Für Anwendungen wie Freifallerkennung , Bildschirm-Rotation, Schrittzähler, Neigungsmessung und Bewegungserkennung, etc., kann ein Beschleunigungsmesser selbst die Aufgabe auszuführen. Zum anderen fortschrittlichen Anwendungen wie Location-based Services, verbesserte Motion Gaming, Fußgängerkoppelnavigation, Roboter Ausgleich, Luftmaus, menschlichen Körper-Tracking, unbemannte Fahrzeuge etc. Allerdings ist die Verschmelzung von MEMS-Sensoren notwendig, um eine bessere Leistung zu erzielen der Systemebene in Bezug auf Genauigkeit, Auflösung, Stabilität und Reaktionszeit. Sensorfusion ist eine Reihe von adaptiven Algorithmen zur Vorhersage und Filterung. Es nutzt verschiedene, sich ergänzende Informationen aus verschiedenen Sensoren zusammen Kombination auf intelligente Weise, um die Leistung des Systems zu optimieren und ermöglichen neue erstaunliche Anwendungen.

Warum Sensor Fusion? Bei der Gestaltung eines Systems mit mehreren MEMS-Sensoren ist es wichtig, um die Vorteile und Nachteile der Beschleunigungsmesser, Gyroskope, Magnetometer, und Drucksensoren zu verstehen. Sensorfusion löst Schlüssel Motion Sensing Performance-Probleme von 6-Achs-Modulen, bestehend aus einem 3-Achsen-Beschleunigungssensor und ein 3-Achsen-Gyroskop oder ein 3-Achsen-Beschleunigungssensor und ein 3-Achsen-Magnetsensor.

1) Ein 6-Achsen-Inertial-Modul mit einem Beschleunigungsmesser und einem Gyroskop verliert ihre absolute Orientierung wie der Kreisel driftet über die Zeit, Kalibrierung erforderlich, um genaue Richtungsreferenz wiederherzustellen.

2) ein 6-Achsen-Modul mit Beschleunigungsmesser und Magnetometer ist anfällig für Beschädigung von Daten in Anwesenheit von Eisenwerkstoffen in der Umwelt.

3) Eine 9-Achsen-Modul mit einem Beschleunigungsmesser, ein Gyroskop und ein Magnetometer entfällt die Drift, die mit Stand-alone-Sensorlösungen auftritt. Aber diese können vorbehaltlich magnetische Störungen sein. Algorithmen, um die Sensordaten zu verschmelzen sind erforderlich, um die magnetische Störung zu kompensieren. Der Zweck der Sensorfusion ist es, jede Sensormessdaten als Eingabe und dann gilt digitale Filteralgorithmen, um einander und Ausgangs genaue und reaktionsschnelle dynamische Haltung (Pitch / Roll / Gier) Ergebnisse zu kompensieren.

Komplementärfilter Einige Anwendungen wie Roboter Balancing, Kamerabildstabilisierung und 3D Zeiger haben einen Beschleunigungsmesser und ein Gyroskop im System installiert. Der Beschleunigungsmesser kann eine genaue Neigungswinkelmessungen ergeben, wenn das System in Ruhe ist. Wenn sich das System dreht oder in Bewegung ist, kann der Beschleunigungsmesser nicht dem Zeitraffer. Das Gyroskop ausgeben kann dynamische Winkelgeschwindigkeitsdaten.

Nach einmaliger Integration dieser Daten über die Zeit, kann die Winkelverschiebung oder Neigung berechnet werden, aber dieser Winkel wird durch den Kreisel Vorspannungsdrift ungenau langfristig zu werden. Das komplementäre Filter ist ein einfacher Weg, um den Beschleunigungsmesser und das Gyroskop und die optionale Magneto um genaue und reaktions Pitch / Roll / Gier-Lageausgänge zu erhalten verschmelzen. Es besteht aus einem gemeinsamen Tiefpassfilter für den Beschleunigungsmesser und ein Hochpassfilter für das Gyroskop, die einfacher zu verstehen und zu implementieren im Vergleich zu einem Kalman-Filter.

Das folgende Beispiel erläutert, wie die Komplementärfilter für Roboterselbstausgleich zu implementieren. Wie oben in Figur 1 gezeigt, hat der Roboter einen zweiachsigen oder Tri-Achsen-Beschleunigungsmesser, um den statischen Kippwinkel & theta; a und einem einachsigen oder zweiachsigen Kreisels zu messen dynamischen Neigungswinkel zu messen, & thgr; g. Die Komplementärfilter Sicherungen dann diese Messungen, um die endgültige Neigungswinkel θ zu erhalten.

Der Mikroprozessor verwendet diese Informationen, und die Winkelgeschwindigkeit Informationen aus dem Kreisel, um den Motor, um den Roboter Balance-Regler. Das Komplementärfilter Blockdiagramm ist in Fig. 2 mit einem Zweiachsen-Beschleunigungsmesser und einem einachsigen Kreisel-Konfiguration.

Artikel Quellen:

avatar

Sie müssen sich anmelden um einen Kommentar zu veröffentlichen

avatar

Sie müssen sich anmelden um einen Kommentar zu veröffentlichen