CN110176873B - 一种微马达实时控制方法及系统 - Google Patents

Abstract

本发明公开一种微马达实时控制方法及系统，方法包括：获取微马达运动状态的电压数字信号；对数字信号进行滤波去噪、降采样；将降采样后的数字信号中包含平坦的采样值裁剪掉；对裁剪后的数字信号进行波峰波谷和上升下降沿检测，得到去除干扰点后的数字信号；根据去除干扰点后的数字信号进行极值点校正；基于所述校正后的数字信号计算步进角度；判断所述步进角度是否等于目标步进角度；若步进角度等于目标步进角度，则截断脉冲输出；若步进角度不等于目标步进角度，则重复上述步骤直到当前步进角度等于目标步进角度。本发明中的上述方法能够提高信噪比及抗干扰能力。

Description

一种微马达实时控制方法及系统

技术领域

本发明涉及微马达控制领域，特别是涉及一种微马达实时控制方法及系统。

背景技术

微马达也叫微型马达或微型电机，是体积、容量较小，输出功率一般在数百瓦以下的电机和用途、性能及环境条件要求特殊的电机。常用于控制系统中，实现机电信号或能量的检测、解算、放大、执行或转换等功能，或用于传动机械负载，也可作为设备的交、直流电源。微型电机综合了电机、微电子、电力电子、计算机、自动控制、精密机械、新材料等多门学科的高新技术行业，尤其是电子技术和新材料技术的应用促进了微型电机技术进步。微型电机品种众多(达5000余种)、规格繁杂、市场应用领域十分广泛，涉及国民经济、国防装备、人类生活的各个方面，凡是需要电驱动的场合都可以见到微型电机。微型电机制造工序多，涉及精密机械、精细化工、微细加工、磁材料处理、绕组制造、绝缘处理等工艺技术，需要的工艺装备数量大、精度高，为了保证产品的质量还需一系列精密的测试仪器，是投资性较强的行业。简而言之，微型电机行业是劳动密集型和技术密集型的高新技术产业。

目前，微型马达主要有以下几方面的应用：微型机器人，微型低功耗驱动器和微型医学检测器件。其中微型机器人是利用微马达尺寸小、工作电压低、控制精度高的特点，可用于移动式平台、微机械装配、维修，纳米定位等。在机器人平台中可用作方向控制部件，集成于摄像头或方向传感器中。对于微型低功耗驱动器，该方向主要是用于驱动可旋转平台，并进行多功能应用，如光学信息传感等。同时，微马达的高精度控制和连续性转动能力可以为陀螺仪提供驱动。不仅可应用于定位、导航中，还可以实现陀螺仪的自标定。利用MEMS技术进行微型化马达的研究和制作，以达到以上应用目的，是目前国外在该领域研究的重点。此外，低功耗驱动也是该器件的一大特点，能实现微系统控制与集成电路集成。另外一方面应用是微型医学检测器件，该应用主要也是利用了可旋转平台，实现微型工具操作、静脉超声成像等。尤其在静脉超声成像发展中，可旋转平台取代了传统的相控阵列。因为微型超声马达的引入，解决了可旋转平台存在的扭杆较粗、较长带来的晃动厉害，不易控制的问题。

MEMS压电执行器具有体积小、质量轻、易于与基体结构集成、价格低廉，而且由材料的固态结晶效应产生位移，位移分辨率高，输出力大，承受载荷大，响应速度快，瞬时加速度大等优势，受到了广泛关注，是一种适用于微马达提供高分辨率定位、高动态运动特征等需求的MEMS执行器技术。

但是基于压电执行器的微马达受压电材料非线性的影响，其运动状态的一致性较差，因此，需要对基于压电执行器的微马达实施反馈控制，从而使增加被执行结构获得与预期相符的运动。与传统的步进闭环控制方法相比，由于压电执行器的微马达自身结构原因其步进运动的非线性较强(相同驱动条件下，步进角度存在较大的差异性)，另外对于MEMS器件的步进检测信号较弱，信号自身信噪比及抗干扰能力难以保证，因此，提出了一种基于FPGA的实时监测控制系统来实现对微马达的高精度步进控制。

发明内容

本发明的目的是提供一种微马达实时控制方法及系统，提高信噪比及抗干扰能力。

为实现上述目的，本发明提供了如下方案：

一种微马达实时控制方法，所述控制方法包括：

获取微马达运动状态的电压数字信号；

对所述数字信号进行滤波去噪；

对去噪后的数字信号进行降采样；

将降采样后的数字信号中包含平坦的采样值裁剪掉；

对裁剪后的数字信号进行波峰波谷和上升下降沿检测，得到去除干扰点后的数字信号；

根据所述去除干扰点后的数字信号进行极值点校正；

基于所述校正后的数字信号计算步进角度；

判断所述步进角度是否等于目标步进角度；

若步进角度等于目标步进角度，则截断脉冲输出；

若步进角度不等于目标步进角度，则重复上述步骤直到步进采样角度等于目标步进角度。

可选的，所述获取微马达运动状态的电压数字信号具体包括：

通过电容传感器检测电容值的变化量；

通过电容检测电路将所述电容值变化量转化为电压模拟信号；

通过AD芯片将所述电压模拟信号转换为电压数字信号。

可选的，所述对裁剪后的数字信号进行波峰波谷和上升下降沿检测，得到去除干扰点后的数字信号具体包括：

提取当前采样点以及当前采样点的前6个采样点，生成7个点的采样序列t_n,t_n+1,t_n+2,t_n+3,t_n+4,t_n+5,t_n+6；t＝0,1,2,3…

定义当前采样点为t_n+6，以t_n+3为基准生成四个模板；所述模板包括：波峰模板、波谷模板、上升模板以及下降模板；

判断当前采样点的前6个采样点中的任意五个采样点是否满足所述四个模板之一；

若不满足，则将当前采样点剔除；

若满足，则t_n+3为当前匹配的模板模式，保存当前匹配的模板模式；

将当前匹配的模板模式添加到模式序列中；在每一个采样时刻值执行相同操作。

可选的，所述根据所述去除干扰点后的数字信号进行极值点校正具体包括：

判断当前采样点的极值点类型与上一轮采样点的极值点类型是否一致；

若一致，则当前极值点个数加2。

可选的，所述基于所述校正后的数字信号计算步进角度具体包括：

对极值点角度进行校正计算；

基于所述校正后的极值点角度计算当前时刻的实时角度；

基于所述当前时刻的实时角度计算惯性停止角度；

基于所述惯性停止角度计算步进角度。

可选的，所述对极值点角度进行校正计算具体包括：

angle_p＝angle_base＝unitcount*δ，其中，anglebase为累积极值点的角度计算校准，unit_count为峰值点的累积个数，δ为每个极值点的增量。

可选的，所述基于所述校正后的极值点角度计算当前时刻的实时角度具体包括：

angle_s＝angle_base+f(v(t))，其中v(t)为当前趋势点采样值大小，f(v(t))表示用极值点拟合的反正弦函数。

可选的，所述基于所述当前时刻的实时角度计算惯性停止角度具体包括：

angle_incr＝g(δ/pulse_count)，其中，pulse_count为前两个极值点间的脉冲数累积，δ为每个极值点的增量，g(δ/pulse_count)为微马达转动状态与脉冲数的多项式预测模型。

可选的，所述基于所述惯性停止角度计算步进角度具体包括：

angle＝angle_s+angle_incr，其中angle_s为当前时刻的实时角度，angle_incr为惯性停止角度。

本发明另外提供一种微马达实时控制系统，所述控制系统包括：

获取模块，用于获取微马达运动状态的电压数字信号；

去噪模块，用于对所述数字信号进行滤波去噪；

降采样模块，用于对去噪后的数字信号进行降采样；

裁剪模块，用于将降采样后的数字信号中包含平坦的采样值裁剪掉；

检测模块，用于对裁剪后的数字信号进行波峰波谷和上升下降沿检测，得到去除干扰点后的数字信号；

校正模块，用于根据所述去除干扰点后的数字信号进行极值点校正；

步进角度计算模块，用于基于所述校正后的数字信号计算步进角度；

判断模块，用于判断所述步进角度是否等于目标步进角度；

截断模块，用于当步进角度等于目标步进角度，则截断脉冲输出；

循环模块，用于当步进角度不等于目标步进角度，则重复上述步骤直到步进角度等于目标步进角度。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明中通过电容检测存在精度较好极值点的特性，在每次极值点处进行校正，消除了极值点前的累积误差，提高了计算精度；由于系统设计的采样频率及算法实现延时会对微马达步进控制带来误差，因此采用FPGA系统实现高速取样速率及高速计算，降低了步进误差。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例微马达实时控制方法流程图；

图2为本发明实施例模板示意图；

图3为本发明实施例实时监测方法步进结果示意图；

图4为本发明实施例微马达实时控制系统结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种微马达实时控制方法及系统，提高信噪比及抗干扰能力。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明实施例微马达实时控制方法流程图，如图1所示，所述控制方法包括：

步骤101：获取微马达运动状态的电压数字信号。

具体的，首先通过电容传感器检测电容值的变化量；其次，通过电容检测电路将所述电容值变化量转化为电压模拟信号；最后，通过AD芯片将所述电压模拟信号转换为电压数字信号。

步骤102：对所述数字信号进行滤波去噪。

具体的，本发明中采用4阶滤波去噪。

步骤103：对去噪后的数字信号进行降采样。

具体的，采用均值算法对信号进行降采样，降低信号中毛刺带来的影响，即平滑去噪；N点降采样即将N点采样值合计，然后除以N。

步骤104：将降采样后的数字信号中包含平坦的采样值裁剪掉。

即，将过于平坦的采样值裁剪掉，不送入下一步处理，这样可避免下一步波峰或波谷使用模式概率检测失效的问题。

步骤105：对裁剪后的数字信号进行波峰波谷和上升下降沿检测，得到去除干扰点后的数字信号。

具体的，提取当前采样点以及当前采样点的前6个采样点，生成7个点的采样序列t_n,t_n+1,t_n+2,t_n+3,t_n+4,t_n+5,t_n+6，t＝0,1,2,3…。

定义当前采样点为t_n+6，以t_n+3为基准生成四个模板；所述模板包括：波峰模板、波谷模板、上升模板以及下降模板；

判断当前采样点的前6个采样点中的任意五个采样点是否满足所述四个模板之一；

若不满足，则将当前采样点剔除；

若满足，则t_n+3为当前匹配的模板模式，保存当前匹配的模板模式；

将当前匹配的模板模式添加到模式序列中；在每一个采样时刻值执行相同操作。

例如在t_n+7时刻判断t_n+4的状态，若满足模板匹配，则添加到模式序列中；模式序列送入下一步仲裁判断的序列长度为3；例如当前模式序列保存的为[t_n+3,t_n+4,t_n+5]；当在下一个采样时刻时，t_n+6的判断也满足模板匹配时，则仲裁序列改为[t_n+4,t_n+5,t_n+6]。

具体的，检测方法使用7个点进行模式对照，加入概率性判断可增加信号判断的抗干扰能力，成功概率不低于5时，认为匹配成功。具体实现如下：

每次判断会在当前采样点提取出前6个点，生成一个7个点的序列(t_o-t₆)，当前采样点为t₆；以t₃为基准生成四个模板，所述模板示意图具体如图2所示，(模板的上下限由p，v两个值的取值相关，其中p，v表示斜率)，p，v的取值与AD的采样位数相关，目前AD所用采样位数为16位，最大值为65536，p，v的取值范围为0-65536，取值大小与65536的比值决定了上下限的斜率；判断其他6个点是否是此模板之内，当其中5个点满足某一个模板时，则认为t₃点为当前匹配的模板模式，并进行模式存储；在下一个采样点的时候会对当前7个点的序列往后迭代更新，下一个点为t₇，序列则为(t₁-t₇)，模板的基准为t₄；采用模式匹配的形式相当于在此添加了一个带通滤波器，可滤掉由p，v固定斜率所得到的频率外的干扰点，有效增加了算法的抗干扰能力。

步骤106：根据所述去除干扰点后的数字信号进行极值点校正。

其中，模式序列长度为3，且会在下一个采样点处理判断后往后迭代更新序列，然后由序列仲裁器进行判断当前的状态是否应该触发极值点处的角度校正。

序列仲裁器：若模式为上升模式+波峰模式+下降模式，则判断出现了一个极大值点；若为下降模式+波谷模式+上升模式，则判断出现了一个极小值点；当本轮第一个极值点和上一轮最后一个极值点类型(同为极大值点或者极小值点)相同时，认为本轮开头漏检了一个极值点，此时极值点个数+2，可避免微马达停止在检测信号处于峰值点的位置带来的错误判断。

步骤107：基于所述校正后的数字信号计算步进角度。

所述计算步进角度具体包括：

对极值点角度进行校正计算：anglep＝anglebase＝unitcount*δ，其中，anglebase为累积极值点的角度计算校准，unitcount为峰值点的累积个数，δ为每个极值点的增量。

基于所述校正后的极值点角度计算当前时刻的实时角度：angles＝anglebase+f(v(t))，其中v(t)为当前趋势点采样值大小，f(v(t))表示用极值点拟合的反正弦函数。

基于所述当前时刻的实时角度计算惯性停止角度：angleincr＝g(δ/pulsecount)，其中，pulsecount为前两个极值点间的脉冲数累积，δ为每个极值点的增量，g(δ/pulsecount)为微马达转动状态与脉冲数的多项式预测模型。

基于所述惯性停止角度计算步进角度：angle＝angle_s+angle_incr，其中angle_s为当前时刻的实时角度，angle_incr为惯性停止角度。

步骤108：判断所述步进角度是否等于目标步进角度。

步骤109：若步进角度等于目标步进角度，则截断脉冲输出。

步骤110：若步进角度不等于目标步进角度，则重复上述步骤直到当前采样角度等于目标步进角度。

如图3所示，图3为本发明实施例实时监测方法步进结果示意图，微马达每次步进22.5度所需的脉冲数为10000-12000个左右；步进的精度可控制在0.3度范围以内；由于微马达步进控制的基准恒定，且会在每次会在极值点出进行校正，因此，微马达多次步进的误差不会累积，连续步进一圈(16次步进)的精度等于最后一次步进的误差精度；微马达的累积误差也可控制在步进精度误差以内，也就是0.3度以内；步进精度已达到系统设计的精度要求。

如图4所示，图4为本发明实施例微马达实时控制系统结构示意图，所述控制系统包括：

获取模块201，用于获取微马达运动状态的电压数字信号；

去噪模块202，用于对所述数字信号进行滤波去噪；

降采样模块203，用于对去噪后的数字信号进行降采样；

裁剪模块204，用于将降采样后的数字信号中包含平坦的采样值裁剪掉；

检测模块205，用于对裁剪后的数字信号进行波峰波谷和上升下降沿检测，得到去除干扰点后的数字信号；

校正模块206，用于根据所述去除干扰点后的数字信号进行极值点校正；

步进角度计算模块207，用于基于所述校正后的数字信号计算步进角度；

判断模块208，用于判断所述步进角度是否等于目标步进角度；

截断模块209，用于当步进角度等于目标步进角度，则截断脉冲输出；

循环模块210，用于当步进角度不等于目标步进角度，则重复上述步骤直到当前采样角度等于目标步进角度。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种微马达实时控制方法，其特征在于，所述控制方法包括：

获取微马达运动状态的电压数字信号；

对所述数字信号进行滤波去噪；

对去噪后的数字信号进行降采样；

将降采样后的数字信号中包含平坦的采样值裁剪掉；

对裁剪后的数字信号进行波峰波谷和上升下降沿检测，得到去除干扰点后的数字信号；

根据所述去除干扰点后的数字信号进行极值点校正；

基于所述校正后的数字信号计算步进角度；

判断所述步进角度是否等于目标步进角度；

若步进角度等于目标步进角度，则截断脉冲输出；

若步进角度不等于目标步进角度，则重复上述步骤直到步进采样角度等于目标步进角度。

2.根据权利要求1所述的微马达实时控制方法，其特征在于，所述获取微马达运动状态的电压数字信号具体包括：

通过电容传感器检测电容值的变化量；

通过电容检测电路将所述电容值变化量转化为电压模拟信号；

通过AD芯片将所述电压模拟信号转换为电压数字信号。

3.根据权利要求1所述的微马达实时控制方法，其特征在于，所述对裁剪后的数字信号进行波峰波谷和上升下降沿检测，得到去除干扰点后的数字信号具体包括：

提取当前采样点以及当前采样点的前6个采样点，生成7个点的采样序列t_n,t_n+1,t_n+2,t_n+3,t_n+4,t_n+5,t_n+6，t＝0,1,2,3…；

定义当前采样点为t_n+6，以t_n+3为基准生成四个模板；所述模板包括：波峰模板、波谷模板、上升模板以及下降模板；

判断当前采样点的前6个采样点中的任意五个采样点是否满足所述四个模板之一；

若不满足，则将当前采样点t_n+3剔除；

若满足，则t_n+3为当前匹配的模板模式，保存当前匹配的模板模式；

将当前匹配的模板模式添加到模式序列中；在每一个采样时刻值执行相同操作。

4.根据权利要求3所述的微马达实时控制方法，其特征在于，所述根据所述去除干扰点后的数字信号进行极值点校正具体包括：

判断当前采样点的极值点类型与上一轮采样点的极值点类型是否一致；

若一致，则当前极值点个数加2。

5.根据权利要求1所述的微马达实时控制方法，其特征在于，所述基于所述校正后的数字信号计算步进角度具体包括：

对极值点角度进行校正计算；

基于所述校正后的极值点角度计算当前时刻的实时角度；

基于所述当前时刻的实时角度计算惯性停止角度；

基于所述惯性停止角度计算步进角度。

6.根据权利要求5所述的微马达实时控制方法，其特征在于，所述对极值点角度进行校正计算具体包括：

angle_p＝angle_base＝unit_count*δ，其中，angle_base为累积极值点的角度计算校准，unit_count为峰值点的累积个数，δ为每个极值点的增量。

7.根据权利要求5所述的微马达实时控制方法，其特征在于，所述基于所述校正后的极值点角度计算当前时刻的实时角度具体包括：

angle_s＝angle_base+f(v(t))，其中v(t)为当前趋势点采样值大小，f(v(t))表示用极值点拟合的反正弦函数。

8.根据权利要求5所述的微马达实时控制方法，其特征在于，所述基于所述当前时刻的实时角度计算惯性停止角度具体包括：

angle_incr＝g(δ/pulse_count)，其中，pulse_count为前两个极值点间的脉冲数累积，δ为每个极值点的增量，g(δ/pulse_count)为微马达转动状态与脉冲数的多项式预测模型。

9.根据权利要求5所述的微马达实时控制方法，其特征在于，所述基于所述惯性停止角度计算步进角度具体包括：

angle＝angle_s+angle_incr，其中angle_s为当前时刻的实时角度，angle_incr为惯性停止角度。

10.一种微马达实时控制系统，其特征在于，所述控制系统包括：

获取模块，用于获取微马达运动状态的电压数字信号；

去噪模块，用于对所述数字信号进行滤波去噪；

降采样模块，用于对去噪后的数字信号进行降采样；

裁剪模块，用于将降采样后的数字信号中包含平坦的采样值裁剪掉；

检测模块，用于对裁剪后的数字信号进行波峰波谷和上升下降沿检测，得到去除干扰点后的数字信号；

校正模块，用于根据所述去除干扰点后的数字信号进行极值点校正；

步进角度计算模块，用于基于所述校正后的数字信号计算步进角度；

判断模块，用于判断所述步进角度是否等于目标步进角度；

截断模块，用于当步进角度等于目标步进角度，则截断脉冲输出；

循环模块，用于当步进角度不等于目标步进角度，则重复上述步骤直到步进角度等于目标步进角度。

Images