共振导致结构损坏,在结构设计过程中选择合理固有频率是至关重要的。本文就针对一种四边八梁结构的高gn值压阻式加速度计,通过力学知识,简化结构并推导出其固有频率的理论计算公式,并利用有限元仿真软件和测试高gn值加速度计频率特性的方法,对此理论公式进行了仿真和实验验证,证明此理论公式的正确性和可用性。这样,在加速度计结构的设计过程中,可以直接利用此公式计算出结构的固有频率,从而减化加速度计的结构设计和优化过程,设计出最合理的固有频率结构。     

MEMS在惯性测量中的应用

对MEMS在惯性测量中的应用状况进行了总结 ,介绍了加速度计和陀螺仪的基本工作原理和商业化情况 ,提出了我国发展微机械惯性传感器的一些发展思路     

硅加速度计系统设计技术

介绍了力平衡式硅加速度计的设计,勾画了MEMS产品的一般设计思路和方法,微结构与电子线路这两个相互依存的设计部分的有效结合保证了整个系统的最终性能与特性,因此,系统的考虑和兼顾的设计正是一个机电混合系统的设计准则。     

基于加速度传感器的可扩展手势识别

为了提高基于加速度传感器的动态手势识别算法的性能,并且增强系统的可扩展性,提出了一种有效结合机器学习模型与模板匹配的方法.将手势分为基本手势和复杂手势两大类,其中复杂手势可分割为基本手势组成的序列;根据手势运动的特点提取有效的特征量,并利用基本手势样本训练随机森林模型,然后用其对基本手势序列进行分类预测;将预测结果进行约翰逊编码,再与标准模板序列进行相似度匹配.实验结果表明,该方法获得了99.75%的基本手势识别率以及100%的复杂手势识别率.算法既保证了手势识别的精度,也提高了系统的可扩展性.     

MEMS数字倾角仪的标定补偿方法研究

在介绍MEMS数字倾角仪组成结构的基础上,根据数字倾角仪内部MEMS加速度计的输出特性,对MEMS加速度计的敏感单元建立数学标定模型,提出并推导了一种适用于MEMS数字倾角仪的标定方法;该方法可以得到双轴MEMS数字倾角仪中加速度计的零位电压、标度因数矩阵、安装误差系数等敏感项参数;通过重力场静态翻转实验对实验室研制的数字倾角仪进行标定;最后使用MATLAB拟合计算得到所求标定参数,并对测试结果进行了误差分析和补偿对比;实验结果表明,该方法能使MEMS数字倾角仪的测量精度提高到±0.05°,可以满足高精度的角度测量需求。     

多方向振动测试的石英挠性加速度计高阶误差系数辨识

高精度的误差系数可准确评价加速度计的精度与性能,从石英挠性加速度计误差模型入手,对其进行多方向振动测试试验,利用总体最小二乘（TLS）算法辨识加速度计模型方程中的高阶误差系数,建立较高精度的加速度计数学误差模型。为验证算法的有效性及所实施试验的可靠性,和传统重力场多点测试辨识加速度计参数方法作对比,同时,提出误差系数和决定系数两个指标来评价振动测试的辨识效果。结果表明：采用多方向振动测试结合总体最小二乘算法方案所辨识出加速度计高阶误系数精度较高,在实践中具有较好的借鉴意义。     

一种新型多维加速度传感器弹性体设计与仿真分析

基于E型膜片设计了一种新型多维加速度传感器弹性体结构，并介绍了这种低成本传感器的工作原理。有限元仿真分析得到了弹性体结构的静态和动态特性，结果表明该结构对各轴向加速度都具有较高的灵敏度，并能够消除各轴向加速度间的耦合。     

基于贝叶斯分类算法的电子呼啦圈设计

针对实体的呼啦圈体积大,不易携带,使用不当可能对身体造成伤害的问题,设计了一种基于贝叶斯分类算法的电子呼啦圈.系统使用三轴加速度计采集呼啦圈旋转时腰部的加速度信号,经卡尔曼滤波后,提取特定周期内的波形特征并以此训练贝叶斯分类器,利用训练后的分类器对实时滑动窗口内加速度计数据进行判断是否符合转实体呼啦圈腰部的运动特征,并将分类结果通过蓝牙发送至Android终端.实验证明:该设计功耗低,实时性好,准确率高.