CN111121827A - 一种基于卡尔曼滤波的tmr磁编码器系统 - Google Patents

Abstract

本发明公开了一种基于卡尔曼滤波的TMR磁编码器系统，该系统包括稳压电源模块、信号发生单元、ADC模块、滤波电路模块、信号处理模块、信号输出模块。信号发生单元与ADC模块相连接；ADC模块与信号处理模块相连接；信号输出模块连接在信号处理模块。本发明的信号发生单元采用TMR传感器，相对于传统的Hall传感器，其功耗降低三个数量级，灵敏度提升三个数量级，产生的信号质量更佳。而且本发明在信号处理部分加入了卡尔曼滤波算法，使输出信号更加平稳，可以提升其分辨率和精度，并提升其稳定性。将卡尔曼滤波后的波形进行角度解析，按照角度进行逻辑信息划分，并配备磁编码器通用的接口电路，最终以脉冲信号的形式输出。

Description

一种基于卡尔曼滤波的TMR磁编码器系统

技术领域

本发明涉及一种磁编码器，尤其涉及一种基于卡尔曼滤波的TMR磁编码器系统。

背景技术

在现有技术中，磁编码器主要基于霍尔(Hall)、各向异性磁电阻(AnisotropicMagneto Resistive，AMR)及巨磁电阻(Giant Magneto Resistive，GMR)产生信号，但其功耗高，尺寸大，响应时间慢，极大的限制了磁编码器微型化的进程。因此，目前的磁编码器需要大量的电路单元进行降噪处理，故尺寸较大，且应用范围局限。

目前的信号发生单元多采用Hall传感器、AMR传感器及GMR传感器，其均易受温度变化的影响而导致输出信号紊乱，故温度的局限使其应用范围不是十分广泛，从而限制了磁编码器在市场的占有率。

而新型的隧道磁阻(Tunnel Magneto Resistance，TMR)传感器则受温度影响较小，温度部分的影响可以忽略不计，同时其以极快的响应速度、尺寸小、低功耗等优点，成为新型磁编码器传感元件的不二之选。

发明内容

针对上述现有技术中的缺点和不足，本发明提出了一种基于卡尔曼滤波的TMR磁编码器系统，目的在于为磁编码器智能化、数字化、微型化提供一套可行方案。

本发明的目的是通过以下技术方案实现的：

一种基于卡尔曼滤波的TMR磁编码器系统，包括稳压电源模块、信号发生单元、ADC模块、滤波电路模块、信号处理模块、信号输出模块；

稳压电源模块与信号发生单元、ADC模块、滤波电路模块、信号处理模块及信号输出模块分别相连，为其提供低纹波稳压电源，减少电源部分引入的噪声信号；信号发生单元采用TMR传感芯片与单磁极对磁铁的组合，ADC模块与信号发生单元连接，采集其输出波形信号，并转换为数字信号，便于后续信号处理模块处理；滤波电路模块对ADC模块采集到的数字信号进行校准，采用数字滤波的方式，减少数字信号中存在的噪声信号；信号处理模块将滤波后的数字信号进行处理，采用卡尔曼滤波算法，并将处理后的数据输出为脉冲方波信号；信号输出模块对接现有磁编码器的接口模块。

作为优选，在进行卡尔曼滤波之前采用巴特沃斯滤波器进行滤波，消除信号中高频干扰。

作为优选，在进行卡尔曼滤波之前，通过区间判断，将波形分为8个区间，分别为(0，45)∪(45，90)∪(90，135)∪(135，180)∪(180，225)∪(225，270)∪(270，315)∪(315，0)。

与现有技术相比，本发明实例至少具有以下优点：本发明采用TMR作为信号发生单元，一方面减少了功耗及尺寸，提高了分辨率，响应时间快，温漂小，为磁编码器微型化发展提供基础；信号处理模块采用卡尔曼滤波算法，使波形更加稳定，为编码器智能化提供了先天条件；ADC模块采用高位高速AD芯片，加速磁编码器数字化进程。

附图说明

图1为本发明基于卡尔曼滤波的TMR磁编码器系统方案框图；

图2为ADC采集后信号的波形；

图3为传感器输出波形8个线性区域划分；

图4为II&III区间划分为脉冲信号。

具体实施方式

为使本发明实施例的目的、整体方案和优点更加清楚，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。通常在此附图中描述和展示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，在下对在附图中提供的本发明的实施例中详细描述并非在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，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例，都属于本发明保护的范围。

下面详细描述本发明的实施例，所述的实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面结合附图和实施例对本发明作进一步详述。

一种基于卡尔曼滤波的TMR磁编码器系统，包括稳压电源模块、信号发生单元、ADC模块、滤波电路模块、信号处理模块及信号输出模块。

稳压电源模块与信号发生单元、ADC模块、滤波电路模块、信号处理模块及信号输出模块分别相连，为其提供低纹波稳压电源，减少电源部分引入的噪声信号；

信号发生单元采用TMR传感芯片与单磁极对磁铁的组合，通过其产生的信号更稳定，噪声相对传统较少；

ADC模块与信号发生单元连接，主要采集其输出波形信号，转换为数字信号，其采集波形如图2所示，便于后续信号处理模块处理；

滤波电路模块主要对ADC模块采集到的数字信号进行校准，采用数字滤波的方式，减少数字信号中存在的噪声信号；

信号处理模块主要将滤波后的数字信号进行处理，采用卡尔曼滤波算法，并将处理后的数据按照一定的逻辑方式，将信号输出为脉冲方波信号；

卡尔曼滤波算法是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。

故提取传感器输出信号的线性区进行卡尔曼滤波处理，其线性区波形及线性区波形临界点分割表如图3所示，由图可以看到，线性区被分为8个区间，通过双路ADC即可对区间进行判断。

此处以第I区间为例，其余区间以此类推：

假设驱动编码器的电机转速匀速，则每个ADC值之间的时间间隔相同，设此时间间隔为Δt,在编码器上电后试运转一周，寻找零点信号，同时获取每路信号的最值，即正弦信号的最大值V_sinmax；正弦信号的最小值V_sinmin；余弦信号的最大值V_cosmax；余弦信号的最小值V_cosmin，同时还可以获取到编码器旋转一周的周期T。

通过滤波后的数字信号，得到ADC值有两种状态，即等效位置p和等效采集速度v，通过高斯分布建模，在k时刻需要两条信息：最优估计

和其协方差矩阵P_k。

使用矩阵来预测下一时刻ADC的等效位置和等效采样速度，将其等效为线性模型，引入基本运动学公式，即

p_k＝p_k-1+Δtv_k-1

v_k＝v_k-1

其中p_k-1表示上一时刻ADC值的等效位置，v_k-1表示上一时刻ADC值的等效速度；

将其化为矩阵的形式

其中矩阵F_k为预测步骤，且满足以下等式：

综合上述方程，可以得到以下方程

在预测过程中仍然会存在一些不确定性，所以加入新的协方差矩阵Q_k，得到预测步骤的完整表达式：

以上两个公式为系统的预测估计。

接下来进行系统更新方程式的推导，对ADC采集的数字信号进行建模，套用上面预测步骤的完整表达式，使用矩阵H_k，找出ADC采集数字信号的分布。

其中

表示ADC采集数字信号预测的均值，∑₀表示ADC采集数字信号预测的协方差；

由于ADC采集电路也存在一部分噪声，故将这种不确定性协方差定义为矩阵R_k，其分布的平均值为

∑₁＝R_k

其中

表示ADC采集数字信号实际的均值，∑₁表示ADC采集数字信号实际值的协方差；

现在有两个高斯分布，一个围绕ADC转换数字信号预测的平均值，一个围绕实际ADC转换数字信号的读数，将这两个高斯分布相乘，得到一个新的高斯分布。接下来将结合高斯运算，推导一个可以从上一时刻状态参数获取现时刻状态参数的公式。

在一维中，具有方差σ²和均值μ的一维高斯钟形曲线定义为

接下来将上面两个高斯曲线相乘，得到新的高斯曲线。

N(x,μ₀,σ₀)·N(x,μ₁,σ₁)＝N(x,μ′,σ′)

将定义函数带入上述公式，并进行归一化，可知道

μ′＝μ₀+K(μ₁-μ₀)

其中μ′为新的均值，σ′²为新的方差，K为卡尔曼增益，并满足下列等式。

化为矩阵的形式，设∑为高斯分布的协方差矩阵，

为沿每个轴的均值，则

∑′＝∑₀-K∑₀

K＝∑₀(∑₀+∑₁)^-1

至此，先前得到的两个高斯分布如下：

预测值：

观测值：

将这两个分布代入一维高斯曲线定义公式相乘，得到新得高斯分布。

通过化简可得到下列公式

P_k′＝P_k-K′H_kP_k

其中，

为最新的最佳估计，可以将其连同最新协方差P_k′一起反馈到下一次的预测中，通过调节新的卡尔曼增益K′来确定其输出的值。

以上三个公式为系统的更新方程式，将此迭代到上面预测步骤的完整方程式中，最终形成完整的卡尔曼滤波更新过程。

通过卡尔曼滤波后，将会大大减少波形中的噪声信号，使波形更加平滑。对后续的角度解析的精度则大大提升，如图4所示，按照角度信号进行逻辑划分，最终以脉冲信号输出。

信号输出模块主要对接现有磁编码器的接口模块，进行通讯。

Claims (4)

1.一种基于卡尔曼滤波的TMR磁编码器系统，包括稳压电源模块、信号发生单元、ADC模块、滤波电路模块、信号处理模块、信号输出模块；

稳压电源模块与信号发生单元、ADC模块、滤波电路模块、信号处理模块及信号输出模块分别相连，为其提供低纹波稳压电源，减少电源部分引入的噪声信号；信号发生单元采用TMR传感芯片与单磁极对磁铁的组合，ADC模块与信号发生单元连接，采集其输出波形信号，并转换为数字信号，便于后续信号处理模块处理；滤波电路模块对ADC模块采集到的数字信号进行校准，采用数字滤波的方式，减少数字信号中存在的噪声信号；信号处理模块将滤波后的数字信号进行处理，采用卡尔曼滤波算法，并将处理后的数据输出为脉冲方波信号；信号输出模块对接现有磁编码器的接口模块。

2.根据权利要求1所述的一种基于卡尔曼滤波的TMR磁编码器系统，其特征在于：在进行卡尔曼滤波之前采用巴特沃斯滤波器进行滤波，消除信号中高频干扰。

3.根据权利要求1所述的一种基于卡尔曼滤波的TMR磁编码器系统，其特征在于：在进行卡尔曼滤波之前，通过区间判断，将波形分为8个区间，分别为(0，45)∪(45，90)∪(90，135)∪(135，180)∪(180，225)∪(225，270)∪(270，315)∪(315，0)。

4.根据权利要求1所述的一种基于卡尔曼滤波的TMR磁编码器系统，其特征在于：所述的将滤波后的数字信号进行处理，具体为：

通过滤波后的数字信号，得到ADC值有两种状态，即等效位置p和等效采集速度v，通过高斯分布建模，在k时刻需要两条信息：最优估计

和其协方差矩阵P_j；

使用矩阵来预测下一时刻ADC的等效位置和等效采样速度，将其等效为线性模型，引入基本运动学公式，即

p_k＝p_k-1+Δtv_k-1

v_k＝v_k-1

其中p_k-1表示上一时刻ADC值的等效位置，v_k-1表示上一时刻ADC的等效速度；

将其化为矩阵的形式

其中矩阵F_k为预测步骤，且满足以下等式：

综合上述方程，得到以下方程

在预测过程中仍然会存在一些不确定性，所以加入新的协方差矩阵Q_k，得到预测步骤的完整表达式：

以上两个公式为系统的预测估计；

接下来进行系统更新方程式的推导，对ADC采集的数字信号进行建模，套用上面预测步骤的完整表达式，使用矩阵H_k，找出ADC采集数字信号的分布；

其中

表示ADC采集数字信号预测的均值，∑₀表示ADC采集数字信号预测值的协方差；

由于ADC采集电路也存在一部分噪声，故将这种不确定性协方差定义为矩阵R_k，其分布的平均值为

∑₁＝R_k

其中

表示ADC采集数字信号实际的均值，∑₁表示ADC采集数字信号实际值的协方差；

现在有两个高斯分布，一个围绕ADC转换数字信号预测的平均值，一个围绕实际ADC转换数字信号的读数，将这两个高斯分布相乘，得到一个新的高斯分布；接下来将结合高斯运算，推导一个可以从上一时刻状态参数获取现时刻状态参数的公式；

在一维中，具有方差σ²和均值μ的一维高斯钟形曲线定义为

接下来将上面两个高斯曲线相乘，得到新的高斯曲线；

N(x,μ₀,σ₀)·N(x,μ₁,σ₁)＝N(x,μ′,σ′)

将定义函数带入上述公式，并进行归一化，可知道

μ′＝μ₀+K(μ₁-μ₀)

其中μ′为新的均值，σ′²为新的方差，K为卡尔曼增益，并满足下列等式；

化为矩阵的形式，设∑为高斯分布的协方差矩阵，

为沿每个轴的均值，则

∑′＝∑₀-K∑₀

K＝∑₀(∑₀+∑₁)^-1

至此，先前得到的两个高斯分布如下：

预测值：

观测值：

将这两个分布代入一维高斯曲线定义公式相乘，得到新得高斯分布；

通过化简可得到下列公式

P′_k＝P_k-K′H_kP_k

其中，

为最新的最佳估计，将其连同最新协方差P′_k一起反馈到下一次的预测中，通过调节新的卡尔曼增益K′来确定其输出的值；以上三个公式为系统的更新方程式，将此迭代到上面预测步骤的完整方程式中，最终形成完整的卡尔曼滤波更新过程。

Images