CN113302451A - 用于从惯性传感器读出数据的方法 - Google Patents
用于从惯性传感器读出数据的方法 Download PDFInfo
- Publication number
- CN113302451A CN113302451A CN201980088375.9A CN201980088375A CN113302451A CN 113302451 A CN113302451 A CN 113302451A CN 201980088375 A CN201980088375 A CN 201980088375A CN 113302451 A CN113302451 A CN 113302451A
- Authority
- CN
- China
- Prior art keywords
- time
- frequency
- read
- time point
- writing
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000005259 measurement Methods 0.000 claims abstract description 44
- 230000008859 change Effects 0.000 claims abstract description 15
- 238000013213 extrapolation Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000007704 transition Effects 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims 3
- 238000012935 Averaging Methods 0.000 claims 1
- 230000001419 dependent effect Effects 0.000 claims 1
- 230000033001 locomotion Effects 0.000 description 9
- 238000001914 filtration Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000035508 accumulation Effects 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 5
- 230000001052 transient effect Effects 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C19/00—Gyroscopes; Turn-sensitive devices using vibrating masses; Turn-sensitive devices without moving masses; Measuring angular rate using gyroscopic effects
- G01C19/56—Turn-sensitive devices using vibrating masses, e.g. vibratory angular rate sensors based on Coriolis forces
- G01C19/5776—Signal processing not specific to any of the devices covered by groups G01C19/5607 - G01C19/5719
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
- G06F18/2113—Selection of the most significant subset of features by ranking or filtering the set of features, e.g. using a measure of variance or of feature cross-correlation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L7/00—Arrangements for synchronising receiver with transmitter
- H04L7/0016—Arrangements for synchronising receiver with transmitter correction of synchronization errors
- H04L7/005—Correction by an elastic buffer
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Automation & Control Theory (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Gyroscopes (AREA)
- Indication And Recording Devices For Special Purposes And Tariff Metering Devices (AREA)
- Navigation (AREA)
Abstract
一种用于从传感器(200)读出数据的方法包括:通过传感器(200)确定测量数据的时间序列,测量数据的时间序列由测量数据在写入时间点的逐步变化生成,该写入时间点由写入频率fa确定,并且时间间隔为该写入频率的周期时长1/fa;在读出时间点从传感器(200)读出输出数据,该读出时间点由读出频率fs确定,并且时间间隔为该读出频率的周期时长1/fs,读出频率fs小于写入频率fa;通过传感器(200)的低通滤波器(220),从两个相邻的读出时间点之间的写入时间点的数量的时间序列确定写入频率fa与读出频率fs的比率N。在传感器(200)中,要在读出时间点读出的输出数据通过基于写入频率fa和读出频率fs的比率N对在相应的读出时间点之前生成的测量数据的时间序列的元素进行外推而生成。
Description
技术领域
本发明涉及一种用于从传感器,特别是从惯性传感器中读出数据的方法,以及适用于执行该方法的传感器。
背景技术
在惯性传感器(Inertial Measurement Units惯性测量单元,IMU)中,例如在转速传感器或加速度传感器中,部分增量通过频率为fa的内部数据路径周期累加。也就是说,测量数据序列是这样生成的,即以内部数据路径周期的周期时长1/fa的间隔产生或记录测量数据的变化。这种变化在数据的写入时间点逐步或递增地发生,该写入时间点通过写入频率或数据路径周期fa预先指定。
例如,在转速传感器中,属于相应数据路径周期的部分角增量被连续累加,而在加速度计中,属于相应数据路径周期的部分速度增量被累加。
随着读出频率为fs的每个查询周期,累加器的当前状态被读取,然后为下一个积分区间重置为0。所读取的累加器状态代表相应查询周期中的总增量或读出的测量数据。
此类传感器(例如惯性导航系统)的使用者期望的是,所读出的测量数据,即各个查询周期中的总增量,准确地对应于该查询周期内所产生的测量数据的变化的积分。然而,能够读出的数据是通过整数个数据路径周期的累加形成的,数据路径周期不等于查询周期。因此,在某个读出时间点读出的数据通常不能完全代表到此刻为止实际发生的运动。
此外,如果整数个数据路径周期与查询周期正好对应,则必须确保两个周期的精确同步,否则最小的频率偏差也会导致累加次数的差拍效应。
在DE 10 2013 020 954中描述了上述问题的一种可能的解决方案,其应可作为本申请的组成部分以供参考。
然而,该专利假定传感器方面已知查询周期的读出频率fs(主模式)。例如IMU就是这种情况,其本身为其传感器生成查询周期。然而一般而言,查询周期的频率fs不为传感器所知,而是由外部系统从外部指定(从模式)。在这种情况下,在DE 10 2013 020 954中描述的方法就无法使用。
发明内容
即使对于在从模式下运行的传感器,本发明也为其提供解决这一问题的方法,使得在某个读出时间点读出的数据符合到该时间点为止实际发生的运动。这一问题通过独立权利要求的说明对象得以解决。
用于从惯性传感器读出数据的方法,例如可以包括:通过传感器确定测量数据的时间序列,其中,该测量数据的时间序列由测量数据在写入时间点的逐步变化生成,该写入时间点由写入频率fa确定,并且其时间间隔为写入频率的周期时长1/fa;在读出时间点从传感器读出输出数据,该读出时间点由读出频率fs确定,并且其时间间隔为读出频率的周期时长1/fs,其中,读出频率fs小于写入频率fa,并且读出频率的周期时长1/fs通常不是写入频率的周期时长1/fa的倍数;通过传感器的低通滤波器,从位于两个相邻的读出时间点之间的写入时间点的数量的时间序列确定写入频率fa与读出频率fs的比率N。其中,在传感器中,要在读出时间点读出的输出数据通过基于写入频率fa和读出频率fs的比率N对在相应的读出时间点之前生成的测量数据的时间序列的元素进行外推而生成。
因此,该方法的出发点是数据以写入频率生成,但以与该写入频率不同的、较低的读出频率读出的情况。生成数据的传感器,特别是惯性传感器,例如转速传感器或加速度传感器,只已知写入频率,而未知读出频率。该读出频率由访问传感器的外部设备给出。
但是,传感器能够计算两个读出周期之间的数据路径周期(在此处和下文中,在时间点a和b“之间”这一表述应包括时间点b,但不包括时间点a)。对于周期长度为l/fs的每个读出区间,传感器可以确定写入时间点的数量。从这些“写入时间点数量”的序列,就可以通过低通滤波器推导出写入频率fa和读出频率fs的比率N,因为写入时间点数量围绕该比率的值N振荡。
已知写入频率fa和比率N就相当于已知两个频率fa和fs。因此,尽管未知读出频率fs,传感器仍能够导出所有必要信息,从而将到读出时间点之前的最后一个写入时间点为止存在的测量数据外推到读出时间点。
这使得,即使在从模式下,在读出时间点读出的数据也能够符合到该时间点为止实际发生的运动。
附图说明
下面将参考附图通过示例的方式描述本发明。但本发明不受限于该示例性描述,而仅由专利权利要求的说明对象限定。在附图中:
图1示出了图解积分误差标准和微分误差标准的示意图;
图2示出了用于数据生成和数据输出的方法的流程示意图;
图3示出了借助于低通滤波器估计写入频率和读出频率之比的模拟;
图4示出了用于调节写入频率和读出频率之比的控制回路的示意图;
图5示出了以写入频率和读出频率之比作为输入的典型的非线性特征曲线;以及,
图6示出了具有传感器的系统的示意图。
具体实施方式
为了进行说明并更好地理解本发明,首先应该再次探讨在DE 10 2013 020 954中描述的情况,即,写入频率fa和读出频率fs对于惯性传感器来说都是已知的。接着再讨论本发明,其中传感器本身不预先指定读出频率,因此对其未知。
首先,应当借助一个简单的例子再次说明问题,当惯性传感器(或等效工作的其他传感器,如温度传感器或压力传感器)的数据以不同频率写入和读出时,该问题就会出现。
在该例子中,假设在每个数据路径周期中,测量数据都会发生恒定的、逐步的变化。数据通路周期或写入频率应为fa=3.4kHz,查询周期或读出频率应为fs=800Hz。因此,查询周期包括N=fa/fs=4.25个数据通路周期。由于只能在整数个数据路径周期上进行累加,因此在读出时间点记录了三次在4个数据路径周期内累加的数据变化以及一次在5个周期内累加的数据变化。该模式周期性地重复,如图1所示。
一般来说,比率N=fa/fs也可以写成一个自然数n和一个完全简化的分数之和:
N=fa/fs=n+p/q,其中n、p、q是自然数并且p<q。
则在两个读出时间点之间的写入时间点从n到(n+1)个的转变随着q个读出周期的周期循环发生。其中发生了(q-p)次n个写入时间点和p次(n+1)个写入时间点。该转变的数量在此处具有最大值。由于写入频率和读出频率不同而出现的误差可以分为积分误差和微分误差。
所谓的积分误差标准用于评估,在各个读出时间点之前在写入时间点中累加的部分增量或测量数据变化在相应的读出时间点输出的总增量或输出数据中的记录情况。这一在导航系统中特别重要的标准在上述方法中得以满足,因为每个部分增量都会在某个时间被考虑在总增量中。
相反,所谓的微分误差标准评估总增量与查询周期内的积分相对应的程度,即,在读出时间点输出的测量数据能够在何种程度上反映在相应的读出时间点实际存在的运动。由于通过整数次的累加近似计算查询周期,该标准仅能非充分地满足。累加次数的经常性的转变在上级系统中解释为额外的测量值噪声。
理想情况下,随时间包含在总增量或读出数据中的信息应该得到调整,使得在读出时间点输出的数据既提高了微分误差标准又满足积分标准。
若写入频率fa和读出频率fs都已知,可以通过对在各个读出时间点之前已经随数据路径周期累加的测量数据进行外推来实现。下面讨论这种外推法的两个可能的示例。在第一个示例中,外推基于截至当前读出时间点的累加数据和截至前一个读出时间点的累加数据(无延迟)。在第二种情况中,额外考虑了另外的更早的数据累加,因此数据输出延迟了一个读出周期(有延迟)。
例I:无延迟
在该情况下,输出数据根据以下公式生成,其中k对读出时间点进行编号,即k在读出周期的每个周期1/fs后增加1:
其中适用,
tA=1/fs;t0(k)=n0(k)/fa;t1(k)=n1(k)/fa;N=fa/fs;
初始条件:
n0(0)=n1(0)=N;t1r(0)=v1(0)=vr(0)=0;
状态转换:
n1(k+1)=n0(k);v1(k+1)=v0(k)
变量vr(k)和tr1(k)的迭代基于以下情况区分:
情况1:对于N>fa·t1r(k)+n0(k):
vr(k+1)=v0(k)/n0(k)·(N-fa·t1r(k)-n0(k));并且
t1r(k+1)=0
情况2:对于N≤fa·t1r(k)+n0(k):
vr(k+1)=0;并且
t1r(k+1)=1/fa·(n0(k)+fa·t1r(k)-N)
在此:
·v(k)对应在第k个读出时间点读出的输出数据
·n0(k)对应位于第(k-1)个读出时间点和第k个读出时间点之间的写入时间点的数量,且t0(k)对应相关的时间区间
·n1(k)对应位于第(k-2)个读出时间点和第(k-1)个读出时间点之间的写入时间点的数量,且t1(k)对应相关的时间区间
·v0(k)对应在写入时间点发生的运动数据的逐步变化的总和,这些写入时间点位于第(k-1)个读出时间点和第k个读出时间点之间
·v1(k)对应在写入时间点发生的运动数据的逐步变化的总和,这些写入时间点位于第(k-2)个读出时间点和第(k-1)个读出时间点之间
·t1r对应时间区间
·vr对应余项。
例II:有延迟
在此示例中,用于输出数据的公式分为两种情况:
情况1:N>fa·(t2r(k)+t1r(k)):
t1r(k+1)=l/fa(no(k)-N+fa·(t2r(k)+t1r(k))).
t2r(k+1)=0;
情况2:N≤fa·(t2r(k)+t1r(k)):
t1r(k+1)=no(k)/fa;
t2r(k+1)=t2r(k)+t1r(k)-N/fa.
其中适用,
tA=1/fs;t0(k)=n0(k)/fa;t1(k)=n1(k)/fa;t2(k)=n2(k)/fa;N=fa/fs;
初始条件:
n0(0)=n1(0)=n2(0)=N;t1r(0)=1/fs;t2r(0)=0;v1(0)=v2(0)=0;
状态转换:
n1(k+1)=n0(k);n2(k+1)=n1(k);v1(k+1)=v0(k);v2(k+1)=v1(k)
两个示例I和II共有的符号保留已经在示例I中说明的含义。类比地,示例II中新加入的符号适用:
·n2(k)对应位于第(k-3)个读出时间点和第(k-2)个读出时间点之间的写入时间点的数量,且t2(k)对应相关的时间区间
·v2(k)对应在写入时间点发生的运动数据的逐步变化的总和,这些写入时间点位于第(k-3)个读出时间点和第(k-2)个读出时间点之间;
·t2r对应时间区间。
在示例I和II中,由于在数据输出过程中考虑了所有写入的数据,因此在使用上述公式时保证了积分误差标准的保持。这可以在示例I中通过查看变量
来验证,在示例II中通过查看变量
来验证,该变量表示惯性传感器的滤波器输入和滤波器输出之间的累加差异。为了满足积分误差标准,在任何时间长度内,值Verror都不得在正方向或负方向上漂移,相反,它必须始终围绕恒定分量移动。通过适当的模拟可以很容易地表明上述公式就是这种情况。
此外,通过模拟还可以很容易地表明,输出数据可以非常快速地调整为也满足微分误差标准的值。例如,如果取N=4.25,并基于运动数据恒定变化1来计算,则对于n0(k)=4:v0(k)=4,对于n0(k)=5:v0(k)=5。另外,根据上文所作的考虑,n0(4i+1)=n0(4i+2)=n0(4i+3)=4;n0(4i+4)=5(i出自自然数和零)。使用上面的公式,发现v(k)很快地调整到4.25,即满足微分误差标准。对于更复杂的示例,也能够模拟出类似的结果。
上面的例子清楚地表明,写入频率fa和读出频率fs或这两个变量的比率N必须是已知的,才能对随数据路径周期写入的测量数据变化或测量数据增量进行外推。这不只适用于上面明确讨论的例子,而是一般性地适用,因为在读出时间点的时间位置未知的情况下,不可能通过从写入的数据外推到这些读出时间点来生成输出数据。
因此,本发明涉及如何能够确定比率N的问题,以便即使在从模式下也能够满足两个误差标准。尽管本发明的以下描述参考了上述数据外推的示例,但是本发明也能够应用于任何其他基于写入频率和读出频率的比率N的任意外推法。
图2示出了用于从惯性传感器读出数据的方法的流程示意图。虽然在下文中使用了惯性传感器,但不言而喻,该方法也能够应用于逐步输出表示特定测量变量的变化的数据值的任何其他传感器类型。
在S100中确定测量数值的时间序列。其中,连续的序列项具有一定的数值差异,即测量值逐步地或增量地变化。因此,单个变化也可以称为部分增量。这是惯性传感器记录的测量值的典型情况,该测量值则表示例如角度增量或速度增量。但是,也可以考虑以这种方式运行其他传感器,例如温度传感器或压力传感器,其仅确定其测量变量的变化,而不是确定绝对值。测量值序列的确定必然也需要确定单个变化,即部分增量。
如上所述,部分增量是以数据路径周期或写入频率fa生成的。这意味着,在写入频率的每个周期时长l/fa之后,到达写入时间点,在该时间点更新数据序列,即产生部分增量。
测量数据最终应以读出频率fs读出。该读出频率fs对于生成测量值或部分增量的传感器是未知的。相反,读出频率fs由外部设备预先指定,例如由导航平台的处理器。如上所述,读出频率fs小于写入频率fa,并且这两个频率通常不是彼此的倍数。这意味着写入时间点和读出时间点大多相互分离。
为了确定读出频率fs,在S110中确定两个读出时间点之间的写入时间点出现的数量的时间序列。因此针对每个读出周期确定在该读出周期期间形成了多少部分增量。其中,与读出周期的结束同时发生的写入时间点算入该结束的读出周期。
在此,写入时间点的数量可以很容易地由传感器确定,例如通过计数器,其在每个读出时间点重置为零。
如上所述,写入时间点的数量围绕写入频率fa和读出频率fs的比率的值N波动。该数量因此可以用作低通滤波器的输入,通过该低通滤波器可以确定比率N的估计值。
在最简单的情况下,低通滤波器通过一组指定数量的写入时间点形成平均值。例如,总是可以通过最后K个写入时间点数量确定算术平均值,其中K是自然数,例如5、10、50、100、500、1000或更多。
但低通滤波器优选应尽可能快地给出对比率N的尽可能准确的估计。此外,滤波器结果在稳态下应尽可能恒定,即具有尽可能低的残留波纹度。
为了实现这一点,有利的是,使用其时间常数最初很小的滤波器算法,这就导致在滤波开始时快速收敛到对N的最终得出的估计值。然而,为了防止估计“过载”,即为了保持滤波结果尽可能恒定,使时间常数逐渐增加到预先指定的最大值。
原则上,可以设想实现这种低通滤波器的各种可能性。下面将通过示例更详细地说明其中之一。
为此,在以k编号的读出周期序列中,以下值用作写入频率fa和读出频率fs的比率N的估计值N(k):
N(k)=(1-2-q(k))·N(k-l)+2-q(k)·n(k).
其中,n(k)表示在第k个读出周期中发生的写入时间点的数量,q(k)是随着k的增加而增加的自然数。选择N(0)=n(0)作为初始条件。
这种低通滤波器的对应的z传递函数Gf(z)为:
一阶低通的时间常数τ,标准化为读出周期的滤波器步长或周期时长tA=1/fs:
以3〃τ的暂态时间为基础并使用近似值ln(1-x)≈-x,得出,该滤波器在大约3/2-q个周期后稳定。
现在可以从小的q开始滤波,例如q=l。等待暂态时间(例如3/2-1=6个周期)过去后,时间常数增加,并再次等待,直到滤波稳定。例如,通过设定q=2大约会使暂态时间加倍。在这种节奏中,时间常数和对应的暂态时间逐步地一再增加,直到达到所需的最终值qMAX,例如qMAX可以是8、10或更大。
图3示出了上述滤波器的暂态过程的开始,针对的是前300个周期中的数据路径周期的数量的序列N=4,4,4,5,4,4,4,5,4,4,4,5,...。可以看出,值N(k)很快收敛到N=4.25。但通过改变q可以防止围绕该值出现大的波动。
然后,以此方式获得的对于写入频率fa和读出频率fs的比率的估计可以在S120中用于将写入的测量数据或部分增量外推到读出时间点。在S130中,外推的输出数据由外部设备以读出频率fs查询和读出。
然而,在示例I或示例II的算法中直接使用该写入频率fa和读出频率fs的比率的估计值N是有问题的。这是因为,由低通滤波确定的对N的估计完全有可能不与实际频率比精确匹配,下文将该实际频率比称为NREF。特别是,持续过低的估计值N<NREF是有问题的,如下观察所示:
在下表中显示了针对n0(k)序列:n0=4,4,4,5,4,4,4,5,4,4,4,5,等的“情况1”案例的数字,以及与NREF=4.25相比过小的估计值N=4.2的假设(表1针对示例I,表2针对示例II)。如上所述,当适用N>fa·t1r(k)+n0(k)时,在示例I中出现“情况1”案例,在示例II中是当N>fa·(t2r(k)+t1r(k))时。
从表格中可以看出,在N<NREF一段时间后,完全不出现“情况1”案例,而只有“情况2”案例。与此相关的是,由于缺少纠正的“情况1”案例,在示例I中尚未处理的剩余分量t1r(k+1)和在示例II中尚未处理的剩余分量t2r(k+1)趋于不断增加。如果不采取纠正措施,这种效果会导致滤波结果v(k)发散。
为了避免上述发散问题,可以将借助低通滤波生成的估计值N调节到未知的、正确的NREF。这种调节应使用于外推的N值尽可能接近NREF。然后在S120中,将在调节中得到的N值用于外推。
相应的控制回路的示例在图4中示出。为比率N假定的参考值,例如由上述低通滤波提供的估计值N(k),用作该控制回路的输入。
受控系统的稳态模型可以用阶跃函数或非线性特性曲线来描述,例如如图5所示。
该特征曲线描述了上述示例I和II中在K个时间步长ki+1到ki+k(i、K是自然数)中输入的“情况1”案例的数量对假定的频率比N的相关性。该特征曲线描述了取决于频率比N的每个时间单位发生的“情况1”案例的数量。
该特征曲线的形态取决于区间[NREF]到[NREF]+1([x]=x的整数部分)内的NREF的绝对位置。因此,图5中的特征曲线仅被视为示例。然而,所有特征曲线的特性是,对于N<NREF,完全不会出现“情况1”案例,而这种案例之后会在从NRFF到[NREF]+1的区间内跳跃式地增加,直到仅出现“情况1”案例。因此,特征曲线在N=NREF处的跳跃用作从N调节到NREF的标准,如下所示:
如果特征曲线提供的每单位时间的“情况1”案例的数量的值为0,则N太小(N<NREF)。在这种情况下,向控制器发送值-y(y>0),在控制回路中出现负反馈之后,该值导致估计值N(k)增加校正值ΔN。因此,校正了ΔN的N更接近于NREF。
另一方面,如果特征曲线提供的每单位时间的“情况1”案例的数量的值大于0,则N太大(N>NREF)。在这种情况下,向控制器发送值+y,在控制回路中出现负反馈之后,该值导致估计值N(k)降低校正值ΔN。因此,校正了ΔN的N更接近于NREF。
不必须为此计算或生成特征曲线。特征曲线的基本特征是N=NREF时的跳跃式行为。对于N<NREF,特征曲线为0。从N>NREF开始,特征曲线跳跃式地增加到最大值。根据输入的数列n0(k)的性质,特征曲线可以在单次跳跃或多次部分跳跃中达到最大值。然而,最大值是在一次跳跃中还是在多次部分跳跃中达到的并不是决定性的。特征曲线的决定性特性是N=NREF时的跳跃或部分跳跃。该中心特性应用于闭环控制。
不必须为此生成特性曲线,因为它是受控系统(系统模型)行为的数学描述。例如可以使用计数器来测量每单位时间的“情况1”案例的数量。由此,控制器可以直接推导出它应该如何使N接近NREF。
由于当N=NREF时,在任何情况下都必须发生“情况1”案例,因此监控这些案例的发生就足够了。在第一次发生时,控制器已经可以使用值+y。如果在一次“情况1”案例之后,在K个时间步长之前的时间窗口中没有“情况1”案例用于在接下来的K个时间步长中评估序列n0(k),则控制器恢复到值-y。
控制器本身优选通过积分元件或比例积分元件(图4中的参数a等于0或不等于0)来实现。
在此,不会持续地达到值N=NREF,而是像这种非线性控制回路通常那样,出现围绕N=NREF的持续振荡。这种持续振荡的幅度可以通过绝对值y来调整。在上文的描述中忽略了同样存在于所描述的系统中的系统模型的动态分量。只考虑了稳态下的非线性特征曲线。在选择控制器参数时可以考虑动态分量。
控制回路的使用(其中稳态系统模型由非线性特征曲线或N的阶跃函数给出,该阶跃函数在N=NREF时跳跃)使得用于外推写入数据并通过低通滤波器估计的比率N符合写入频率fa和读出频率fs的真实比率,从而可以避免上述发散问题。
在使用用于找到N的第一个估计值的上述低通滤波器、用于将该估计值N调节到参考值NREF的控制回路以及用于外推写入的测量数据的滤波器的组合时,可能的是,不需要已知读出频率fs就能提供每个读出时间点的测量数据,该测量数据既满足微分误差标准,也满足积分误差标准。此外,为此所需的所有参数都可以从由相应配备的传感器确定的测量数据中推导出。
图6示出了用于实现上述方法的系统100的示意图。
系统100具有传感器200,例如惯性传感器,用于确定写入频率为fa的测量数据(例如运动数据)的时间序列。测量数据由传感器装置210记录,其例如是陀螺仪传感器或加速度传感器。测量数据从该处通过低通滤波器220并且可选地通过控制回路230传递到滤波器240,该滤波器执行对写入数据的上述外推。其中,低通滤波器220、控制回路230和滤波器240可以设计为硬件或软件,并且可以设计为单一组件(例如单个处理器)或分离的单元。
系统100还具有评估单元300,其查询在滤波器240中外推的测量数据作为读出频率为fs的输出数据并且进行进一步处理,例如用于提供导航解决方案。
通过这种传感器200和这种评估单元300,可以实现上文所述的优点。尽管读出时间点和数据采集时间点不同,也可以生成非常近似地反映被测系统在读出时间点所处状态的输出数据。因此,该输出数据既满足积分误差标准,也满足微分误差标准。
Claims (11)
1.一种用于从传感器(200)读出数据的方法,所述方法包括:
通过传感器(200)确定测量数据的时间序列,其中,所述测量数据的时间序列由所述测量数据在写入时间点的逐步变化生成,所述写入时间点由写入频率fa确定,并且其时间间隔为所述写入频率的周期时长1/fa;
在读出时间点从所述传感器(200)读出输出数据,所述读出时间点由读出频率fs确定,并且其时间间隔为所述读出频率的周期时长1/fs,其中,所述读出频率fs小于所述写入频率fa;
通过所述传感器(200)的低通滤波器(220)从位于两个相邻的读出时间点之间的写入时间点的数量的时间序列确定所述写入频率fa与所述读出频率fs的比率N;其中,
在所述传感器(200)中,要在读出时间点读出的输出数据通过基于所述写入频率fa和所述读出频率fs的所述比率N对在相应的读出时间点之前生成的测量数据的时间序列的元素进行外推而生成。
2.根据权利要求1所述的方法,其中,
所述读出频率的周期时长1/fs不是所述写入频率的周期时长1/fa的倍数。
3.根据前述权利要求中任一项所述的方法,其中,
所述比率N通过对位于两个相邻的读出时间点之间的写入时间点的数量取平均值确定。
4.根据前述权利要求中任一项所述的方法,其中,
所述比率N由具有可变时间常数的滤波器算法确定;并且,
所述时间常数在确定所述比率N的过程中,随着时间的推移而变大。
5.根据前述权利要求中任一项所述的方法,其中,
在开始确定所述比率N之后的时间步长k中的所述比率N由下式给出:
N(k)=(1-2-q(k))·N(k-1)+2-q(k)·n(k),
其中n(k)是在所述时间步长k中发生的写入时间点的数量,q(k)是自然数且N(0)=n(0);
每个所述时间步长k的长度为所述读出频率的周期时长1/fs;并且,
q(k)随着k的增加而增加。
6.根据前述权利要求中任一项所述的方法,其中,
所述输出数据根据以下公式生成:
情况I:
其中适用,
初始条件:
n0(0)=n1(0)=N;
t1r(0)=v1(0)=vr(0)=0;
状态转换:
n1(k+1)=n0(k);
v1(k+1)=v0(k);
对于N>fa·t1r(k)+n0(k):
vr(k+1)=v0(k)/n0(k)·(N-fa·t1r(k)-n0(k));并且
t1r(k+1)=0;
对于N≤fa·t1r(k)+n0(k):
vr(k+1)=0;并且
t1r(k+1)=1/fa·(n0(k)+fa·t1r(k)-N)
情况II:
对于N>fa·(t2r(k)+t1r(k)):
其中适用:
初始条件:
n0(0)=n1(0)=n2(0)=fa·t1r(0)=N;
t2r(0)=v1(0)=v2(0)=0;
状态转换:
n1(k+1)=n0(k);
n2(k+1)=n1(k);
v1(k+1)=v0(k);
v2(k+1)=v1(k);
t1r(k+1)=1/fa(n0(k)-N+fa·(t2r(k)+t1r(k)));
t2r(k+1)=0;
对于N≤fa·(t2r(k)+t1r(k)):
其中适用:
初始条件:
n0(0)=n1(0)=n2(0)=fa·t1r=N;
t2r(0)=v1(0)=v2(0)=0;
状态转换:
n1(k+1)=n0(k);
n2(k+1)=n1(k);
v1(k+1)=v0(k);
v2(k+1)=v1(k);
t1r(k+1)=n0(k)/fa;
t2r(k+1)=t2r(k)+t1r(k)-N/fa;
其中,
v(k)是在第k个读出时间点读出的输出数据;
n0(k)是位于第(k-1)个读出时间点和第k个读出时间点之间的写入时间点的数量;
n1(k)是位于第(k-2)个读出时间点和第(k-1)个读出时间点之间的写入时间点的数量;
n2(k)是位于第(k-3)个读出时间点和第(k-2)个读出时间点之间的写入时间点的数量;
v0(k)是在位于第(k-1)个读出时间点和第k个读出时间点之间的写入时间点发生的测量数据的逐步变化的总和;
v1(k)是在位于第(k-2)个读出时间点和第(k-1)个读出时间点之间的写入时间点发生的测量数据的逐步变化的总和;
v2(k)是在位于第(k-3)个读出时间点和第(k-2)个读出时间点之间的写入时间点发生的测量数据的逐步变化的总和;
t1r和t2r是时间区间;以及
vr是余项。
7.根据前述权利要求中任一项所述的方法,其中,
为了对在相应的读出时间点之前生成的测量数据的时间序列的元素进行外推,在所述传感器(200)中,在控制回路(230)中将通过低通滤波器确定的所述比率N调节到所述写入频率fa和所述读出频率fs的实际比率NREF;
将调节到所述实际比率NREF的相应调节结果用于所述外推。
8.根据权利要求7所述的方法,其中,
所述调节是积分控制或比例积分控制;
所述调节基于N的阶跃函数,所述阶跃函数在值N=NREF时从0跳变到大于0的值;并且
在所述调节中,如果N取当前实际值时所述阶跃函数大于0,则指定的正值y被负反馈,且如果N取当前实际值时所述阶跃函数小于或等于0,则指定的负值-y被负反馈。
9.根据引用权利要求6的权利要求8所述的方法,其中,
在情况I中,所述阶跃函数由在K个时间步长ki+1到ki+K中情况N>fa·t1r(k)+n0(k)的出现数量得出,其中i和K是自然数;并且,
在情况II中,所述阶跃函数由在K个时间步长ki+1到ki+K中情况N>fa·(t2r(k)+t1r(k))的出现数量得出,其中i和K是自然数。
10.一种用于测量测量数据的传感器(200),其包括:
传感器装置(210),所述传感器装置适用于确定测量数据的时间序列,其中,所述测量数据的时间序列由所述测量数据在写入时间点的逐步变化生成,所述写入时间点由写入频率fa确定,并且其时间间隔为所述写入频率的周期时长1/fa;
滤波器(240),所述滤波器适用于按照外部设备的查询在读出时间点输出输出数据,所述读出时间点由读出频率fs确定,并且其时间间隔为所述读出频率的周期时长1/fs,其中,所述读出频率fs小于所述写入频率fa;
低通滤波器(220),所述低通滤波器用于从位于两个相邻的读出时间点之间的写入时间点的数量的时间序列确定所述写入频率fa与所述读出频率fs的比率N;其中,
在所述滤波器(240)中,要在读出时间点输出的输出数据通过基于所述写入频率fa和所述读出频率fs的所述比率N对在相应的读出时间点之前生成的测量数据的时间序列的元素进行外推而生成。
11.一种惯性导航系统,其包括:
根据权利要求10所述的惯性传感器;以及
评估单元(300),所述评估单元适用于查询读出频率为fs的输出数据并从中计算出导航解决方案。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019100507.8 | 2019-01-10 | ||
DE102019100507.8A DE102019100507A1 (de) | 2019-01-10 | 2019-01-10 | Verfahren zum Auslesen von Daten von Inertialsensoren |
PCT/EP2019/083456 WO2020143959A1 (de) | 2019-01-10 | 2019-12-03 | Verfahren zum auslesen von daten von inertialsensoren |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113302451A true CN113302451A (zh) | 2021-08-24 |
Family
ID=68808344
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980088375.9A Pending CN113302451A (zh) | 2019-01-10 | 2019-12-03 | 用于从惯性传感器读出数据的方法 |
Country Status (8)
Country | Link |
---|---|
US (1) | US20220120567A1 (zh) |
EP (1) | EP3908804B1 (zh) |
CN (1) | CN113302451A (zh) |
BR (1) | BR112021013410A2 (zh) |
DE (1) | DE102019100507A1 (zh) |
IL (1) | IL284605B2 (zh) |
SG (1) | SG11202107433SA (zh) |
WO (1) | WO2020143959A1 (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1120293A (en) * | 1965-10-19 | 1968-07-17 | North American Aviation Inc | Signal processing apparatus suitable for use in amti radar system |
CN1275763A (zh) * | 1999-05-31 | 2000-12-06 | 德国汤姆逊-布朗特公司 | 读或写光记录介质的设备 |
CN1484438A (zh) * | 2002-08-12 | 2004-03-24 | 松下电器产业株式会社 | 时钟变换装置、时钟变换方法、视频显示装置及其存储器地址设定方法 |
US20040088595A1 (en) * | 2001-02-03 | 2004-05-06 | Wolfgang Baierl | Circuit arrangement and method for synchronised transmission of audio data streams in a bus system |
US20050141033A1 (en) * | 2003-12-04 | 2005-06-30 | Yamaha Corporation | Asynchronous signal input apparatus and sampling frequency conversion apparatus |
CN101534185A (zh) * | 2009-04-02 | 2009-09-16 | 华为技术有限公司 | 时间同步装置、方法和系统 |
CN103988051A (zh) * | 2011-12-01 | 2014-08-13 | 诺思罗普·格鲁曼·利特夫有限责任公司 | 调节装置、转速传感器和借助谐波期望值信号驱动调节装置的方法 |
CN104052692A (zh) * | 2013-03-14 | 2014-09-17 | 富士通半导体股份有限公司 | 数据信号校正电路、接收器和数据信号校正方法 |
CN105794143A (zh) * | 2013-12-12 | 2016-07-20 | 诺思罗普·格鲁曼·利特夫有限责任公司 | 用于在时钟速度不同的域之间的异步通道处传输数据的方法和装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7130764B2 (en) * | 2003-04-05 | 2006-10-31 | The University Of Akron | Robust DSP integrator for accelerometer signals |
US20110066042A1 (en) * | 2009-09-15 | 2011-03-17 | Texas Instruments Incorporated | Estimation of blood flow and hemodynamic parameters from a single chest-worn sensor, and other circuits, devices and processes |
DE102010055631B4 (de) * | 2010-12-22 | 2017-12-14 | Northrop Grumman Litef Gmbh | Reglereinheit und Vorrichtung zur Rückstellung eines mit einer harmonischen Schwingung angeregten Schwingers, sowie Drehratensensor |
DE102013103274A1 (de) * | 2013-04-02 | 2014-10-02 | eesy-ic GmbH | Digitale Signalverarbeitungseinrichtung für einen Winkelbestimmer |
JP7139675B2 (ja) * | 2018-04-27 | 2022-09-21 | セイコーエプソン株式会社 | リサンプリング回路、物理量センサーユニット、慣性計測装置及び構造物監視装置 |
JP2019191070A (ja) * | 2018-04-27 | 2019-10-31 | セイコーエプソン株式会社 | リサンプリング回路、物理量センサーユニット、慣性計測装置及び構造物監視装置 |
US11067596B2 (en) * | 2019-10-14 | 2021-07-20 | National Institute Of Metrology | Method for calibrating phase-frequency characteristic of low frequence accelerometer based on time-spatial synchronization |
-
2019
- 2019-01-10 DE DE102019100507.8A patent/DE102019100507A1/de active Pending
- 2019-12-03 BR BR112021013410-7A patent/BR112021013410A2/pt unknown
- 2019-12-03 SG SG11202107433SA patent/SG11202107433SA/en unknown
- 2019-12-03 EP EP19816612.6A patent/EP3908804B1/de active Active
- 2019-12-03 CN CN201980088375.9A patent/CN113302451A/zh active Pending
- 2019-12-03 US US17/421,892 patent/US20220120567A1/en active Pending
- 2019-12-03 WO PCT/EP2019/083456 patent/WO2020143959A1/de unknown
-
2021
- 2021-07-05 IL IL284605A patent/IL284605B2/en unknown
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1120293A (en) * | 1965-10-19 | 1968-07-17 | North American Aviation Inc | Signal processing apparatus suitable for use in amti radar system |
CN1275763A (zh) * | 1999-05-31 | 2000-12-06 | 德国汤姆逊-布朗特公司 | 读或写光记录介质的设备 |
US20040088595A1 (en) * | 2001-02-03 | 2004-05-06 | Wolfgang Baierl | Circuit arrangement and method for synchronised transmission of audio data streams in a bus system |
CN1484438A (zh) * | 2002-08-12 | 2004-03-24 | 松下电器产业株式会社 | 时钟变换装置、时钟变换方法、视频显示装置及其存储器地址设定方法 |
US20050141033A1 (en) * | 2003-12-04 | 2005-06-30 | Yamaha Corporation | Asynchronous signal input apparatus and sampling frequency conversion apparatus |
CN101534185A (zh) * | 2009-04-02 | 2009-09-16 | 华为技术有限公司 | 时间同步装置、方法和系统 |
CN103988051A (zh) * | 2011-12-01 | 2014-08-13 | 诺思罗普·格鲁曼·利特夫有限责任公司 | 调节装置、转速传感器和借助谐波期望值信号驱动调节装置的方法 |
CN104052692A (zh) * | 2013-03-14 | 2014-09-17 | 富士通半导体股份有限公司 | 数据信号校正电路、接收器和数据信号校正方法 |
CN105794143A (zh) * | 2013-12-12 | 2016-07-20 | 诺思罗普·格鲁曼·利特夫有限责任公司 | 用于在时钟速度不同的域之间的异步通道处传输数据的方法和装置 |
Non-Patent Citations (1)
Title |
---|
栗少萍;唐景肃;王晓卫;: "关于微机控制系统采样周期的分析", 微计算机信息, no. 07, pages 35 - 37 * |
Also Published As
Publication number | Publication date |
---|---|
WO2020143959A1 (de) | 2020-07-16 |
EP3908804A1 (de) | 2021-11-17 |
US20220120567A1 (en) | 2022-04-21 |
DE102019100507A1 (de) | 2020-07-16 |
SG11202107433SA (en) | 2021-08-30 |
EP3908804B1 (de) | 2024-01-24 |
IL284605A (en) | 2021-08-31 |
IL284605B (en) | 2022-10-01 |
BR112021013410A2 (pt) | 2021-09-21 |
IL284605B2 (en) | 2023-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8915262B2 (en) | Mass flow controller algorithm with adaptive valve start position | |
KR101990155B1 (ko) | 압력 제어 장치, 유량 제어 장치, 및 압력 제어 장치용 프로그램을 기록한 기록 매체, 유량 제어 장치용 프로그램을 기록한 기록 매체 | |
CN105247434B (zh) | 流量控制装置和流量控制方法 | |
EP3161563B1 (en) | Adaptive pid control system for industrial turbines | |
US10705546B2 (en) | Flow rate control apparatus, flow rate control method, and program recording medium | |
JP4825960B2 (ja) | 制御装置、制御パラメータの調整装置、制御パラメータの調整方法 | |
JP7059053B2 (ja) | 流量制御装置、流量制御方法、及び、流量制御装置用プログラム | |
US20220163984A1 (en) | Flow rate control apparatus, flow rate control method, and program recording medium in which program for flow rate control apparatus is recorded | |
CN113302451A (zh) | 用于从惯性传感器读出数据的方法 | |
JP2019204178A (ja) | 制御パラメータ計算方法、制御パラメータ計算プログラム、及び制御パラメータ計算装置 | |
US10164643B2 (en) | Compensating for temperature-dependent hysteresis in a temperature compensated crystal oscillator | |
CN109855788B (zh) | 用于对脉冲式的测量参量求平均的方法 | |
JP6520945B2 (ja) | 流体の流量を制御する方法、当該方法を実行する質量流量制御装置及び当該質量流量制御装置を用いた質量流量制御システム | |
WO2021005879A1 (ja) | 流量制御装置、流量測定方法、及び、流量制御装置用プログラム | |
CN113467230A (zh) | 一种磁轴承系统及其控制方法、装置、存储介质及处理器 | |
US20210048351A1 (en) | Method and system for processing a temperature measurement signal delivered by a sensor | |
JP2021035108A (ja) | 慣性推定装置、慣性推定プログラム及び慣性推定方法 | |
CN111971636A (zh) | 流量控制装置、诊断方法和流量控制装置用程序 | |
US10782148B2 (en) | Method and system for correcting driving amplitude of gyro sensor | |
TW201717473A (zh) | 液式鉛電池狀態檢測方法及液式鉛電池充電控制方法 | |
RU2615221C2 (ru) | Способ обеспечения виброустойчивости маятникового акселерометра линейных ускорений с цифровой обратной связью и виброустойчивый маятниковый акселерометр | |
Poterasu | Time drift compensation of the electronic balance during the measurement of liquid crystal density | |
KR101721111B1 (ko) | uDEAS를 이용한 산업용 히터 시스템의 자동 동조 PID 제어 방법 | |
CN115488894A (zh) | 机器人随动控制方法、装置、控制终端及存储介质 | |
JPH03107768A (ja) | 振動検出器 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40052406 Country of ref document: HK |