CN111505727A - 基于多传感器数据融合的振动补偿方法及系统 - Google Patents

基于多传感器数据融合的振动补偿方法及系统 Download PDF

Info

Publication number
CN111505727A
CN111505727A CN202010301540.9A CN202010301540A CN111505727A CN 111505727 A CN111505727 A CN 111505727A CN 202010301540 A CN202010301540 A CN 202010301540A CN 111505727 A CN111505727 A CN 111505727A
Authority
CN
China
Prior art keywords
vibration
fusion
data fusion
signals
sensors
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010301540.9A
Other languages
English (en)
Inventor
伍康
文艺
郭梅影
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
Original Assignee
Tsinghua University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tsinghua University filed Critical Tsinghua University
Priority to CN202010301540.9A priority Critical patent/CN111505727A/zh
Publication of CN111505727A publication Critical patent/CN111505727A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V7/00—Measuring gravitational fields or waves; Gravimetric prospecting or detecting
    • G01V7/14—Measuring gravitational fields or waves; Gravimetric prospecting or detecting using free-fall time
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V7/00—Measuring gravitational fields or waves; Gravimetric prospecting or detecting
    • G01V7/02—Details

Landscapes

  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明提供了一种基于多传感器数据融合的振动补偿方法及系统。所述方法包括利用多个传感器同时获取地面振动信号；利用数据融合技术对多个所述地面振动信号进行处理，得到地面振动融合估计信号，以使根据所述地面振动融合估计信号对绝对重力加速度进行补偿。本发明中，通过利用多个传感器获取地面振动信号，并通过多传感器数据融合方法获得对地面振动信号的最优估计值，并将此最优估计值用于相关时延振动补偿技术中，在提高所获取的振动信号精度的同时也解决现有相关时延法补偿效果受单个地震计带宽限制的问题，最终将进一步提高现有振动补偿方法的补偿效果及其适用范围。

Description

基于多传感器数据融合的振动补偿方法及系统
技术领域
本发明涉及绝对重力测量技术领域，尤其涉及一种基于多传感器数据融合的振动补偿方法及系统。
背景技术
在高精度绝对重力测量领域中，绝对重力加速度通过采用稳频激光干涉测量技术，精密测量真空环境下自由落体运动的位移和时间，通过拟合自由落体运动参数得到。其中自由落体运动位移的精密测量要求干涉测量中的参考棱镜为一个稳定的惯性参考点，实际上参考棱镜不可避免地受振动噪声的影响将地面微振动引入落体位移测量值中，进而对最终拟合得到的重力加速度产生影响。振动噪声对绝对重力测量的影响主要从两方面考虑：噪声强度和噪声频率。其中，噪声强度越大，产生的振动幅度越大，对真实落体位移的测量值引入的误差越大；另，在同等噪声强度下，0.1～100Hz的振动噪声对自由落体式的绝对重力仪的测量值引入的误差更大且不可忽略，因此需要对这一频带的噪声进行处理。
目前振动处理的方法主要分为两大类：隔振技术和振动补偿。其中振动补偿技术是一种适用于在嘈杂环境下处理振动噪声的简单方便的技术。它利用传感器测量参考棱镜的运动，修正干涉测量结果，进而修正绝对重力测量结果。该方法对硬件的要求比较简单，只需利用能测量振动的现有传感器即可，相比超低频垂直隔振系统具有更小的体积、更好的可靠性和抗干扰能力，更适合在复杂环境下使用。如果振动补偿方法可以实现较好的补偿效果，则有望实现复杂环境下的高精度测量，因此对该方法的研究具有重要的实际意义。然而根据传感器输出信号得到的运动并不等同于参考棱镜的真实运动，两者之间存在传递函数。因此振动补偿技术的关键在于如何从传感器输出信号获得准确的受地面振动噪声引起的参考棱镜的运动，即准确求解传感器输出信号和参考棱镜运动之间的传递函数。
但是，目前基于地震计传递函数模型的振动补偿方法存在传递函数的漂移，短期补偿效果尚可，长期需要定期修正，不适用于野外测试。基于时延模型的振动补偿方法不需要定期修正传递函数但补偿效果不佳。基于增益时延模型的振动补偿方法虽然补偿效果相比另外两种方法要好且不存在传递函数的定期修正问题，但其补偿效果受到地震计带宽的限制，无法补偿掉50Hz到100Hz内噪声对重力测量造成的影响。此外，目前振动补偿方法均采用的单个传感器测得的信号进行振动补偿，受传感器带宽和探测分辨率限制，所测得的原始振动信号精度受限，将低精度的测量振动信号用于振动补偿必将影响补偿效果。
发明内容
基于此，有必要针对目前获取的地面振动信号精度较低的问题，提供一种基于多传感器数据融合的振动补偿方法及系统。
本发明提供了一种基于多传感器数据融合的振动补偿方法，包括：
利用多个传感器同时获取地面振动信号；
利用数据融合技术对多个所述地面振动信号进行处理，得到地面振动融合估计信号，以使根据所述地面振动融合估计信号对被测落体相对于参考棱镜的下落位移信号进行补偿。
在其中一个实施例中，在重力测量过程中，根据起始触发信号和终止触发信号间断采集下落过程对应的所述地面振动信号。
在其中一个实施例中，利用多个所述传感器长时间连续获取所述地面振动信号。
在其中一个实施例中，所述基于多传感器数据融合的振动补偿方法，还包括：
在利用多个所述传感器同时获取地面振动信号之前，将多个所述传感器放置在参考棱镜的四周。
在其中一个实施例中，多个所述传感器包括加速度计、地震计、位移传感器的一种或多种。
在其中一个实施例中，部分所述传感器水平固定于基座，其余所述传感器竖直固定于所述基座。
在其中一个实施例中，采用加权融合技术、互补滤波数据融合技术、卡尔曼滤波数据融合技术或FIR/IIR滤波融合对多个所述地面振动信号进行处理。
在其中一个实施例中，利用所述数据融合技术对多个所述地面振动信号进行融合；或者，先对每个所述地面振动信号进行最优化估计，然后将进行最优化估计后的多个所述地面振动信号进行融合。
在其中一个实施例中，采用同一数据采集卡以相同采样周期对多个所述传感器进行数据采集。
基于同一发明构思，本发明实施例还提供了一种基于多传感器数据融合的振动补偿系统，包括：
基座；
参考棱镜，固定于所述基座的底部；
干涉仪，用于检测被测落体相对于参考棱镜的下落位移信号；
测振结构，包括固定于所述基座底部的多个传感器，所述测振结构利用多个传感器同时获取地面振动信号；
上位机，用于利用数据融合技术对多个所述地面振动信号进行处理，得到地面振动融合估计信号，根据所述地面振动融合估计信号对所述下落位移信号进行补偿。
在其中一个实施例中，所述上位机采用加权融合技术、互补滤波数据融合技术、卡尔曼滤波数据融合技术或FIR/IIR滤波融合对多个所述地面振动信号进行处理，得到所述地面振动融合估计信号。
在其中一个实施例中，多个所述传感器包括加速度计、地震计、位移传感器的一种或多种。
在其中一个实施例中，部分所述传感器水平固定于所述基座，其余所述传感器竖直固定于所述基座。
综上，本发明实施例提供了一种基于多传感器数据融合的振动补偿方法及系统。所述方法包括利用多个传感器同时获取地面振动信号；利用数据融合技术对多个所述地面振动信号进行处理，得到地面振动融合估计信号，以使根据所述地面振动融合估计信号对绝对重力加速度进行补偿。本发明中，通过利用多个传感器获取地面振动信号，并通过多传感器数据融合方法获得对地面振动信号的最优估计值，并将此最优估计值用于相关时延振动补偿技术中，在提高所获取的振动信号精度的同时也解决现有相关时延法补偿效果受单个地震计带宽限制的问题，最终将进一步提高现有振动补偿方法的补偿效果及其适用范围。
附图说明
图1为本发明实施例提供的一种基于多传感器数据融合的振动补偿方法；
图2为本发明实施例提供的一种基于地震计和加速度计的振动补偿结构；
图3为本发明实施例提供的基于地震计和加速度计的单级离散卡尔曼滤波融合过程；
图4为本发明实施例提供的具有双层融合结构的最优信息融合分散卡尔曼滤波器；
图5为本发明实施例提供的互补滤波器原理框图；
图6为本发明实施例提供的多传感器自适应加权融合模型；
图7为本发明实施例提供的一种基于多传感器数据融合的振动补偿系统。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施的限制。
请参见图1，本发明提供了一种基于多传感器数据融合的振动补偿方法，包括：
步骤S110，利用多个传感器同时获取地面振动信号；
步骤S120，利用数据融合技术对多个所述地面振动信号进行处理，得到地面振动融合估计信号，以使根据所述地面振动融合估计信号对绝对重力加速度进行补偿。
本发明中，通过利用多个传感器获取地面振动信号，并通过多传感器数据融合方法获得对地面振动信号的最优估计值，并将此最优估计值用于相关时延振动补偿技术中，在提高所获取的振动信号精度的同时也解决现有相关时延法补偿效果受单个地震计带宽限制的问题，最终将进一步提高现有振动补偿方法的补偿效果及其适用范围。
在其中一个实施例中，在重力测量过程中，根据起始触发信号和终止触发信号间断采集下落过程对应的所述地面振动信号。本实施例中，测量过程中多个传感器将持续输出地面振动信号，传感器的输出信号和每次下落的触发信号将被同时采集以定位每次下落时截取的光电探测信号所对应的传感器输出信号区间，保证多路信号获取的同步性。可以理解，自由落体式绝对重力测量的原理是干涉仪测量落体的自由落体运动轨迹，但是采集卡并不是一直连续工作着的，因此需要设置采集卡开启工作的触发点和停止工作的触发点。具体的，落体被释放后检测干涉条纹变化频率，当达到预设的开始计数频率值时，则触发采集卡采集干涉条纹信号。
在其中一个实施例中，利用多个所述传感器长时间连续获取所述地面振动信号。本实施例中，先利用多个所述传感器长时间连续获取所述地面振动信号，然后将触发信号(包括开启触发信号和截止触发信号)与采集卡采集区再进行匹配，获取每次自由下落时的地面振动信号数据。
在其中一个实施例中，所述基于多传感器数据融合的振动补偿方法还包括：
在利用多个所述传感器同时获取地面振动信号之前，将多个所述传感器放置在所述参考棱镜的四周。
可理解，所述传感器距离所述参考棱镜越近，越能更真实反应参考棱镜处的地面振动情况，因此本实施例中，在许可的范围内，多个所述传感器尽可能靠近所述参考棱镜设置。
在其中一个实施例中，多个所述传感器包括加速度计、地震计、位移传感器的一种或多种。
本实施例中，多个传感器的数量不受限制，可以是两个或两个以上的传感器。多个传感器的组合类型不受限制，可以是多个同类型的传感器组合，比如多个位移传感器、多个地震计、多个加速度计；也可以是多个不同类型的传感器组合，比如地震计和加速度计、位移传感器和加速度计、地震计和位移传感器。
在其中一个实施例中，部分所述传感器水平固定于基座，其余所述传感器竖直固定于所述基座。
本实施例中，所述传感器为单轴惯性传感器。可以理解，虽然3轴加速度计、地震计等传感器，它们水平放置时则可以同时测量XYZ三个方向的振动信号，因此不仅能测竖直方向的信号，还能测水平方向的信号，但是这种仪器往往体积比较大，只能水平放置，而且不适宜在很复杂的振动环境下使用；而单轴惯性传感器，比如石英挠性加速度计则具有体积较小、装载方便等优点，因此一般采用单轴惯性传感器测量地面振动信号。可以理解，由于单轴惯性传感器只能测量一个方向的振动，当其水平放置时测量的就是垂直方向的振动；然而在测量环境更为复杂的动平台绝对重力测量过程中，水平方向的振动干扰往往会耦合入竖直方向，导致所测得的地面竖直振动并非真实竖直运动从而产生测量误差。因此传感器的安置方式可以按实际情况进行选择，比如可以采用水平放置与竖直方式相结合的方式来解决其它方向干扰耦合的问题，进一步拓宽基于振动补偿方法的绝对重力测量的适用范围。具体的，在比较安静的环境中可以选择地震计水平放置，加速度计水平固定在基座上；在复杂的动平台环境上，可以考虑水平、竖直放置相结合解决水平干扰耦合进竖直方向振动的问题；此外还可以多种角度安置方式进行结合。
在其中一个实施例中，采用加权融合技术、互补滤波数据融合技术、卡尔曼滤波数据融合技术或FIR/IIR滤波融合对多个所述地面振动信号进行处理。
实施例1
下面结合图2和图3，对采用单个地震计和单个加速度计作为传感器，以及使用卡尔曼滤波数据融合技术进行数据融合的方案进行详细的说明。
参考棱镜固定在基座上，加速度计也固定在基座上，固定在参考棱镜附近(在不接触的情况下，尽可能靠近)，地震计放置在基座上，参考棱镜旁边。加速度计输出信号和地震计输出信号以及重力测量时产生的触发信号同时用一个四通道采集卡其中的三个通道进行同步采集。测量得到传感器在整个重力测量过程中的连续输出信号，长时间连续输出信号通过触发信号(包括起始触发信号和截止触发信号)进行标记并截取得到一个个短时信号片段，每个片段与每次下落的120ms原始过零信号相对应。接下来利用卡尔曼滤波对地震计测量数据和加速度计测量数据进行数据融合。
单级卡尔曼滤波数据融合的基本原理：将地面振动信号中的振动位移和振动速度当作状态变量，对整个动态系统用一个状态空间模型进行描述，状态空间模型如式(1)、式(2)所示。其中
Figure BDA0002454176290000083
和
Figure BDA0002454176290000084
分别是测量加速度和测量速度。ηa和ηv分别是加速度和速度的测量噪声，并假设其分别为协方差为q和r的白噪声高斯过程。
Figure BDA0002454176290000081
Figure BDA0002454176290000082
由于加速度计数据和地震计数据均用采集卡进行采样，采样周期为T，所以将连续时间状态空间模型进行离散化得到离散时间状态空间模型，如式(3)、(4)所示。
Figure BDA0002454176290000091
Figure BDA0002454176290000092
进一步的，将式(3)和(4)写成矩阵形式，如式(5)、(6)所示。
xk+1＝Avxk+Bvuk+wk， (5)
yk+1＝Hxk+1+vk+1， (6)
其中，xk对应(3)中的
Figure BDA0002454176290000093
uk对应(3)中的
Figure BDA0002454176290000094
wk对应(3)中的
Figure BDA0002454176290000095
vk+1对应(4)中的ηv(k+1)。
离散噪声序列的协方差矩阵如式(7)、(8)所示。
Figure BDA0002454176290000096
Rv＝R/T。 (8)
接下来分两步进行卡尔曼滤波数据融合。第一步是时间更新：在某一时刻k，利用当前时刻的后验估计值、后验估计协方差矩阵和加速度计测得加速度数据通过式(9)、(10)获得下一时刻k+1时刻的先验估计值和先验估计协方差矩阵。
Figure BDA0002454176290000097
Figure BDA0002454176290000098
第二步是量测更新：当获得下一时刻k+1时刻的地震计测得速度数据，利用该数据对k+1时刻的先验估计通过式(11)、(12)进行校正。其中卡尔曼增益系数K(k+1)由式(13)给出。
Figure BDA0002454176290000099
P(k+1|k+1)＝[I-K(k+1)H]P(k+1|k)， (12)
K(k+1)＝P(k+1|k)HT[HP(k+1|k)HT+Rv]-1。 (13)
设定状态变量初始值和初始协方差矩阵，在每一时刻通过上述两个步骤利用加速度计测量数据和地震计测量数据进行迭代更新，可以得到目标时间段内每一时刻的融合估计值。将得到的融合估计值代替单个加速度计测量数据或单个地震计测量数据应用到基于增益时延模型的振动补偿方法中，可以实现更好的补偿效果。
上述单个地震计和单个加速度计进行融合的组合模式也可以采用多个地震计组合、多个加速度计组合、多个位移传感器组合、加速度计与位移传感器组合、地震计与位移传感器组合等等。
本实施例中，采用单轴惯性传感器测量地面振动信号，比如石英挠性加速度计。可以理解，由于单轴惯性传感器只能测量一个方向的振动，当其水平放置时测量的就是垂直方向的振动；而在测量环境更为复杂的动平台绝对重力测量过程中，水平方向的振动干扰往往会耦合入竖直方向，导致所测得的地面竖直振动并非真实竖直运动从而产生测量误差；因此可以采用水平放置与竖直方式相结合的方式来解决其它方向干扰耦合的问题，进一步拓宽基于振动补偿方法的绝对重力测量的适用范围。
上述传感器输出信号的采集可以不以同一采样频率进行采样，位移传感器、地震计的采样频率往往低于加速度计的采样频率，多频率采样可以保证各个传感器的采样精度不互相影响，采用多采样频率的卡尔曼滤波可以实现多传感器间不同采样频率的数据融合。此外不仅可以长时间连续采集绝对重力测量过程中的地面振动信号，也可以利用触发信号间断采集每次下落过程对应的地面振动信号。
上述基于卡尔曼滤波的数据融合的方法不唯一，不仅可以采用单级卡尔曼滤波，也可以采用两层融合结构的最优信息融合滤波、正反向卡尔曼滤波、拓展卡尔曼滤波、自适应卡尔曼滤波等更高级的卡尔曼数据融合方法。此外还可以采用除卡尔曼滤波以外的加权融合、互补滤波、FIR/IIR滤波器融合等多种数据融合方法，针对不同的动态系统在不同的使用情况下可以选择最优方案。此外，多传感器数据融合方法不仅可以用于基于增益时延模型的振动补偿方法中，还可以用于其它振动补偿方法。
实施例2
上述实施例1中的单级卡尔曼滤波数据融合方法可以换成具有两层融合结构的最优信息融合分散式卡尔曼滤波，其融合结构流程如图4所示。
下面结合本文具体系统进行说明，首先对系统用状态空间模型进行数学描述，如式(14)、(15)所示。其中T为传感器采样周期，s(k)、
Figure BDA0002454176290000111
和
Figure BDA0002454176290000112
是k时刻目标对象的位移、速度和加速度。vi(k)，i＝1，2分别为加速度计和地震计的测量噪声，与均值为0方差为
Figure BDA0002454176290000113
的白噪声w(k)相关。系数αi是恒定标量，ξi(k)，i＝1，2是均值为0方差为
Figure BDA0002454176290000114
的高斯白噪声。H1＝[0，1，0]，H2＝[0，0，1]分别为地震计和加速度计的量测矩阵。
x(k+1)＝Φ(k)x(k)+Γ(k)w(k)， (14)
Figure BDA0002454176290000115
Figure BDA0002454176290000116
假设w(k)和vi(k)是具有零均值的相关白噪声，则两者之间存在如下关系式，其中δtk是Kronecker delta函数；
Figure BDA0002454176290000117
Figure BDA0002454176290000121
然后每个传感器作为子系统分别独立地估计状态并进行故障检测。如果任何传感器子系统检测出现故障，它将被隔离并修复；若无故障，则它的状态估计值将被发送到具有网状并行结构的第一融合层。单传感器子系统进行局部最优状态估计过程如式(18)至式(25)所示，其中Pi(k|k)和Pi(k+1|k)分别是第i个传感器的k时刻的后验估计误差协方差和k+1时刻的先验估计误差协方差。
Figure BDA0002454176290000122
Figure BDA0002454176290000123
Figure BDA0002454176290000124
Figure BDA0002454176290000125
Figure BDA0002454176290000126
Pi(k+1|k+1)＝[I3-Ki(k+1)Hi(k+1)]Pi(k+1|k)， (23)
Figure BDA0002454176290000127
Figure BDA0002454176290000128
在该网状并行结构中，每一时刻传感器两两间的互协方差通过融合两两间的估计误差得到(如式(26)所示，其中Pij(k|k)为两两传感器间的滤波误差互协方差，初始值Pij(0|0)＝P0)。同时每个传感器的状态估计值和状态估计协方差以及在第一融合层得到的两两传感器间的互协方差均被发送到第二融合层。
Figure BDA0002454176290000131
第二融合层是最终的融合中心，在这里所有无故障局部子系统的状态估计值和状态估计协方差矩阵以及来自第一融合层的无故障局部子系统之间的互协方差矩阵通过式(27)、式(28)进行融合，以确定最优矩阵权重并获得最优融合滤波器。另一方面，在故障传感器恢复后，它们可以重新连接到平行融合结构。
Figure BDA0002454176290000132
Figure BDA0002454176290000133
其中∑＝(Pij)，i，j＝1，2是一个6×6的正定矩阵，
Figure BDA0002454176290000134
e＝[I3，I3]T均为6×3的矩阵。
实施例3
实施例1中的基于单级卡尔曼滤波的数据融合方法也可以换成基于互补滤波的数据融合方法。地震计探测地面低频振动信号的分辨率高，但受带宽限制高频探测信号存在失真，因此地震计可认为具有较好的低频特性；加速度计带宽覆盖目标处理振动噪声的频带但其探测信号分辨率低且存在零偏问题和积分漂移误差问题，因此加速度计可认为具有较好的高频特性。根据两者不同的频率特性，可以采用互补滤波器作为加速度计和陀螺仪的数据融合工具，融合两者的优势频段，在广泛的频率范围内提供精确的地面振动测量信号。
互补滤波器的原理框图如图5所示，其中的高通滤波器用于屏蔽加速度计测量结果的低频部分，而低通滤波器可以使地震计测量结果的低频部分通过，加法器将两者的输出进行融合，这样就可以在覆盖目标处理范围的频域内提供精确的地面振动测量信号，提高振动补偿方法的适用范围。
互补滤波器的数学模型为
vfuse＝η×vacc+(1-η)×vseis (29)
其中，η是互补滤波器的系数。滤波器的时间常数τ(τ∈[0，1])和通过滤波器信号频率有关。当信号通过低通滤波器时，频率比1/τ小的信号会保留，频率比1/τ大的信号会被过滤掉；当信号通过高通滤波器时，则相反。假设信号的采样周期为Δt，有
Figure BDA0002454176290000141
由上述数学模型可知，系数η的选取决定着互补滤波器的性能，接下来只需选取滤波器系数η即可。可以采用最简单的根据经验设定滤波器系数η的方法，也可采用其他的高效选取最优化滤波器系数η的方法，例如，基于QPSO算法的参数寻优方法。
实施例4
实施例2中的地震计与加速度计测量数据进行融合的组合模式可以采用多个地震计、多个加速度计、加速度计与位移传感器、地震计与位移传感器组合的模式，对于不同的传感器组合可以采用不同的多传感器数据融合方法。对于同类型传感器的融合，以对多个加速度计进行数据融合为例，可以采用实施例2中的两层融合结构最优信息融合滤波，只需将状态空间模型中式(15)中的量测矩阵改为Hi＝[0，0，1]，(i为使用的加速度计个数)，再利用式(18)至式(25)重复实施例2的计算过程即可获得多个加速度计的最优融合估计值。另一方面，对于不同类型的传感器，这里再具体描述对加速度计和位移传感器进行数据融合的单级卡尔曼滤波。加速度计和位移传感器的数据融合是在实施例1的基础上将地震计替换为位移传感器，则只需将状态空间模型中的量测方程式(4)替换为如下式(31)，其余融合估计步骤与实施例1一致。
Figure BDA0002454176290000151
实施例5
实施例4中的同类型传感器间的数据融合也可以采用加权融合方法。以下描述一种多传感器自适应加权融合算法。该算法模型如图6所示，设有n个传感器对某一对象参数进行测量，其测量值分别为X1，X2......Xn，在保证融合测量值总方差最小的条件下，根据各传感器的测量值，通过自适应的方式寻找与之对应的最优加权因子，使融合后的
Figure BDA0002454176290000152
最优。
设n个传感器的方差分别为σ1 2，σ2 2......σn 2，待估计真值为X，各传感器测量值为X1，X2......Xn，它们彼此相互独立且为X的无偏估计；各传感器的加权因子分别为w1，w2...…wn，将X1，X2......Xn进行加权融合，则融合后的
Figure BDA0002454176290000153
满足下式
Figure BDA0002454176290000154
根据多元函数求极值理论，可得到总方差最小时所对应的最优加权因子为：
Figure BDA0002454176290000155
其中σi 2为未知量，可根据各传感器的测量值求得。假设两相互独立的传感器i，j，其测量值分别为Xi，Xj，对应测量误差为ei，ej，则有
σi 2＝E[ei 2]＝Rii-Rij (34)
其中，Rii，Rij分别为Xi的自协方差函数和Xi，Xj的互协方差函数，其值可由其时间域估计值得到。若传感器测量次数为k，Rii的时间域估计值为Rii(k)，Rij的时间域估计值为Rij(k)，则有
Figure BDA0002454176290000161
Figure BDA0002454176290000162
若用传感器i(i≠j，i＝1，2，......，n)与传感器j(j≠i，j＝1，2，......，n)作相关运算，可得Rij(k)的值，于是利用
Figure BDA0002454176290000163
的均值Rij(k)作为Rij的估计值，即
Figure BDA0002454176290000164
这样利用各传感器的测量值求得了Rii和Rij的时间域估计值，从而可估计出各传感器的方差σi 2。
总的自适应加权融合算法流程为：先利用式(35)、式(36)递推地算出采样时刻k的Rii(k)和Rij(k)；再根据式(37)求出采样时刻k的
Figure BDA0002454176290000165
根据式(34)求得采样时刻k的σi 2；根据式(33)求出此时各传感器的最优加权因子
Figure BDA0002454176290000166
最后根据式(32)求得此时估计值
Figure BDA0002454176290000167
实施例6
实施例1中的地震计测量数据和加速度计测量数据的采集也可以采用各自配套的采集卡采用不同频率进行采样，再通过多采样率卡尔曼滤波技术进行数据融合，既保证各个传感器的采样精度又节省时间。以下描述利用多采样率卡尔曼滤波对不同采样频率的加速度计数据和地震计数据进行数据融合。假设加速度计采样周期为Ta，地震计采样周期为Tv。整个系统的离散状态模型与实施例1中的式(5)、(6)相同，其中
Figure BDA0002454176290000168
Rv＝R/Tv. (39)
实际融合步骤中的时间更新等式和量测更新等式也与实施例1中的式(9)～(13)一样，但是两个传感器数据的采样周期存在比例关系，两者的比例为一个整数，Tv/Ta＝M。由于在kTv和(k+1)Tv时刻之间的时刻(k为整数)没有地震计测量数据只有加速度计测量数据，此时可认为相当于一个测量误差无限大的最优滤波器，因此
Figure BDA0002454176290000171
K→0，因此此时只进行时间更新，所得到的该时刻最优估计值即为先验估计值，如式(9)、(10)所示。当处于kTv时刻，可以获得地震计测量数据，则和实施例1的过程一样先进行时间更新再进行量测更新。该时刻的最优估计值为进行量测更新后的后验估计值。
Figure BDA0002454176290000172
Figure BDA0002454176290000173
基于同一发明构思，为实现上述基于多传感器数据融合的振动补偿方法，本实施例提供了一种基于多传感器数据融合的振动补偿系统，请参见图7。本实施例中，整个振动补偿系统包括基座710、参考棱镜720、干涉仪730、测振结构740和上位机750。其中参考棱镜固定于所述基座的底部；干涉仪用于检测被测落体相对于参考棱镜的下落位移信号；测振结构包括固定于所述基座底部的多个传感器，所述测振结构利用多个传感器同时获取地面振动信号；上位机用于利用数据融合技术对多个所述地面振动信号进行处理，得到地面振动融合估计信号，根据所述地面振动融合估计信号对所述下落位移信号进行补偿。
可以理解，基于多传感器数据融合的振动补偿系统工作的基本原理：使用经典自由落体式高精度绝对重力仪进行重力测量，用振动补偿装置代替原有隔振装置。测量过程中多个传感器将持续输出地面振动信号，传感器的输出信号和每次下落的触发信号将被同时采集以定位每次下落时截取的光电探测信号所对应的传感器输出信号区间，保证多路信号获取的同步性。接下来利用多传感器数据融合算法融合采集到的多路传感器输出信号得到一个最优融合估计值，用该融合估计值代替单个传感器的测量信号采用相关时延法进行振动补偿。
在其中一个实施例中，采用多个传感器对地面振动信号进行探测，传感器组合模式多样，可以是多个同类型的传感器组合：比如多个地震计组合、多个加速度计组合、多个位移传感器组合等，也可以是多个不同类型的传感器组合：比如加速度计与地震计组合、地震计与位移传感器组合、加速度计与位移传感器组合等。
在其中一个实施例中，多传感器数据融合的方法可以有多种选择，比如加权融合、互补滤波数据融合、卡尔曼滤波数据融合、FIR/IIR fusion filter数据融合等，针对不同情况可以选择补偿效果最好的方法，具体可参见上述实施例1至实施例6，此处不再赘述。
在其中一个实施例中，多个传感器的摆放方式可以变化，比如加速度计的放置可以不全都水平放置，可以进行部分竖直放置，从而可以测量水平方向振动信号，通过融合竖直方向和水平方向的信号解决水平方向振动耦合到竖直方向从而对测量产生误差的问题，使得振动补偿技术可以运用到环境更复杂的动平台的绝对重力测量中，进一步拓宽振动补偿技术的使用范围。
在其中一个实施例中，传感器的数据采集方式也可以有多种选择，可采用统一的或不同的采样周期进行采集，位移传感器、地震计的采样频率往往低于加速度计的采样频率，多频率采样可以保证各个传感器的采样精度不互相影响，采用多采样频率的卡尔曼滤波可以实现多传感器间不同采样频率的数据融合。此外不仅可以长时间连续采集绝对重力测量过程中的地面振动信号，也可以利用触发信号间断采集每次下落过程对应的地面振动信号。
此外，还可采用统一的数据采集卡进行数据采集或配套的专用设备自行采集，可分段采集每次自由下落时的振动信号数据也可连续采集整个测量过程中的所有振动信号数据。本实施例中，采用统一的数据采集卡有利于数据采集的同步性。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (13)

1.一种基于多传感器数据融合的振动补偿方法，其特征在于，包括：
利用多个传感器同时获取地面振动信号；
利用数据融合技术对多个所述地面振动信号进行处理，得到地面振动融合估计信号，以使根据所述地面振动融合估计信号对被测落体相对于参考棱镜的下落位移信号进行补偿。
2.如权利要求1所述的基于多传感器数据融合的振动补偿方法，其特征在于，
在重力测量过程中，根据起始触发信号和终止触发信号间断采集下落过程对应的所述地面振动信号。
3.如权利要求1所述的基于多传感器数据融合的振动补偿方法，其特征在于，利用多个所述传感器长时间连续获取所述地面振动信号。
4.如权利要求1所述的基于多传感器数据融合的振动补偿方法，其特征在于，还包括：
在利用多个所述传感器同时获取地面振动信号之前，将多个所述传感器放置在所述参考棱镜的四周。
5.如权利要求1所述的基于多传感器数据融合的振动补偿方法，其特征在于，多个所述传感器包括加速度计、地震计、位移传感器的一种或多种。
6.如权利要求1所述的基于多传感器数据融合的振动补偿方法，其特征在于，部分所述传感器水平固定于基座，其余所述传感器竖直固定于所述基座。
7.如权利要求1所述的基于多传感器数据融合的振动补偿方法，其特征在于，采用加权融合技术、互补滤波数据融合技术、卡尔曼滤波数据融合技术或FIR/IIR滤波融合对多个所述地面振动信号进行处理。
8.如权利要求1所述的基于多传感器数据融合的振动补偿方法，其特征在于，利用所述数据融合技术对多个所述地面振动信号进行融合；或者，先对每个所述地面振动信号进行最优化估计，然后将进行最优化估计后的多个所述地面振动信号进行融合。
9.如权利要求1所述的基于多传感器数据融合的振动补偿方法，其特征在于，采用同一数据采集卡以相同采样周期对多个所述传感器进行数据采集。
10.一种基于多传感器数据融合的振动补偿系统，其特征在于，包括：
基座；
参考棱镜，固定于所述基座的底部；
干涉仪，用于检测被测落体相对于参考棱镜的下落位移信号；
测振结构，包括固定于所述基座底部的多个传感器，所述测振结构利用多个传感器同时获取地面振动信号；
上位机，用于利用数据融合技术对多个所述地面振动信号进行处理，得到地面振动融合估计信号，根据所述地面振动融合估计信号对所述下落位移信号进行补偿。
11.如权利要求10所述的基于多传感器数据融合的振动补偿系统，其特征在于，所述上位机采用加权融合技术、互补滤波数据融合技术、卡尔曼滤波数据融合技术或FIR/IIR滤波融合对多个所述地面振动信号进行处理，得到所述地面振动融合估计信号。
12.如权利要求10所述的基于多传感器数据融合的振动补偿系统，其特征在于，多个所述传感器包括加速度计、地震计、位移传感器的一种或多种。
13.如权利要求10所述的基于多传感器数据融合的振动补偿系统，其特征在于，部分所述传感器水平固定于所述基座，其余所述传感器竖直固定于所述基座。
CN202010301540.9A 2020-04-16 2020-04-16 基于多传感器数据融合的振动补偿方法及系统 Pending CN111505727A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010301540.9A CN111505727A (zh) 2020-04-16 2020-04-16 基于多传感器数据融合的振动补偿方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010301540.9A CN111505727A (zh) 2020-04-16 2020-04-16 基于多传感器数据融合的振动补偿方法及系统

Publications (1)

Publication Number Publication Date
CN111505727A true CN111505727A (zh) 2020-08-07

Family

ID=71876173

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010301540.9A Pending CN111505727A (zh) 2020-04-16 2020-04-16 基于多传感器数据融合的振动补偿方法及系统

Country Status (1)

Country Link
CN (1) CN111505727A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112597122A (zh) * 2020-09-03 2021-04-02 禾多科技（北京）有限公司 自动驾驶车辆的车载数据处理方法、装置和电子设备
CN112880608A (zh) * 2020-11-19 2021-06-01 北京精密机电控制设备研究所 传感器信息融合方法
CN113204219A (zh) * 2021-04-20 2021-08-03 吉林师范大学 用于智能制造的工业控制器
WO2021166946A1 (ja) * 2020-02-21 2021-08-26 株式会社東京測振 推定装置、振動センサシステム、推定装置により実行される方法、及びプログラム

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106383367A (zh) * 2015-07-31 2017-02-08 中国计量科学研究院 绝对重力测量方法和装置
CN106443827A (zh) * 2016-10-10 2017-02-22 北京航天控制仪器研究所 一种用于动基座重力仪的动态精度评估方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106383367A (zh) * 2015-07-31 2017-02-08 中国计量科学研究院 绝对重力测量方法和装置
CN106443827A (zh) * 2016-10-10 2017-02-22 北京航天控制仪器研究所 一种用于动基座重力仪的动态精度评估方法

Non-Patent Citations (12)

* Cited by examiner, † Cited by third party
Title
MEIYING GUO ET AL.: "Reducing the Time Consumption of Vibration Correction Methods for Absolute Gravimeters", 《2019 IEEE》 *
SHU-LI SUN ET AL: "Multi-sensor optimal information fusion Kalman filter", 《AUTOMATICA》 *
SHU-LI SUN ET AL: "Multi-sensor optimal information fusion Kalman filters with applications", 《AEROSPACE SCIENCE AND TECHNOLOGY》 *
YI WEN ET AL.: "VIBRATION CORRECTION WITH KALMAN FILTERING BASED DATA FUSION FOR ABSOLUTE GRAVIMETERS", 《ASME 2019 INTERNATIONAL MECHANICAL ENGINEERING CONGRESS AND EXPOSITION》 *
吴琼: "高精度绝对重力仪关键技术研究", 《中国优秀博硕士学位论文全文数据库（博士） 基础科学辑》 *
张勇刚等: "基于互补滤波器的 MEMS／GPS／地磁组合导航系统", 《系统工程与电子技术》 *
李哲: "高精度绝对重力测量仪器与应用研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 *
李媛媛等: "多传感器 自适应加权融合算法及其应用研究", 《自动化与仪器仪表》 *
王仲生等: "《智能检测与控制技术》", 30 September 2002, 西安：西北工业大学出版社 *
王腾等: "通过互补滤波器来实现的传感器融合技术", 《电脑知识与技术》 *
要佳敏等: "绝对重力仪隔振系统发展综述 ", 《导航与控制》 *
钱锦等: "事件时间测量系统及其在绝对重力仪中的应用", 《导航定位与授时》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021166946A1 (ja) * 2020-02-21 2021-08-26 株式会社東京測振 推定装置、振動センサシステム、推定装置により実行される方法、及びプログラム
CN112597122A (zh) * 2020-09-03 2021-04-02 禾多科技（北京）有限公司 自动驾驶车辆的车载数据处理方法、装置和电子设备
CN112880608A (zh) * 2020-11-19 2021-06-01 北京精密机电控制设备研究所 传感器信息融合方法
CN113204219A (zh) * 2021-04-20 2021-08-03 吉林师范大学 用于智能制造的工业控制器

Similar Documents

Publication Publication Date Title
CN111505727A (zh) 基于多传感器数据融合的振动补偿方法及系统
Wang et al. An improved automatic scheme for empirical baseline correction of digital strong-motion records
RU2523734C2 (ru) Система и способ сбора сейсмических данных
MX2011000192A (es) Interpolacion de datos sismicos.
CA2792365A1 (en) Using seismic sensor transfer functions for high fidelity seismic imaging
US9297923B2 (en) Gravity measurements using seismic streamers
US20120002504A1 (en) Gravity measurements in marine, land and/or seabed seismic applications
GB2447699A (en) Terrain correction system
EP3542131A1 (en) Self-calibrating inertial measurement system and method
CN112487604A (zh) 海洋重力仪输出数据长时间非线性漂移补偿方法
CA2943443C (en) Absolute vector gravimeter and methods of measuring an absolute gravity vector
Marinov et al. Analysis of sensors noise performance using Allan deviation
EP3451025B1 (en) Seismic data tilt angle correction method and system for multisensor streamer
US11619492B2 (en) Sensor linearization based upon correction of static and frequency-dependent non-linearities
RU2144686C1 (ru) Устройство и способ для измерения гравитации
Dichev et al. Algorithm for estimation and correction of dynamic errors
AU2014201349A1 (en) Gravity measurements by towed streamers
Webb et al. High-resolution seafloor absolute pressure gauge measurements using a better counting method
CN111144223B (zh) 基于Tikhonov正则化的广义最小化求解的振动速度重建方法
Rasoulzadeh et al. Implementation of A low-cost multi-IMU hardware by using a homogenous multi-sensor fusion
Dermanis et al. Estimating crustal deformation parameters from geodetic data: Review of existing methodologies, open problems and new challenges
CN114527520A (zh) 一种用于修正原子干涉重力仪干涉条纹的振动补偿方法
Bashilov et al. The ADSS-3 broadband stand-alone digital seismic station
Besedina et al. Rationale for applying short-period sensors with extended frequency response for recording strong earthquakes
Rudyk Analysis of the errors of MEMS accelerometers by the Allan variation method

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200807