CN111006691A - 传感器校漂方法、装置、可读存储介质、电子设备及无人机 - Google Patents

Abstract

本发明公开了一种传感器校漂方法、装置、可读存储介质、电子设备及无人机，其包括如下步骤：S1、获取传感器数据，并对所述传感器数据进行状态监控；S2、若满足校漂状态需求，则对所述传感器数据进行滤波处理；S3、对经滤波处理后的传感器数据进行预测，以获取传感器数据的当前预测实际值；S4、根据步骤S3中获得的获取传感器数据的当前预测实际值进行闭环校漂计算，以获得实时漂移值；以及S5、根据所述实时漂移值更新传感器零漂值，以供传感器修正漂移误差，以完成动态校漂。本发明可以实时校正包括云台传感器在内的传感器漂移，同时可经过高精度滤波算法提高校正精度。

Description

传感器校漂方法、装置、可读存储介质、电子设备及无人机

技术领域

本发明涉及云台控制领域，具体为一种传感器校漂方法、装置、可读存储介质、电子设备及无人机。

背景技术

云台传感器(如陀螺等)会因温度、环境等因素产生零点漂移，零点漂移问题是工业控制上一个难题，目前解决其漂移的方法有固定值法，查表法等，但大多都无法做到实时校漂或者校漂精度较差。

发明内容

针对现有技术的不足，本发明提供了一种传感器校漂方法、装置、可读存储介质、电子设备及无人机，其可以实时校正包括云台传感器在内的传感器漂移，同时可经过高精度滤波算法提高校正精度。

为实现上述目的，本发明提供如下技术方案：

提供了一种传感器校漂方法，其包括如下步骤：

S1、获取传感器数据，并对所述传感器数据进行状态监控，以判断所述传感器数据是否满足传感器校漂状态需求；

S2、若满足校漂状态需求，则对所述传感器数据进行滤波处理；

S3、根据下述公式(1-2)-(1-2)对经滤波处理后的传感器数据进行预测，以获取传感器数据的当前预测实际值P_n；

P_n＝A*f+B*(1-f) (1-1)

B＝P_n-1+θ*T+q (1-2)

其中A为传感器测量值，B为当前预测值，P_n为当前预测实际值，P_n-1为前一时刻预测实际值，f为通过约定计算得到的隶属度，T为给定的预测系数，θ为给定的预测噪声值，q为预测波动值；

S4、根据步骤S3中获得的获取传感器数据的当前预测实际值P_n进行闭环校漂计算，以获得实时漂移值，且判断所述实时漂移值是否满足校漂完成条件；

以及S5、当实时漂移值满足校漂完成条件时，根据所述实时漂移值更新传感器零漂值，以供传感器修正漂移误差，以完成动态校漂。

优选的，所述闭环校漂计算包括：

S41、输入所述传感器数据的当前预测实际值P_n，并进行累计求和运算和归一化处理；

S42、计算数据误差系数；

S43、将所述数据误差系数与协定误差ξ进行比较，若所述数据误差系数＜ξ，则进入下一步，若数据误差系数≥ξ，则返回到S41；

S44、按照公式(2)将使得所述数据误差系数＜ξ的当前预测实际值P_n按照一定的权重比例计算出实时漂移值Y；

Y＝∑P_n/n (2)

其中，n为正整数。

一方面，还提供一种实现上述传感器校漂方法的传感器校漂装置，其包括：数据获取模块，其用于获取传感器数据；状态观测模块，其用于对所述传感器数据进行监控，并判断所述传感器数据是否满足传感器校漂状态需求；滤波器模块，其用于对满足校漂状态需求的传感器数据进行滤波处理及预测，以获得传感器数据的当前预测实际值；校漂模块，用于接收所述传感器数据的当前预测实际值，并计算传感器的实时漂移值，且判断所述实时漂移值是否满足校漂完成条件，且当所述实时漂移值满足校漂完成条件时，根据所述实时零漂值更新传感器零漂参数，以供传感器修正漂移误差。

优选的，所述滤波器模块包括：数据滤波单元，其用于对满足校漂状态需求的传感器数据进行滤波降噪处理；以及数据预测单元，其用于根据上述步骤S3中的方法获取传感器数据的当前预测实际值。

还提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被执行时实现上述传感器校漂方法。

还提供一种电子设备，其包括上述可读存储介质、处理器及存储在该可读存储介质上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述传感器校漂方法。

还提供一种无人机，其包括上述校漂装置，或，上述可读存储介质，或上述的电子设备。

与现有技术相比，本发明具备以下有益效果：

本发明可以实时校正包括云台传感器在内的传感器漂移，同时可经过高精度滤波算法提高校正精度。

附图说明

图1为本发明实施例一中传感器校漂方法的步骤图；

图2为本发明实施例一中传感器校漂方法的流程图；

图3为本发明实施例一中闭环校漂计算的流程图；

图4为本发明实施例二中闭环校漂装置的结构图；

图5为本发明实施例二中滤波器模块的结构图；

图6为校漂前的传感器漂移数据曲线；

图7为经本发明校漂方法处理后的传感器漂移数据曲线。

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。

实施例一：

如图1-2所示，本发明中的传感器校漂方法包括如下步骤：

S1、开启控制系统(包括云台控制系统)，使其处于实时校漂状态；控制系统获取传感器(包括陀螺仪、加速度计、角度测量传感器、GPS、温度传感器等用于获取云台相关信息的传感器)数据，并对所述传感器数据进行状态监控，以判断所述传感器数据是否满足传感器校漂状态需求；本实施例中，所述判断方法包括云台状态判断法、传感器数据判断法等，传感器校漂状态需求也可根据实际应用环境确定，在此不做具体限定；例如，本实施例中主要采用传感器数据判断法，利用方差判据对校漂数据稳定性进行判断，以确定传感器数据是否满足云台传感器校漂状态需求，其中，校漂数据稳定性判断条件如下：

其中，A为传感器累计值，M为预期稳定值，N为传感器数据样本数，δ为判断阈值；若判断“符合要求”，即说明传感器数据满足传感器校漂状态需求，则进入下一步；

S2、若满足校漂状态需求，则对所述传感器数据进行滤波处理；具体的，如下述公式(1)所示，传感器测量值A通常是由实际值S、零漂值Z加白噪声值η所组成；

A＝S+η+Z (1)

当系统稳定时，传感器测量值A应与预期给定值相等，因此此处需要通过滤波算法对噪声进行滤波，以此来减少噪声η的干扰；所述滤波算法可通过巴特沃斯低通滤波器、IIR滤波器、FIR滤波器、中值滤波等方式实现，在此不做具体限定；

S3、根据下述公式(1-2)-(1-2)对经滤波处理后的传感器数据进行预测，以获取传感器数据的当前预测实际值P_n；

P_n＝A*f+B*(1-f) (1-1)

B＝P_n-1+θ*T+q (1-2)

其中A为传感器测量值，B为当前预测值，P_n为当前预测实际值，P_n-1为前一时刻预测实际值，f为通过约定计算得到的隶属度，T为给定的预测系数，θ为给定的预测噪声值，q为预测波动值；

S4、根据步骤S3中获得的获取传感器数据的当前预测实际值P_n进行闭环校漂计算，以获得实时漂移值，且判断所述实时漂移值是否满足校漂完成条件；具体的，如图3所示，所述闭环校漂计算包括：

S41、输入所述传感器数据的当前预测实际值P_n，并进行累计求和运算和归一化处理；

S42、计算数据误差系数；

S43、将所述数据误差系数与协定误差ξ进行比较，若所述数据误差系数＜ξ，则进入下一步，若数据误差系数≥ξ，则返回到S41；

S44、按照公式(2)将使得所述数据误差系数＜ξ的当前预测实际值P_n按照一定的权重比例计算出实时漂移值Y；

Y＝∑P_n/n (2)

其中，n为正整数；

以及S5、当实时漂移值满足校漂完成条件时，根据所述实时漂移值Y更新传感器零漂值，以供传感器修正漂移误差，以完成动态校漂。

实施例二：

本实施例提供了一种用于实现实施例一所述传感器校漂方法的传感器校漂装置，如图4所示，其包括：

数据获取模块1，其用于获取控制系统的传感器数据；

状态观测模块2，其用于对所述传感器数据进行监控，并判断所述传感器数据是否满足传感器校漂状态需求；所述判断方法的限定参见实施例一的步骤S1，在此不再赘述，同时，所述“监控”是指通过硬件和/或软件实现的可以实时监测系统观测量状态变化的系统，该系统可以包括外部触发电路、触发式传感器等硬件，也可以包括能实时监测系统数据变化的软件；

滤波器模块3，其用于对满足校漂状态需求的传感器数据进行滤波处理及预测，以获得传感器数据的当前预测实际值；具体的，如图5所示，所述滤波器模块3包括：数据滤波单元31，其用于根据具有特定滤波作用的程序算法对满足校漂状态需求的传感器数据进行滤波降噪处理，以将数据中所叠加的特定干扰信号削弱或消除，主要用于滤除由于传感器自身所产生的白噪声干扰；以及数据预测单元32，其用于根据上述步骤S3中的方法获取传感器数据的当前预测实际值；

校漂模块4，用于接收所述传感器数据的当前预测实际值，并通过闭环算法计算传感器的实时漂移值，且判断所述实时漂移值是否满足校漂完成条件，且当所述实时漂移值满足校漂完成条件时，根据所述实时零漂值更新传感器零漂参数，以供传感器修正漂移误差，以完成动态校漂。

实施例三：

本实施例提供了一种可读存储介质，其上存储有计算机程序，所述计算机程序被执行时实现上述传感器校漂方法。

实施例四：

本实施例提供了一种电子设备，其包括实施例三所述的可读存储介质、处理器及存储在该可读存储介质上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述传感器校漂方法。

实施例五：

本实施例提供了一种无人机，其包括实施例二中的校漂装置，或，实施例三中的可读存储介质，或实施例四所述的电子设备。

如图所示，校漂前的传感器漂移数据曲线如图6所示，其存在有0.1度至0.4度不等的漂移，经过本发明的校漂方法校漂后，如图7所示，传感器漂移值趋近于0，基本无漂移存在。

综上所述，本发明的校漂方法简便，实时性好，能够在动态情况下，且只要满足传感器实时校漂条件的前提下即可实现传感器漂移的实时校正，可适用于包括云台传感器在内的各种传感器校漂，且无需人为干预，解决了手动校漂的非实时性与查表法的操作繁琐，由此极大提高校漂效率，同时经过高精度滤波算法对数据进行降噪处理，进一步大幅提高校正精度。

需要说明的是，上述实施例一至五中的技术特征可进行任意组合，且组合而成的技术方案均属于本发明的保护范围。在本文中，诸如术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (7)

1.一种传感器校漂方法，其特征在于，包括如下步骤：

S1、获取传感器数据，并对所述传感器数据进行状态监控，以判断所述传感器数据是否满足传感器校漂状态需求；

S2、若满足校漂状态需求，则对所述传感器数据进行滤波处理；

S3、根据下述公式(1-2)-(1-2)对经滤波处理后的传感器数据进行预测，以获取传感器数据的当前预测实际值P_n；

P_n＝A*f+B*(1-f) (1-1)

B＝P_n-1+θ*T+q (1-2)

其中A为传感器测量值，B为当前预测值，P_n为当前预测实际值，P_n-1为前一时刻预测实际值，f为通过约定计算得到的隶属度，T为给定的预测系数，θ为给定的预测噪声值，q为预测波动值；

S4、根据步骤S3中获得的获取传感器数据的当前预测实际值P_n进行闭环校漂计算，以获得实时漂移值，且判断所述实时漂移值是否满足校漂完成条件；

以及S5、当实时漂移值满足校漂完成条件时，根据所述实时漂移值更新传感器零漂值，以供传感器修正漂移误差，以完成动态校漂。

2.如权利要求1所述的校漂方法，其特征在于，所述闭环校漂计算包括：

S41、输入所述传感器数据的当前预测实际值P_n，并进行累计求和运算和归一化处理；

S42、计算数据误差系数；

S43、将所述数据误差系数与协定误差ξ进行比较，若所述数据误差系数＜ξ，则进入下一步，若数据误差系数≥ξ，则返回到S41；

S44、按照公式(2)将使得所述数据误差系数＜ξ的当前预测实际值P_n按照一定的权重比例计算出实时漂移值Y；

Y＝∑P_n/n (2)

其中，n为正整数。

3.一种实现权利要求1-2任一项所述传感器校漂方法的传感器校漂装置，其特征在于，包括：数据获取模块，其用于获取传感器数据；状态观测模块，其用于对所述传感器数据进行监控，并判断所述传感器数据是否满足传感器校漂状态需求；滤波器模块，其用于对满足校漂状态需求的传感器数据进行滤波处理及预测，以获得传感器数据的当前预测实际值；校漂模块，用于接收所述传感器数据的当前预测实际值，并计算传感器的实时漂移值，且判断所述实时漂移值是否满足校漂完成条件，且当所述实时漂移值满足校漂完成条件时，根据所述实时零漂值更新传感器零漂参数，以供传感器修正漂移误差。

4.权利要求3所述的校漂装置，其特征在于，所述滤波器模块包括：数据滤波单元，其用于对满足校漂状态需求的传感器数据进行滤波降噪处理；以及数据预测单元，其用于根据上述步骤S3中的方法获取传感器数据的当前预测实际值。

5.一种可读存储介质，其上存储有计算机程序，所述计算机程序被执行时实现上述权利要求1-2任一项所述的传感器校漂方法。

6.一种电子设备，其包括权利要求5所述的可读存储介质、处理器及存储在该可读存储介质上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述权利要求1-2任一项所述的传感器校漂方法。

7.一种无人机，其包括权利要求3所述的校漂装置，或，权利要求5所述的可读存储介质，或权利要求6所述的电子设备。

Images