移动机器人运动轨迹控制系统

以移动机器人的轨迹控制为主要目标,研究了线性控制算法在机器人轨迹控制中的具体实现方法.论证了其可行性,分析了算法的稳定性约束条件,通过仿真分析了控制参数对运动轨迹的影响.将该算法应用到实际的机器人控制中,设计出了基于陀螺仪和光电编码器的温室移动机器人控制系统.     

微机械陀螺在组合导航系统中的应用

介绍了基于iMEMS技术的速率陀螺芯片ADXRS300,研究了以ARM处理器为核心的GPS/SINS组合导航系统的结构及其各部分功能,给出了基于角速度测量、加速度测量和GPS定位的组合导航系统设计方案。     

西门子VDO：打造精确导航新格局——专业、高性能陀螺仪导航全揭密之一

作为车主的你,是否有使用车载导航、便携式导航、手机导航的经验呢?如果有,你是否觉得它好用,它给你的生活是否真的带来了便利呢?要是你对这种玩艺比较了解,你有没有发现有时候GPS信号莫名其妙中断了;有时候车在高架上GPS信号发生漂     

VDO：高性能陀螺仪导航是这样炼成的——VDO惠州工厂见闻录

在上一期,本刊对VDO高性能陀螺仪导航的技术与工作原理进行了深入浅出的介绍,这一期依然继续陀螺仪导航相关的话题。为您解密高品质导航在生产过程中鲜为人知的检测过程。     

双闭环真空硅微陀螺仪设计及测试性能分析

所设计的硅微陀螺仪工作在10 Pa,品质因素达到3000,采用CAN金属壳封装形式,测控线路采用闭环自激驱动,力反馈式闭环检测方式.驱动采用单边驱动单边检测,尽量使线路简化;检测采用双重分解和重构回路.测试结果表明:有用信号和正交信号实现很好的相位解耦,互不影响.在实现标度因素10 mY/(°)S-1的情况下,零偏稳定性已达到了60°/h;线性度已达到了400 ppm;带宽仿真达到150 Hz;这较以前设计的空气下闭驱开检方式下的硅微陀螺性能提高了近2个数量级.     

基于改进的 Sage-Husa 滤波 MEMS陀螺阵列降噪技术研究

为充分挖掘 MEMS 陀螺的性能,提高 MEMS 陀螺在实际应用中的精度,通过搭建四陀螺阵列结合改进的 Sage-Husa 滤 波算法对陀螺阵列的输出信号进行降噪,在不改变陀螺加工工艺和显著提高生产成本的条件下有效提高了 MEMS 陀螺仪的实 际性能。 通过分析 MEMS 陀螺仪的系统误差和随机误差,搭建误差模型,利用传统卡尔曼滤波、移动平均滤波、小波阈值去噪 和改进的 Sage-Husa 滤波算法对单个陀螺和陀螺仪阵列进行降噪处理,实验对比发现改进的 Sage-Husa 滤波算法和陀螺仪阵列 结合后能有效降低陀螺的输出噪声。 利用 Allan 方差分析陀螺仪阵列经过改进的 Sage-Husa 算法滤波后的随机误差,四陀螺阵 列角度随机游走从 0. 40°/ h降低到 0. 03°/ h ,零偏不稳定性从 71. 11°/ h 降低到 5. 83°/ h,有效提高了 MEMS 陀螺在实际应用 中的性能。     

面向蜂巢式微机电陀螺模态交换工作模式的卡尔曼滤波

该文对模态交换工作模式下的蜂巢式微机电陀螺进行了噪声成分分析,并建立了噪声模型。提出采用卡尔曼滤波降低陀螺输出白噪声的方法,从而提升陀螺的静态性能,该方法可用于惯性寻北。实验结果表明,经滤波后陀螺输出在采样时间1 s下与未滤波前的平滑时间100 s下的陀螺输出噪声水平相当。陀螺输出白噪声幅值降低,从而缩短寻北时间。实际应用中,最短寻北时间可由卡尔曼滤波初值收敛后的时间进行标定。     

变分模态分解组合广义形态滤波器的MEMS陀螺仪去噪方法

为了更加有效地消除MEMS陀螺仪输出信号存在大量不同类型噪声的同时保留有效信号特征,本文提出了一种变分模态分解(VMD)的多尺度自适应组合广义形态滤波器(CGMF)去噪方法.该方法首先采用VMD将MEMS陀螺仪原始输出信号分解为多个不同尺度的具有特殊稀疏性的一高低频离散带限子信号内模函数(BLIMFs),然后通过选择CGMF中合适的结构元素(SEs)长度和几何结构对上述不同尺度BLIMFs进行自适应去噪处理,最后重建去噪后的BLIMFs获得去噪信号.通过实验验证并与现有的信号去噪方法相比,本方法的主要优点在于:1)解决了CGMF中SEs的长度和几何结构等关键参数的自适应选择问题; 2)针对不同类型噪声均进行了有效的分离和去噪处理.     

磁悬浮陀螺转子信号的局部均值分解降噪研究

磁悬浮陀螺转子电流信号对环境变化高度敏感,信号采样过程中不可避免会引入噪声,针对该问题提出一种基于局部均值分解（local mean decomposition, LMD）,融合豪斯多夫（Hausdorff）距离与阈值降噪（threshold denoising, TD）的算法以减弱噪声干扰。首先对原始信号进行局部均值分解,得到若干乘积函数（PF）分量和一个余量,然后根据各PF分量与原始信号间的豪斯多夫距离判定噪声、信号分量,再对噪声分量进行阈值处理,最后将阈值处理后的噪声分量、信号分量及余量进行叠加得到重构信号,实现陀螺仪转子电流信号的降噪。仿真实验结果表明,重构信号的信噪比相对于原始信号平均提高了12.86 db,均方根误差平均降低了9.25×10^-6 A;实测信号降噪结果表明,该降噪算法对四条导线边的滤波增益分别为40.0%、93.5%、30.8%和50.0%。     

基于Allan方差的MEMS陀螺仪随机误差分析方法

MEMS陀螺随机漂移误差是制约惯性导航精度的主要原因,本文通过Allan方差分析方法,得出MEMS陀螺随机漂移误差主要来源以及各种误差的性能参数.该方法为分析陀螺性能指标、提高惯性导航精度奠定了基础.本文介绍了Allan方差定义,陀螺各项随机误差与Allan方差的关系,搭建了MEMS陀螺组件,通过高精度转台实验静止采集陀螺仪数据.利用Allan方差分析得出MEMS陀螺各项随机误差性能指标,验证了该方法的可行性.