DE102022126969B3 - Calibrating a rotation rate sensor - Google Patents
Calibrating a rotation rate sensor Download PDFInfo
- Publication number
- DE102022126969B3 DE102022126969B3 DE102022126969.8A DE102022126969A DE102022126969B3 DE 102022126969 B3 DE102022126969 B3 DE 102022126969B3 DE 102022126969 A DE102022126969 A DE 102022126969A DE 102022126969 B3 DE102022126969 B3 DE 102022126969B3
- Authority
- DE
- Germany
- Prior art keywords
- test data
- rate sensor
- rotation rate
- sensor
- coordinate system
- 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.)
- Active
Links
- 238000012360 testing method Methods 0.000 claims abstract description 134
- 238000000034 method Methods 0.000 claims abstract description 40
- 230000009466 transformation Effects 0.000 claims abstract description 38
- 238000000611 regression analysis Methods 0.000 claims abstract description 23
- 238000005259 measurement Methods 0.000 claims description 40
- 230000000694 effects Effects 0.000 claims description 14
- 238000013178 mathematical model Methods 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 9
- 230000003068 static effect Effects 0.000 claims description 5
- 230000005284 excitation Effects 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 description 22
- 238000004422 calculation algorithm Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 15
- 239000011159 matrix material Substances 0.000 description 15
- 241001136792 Alle Species 0.000 description 14
- 238000012546 transfer Methods 0.000 description 12
- 238000012512 characterization method Methods 0.000 description 9
- 230000007613 environmental effect Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000012795 verification Methods 0.000 description 6
- 238000000692 Student's t-test Methods 0.000 description 5
- 230000001419 dependent effect Effects 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 239000000835 fiber Substances 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 238000010998 test method Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 101150034273 SYS1 gene Proteins 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000005295 random walk Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 238000012353 t test Methods 0.000 description 2
- 241000212977 Andira Species 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 230000002277 temperature effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000000844 transformation 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
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
Die Erfindung betrifft ein Verfahren zum Kalibrieren eines Drehratensensors (1): Ermitteln (S1) von ersten Testdaten durch Aufbringen von Referenzdrehraten in unterschiedlichen Orientierungen und Beträgen; Schätzen (S2) eines Ausrichtungsfehlers zur Sensorachse, Ermitteln (S3) von zweiten Testdaten durch Aufbringen von Vibrationen; Ermitteln (S4) einer jeweiligen ersten Orientierungstransformation sodass alle Referenzdrehraten der ersten Testdaten auf das zur Sensorachse feste Koordinatensystem bezogen sind; Zusammenfassen (S5) aller Testdaten in einen kombinierten Testdatensatz; Vorgeben (S6) einer Modellstruktur; Ausführen (S7) einer allumfassenden Regressionsanalyse für den kombinierten Testdatensatz zur Ermittlung von Parameterwerten, sodass sämtliche Parameter des parametrischen Modells auf Grundlage der aller Testdaten aufeinmal erhalten werden; und Kalibrieren (S8) des getesteten Drehratensensors (1) auf Basis des parametrischen Modells;The invention relates to a method for calibrating a rotation rate sensor (1): determining (S1) first test data by applying reference rotation rates in different orientations and amounts; Estimating (S2) an alignment error to the sensor axis, determining (S3) second test data by applying vibrations; Determining (S4) a respective first orientation transformation so that all reference rotation rates of the first test data are related to the coordinate system fixed to the sensor axis; Combining (S5) all test data into a combined test data set; Specifying (S6) a model structure; performing (S7) an all-encompassing regression analysis on the combined test data set to determine parameter values so that all parameters of the parametric model are obtained at once based on all test data; and calibrating (S8) the tested rotation rate sensor (1) based on the parametric model;
Description
Die Erfindung betrifft ein Verfahren zum Kalibrieren eines Drehratensensors.The invention relates to a method for calibrating a rotation rate sensor.
Inertiale Messeinheiten (sogenannte IMUs, engl. für „inertial measurement units“) dienen dazu, aktuelle kinematische Größen in einem Referenzkoordinatensystem zu erfassen. Größtenteils mechanisch ausgeführt nutzen sie bekannte Effekte, wie den Zusammenhang zwischen Kraft und beschleunigter Masse, die Lagewinkelstabilität von rotierenden Massen (Kreiselstabilität) und Ähnliches, um weiterverarbeitbare Sensorsignale von vorherrschenden kinematischen Größen zu ermitteln. Auf optischen bzw. relativistischen Effekten basierende inertiale Messeinheiten, beispielsweise zur Bestimmung von Lagewinkeldrehraten mittels Laserkreisel, sind sehr teuer und werden entsprechend selten angewendet; diese sind nur in Nischenanwendungen wie militärischen Flugkörpern mit extrem hohen zu erwartenden Beschleunigungen zu finden. Der Fokus im Folgenden wird daher auf mechanische Messeinheiten gelegt, wenn auch nicht ausgeschlossen wird, dass die dargestellten Lösungen auch für optische Systeme gelten können.Inertial measurement units (so-called IMUs) are used to record current kinematic variables in a reference coordinate system. Largely designed mechanically, they use known effects, such as the relationship between force and accelerated mass, the angular stability of rotating masses (gyroscopic stability) and the like, in order to determine further processable sensor signals of prevailing kinematic variables. Inertial measuring units based on optical or relativistic effects, for example for determining attitude angle rotation rates using laser gyros, are very expensive and are therefore rarely used; these can only be found in niche applications such as military missiles with extremely high expected accelerations. The focus in the following will therefore be on mechanical measuring units, although it cannot be ruled out that the solutions presented can also apply to optical systems.
Die folgenden Informationen ergeben sich aus fachmännischen Überlegungen, anstatt sich notwendigerweise aus einem bestimmten Dokument des Stands der Technik zu ergeben: Wie für andere Sensoren auch ist es Zweck von inertialen Messeinheiten, eine natürlich auftretende Größe zu erfassen und einen verarbeitbaren Signalwert daraus zu generieren. Naturgemäß weist jeder physische Sensor gewisse Ungenauigkeiten auf, die von Umgebungsbedingungen beeinflusst werden können und insbesondere über verschiedene Bereiche von Messgrößen und/oder Frequenzen der gemessenen Größe variieren. Ein Sensor weist damit eine gewisse Übertragungsfunktion (im algebraischen wie im dynamischen Sinne) auf, welche eine Abbildung der natürlich auftretenden Größe auf das verarbeitbare Sensorsignal darstellt.The following information arises from professional considerations rather than necessarily arising from a specific prior art document: As with other sensors, the purpose of inertial measurement units is to detect a naturally occurring quantity and to generate a processable signal value from it. Naturally, every physical sensor has certain inaccuracies that can be influenced by environmental conditions and vary in particular over different ranges of measured quantities and/or frequencies of the measured quantity. A sensor therefore has a certain transfer function (in the algebraic and dynamic sense), which represents a mapping of the naturally occurring quantity onto the processable sensor signal.
Eine solche Übertragungsfunktion kann mit mathematischen Modellen beschrieben werden. Eine Vielzahl von Modelltypen kommt hierfür prinzipiell in Frage, seien es Modelle in Form von algebraischen Gleichungen oder dynamische Modelle, wobei letztere eine frequenzabhängige Übertragungsfunktion beschreiben und damit bevorzugt als Differentialgleichungen oder als Gleichungen im Frequenzbereich (wie dem Laplace Bereich) formuliert werden. Es sind ferner lineare Modelle von nichtlinearen Modellen zu unterscheiden. Statistische Modelle erlauben es, viele einzelne empirische Daten in ein Modell zusammenzufassen. Je genauer ein Modell die Realität des Sensors abbildet, umso besser ist der vom jeweiligen Sensor eingebrachte Fehler in der Übertragung von der natürlich auftretenden Größe auf das verarbeitbare Sensorsignal korrigierbar.Such a transfer function can be described using mathematical models. In principle, a variety of model types are possible for this, be it models in the form of algebraic equations or dynamic models, the latter describing a frequency-dependent transfer function and are therefore preferably formulated as differential equations or as equations in the frequency range (such as the Laplace range). A distinction must also be made between linear models and non-linear models. Statistical models allow many individual empirical data to be combined into one model. The more accurately a model reflects the reality of the sensor, the easier it is to correct the error introduced by the respective sensor in the transfer of the naturally occurring quantity to the processable sensor signal.
Ein häufig essenzieller Bestandteil einer inertialen Messeinheit sind Kreiselinstrumente. Solche Kreiselinstrumente dienen dazu, die Orientierung eines Referenzkoordinatensystems in Form von Lagewinkeln insbesondere gegenüber der Erde ermitteln zu können. Der dabei ausgenutzte Effekt ist die Stabilität einer rotierenden Masse gegenüber Lagewinkeländerungen. Wird beispielsweise eine kardanisch aufgehängte schnell rotierende Masse in einem Gehäuse an einen bewegten Körper angeordnet, wird bei einer Rotationsbewegung des Körpers und damit des Gehäuses das Gehäuse sozusagen um die rotierende Masse herum rotiert, während die jeweilige Achse der rotierenden Masse ihre Ausrichtung beibehält. Aus dieser relativen Orientierungsänderung zwischen rotierender Masse und Gehäuse kann somit eine Orientierungsänderung in Form von differenziellen Winkeln ermittelt werden. Wird durch zeitliche Integration einer gemessenen Drehrate ein Lagewinkel ermittelt, so integrieren sich naturgemäß Messfehler in der gemessenen Drehrate zu größeren Fehlern in den Lagewinkeln auf. Zur Vermeidung dieser Fehlerintegration werden typischerweise Kreiselinstrumente nicht alleine verwendet, sondern mit anderen Sensorarten gekoppelt. Dennoch geht der Messfehler in der gemessenen Drehrate in den abschließend ermittelten Lagewinkel ein.Gyroscopic instruments are often an essential component of an inertial measuring unit. Such gyroscopic instruments serve to be able to determine the orientation of a reference coordinate system in the form of position angles, particularly with respect to the earth. The effect exploited here is the stability of a rotating mass against changes in position angle. For example, if a gimbal-suspended, rapidly rotating mass is arranged in a housing on a moving body, when the body and thus the housing rotates, the housing rotates, so to speak, around the rotating mass, while the respective axis of the rotating mass maintains its alignment. From this relative change in orientation between the rotating mass and the housing, an orientation change in the form of differential angles can be determined. If a position angle is determined by temporal integration of a measured yaw rate, measurement errors in the measured yaw rate naturally integrate into larger errors in the position angles. To avoid this error integration, gyroscopic instruments are typically not used alone, but rather coupled with other types of sensors. Nevertheless, the measurement error in the measured rotation rate is included in the finally determined position angle.
Mit dem Ziel, Sensorfehler von Kreiselinstrumenten wie Drehratensensoren zu reduzieren, wurden und werden typischerweise solche Kreiselinstrumente zur Charakterisierung im Sinne einer Systemidentifikation getestet, um mittels der Charakterisierung und dem damit erreichten Wissen über Übertragungsfehler der Kreiselinstrumente Fehler im späteren Betrieb zu eliminieren, d. h. um die Kreiselinstrumente zu kalibrieren. Eine relativ einfache Modellbeschreibung der Übertragungsfehler eines Kreiselinstruments besteht in der Aufteilung der Übertragungsfehler in die Anteile „Skalierungsfehler“ (auch genannt „Skalenfaktor-Fehler“), „Bias“, und „weißes Rauschen“ (sogenannter „White-Noise“). Zumindest der Skalierungsfehler sowie der Bias können herausgerechnet werden und somit das originale Sensorsignal korrigiert werden, insbesondere wenn Skalierungsfehler und Bias abhängig von der zu messenden Beschleunigung und bekannten Umweltbedingungen für jede aktuelle Situation bestimmt werden können.With the aim of reducing sensor errors in gyroscopic instruments such as yaw rate sensors, such gyroscopic instruments were and are typically tested for characterization in the sense of system identification in order to eliminate errors in later operation by means of the characterization and the resulting knowledge about transmission errors of the gyroscopic instruments, i.e. H. to calibrate the gyroscopic instruments. A relatively simple model description of the transmission errors of a gyroscopic instrument consists in dividing the transmission errors into the components “scaling error” (also called “scale factor error”), “bias”, and “white noise” (so-called “white noise”). At least the scaling error and the bias can be calculated out and thus the original sensor signal can be corrected, especially if scaling errors and bias can be determined for each current situation depending on the acceleration to be measured and known environmental conditions.
Im Stand der Technik sind verschiedenste Verfahren zur Analyse bzw. Kalibrierung von Trägheitssensoren bekannt.A wide variety of methods for analyzing or calibrating inertial sensors are known in the prior art.
Die
Die
Die
Die
Aufgabe der Erfindung ist es, die Kalibrierung eines Drehratensensors durch eine möglichst genaue Charakterisierung des Drehratensensors zu verbessern.The object of the invention is to improve the calibration of a rotation rate sensor by characterizing the rotation rate sensor as accurately as possible.
Die Erfindung ergibt sich aus den Merkmalen der unabhängigen Ansprüche. Vorteilhafte Weiterbildungen und Ausgestaltungen sind Gegenstand der abhängigen Ansprüche.The invention results from the features of the independent claims. Advantageous further developments and refinements are the subject of the dependent claims.
Ein erster Aspekt der Erfindung betrifft ein Verfahren zum Kalibrieren eines Drehratensensors, wobei der Drehratensensor eine Sensorachse und ein Gehäuse aufweist, aufweisend die Schritte:
- - Ermitteln von ersten Testdaten durch Aufbringen von Referenzdrehraten in unterschiedlichen Orientierungen relativ zum Gehäuse und mit unterschiedlichen Beträgen der Referenzdrehraten je Orientierung auf den Drehratensensor, wobei die ersten Testdaten die Beträge der Referenzdrehraten mit den zugehörigen Orientierungen relativ zum Gehäuse sowie die nominale Orientierung eines zum Gehäuse körperfesten Koordinatensystems relativ zu einem an einem Rotationstisch für das Aufbringen der Referenzdrehraten körperfesten Koordinatensystem sowie ein jeweiliges den Referenzdrehraten zugeordnetes verarbeitbares Sensorsignal des Drehratensensors umfassen;
- - Schätzen, für die ersten Testdaten, eines Ausrichtungsfehlers zwischen einem zur Sensorachse festen Koordinatensystem und dem zum Gehäuse körperfesten Koordinatensystem,
- - Ermitteln von zweiten Testdaten durch Aufbringen von Vibrationen in drei Orientierungen des Drehratensensors, insbesondere in genau drei Orientierungen, wobei die Orientierungen insbesondere an den Achsen des zum Gehäuse körperfesten Koordinatensystems ausgerichtet sind, wobei die zweiten Testdaten die aufgeprägten Vibrationen sowie die jeweilige Orientierung des Drehratensensors sowie das jeweilige verarbeitbare Sensorsignal des Drehratensensors umfassen;
- - Ermitteln einer jeweiligen ersten Orientierungstransformation auf Basis der nominalen Orientierungen und auf Basis des geschätzten Ausrichtungsfehlers jeweils der ersten Testdaten und Anwenden der jeweiligen ersten Orientierungstransformation auf die ersten Testdaten mit der Wirkung, dass alle Referenzdrehraten der ersten Testdaten auf das zur Sensorachse feste Koordinatensystem bezogen sind;
- - Zusammenfassen aller Testdaten in einen kombinierten Testdatensatz;
- - Vorgeben einer mathematischen Modellstruktur eines parametrischen Modells des getesteten Drehratensensors;
- - Ausführen einer allumfassenden Regressionsanalyse für den kombinierten Testdatensatz zur Ermittlung von Parameterwerten des parametrischen Modells, sodass mit der allumfassenden Regressionsanalyse sämtliche Parameter des parametrischen Modells auf Grundlage aller Testdaten aufeinmal erhalten werden; und
- - Kalibrieren des getesteten Drehratensensors auf Basis des parametrischen Modells mit den ermittelten Parameterwerten;
- - Determining first test data by applying reference rotation rates in different orientations relative to the housing and with different amounts of reference rotation rates per orientation on the rotation rate sensor, the first test data being the amounts of the reference rotation rates with the associated orientations relative to the housing and the nominal orientation of a body fixed to the housing Coordinate system relative to a body-fixed coordinate system on a rotation table for applying the reference rotation rates and a respective processable sensor signal of the rotation rate sensor assigned to the reference rotation rates;
- - Estimating, for the first test data, an alignment error between a coordinate system fixed to the sensor axis and the coordinate system fixed to the housing,
- - Determining second test data by applying vibrations in three orientations of the yaw rate sensor, in particular in exactly three orientations, the orientations being aligned in particular with the axes of the coordinate system fixed to the housing, the second test data containing the imposed vibrations and the respective orientation of the yaw rate sensor as well include the respective processable sensor signal of the rotation rate sensor;
- - Determining a respective first orientation transformation based on the nominal orientations and based on the estimated alignment error of each of the first test data and applying the respective first orientation transformation to the first test data with the effect that all reference rotation rates of the first test data are related to the coordinate system fixed to the sensor axis;
- - Combining all test data into a combined test data set;
- - Specifying a mathematical model structure of a parametric model of the tested yaw rate sensor;
- - Perform an all-encompassing regression analysis on the combined test data set to determine parameter values of the parametric model so that the all-encompassing regression analysis obtains all parameters of the parametric model based on all test data at once; and
- - Calibration of the tested rotation rate sensor based on the parametric model with the determined parameter values;
Der Drehratensensor weist eine Sensorachse auf. Entlang dieser Sensorachse erfolgt die Messung. Definitionsgemäß ist damit die Orientierung der Messung zur Sensorachse immer bekannt, es besteht jedoch ein zu ermittelnder Ausrichtungsfehler im Sinne einer unbekannten Ausrichtungsdifferenz zwischen einem zur Sensorachse festen Koordinatensystem und dem zum Gehäuse körperfesten Koordinatensystem. Sensorgehäuse und Rotationstisch drehen sich insbesondere zusammen mit den Referenzdrehraten. Die Referenzdrehraten werden in unterschiedlichen Orientierungen relativ zum Gehäuse, insbesondere drei Orientierungen, bevorzugt um die Achsen eines kartesischen Koordinatensystems, aufgebracht. Die nominale Orientierung des zum Gehäuse körperfesten Koordinatensystems relativ zu einem, an einem Rotationstisch für das Aufbringen der Referenzdrehraten körperfesten, Koordinatensystem ist prinzipiell in ihrem Standartwert bekannt, daher „nominal“.The rotation rate sensor has a sensor axis. The measurement takes place along this sensor axis. By definition, the orientation of the measurement to the sensor axis is always known, but there is an alignment error to be determined in the sense of an unknown alignment difference between a coordinate system that is fixed to the sensor axis and the coordinate system that is fixed to the housing. The sensor housing and rotation table rotate in particular together with the reference rotation rates. The reference rotation rates are applied in different orientations relative to the housing, in particular three orientations, preferably around the axes of a Cartesian coordinate system. The nominal orientation of the coordinate system that is fixed to the body relative to a coordinate system that is fixed to the body on a rotation table for applying the reference rotation rates is in principle known in its standard value, hence “nominal”.
Der Drehratensensor ist so konfiguriert, dass auf eine auftretende Drehrate oder Orientierungsänderung ein verarbeitbares Sensorsignal erzeugt wird. Das verarbeitbare Sensorsignal kann umfassen: Eine elektrische Spannung, bevorzugt in der Einheit Volt, oder eine elektrische Stromstärke, bevorzugt in der Einheit Milliampere. Das verarbeitbare Sensorsignal wird vom Drehratensensor somit als Antwort auf die jeweilige Referenzdrehdate erzeugt. Dementsprechend weist der Drehratensensor die Funktion einer Abbildung der Eingangsgröße (zumindest die Referenzdrehdate) auf die Ausgangsgröße (das verarbeitbare Sensorsignal) auf. Die Eingangsgröße kann skalar sein, ist jedoch typischerweise vektoriell, d. h. dass sie mehrere Komponenten umfasst. Auch wenn die Eingangsgröße vektoriell ist, kann durch den Drehratensensor eine Abbildung auf eine skalare Ausgangsgröße für eine betrachtete Achse (in der insbesondere genau eine Orientierungsänderung gemessen wird) erfolgen.The yaw rate sensor is configured in such a way that a processable sensor signal is generated in response to an yaw rate or change in orientation that occurs. The processable sensor signal can include: an electrical voltage, preferably in the unit volts, or an electrical current intensity, preferably in the unit milliamperes. The processable sensor signal is thus generated by the rotation rate sensor in response to the respective reference rotation data. Accordingly, the rotation rate sensor has the function of mapping the input variable (at least the reference rotation data) to the output variable (the processable sensor signal). The input quantity can be scalar, but is typically vector, i.e. H. that it includes several components. Even if the input variable is vectorial, the rotation rate sensor can be used to map onto a scalar output variable for an axis under consideration (in which, in particular, exactly one change in orientation is measured).
Diese Abbildung wird durch das parametrische Modell nachgebildet. Das parametrische Modell weist eine vorgegebene insbesondere nichtlineare mathematische Struktur auf, beispielsweise ist es von vorgegebener Ordnung (mit welchem höchsten Exponenten Variablen der Eingangsgröße in das Modell eingehen), weiterhin bevorzugt wird mit der vorgegebenen mathematischen Struktur festgelegt, welche Komponenten der Eingangsgröße in das Modell eingehen.This illustration is reproduced by the parametric model. The parametric model has a predetermined, in particular non-linear, mathematical structure, for example it is of a predetermined order (with which highest exponent variables of the input variable enter into the model); furthermore, the predetermined mathematical structure is preferably used to determine which components of the input variable enter into the model .
Das parametrische Modell kann prinzipiell ein statisches Modell sowie ein dynamisches Modell sein. Das statische Modell berücksichtigt keinen Einfluss der Frequenzen der Eingangsgröße und wird daher durch eine algebraische Gleichung beschrieben. Eine solche algebraische Gleichung weist jeder aktuellen Eingangsgröße eine zugehörige aktuelle Ausgangsgröße zu. Die Ausgangsgröße des dynamischen Modells dagegen ist nicht nur von der aktuellen Eingangsgröße abhängig, sondern auch vom vergangenen Verlauf der Eingangsgrößen. Anstelle einer algebraischen Gleichung wird daher bevorzugt zur Beschreibung eines dynamischen Modells eine Differenzialgleichung verwendet, welche auch in den Frequenz- bzw. Laplacebereich transformiert werden kann und als Übertragungsfunktion dargestellt werden kann. Des Weiteren ist es mit einem dynamischen Modell möglich, den sogenannten „colored noise“, ein frequenzabhängiges Rauschen zu modellieren. Ob ein statisches Modell oder ein dynamisches Modell zur Beschreibung der Übertragung der Eingangsgröße auf die Ausgangsgröße besser geeignet ist, hängt von den Eigenschaften des verwendeten Drehratensensors ab, und in speziellen Fällen davon, welche Frequenzen in auftretenden Beschleunigungen erwartet werden, die es zu erfassen gilt.The parametric model can in principle be a static model or a dynamic model. The static model does not take into account the influence of the frequencies of the input variable and is therefore described by an algebraic equation. Such an algebraic equation assigns to each current input variable a corresponding current output variable. The output variable of the dynamic model, on the other hand, depends not only on the current input variable, but also on the past history of the input variables. Instead of an algebraic equation, a differential equation is therefore preferably used to describe a dynamic model, which can also be transformed into the frequency or Laplace range and can be represented as a transfer function. Furthermore, with a dynamic model it is possible to model the so-called “colored noise”, a frequency-dependent noise. Whether a static model or a dynamic model is more suitable for describing the transfer of the input variable to the output variable depends on the properties of the yaw rate sensor used and, in special cases, on which frequencies are expected in the accelerations that need to be recorded.
Die Regressionsanalyse dient dem Zweck, die Parameter des Modells in Werten zu identifizieren und daher im weiteren Sinne dem Prozess einer Parameter-Identifikation. Allgemein ist die Regressionsanalyse eine auf statistischen Überlegungen basierende Methode, um statistische Prozesse zu modellieren, d. h. den Zusammenhang zwischen einer oder mehreren abhängigen Variablen und einer oder mehreren unabhängigen Variablen zu ermitteln, sodass für einen hypothetischen Wert einer Eingangsgröße ein entsprechender Wert einer Ausgangsgröße des Modells berechnet werden kann. Welche konkrete Ausprägung der Regressionsanalysen verwendet wird, hängt insbesondere von der Struktur des parametrischen Modells ab. Bevorzugt wird eine Form der Regressionsanalyse verwendet, die einen Term für den Bias berücksichtigt.Regression analysis serves the purpose of identifying the parameters of the model in values and therefore, in a broader sense, the process of parameter identification. In general, regression analysis is a method based on statistical considerations to model statistical processes, i.e. H. to determine the relationship between one or more dependent variables and one or more independent variables, so that for a hypothetical value of an input variable, a corresponding value of an output variable of the model can be calculated. Which specific form of regression analysis is used depends in particular on the structure of the parametric model. Preferably, a form of regression analysis is used that takes a bias term into account.
In anderen Worten wird gemäß dem ersten Aspekt der Erfindung der Drehratensensor auf einem typischen Rotationstisch platziert. Hierbei wird die nominale Sensororientierung relativ zum Koordinatensystem ermittelt, welches körperfest zum Rotationstisch ist. Anschließend wird der Rotationstisch so angesteuert, dass verschiedene Referenzdrehraten eingesteuert werden, bevorzugt über die ganze erfassbare Breite von Beträgen des Drehratensensors, und unter verschiedenen Orientierungen relativ zu einer körperfesten Achse des Drehratensensors, oder zumindest in einer Orientierung, die von der betrachteten Sensorachse abweicht. Bei diesem Test werden sowohl das verarbeitbare Sensorsignal als auch die Referenzdrehrate ermittelt und aufgezeichnet. Wenn der Rotationstisch eine ausreichende Genauigkeit aufweist, kann die Referenzbeschleunigung der Schwerkraft auch von der Relation zwischen dem Schwerkraftvektor und der gegenwärtigen Rotationstischorientierung abhängig gemacht sein. Andernfalls kann die Referenzbeschleunigung aus der Schwerkraft auch zu Null angenommen werden, und dieser Fehler wird in den Modellfehler mit eingeschlossen. Für den Fall, dass der Rotationstisch über einer seismisch isolierten Plattform angeordnet ist, kann die in einer weiter unten genannten Ausführungsform durchgeführte Beobachtung des Messrauschens übersprungen werden und das Messrauschen zusammen mit der eigentlichen Systemidentifikation (beim Aufbringen der Referenzdrehraten) ausgeführt werden. Dafür sollte der Rotationstisch statisch positioniert werden, um eine ausreichende Zeit zum Betrachten des Messrauschens zur Verfügung zu haben, und dies vor, zwischen, oder nach dem Aufbringen der Referenzdrehraten. Der zeitliche Verlauf, d. h. das Profil, der Referenzdrehdaten sollte dabei so ausgewählt werden, dass alle Sensorachsen angeregt werden, und dies idealerweise mit vielen unterschiedlichen Vektoren der Referenzdrehraten wie möglich. Als eine zusätzliche Option kann eine zeitvariante Temperaturrampe aufgebracht werden, während die Systemidentifikation durchgeführt wird und zu diesem Zweck die Referenzdrehraten aufgebracht werden.In other words, according to the first aspect of the invention, the rotation rate sensor is placed on a typical rotation table. Here, the nominal sensor orientation is determined relative to the coordinate system, which is fixed to the rotation table. The rotation table is then controlled in such a way that different reference rotation rates are controlled, preferably over the entire detectable width of amounts of the rotation rate sensor, and under different orientations relative to a body-fixed axis of the rotation rate sensor, or at least in an orientation that deviates from the sensor axis under consideration. During this test, both the processable sensor signal and the reference rotation rate are determined and recorded. If the rotation table has sufficient accuracy, the reference acceleration of gravity can also be made dependent on the relation between the gravity vector and the current rotation table orientation. Otherwise, the reference acceleration from gravity can also be assumed to be zero, and this error is included in the model error. In the event that the rotation table is arranged above a seismically isolated platform, the observation of the measurement noise carried out in an embodiment mentioned below can be skipped and the measurement noise can be carried out together with the actual system identification (when applying the reference rotation rates). To do this, the rotation stage should be positioned statically to allow sufficient time to view the measurement noise, before, between, or after applying the reference rotation rates. The time course, ie the profile, of the reference rotation data should be selected so that all sensor axes are excited, and ideally with as many different reference rotation rate vectors as possible. As an additional option, a time-variant temperature ramp can be applied while the system identification is being carried out and the reference rotation rates are applied for this purpose.
Wurde dies durchgeführt, wird der Drehratensensor auf einem typischen Vibrationstisch angeordnet mit einer entsprechenden Halterung. Die Halterung sollte so genau wie möglich gefertigt sein, und die Orientierungen des Drehratensensors relativ zur Halterung sollten damit entsprechend so genau wie möglich bekannt sein. Die Beschleunigung an der Halterung und bezüglich eines Koordinatensystems, welches körperfest zur Halterung ist, sollte so genau wie möglich insbesondere durch Messung bekannt sein und als Term in der Eingangsgröße verwendet werden. Wiederum sollte darauf geachtet werden, ausreichende Anregungen in Frequenz und Amplitude bereitzustellen, wobei verschiedene bekannte Profile wie zufällige Vibrationen, Frequenzgänge (Sinus Sweeps), Schocks, und quasi statische Belastungen verwendet werden können. Dies orientiert sich insbesondere daran, welche Vibrationen im späteren Betrieb des Drehratensensors erwartet werden. Während die Vibrationen aufgebracht werden, sind das verarbeitbare Sensorsignal sowie die bekannten Vibrationen jeweils aufzuzeichnen und zeitlich in Verbindung mit einander zu setzen. Auch ist die nominale Orientierung des Drehratensensors mit Bezug zum Koordinatensystem der Halterung aufzuzeichnen. Optional kann, wenn möglich, die Temperatur während dieses Vibrationstests verändert werden, wobei die entsprechende Temperatur mit aufgezeichnet wird und als Teil der Eingangsgröße als Teil der zweiten Testdaten verwendet wird. Dieser Vibrationstest wird bevorzugt für alle relevanten Sensorachsen sequenziell wiederholt.Once this has been done, the rotation rate sensor is placed on a typical vibration table with a corresponding holder. The holder should be manufactured as precisely as possible, and the orientations of the rotation rate sensor relative to the holder should therefore be known as precisely as possible. The acceleration at the holder and with respect to a coordinate system that is body-fixed to the holder should be known as precisely as possible, in particular by measurement, and used as a term in the input variable. Again, care should be taken to provide sufficient excitation in frequency and amplitude, using various known profiles such as random vibrations, frequency responses (sine sweeps), shocks, and quasi-static loads. This is based in particular on which vibrations are expected during later operation of the yaw rate sensor. While the vibrations are being applied, the processable sensor signal and the known vibrations must be recorded and linked to each other in time. The nominal orientation of the rotation rate sensor must also be recorded with reference to the coordinate system of the holder. Optionally, if possible, the temperature can be changed during this vibration test, with the corresponding temperature being recorded and used as part of the input variable as part of the second test data. This vibration test is preferably repeated sequentially for all relevant sensor axes.
Die Vibrationen werden auf ein nominales Koordinatensystem ohne Ausrichtungsfehler bezogen, während die Referenzdrehraten zunächst auf ein geschätztes Koordinatensystem bezogen werden, welches Ausrichtungsfehler aufweist, welche wiederum geschätzt werden. Nach der Aufzeichnung sämtlicher Ausrichtungsfehler und nominaler Sensororientierungen werden alle Referenzdrehraten in das zur Sensorachse des Drehratensensors feste Koordinatensystem und alle aufgezeichneten Beschleunigungen in das zum Gehäuse körperfeste Koordinatensystem transformiert. Hierbei wird eine spezielle Regressionsanalyse verwendet, um sämtliche Parameter des parametrischen Modells in einem Zug zu erhalten, die genau auf oben genannte Koordinatensysteme bezogen sind. Mit diesem vorläufigen Modell wird bevorzugt das finale Modell dadurch erhalten, dass eine weitere Koordinatensystemtransformation angewendet wird, sodass das Modell lediglich auf das Koordinatensystem bezogen ist, das körperfest zum Drehratensensor ist.The vibrations are referenced to a nominal coordinate system with no alignment errors, while the reference rotation rates are initially referenced to an estimated coordinate system that has alignment errors, which in turn are estimated. After recording all alignment errors and nominal sensor orientations, all reference rotation rates are transformed into the coordinate system that is fixed to the sensor axis of the rotation rate sensor and all recorded accelerations are transformed into the coordinate system that is fixed to the housing. A special regression analysis is used to obtain all parameters of the parametric model in one go, which are precisely related to the coordinate systems mentioned above. With this preliminary model, the final model is preferably obtained by applying a further coordinate system transformation, so that the model is only related to the coordinate system that is body-fixed to the rotation rate sensor.
Die Erfindung weist folgende vorteilhafte Wirkungen auf: Es kann auf standardmäßig vorhandene und nicht zu teure Ausrüstung zurückgegriffen werden, wie ein Vibrationstisch, eine Rotationstisch, und Ähnliches. Ferner können verschiedene Situationen und unterschiedliche Umgebungsbedingungen berücksichtigt werden wie unterschiedliche Temperaturen, Vibrationen und Orientierungen. Das passendste, insbesondere nichtlineare, dynamische Modell mit Termen höherer Ordnung und mit nichtlinearen Termen kann erhalten werden und bei Bedarf später reduziert werden auf Anteile wie „Skalierungsfehler“ und „Bias“ , jedoch mit einem besseren Fehlermodell. Der Sensorfehler, bzw. ein Sensorfehleranteil, kann als nicht weißer zufälliger Fehler modelliert werden, außerdem ist eine vorherrschende Vibration als Teil der Umgebungsbedingungen nicht auf sinusförmige Fälle beschränkt. Der Aufwand für die notwendigen Tests wird dadurch vorteilhaft gering gehalten, sodass ein und dieselben Vibrationsprofile, welche für das Testen des Sensors gegenüber Umweltbedingungen verwendet wurden, auch für die Charakterisierung des Sensors verwendet werden können. Insgesamt müssen nicht mehr als drei Testdurchläufe bezüglich des äußeren Vibrationseinflusses durchlaufen werden. Auch Temperatureffekte können in der Charakterisierung berücksichtigt werden, wobei die Bandbreite der vorherrschenden Vibrationen nur durch die Bandbreite der Testausrüstung begrenzt ist, sodass in der Regel ein sehr breiter Frequenzbereich berücksichtigt werden kann. Darüber hinausgehend kann die Ausrichtung geschätzt und berücksichtigt werden, sodass diese Sensorcharakterisierung unabhängig von der Testausrüstung erfolgen kann.The invention has the following advantageous effects: Standard and not too expensive equipment can be used, such as a vibration table, a rotation table, and the like. Furthermore, different situations and different environmental conditions can be taken into account, such as different temperatures, vibrations and orientations. The most suitable, especially nonlinear, dynamic model with higher order terms and with nonlinear terms can be obtained and, if necessary, later reduced to components such as “scaling error” and “bias”, but with a better error model. The sensor error, or a sensor error component, can be modeled as a non-white random error, and a prevailing vibration as part of the environmental conditions is not limited to sinusoidal cases. The effort for the necessary tests is thereby advantageously kept low, so that one and the same vibration profiles are used for testing the sensor Environmental conditions were used, can also be used for the characterization of the sensor. In total, no more than three test runs need to be carried out regarding the external vibration influence. Temperature effects can also be taken into account in the characterization, whereby the bandwidth of the prevailing vibrations is only limited by the bandwidth of the test equipment, so that a very wide frequency range can usually be taken into account. Additionally, alignment can be estimated and taken into account, allowing this sensor characterization to occur independently of the test equipment.
Gemäß einer weiteren vorteilhaften Ausführungsform weist das Verfahren weiterhin einen der Schritte auf:
- - Ermitteln einer jeweiligen zweiten Orientierungstransformation auf Basis der zweiten Testdaten, und Anwenden der jeweiligen zweiten Orientierungstransformation auf die zweiten Testdaten mit der Wirkung, dass alle Vibrationen der zweiten Testdaten auf das zum Gehäuse feste Koordinatensystem bezogen sind; oder:
- - Ermitteln einer jeweiligen zweiten Orientierungstransformation auf Basis der zweiten Testdaten und der Schätzungen des Ausrichtungsfehlers aus den ersten Testdaten, und Anwenden der jeweiligen zweiten Orientierungstransformation auf die zweiten Testdaten mit der Wirkung, dass alle Vibrationen der zweiten Testdaten auf das zur Sensorachse feste Koordinatensystem bezogen sind;
- - Determining a respective second orientation transformation based on the second test data, and applying the respective second orientation transformation to the second test data with the effect that all vibrations of the second test data are related to the coordinate system fixed to the housing; or:
- - Determining a respective second orientation transformation based on the second test data and the estimates of the alignment error from the first test data, and applying the respective second orientation transformation to the second test data with the effect that all vibrations of the second test data are related to the coordinate system fixed to the sensor axis;
Gemäß einer weiteren vorteilhaften Ausführungsform sind die unterschiedlichen Orientierungen der Referenzdrehraten derart, dass sie jeweils Anregungen des Drehratensensors in allen Achsen des zum Gehäuse körperfesten Koordinatensystems erzeugen.According to a further advantageous embodiment, the different orientations of the reference rotation rates are such that they each generate excitations of the rotation rate sensor in all axes of the coordinate system fixed to the housing.
Gemäß einer weiteren vorteilhaften Ausführungsform umfasst das parametrische Modell ein NARMAX Modell. Hierbei steht NARMAX für „nonlinear autoregressive moving average model with exogenous inputs“. NARMAX Modelle können eine breite Klasse von nichtlinearen Systemen repräsentieren.According to a further advantageous embodiment, the parametric model comprises a NARMAX model. NARMAX stands for “nonlinear autoregressive moving average model with exogenous inputs”. NARMAX models can represent a broad class of nonlinear systems.
Gemäß einer weiteren vorteilhaften Ausführungsform wird eine Vielzahl von möglichen parametrischen Modellen des getesteten Drehratensensors mit unterschiedlichen mathematischen Modellstrukturen vorgegeben, wobei eine jeweilige allumfassende Regressionsanalyse für den kombinierten Testdatensatz zur Ermittlung von allen Parameterwerten des jeweiligen parametrischen Modells ausgeführt wird, wobei gemäß einer vorgegebenen Metrik das passendste Modell ausgewählt wird und das Kalibrieren des getesteten Drehratensensors auf Basis des ausgewählten parametrischen Modells mit den zugehörigen ermittelten Parameterwerten erfolgt.According to a further advantageous embodiment, a large number of possible parametric models of the tested yaw rate sensor are specified with different mathematical model structures, with a respective all-encompassing regression analysis being carried out for the combined test data set to determine all parameter values of the respective parametric model, the most suitable model according to a predetermined metric is selected and the tested rotation rate sensor is calibrated based on the selected parametric model with the associated determined parameter values.
Gemäß einer weiteren vorteilhaften Ausführungsform werden dritte Testdaten dadurch erzeugt, dass der Drehratensensor auf einer seismisch isolierten Plattform statisch angeordnet wird, wobei die dritten Testdaten ein von einem jeweiligen Messrauschen umfassendes verarbeitbares Sensorsignal des Drehratensensors umfassen, und wobei für die dritten Testdaten ein Ausrichtungsfehler zwischen dem zur Sensorachse festen Koordinatensystem und dem zum Gehäuse körperfesten Koordinatensystem ermittelt wird. Die dritten Testdaten werden dann ebenfalls zum kombinierten Testdatensatz hinzugefügt.According to a further advantageous embodiment, third test data is generated by statically arranging the yaw rate sensor on a seismically isolated platform, the third test data comprising a processable sensor signal of the yaw rate sensor comprising a respective measurement noise, and wherein for the third test data there is an alignment error between the to Sensor axis fixed coordinate system and the body-fixed coordinate system to the housing is determined. The third test data is then also added to the combined test data set.
In anderen Worten wird gemäß dieser Ausführungsform der Drehratensensor auf eine seismisch isolierte Plattform angebracht und das verarbeite Sensorsignal sowie der Vektor der Erdrotationsrate relativ zu der Halterung erfasst. Ferner wird die nominale Orientierung des Drehratensensors zur Halterung ermittelt. Optional werden zusätzlich während dieser Tests zur Ermittlung des Sensorrauschen die Temperatur des Drehratensensors verändert, bevorzugt mit einer variablen Temperaturrampe, wobei die jeweils aktuelle Temperatur aufgezeichnet wird und der jeweiligen Orientierung des Drehratensensors zugeordnet wird. Daran anschließend wird der Ausrichtungsfehler ermittelt, ohne dass der Drehratensensor aus der Halterung entfernt wird und wieder angeordnet wird. Zusätzlich optional kann die Orientierung des Drehratensensors relativ zur Halterung und damit relativ zur seismischen isolierten Plattform verändert werden und die oben genannte Vorgehensweise wiederholt werden. Wird jedoch der Drehratensensor aus der Halterung entnommen und wieder eingebaut, so muss nach jedem Wiedereinbau erneut der Ausrichtungsfehler ermittelt werden.In other words, according to this embodiment, the rotation rate sensor is mounted on a seismically isolated platform and the processed sensor signal and the vector of the earth's rotation rate are recorded relative to the holder. Furthermore, the nominal orientation of the rotation rate sensor to the holder is determined. Optionally, during these tests to determine the sensor noise, the temperature of the yaw rate sensor is changed, preferably with a variable temperature ramp, with the current temperature being recorded and assigned to the respective orientation of the yaw rate sensor. The alignment error is then determined without the rotation rate sensor being removed from the holder and repositioned. Additionally, optionally, the orientation of the rotation rate sensor relative to the holder and thus relative to the seismic isolated platform can be changed and the above-mentioned procedure can be repeated. However, if the rotation rate sensor is removed from the holder and reinstalled, the alignment error must be determined again each time it is reinstalled.
Gemäß einer weiteren vorteilhaften Ausführungsform wird der Drehratensensor in unterschiedliche statische Orientierungen gegenüber der seismisch isolierten Plattform gebracht, wobei die dritten Testdaten die jeweiligen Orientierungen des Drehratensensors umfassen.According to a further advantageous embodiment, the rotation rate sensor is brought into different static orientations relative to the seismically isolated platform, the third test data comprising the respective orientations of the rotation rate sensor.
Gemäß einer weiteren vorteilhaften Ausführungsform erfolgt für die ersten Testdaten und/oder für die zweiten Testdaten und/oder für die dritten Testdaten eine Kompensation der Erdrotationsrate dadurch, dass der Vektor der Erdrotationsrate auf die Achsen des zum Gehäuse körperfesten Koordinatensystems projiziert wird, und das Ergebnis der Projektionen und die jeweilige Orientierung des Drehratensensors als jeweilige Komponente der jeweiligen Testdaten verwendet wird.According to a further advantageous embodiment, the earth's rotation rate is compensated for the first test data and/or for the second test data and/or for the third test data in that the vector of the earth's rotation rate is projected onto the axes of the coordinate system fixed to the housing, and the result of the Projections and the respective orientation of the rotation rate sensor are used as the respective component of the respective test data.
Gemäß einer weiteren vorteilhaften Ausführungsform werden innerhalb der ersten Testdaten und/oder der zweiten Testdaten und/oder der Testdaten unterschiedliche Temperaturen auf den Drehratensensor aufgebracht, wobei die erfassten Temperaturen als weitere Komponente der jeweiligen Testdaten verwendet werden.According to a further advantageous embodiment, different temperatures are applied to the rotation rate sensor within the first test data and/or the second test data and/or the test data, with the detected temperatures being used as a further component of the respective test data.
Gemäß einer weiteren vorteilhaften Ausführungsform wird zum Ermitteln eines jeweiligen Ausrichtungsfehlers ein modifizierter rationaler Modell Schätzer verwendet. Der modifizierte rationale Modell Schätzer wird auch als modifizierter RME abgekürzt, wobei RME für „Rational Model Estimator“ steht.According to a further advantageous embodiment, a modified rational model estimator is used to determine a respective alignment error. The modified rational model estimator is also abbreviated as modified RME, where RME stands for “Rational Model Estimator”.
Weitere Vorteile, Merkmale und Einzelheiten ergeben sich aus der nachfolgenden Beschreibung, in der - gegebenenfalls unter Bezug auf die Zeichnung - zumindest ein Ausführungsbeispiel im Einzelnen beschrieben ist. Gleiche, ähnliche und/oder funktionsgleiche Teile sind mit gleichen Bezugszeichen versehen.Further advantages, features and details emerge from the following description, in which at least one exemplary embodiment is described in detail - if necessary with reference to the drawing. Identical, similar and/or functionally identical parts are provided with the same reference numerals.
Es zeigen:
-
1 : Ein Verfahren zum Kalibrieren eines Drehratensensors gemäß einem Ausführungsbeispiel der Erfindung. -
2 : Bezeichnungen und Definitionen für den Drehratensensor. -
3 : Ein Verfahren der erweiterten Methode der kleinsten Quadrate für ein Ausführungsbeispiel der Erfindung. -
4 : Ein Verfahren zur Ermittlung der Orientierungstransformation für ein Ausführungsbeispiel der Erfindung.
-
1 : A method for calibrating a rotation rate sensor according to an exemplary embodiment of the invention. -
2 : Names and definitions for the yaw rate sensor. -
3 : An extended least squares method for an embodiment of the invention. -
4 : A method for determining the orientation transformation for an embodiment of the invention.
Die Darstellungen in den Figuren sind schematisch und nicht maßstäblich.The representations in the figures are schematic and not to scale.
- - Ermitteln S1 von ersten Testdaten durch Aufbringen von Referenzdrehraten in unterschiedlichen Orientierungen relativ zum Gehäuse und mit unterschiedlichen Beträgen der Referenzdrehraten je Orientierung
auf den Drehratensensor 1, wobei die ersten Testdaten die Beträge der Referenzdrehraten mit den zugehörigen Orientierungen relativ zum Gehäuse sowie die nominale Orientierung eines zum Gehäuse körperfesten Koordinatensystems relativ zu einem an einem Rotationstisch für das Aufbringen der Referenzdrehraten körperfesten Koordinatensystem sowie ein jeweiliges den Referenzdrehraten zugeordnetes verarbeitbares Sensorsignal desDrehratensensors 1 umfassen; - - Schätzen S2, für die ersten Testdaten, eines Ausrichtungsfehlers zwischen einem zur Sensorachse festen Koordinatensystem und dem zum Gehäuse körperfesten Koordinatensystem,
- - Ermitteln S3 von zweiten Testdaten durch Aufbringen von Vibrationen in drei Orientierungen des
Drehratensensors 1, wobei die Orientierungen insbesondere an den Achsen des zum Gehäuse körperfesten Koordinatensystems ausgerichtet sind, wobei die zweiten Testdaten die aufgeprägten Vibrationen sowie die jeweilige Orientierung desDrehratensensors 1 sowie das jeweilige verarbeitbare Sensorsignal desDrehratensensors 1 umfassen; - - Ermitteln S4 einer jeweiligen ersten Orientierungstransformation auf Basis der nominalen Orientierungen und auf Basis des geschätzten Ausrichtungsfehlers jeweils der ersten Testdaten und Anwenden der jeweiligen ersten Orientierungstransformation auf die ersten Testdaten mit der Wirkung, dass alle Referenzdrehraten der ersten Testdaten auf das zur Sensorachse feste Koordinatensystem bezogen sind;
- - Zusammenfassen S5 aller Testdaten in einen kombinierten Testdatensatz;
- - Vorgeben S6 einer mathematischen Modellstruktur eines parametrischen Modells des getesteten Drehratensensors 1;
- - Ausführen S7 einer allumfassenden Regressionsanalyse für den kombinierten Testdatensatz zur Ermittlung von Parameterwerten des parametrischen Modells, sodass mit der allumfassenden Regressionsanalyse sämtliche Parameter des parametrischen Modells auf Grundlage der Testdaten aller Testpunkte aufeinmal erhalten werden; und
- - Kalibrieren S8 des getesteten Drehratensensors 1 auf Basis des parametrischen Modells mit den ermittelten Parameterwerten;
- - Determining S1 of first test data by applying reference rotation rates in different orientations relative to the housing and with different amounts of the reference rotation rates per orientation on the
rotation rate sensor 1, the first test data being the amounts of the reference rotation rates with the associated orientations relative to the housing as well as the nominal orientation of a to Housing body-fixed coordinate system relative to a body-fixed coordinate system on a rotation table for applying the reference rotation rates and a respective processable sensor signal of therotation rate sensor 1 assigned to the reference rotation rates; - - Estimate S2, for the first test data, of an alignment error between a coordinate system fixed to the sensor axis and the coordinate system fixed to the housing,
- - Determining S3 of second test data by applying vibrations in three orientations of the
yaw rate sensor 1, the orientations being aligned in particular with the axes of the coordinate system fixed to the housing, the second test data containing the imposed vibrations and the respective orientation of theyaw rate sensor 1 as well as the respective processable Sensor signal of therotation rate sensor 1 include; - - Determining S4 a respective first orientation transformation based on the nominal orientations and based on the estimated alignment error of each of the first test data and applying the respective first orientation transformation to the first test data with the effect that all reference rotation rates of the first test data are related to the coordinate system fixed to the sensor axis ;
- - Combine S5 all test data into a combined test data set;
- - Specify S6 a mathematical model structure of a parametric model of the tested
rotation rate sensor 1; - - Execute S7 an all-encompassing regression analysis on the combined test data set to determine parameter values of the parametric model, so that the all-encompassing regression analysis obtains all parameters of the parametric model at once based on the test data of all test points; and
- - Calibrating S8 of the tested
rotation rate sensor 1 based on the parametric model with the determined parameter values;
Weitere Ausführungsmöglichkeiten dieses Verfahrens sind im Folgenden ausgeführt, wobei
-
2 zeigt die Achsen eines skizzenhaften Drehratensensors 1 und die Winkel der Orientierungstransformation. Hierbei bezeichnen:- - IA: Die Eingangsachse, die gleich der Sensorachse des Drehratensensors gemäß der Beschreibung ist, dass der Drehratensensor eine Sensorachse und ein Gehäuse aufweist;
- - IRA: Die Eingangsreferenzachse;
- - XRA: Die X-Referenzachse;
- - YRA: Die Y-Referenzachse; und
- - α: den Rotationsvektor in der Ebene, die durch XRA und YRA definiert wird, und ist senkrecht zu IA wie auch zu IRA;
-
2 shows the axes of a sketchyrotation rate sensor 1 and the angles of the orientation transformation. Here designate:- - IA: The input axis, which is equal to the sensor axis of the yaw rate sensor according to the description that the yaw rate sensor has a sensor axis and a housing;
- - IRA: The input reference axis;
- - XRA: The X reference axis;
- - YRA: The Y reference axis; and
- - α: the rotation vector in the plane defined by XRA and YRA and is perpendicular to both IA and IRA;
Die Systemgleichung (und damit ein Kandidat für ein parametrisches Modell) zur Beschreibung eines einachsigen Drehratensensors ist standardisiert nach:
- - IEEE Standard Specification Format Guide and Test Procedure for SingleAxis Interferometric Fiber Optic Gyros. Standard IEEE 952:1997(R2008). The Institute of Electrical and Electronics Engineers (IEEE), Dec. 10, 2008. Sowie nach:
- - IEEE Standard Specification Format Guide and Test Procedure for SingleAxis Interferometric Fiber Optic Gyros, Corrigendum 1: Figure 1 and Subclauses 5.3.4, 8.3, 12.11.4.3.2, 12.11.4.3.3, 12.11.4.3.4, 12.12.3.1, and 12.12.4.1. Standard IEEE 952:1997(R2008), Cor 1-2016. The Institute of Electrical and Electronics Engineers (IEEE), Dec. 7, 2016.
- - IEEE Standard Specification Format Guide and Test Procedure for SingleAxis Interferometric Fiber Optic Gyros. Standard IEEE 952:1997(R2008). The Institute of Electrical and Electronics Engineers (IEEE), Dec. 10, 2008. As well as after:
- - IEEE Standard Specification Format Guide and Test Procedure for SingleAxis Interferometric Fiber Optic Gyros, Corrigendum 1: Figure 1 and Subclauses 5.3.4, 8.3, 12.11.4.3.2, 12.11.4.3.3, 12.11.4.3.4, 12.12.3.1 , and 12.12.4.1. Standard IEEE 952:1997(R2008), Cor 1-2016. The Institute of Electrical and Electronics Engineers (IEEE), Dec. 7, 2016.
Diese Quellen geben eine rationale Systemgleichung vor, die dynamisch ist und die Ausgangsgröße des Drehratensensors mit Komponenten der Referenzrotationen, Temperaturen, und Drift-Fehler entlang der Referenz- und Orthogonalachsen verknüpft. Basierend darauf wird folgende Systemgleichung hierin verwendet:
Hierbei sind: S0: Der nominale Skalenfaktor ["/p]; (ΔN/Δt): Die Ausgangspulsrate [p/s]; I: Die inertiale Eingangsgröße [°/h]; E: Der umgebungseinflusssensitive Term [°/h]; D: Der Drift-Term [°/h]; εK: Der Skalenfaktor-Fehlerterm [ppm]; Ferner gilt:
Die o.g. Standards des „Institute of Electrical and Electronics Engineers (IEEE)“ geben ein Modell vor, das sowohl deterministisch als auch stochastisch ist. Der deterministische Teil wird repräsentiert durch die Faktoren S0, I, E, εK und DF, die dem grundsätzlichen Sensorprinzip zuzuordnen sind, sowie Temperatur und Sensitivität auf Umgebungseinflüsse und deterministische Fehler in Beziehung setzen. Dagegen wird der stochastische Teil repräsentiert von den Faktoren DR und DQ, die unter dem Begriff des Messrauschens zusammengefasst werden können, nicht notwendigerweise jedoch nur weißes Rauschen, auch genannt „White-Noise“.The above-mentioned standards from the “Institute of Electrical and Electronics Engineers (IEEE)” specify a model that is both deterministic and stochastic. The deterministic part is represented by the factors S 0 , I, E, ε K and D F , which are assigned to the basic sensor principle and relate temperature and sensitivity to environmental influences and deterministic errors. On the other hand, the stochastic part is represented by the factors D R and D Q , which can be summarized under the term measurement noise, but not necessarily just white noise, also called “white noise”.
Das Messrauschen ist ein hoch unerwünschter aber sehr relevanter Einfluss bei inertialen Messeinheiten. Im Folgenden wird die stress-strain Theorie beleuchtet und anschließend im Frequenzbereich mit experimentellen Daten analysiert, um folgendes Vibrationsmodell zu verifizieren:
Hierbei ist SΩ die Leistungsspektraldichte der Ausgangsrate und Svib die Leistungsspektraldichte der zufälligen Vibration. Ausgehend von der oben gezeigten Systemgleichung ist es notwendig, das parametrische Modell für den Gebrauch sowohl in einer Simulation als auch in Schätz-Szenarien auszulegen. Der Temperaturgradient ist ein Effekt, der zu komplex ist um modelliert zu werden; besser wird er als Modellfehler belassen. Die umgebungssensitiven Terme hängen von der Temperatur ab, können jedoch durch die folgende Differenzgleichung angenähert werden:
Hierin sind nΩ(s) weißes Messrauschen proportional zu N2, und
Die Drift-Terme andererseits werden zusammengefasst durch die Differenzgleichung:
Zum Zweck der Charakterisierung des Systemverhaltens wird es in der Praxis schwierig sein, die beiden Quellen des weißen Rauschens nFΩ(k) und nΩ(k) voneinander zu trennen. Zur Abhilfe kann ein Rauschmodell des resultierenden Messrauschens als Ergebnis des Filterns von nur einer Quelle von weißem Messrauschen mit adäquater kombinierter Varianz verwendet werden:
Der im Zusammenhang mit der Systemgleichung erwähnte Skalenfaktor-Fehler f (I) als Funktion der Eingangsdrehrate I, die wiederum eine Funktion von ωIRA, ωXRA und ωYRA ist, wird wie folgt verwendet, um die Ordnung des Modells zu reduzieren, wobei angenommen wird, dass er nur eine Funktion von ωIRA ist ausgehend von dem Vorwissen, dass die größten Einflüsse auf das Signal von ωIRA stammen. Damit ergibt sich:
Hierin sind cf1, cf2, und cf3 beliebige Koeffizienten, die es zu charakterisieren gilt. Es ist wahrscheinlich, dass sich während der Charakterisierung herausstellt, dass einer dieser Parameter oder mehrere dieser Parameter sich als irrelevant herausstellen. Sicherer ist es dennoch, sämtliche dieser Parameter zunächst zu berücksichtigen und erst später bei Gewissheit zu entfernen. Der Einfachheit halber kann der Faktor I auch reduziert werden auf:
Aus Gleichung (A) ergibt sich, dass die Übertragungsfunktion von einer mechanischen Beschleunigung auf die Ausgangsgröße durch H' (f) f beschrieben wird. Dies ist eine Übertragungsfunktion die mit einem Filter für violettes Rauschen multipliziert wird. Ein Filter für violettes Rauschen ist eine Ableitung des Signals des weißen Rauschens. Die Übertragungsfunktion der geschlossenen Kette kann damit bestimmt werden zu:
Hierbei sind T und τ Zeitkonstanten. Es ist daher sinnvoll, die Übertragungsfunktion des Vibrationseinfluss anzunähern durch eine Differenzgleichung zweiter Ordnung wie:
Es sei ferner FS = {ni, np, no} das Referenzkoordinatensystem innerhalb des Drehratensensors 1, wobei ni an der Achse IA des Drehratensensors 1 ausgerichtet ist. Ferner sei FC = {nira, nxra, nyra} das Referenzkoordinatensystem am Drehratensensor 1 wie in
Es sei angemerkt, dass andere Rotationsterme in dieser Gleichung nicht auftreten, da per Definition FS exakt an der Sensorachse ausgerichtet ist und deshalb kein Ausrichtungsfehler auftritt.It should be noted that other rotation terms do not appear in this equation since by definition F S is exactly aligned with the sensor axis and therefore no alignment error occurs.
Die letztgenannte Gleichung ist ein komplexes nichtlineares autoregressives Modell mit Anteilen des „Moving Average“ und einem externen Eingang (das genannte „Non-linear Autoregressive Model with Moving Average and Exogenous Input“ abgekürzt, NARMAX); im Folgenden wird ein NARMAX Modell verwendet, welches genauer in der Veröffentlichung „
Darin ist ϕj(k) = pj(k) (vj(k) + ej(k)), und u(k) repräsentiert die Eingangsgröße und y(k) die Ausgangsgröße jeweils zu einem Zeitpunkt k(k = 1, 2, 3, ...). Ferner sind pj (k) = pj (y(k - 1), ..., y(k - r), u(k), ..., u(k - r), e(k - 1), ..., e(k - r)) und vj (k) = vj (y(k - 1), ..., y(k - r), u(k), ..., u(k - r), e(k - 1), ..., e(k - r)) frei von aktuellen Messrauschen-Termen und können in beliebigen nichtlinearen Arten ausgedrückt werden. Ferner bezeichnet r die Ordnung des Modells und e(k) und ej (k) sind voneinander unabhängige aktuelle Messrauschen-Terme mit einem Mittelwert von Null und einer Varianz von
Es sei nun ein parametrisches (System-)modell eingeführt durch die folgende Gleichung:
Die „Unbiased“ Schätzung nach der Methode der kleinsten Quadrate der Parameter Θ für Gleichung (B) lautet:
Die Kovarianz des Schätzers ist außerdem gegeben durch
Für das System in Gleichung (C) kann die Fehler-Varianz des weißen Messrauschens geschätzt werden durch:
Die Variable e(k) ist dabei offensichtlich nicht messbar und deshalb ist der Schätzer für sich genommen nicht ausreichend. Der rationale Modell Schätzer (Rational Model Estimator, abgekürzt RME) aus
Für sehr komplexe Strukturen könnte diese Methode jedoch ineffizient und rechenintensiv ausfallen. Sollte der in
Wird Gleichung (G) in Form von Gleichung (C) geschrieben, wird es möglich sein, mithilfe des Algorithmus der
Zur allumfassenden Regressionsanalyse: Mit der oben beschriebenen Methode zur Ausführung eines Verfahrens der kleinsten Quadrate kann zwar für einen Testpunkt ein Satz von Parametern des vorgegebenen parametrischen Modells ermittelt werden. Um die jeweiligen vorteilhaften Eigenheiten der verschiedenen Testpunkte zu kombinieren, werden jedoch die Testdaten der verschiedenen Testpunkte in einen kombinierten Testdatensatz zusammengefasst und auf Basis des kombinierten Testdatensatzes erst die Parameter des parametrischen Modells endgültig ermittelt. Denn beispielsweise weist ein Testpunkt eine höhere Genauigkeit wegen einer besser kontrollierten Umgebung auf, während an anderen Testpunkten breitere Variationen der Referenzgrößen betrachtet werden. Zum Zweck der Kombination dieser vorteilhaften Eigenschaften werden die Testdaten der unterschiedlichen Testpunkte in einen kombinierten Testdatensatz zusammengefasst. Die Regressionsanalyse wird in einem Stück, d. h. es wird eine einzige Regressionsanalyse, für den kombinierten Testdatensatz durchgeführt. Zu diesem Zweck wird ausgeführt:
Wobei M die Anzahl verschiedener Testpunkte angibt, für Y und Φ siehe oben.Where M indicates the number of different test points, for Y and Φ see above.
Dabei kann es passieren, dass der Umfang des kombinierten Testdatensatzes sehr groß wird, d. h. der kombinierte Testdatensatz eine erhebliche Datei-Speichergröße benötigt und zu entsprechendem Rechenaufwand bei der Regressionsanalyse führt. Damit wird auch die Zahl der Regressoren sehr groß, was wiederum zu großen Matrizen führt. Auch wenn die Regressionsanalyse offline durchgeführt wird, kann Arbeitsspeicher volllaufen und die numerischen Grenzen des verwendeten Rechners erreicht werden. Zur Vermeidung dieser Probleme kann der kombinierte Testdatensatz durch Vorprozessierung aufbereitet werden, um die Datenmenge im kombinierten Testdatensatz zu reduzieren, während die Informationen der Datenpunkte von verschiedenen Tests und Experimenten grundsätzlichen im kombinierten Testdatensatz erhalten bleiben. Sollte diese Strategie nicht möglich sein, kann die folgende angewendet werden: Die letztendlich erhaltenen Parameter des parametrischen Modells können für jeden Testpunkt einzeln ermittelt werden und abschließend gemittelt werden. Die Mittelung erfolgt bevorzugt durch eine Gewichtung mit der Inversen der jeweils ermittelten Schätzung der Varianzen wie oben erläutert. In der folgenden Gleichung ist ein Beispiel der finalen Parameterschätzung par und ihre jeweiligen Varianzen σ2 für alle Parameter pars und Varianzen
Das parametrische Modell mit seinen Parametern, das diese geschätzten Parameter erhalten wird, kann dann mit anderen Modellen und deren jeweiligen geschätzten Parametern verglichen werden, um die Güte des jeweiligen Modells zu bestimmen.The parametric model with its parameters that will obtain these estimated parameters can then be compared with other models and their respective estimated parameters to determine the quality of the respective model.
Zur Modellauswahl: Wird statt der Vorgabe eines einzigen parametrischen Modells mit seiner speziellen mathematischen Struktur eine Vielzahl von möglichen parametrischen Modellen des getesteten Drehratensensors mit unterschiedlichen mathematischen Modellstrukturen vorgegeben, wird jeweils eine allumfassende Regressionsanalyse mit dem kombinierten Testdatensatz zur Ermittlung von Parameterwerten für alle der strukturell vorgegebenen parametrischen Modelle ausgeführt.Regarding model selection: If, instead of specifying a single parametric model with its special mathematical structure, a large number of possible parametric models of the tested yaw rate sensor with different mathematical model structures are specified, an all-encompassing regression analysis is carried out with the combined test data set to determine parameter values for all of the structurally specified parametric ones Models executed.
Gemäß einer vorgegebenen Metrik wird das passendste Modell ausgewählt und das Kalibrieren des getesteten Drehratensensors erfolgt auf Basis des ausgewählten parametrischen Modells mit den zugehörigen ermittelten Parameterwerten. Zu diesem Zweck wird eine Kombination aus den folgenden vier Metriken angewendet:
- - Error Reduction Ratio (ERR),
- - t-statistic,
- - Akaike Information Criterion (AIC), und
- - eine angepasste Schätzung der Kovarianz.
- - Error Reduction Ratio (ERR),
- - t-statistic,
- - Akaike Information Criterion (AIC), and
- - an adjusted estimate of covariance.
Die ERR ist ein Maß für jeden Modellparameter, welches den Beitrag oder die Relevanz des jeweiligen Modellparameters für die Ausgangsgröße angibt. Dementsprechend wird ein Modellparameter mit einem höheren ERR wichtiger als ein Modellparameter mit einer geringeren ERR gewertet. Der ERR für einen Parameter j ist:
Ferner ist hierbei QR die QR-Zerlegung der Regressionsmatrix Φ, während R die obere Dreiecksmatrix mit Nullen auf der Diagonalen angibt, Q die orthogonale Spalten qj aufweist und QTQ = D gilt, worin D diagonal ist.Furthermore, QR is the QR decomposition of the regression matrix Φ, while R indicates the upper triangular matrix with zeros on the diagonal, Q has the orthogonal columns q j and Q T Q = D, where D is diagonal.
Das AIC auf der anderen Seite versucht das sogenannte „Bias-Variance Dilemma“ dadurch anzugehen, dass die Fehlervarianz mit einbezogen wird, das Einbinden von weiteren Parametern jedoch bestraft wird. Demnach ist ein Modell mit einem geringeren Wert des AIC statistisch besser als ein Modell mit einem höheren AIC Wert. Deshalb gilt:
Hierin geben an: N die Zahl der Daten, p die Zahl der Modellparameter, und
Die „t-statistic“ dient dem Zweck, irrelevante Parameter des parametrischen Modells identifizieren und entfernen zu können. Wenn ein Parameter einen Einfluss auf die Ausgangsgröße ausübt, muss sein Wert statistisch von Null abweichen. Trifft dies nicht zu, kann das parametrische Modell durch Entfernung dieses Parameters vereinfacht werden. Unter der Annahme, dass Θ̂ normalverteilt ist und eine wie oben berechnete Kovarianz von ΣΘ̂ aufweist, kann der sogenannte Studentsche t-Test zum Testen der Nullhypothese durchgeführt werden, ob θ̂j = 0 für j=1,...,p gilt. Die t-statistic für diese Hypothese ist:
Hierbei ist ∑Θ̂,j das j-te Element auf der Diagonalen von ΣΘ̂. Unter Verwendung von tj in der zweiseitigen kumulativen Studentschen t-Verteilung mit N - p - 1 Freiheitsgraden, ist es möglich, das Konfidenzniveau zu ermitteln, welches notwendig ist, um die Nullhypothese (θ̂j = 0) zu verwerfen.Here ∑ Θ̂,j is the jth element on the diagonal of Σ Θ̂ . Using t j in the two-tailed cumulative Student t distribution with N - p - 1 degrees of freedom, it is possible to determine the confidence level necessary to reject the null hypothesis (θ̂ j = 0).
Werden schließlich verschiedene parametrische Modelle mit vorgegebener Struktur verglichen, wird hierbei ein Datensatz speziell zur Verifikation angewendet. Somit wird der kombinierte Testdatensatz zweiteilig verwendet, zum einen zur Parameteridentifikation mithilfe der Regressionsanalyse und zum anderen zur Verifikation des jeweiligen Kandidaten des parametrische Modells. Das Ziel besteht darin, dasjenige parametrische Modell mit identifizierten Parameter auszuwählen, das am besten auf den Datensatz zur Verifikation passt. Die Kovarianz σθ̂ ist der genaue erwartete Wert der Differenz zwischen den tatsächlichen Parametern und den geschätzten. Diese Metrik eignet sich daher insbesondere um die verschiedenen fertig identifizierten Modelle zu vergleichen. Zu diesem Zweck wird die folgende Metrik definiert, um die parametrischen Modelle mit identifizierten Parameter untereinander zu vergleichen:
Hierin ist Δi die Verifikationsmetrik für das Modell i, ferner bezeichnet s den jeweiligen Test, für den
- Stelle bereit: sΩ(k), spsys|n(k), spsys|d(k);
- 1) Trenne sΩ(k), spsys|n(k), spsys|d(k) in einen Identifikations-Datensatz und einen Verfikations-Datensatz;
- 2) Für den Identifikations-Datensatz: Fasse alle
- 3) wenn die allumfassende Regressionsanalyse möglich ist, dann:
- 4) Schätze die Parameter Θ̂ des parametrischen Modells mithilfe der erweiterten Methode der kleinsten Quadrate aus
3 und dem Datensatz IDΩ(k), IDpsys|n(k), IDpsys|d(k); - 5) Sortiere die Parameter θ̂j nach
- 6) Beginne Schleife: Für alle j sortiert nach absteigender Reihenfolge in [ERR]j tue bis zum Schleifenende:
- 7) Modifiziere
- 8) Schätze die reduzierte Menge der Modellparameter θ̂1,...,j durch die erweiterte Methode der kleinsten Quadrate nach
3 und dem Datensatz IDΩ(k), IDpsys|n(k), IDpsys|d(k). - 9) Entferne alle störenden Parameter mittels des Studentschen t-Tests und aktualisiere Modell;
- 10) Berechne AICj mittels
- 11) Berechne ΣΘ̂ mittels IDΩ(k), IDpsys|n(k), IDpsys|d(k), dem identifizierten θ̂1,...j und der erweiterten Methode der kleinsten Quadrate nach
3 zur Schätzung des zufälligen Fehlers (random error); - 12) Beende Schleife;
- 13) Wähle das bestes Modell abhängig von AICj und ||∑Θ̂||1,1
- 14) Andernfalls zu Schritt 3):
- 15) Beginne Schleife: Für alle Testpunkte s tue:
- 16) Schätze Modellparameter Θ̂i
s mit den Schritten 4) und 13) und - 17) Beende Schleife;
- 18) Schätze Modellparameter Θ̂i
M+1 durch - 19) Beginne Schleife: Für alle Modelle is für s = 1, ..., M + 1, tue bis zum Schleifenende:
- 20) Berechne
3 zur Schätzung des zufälligen Fehlers (random error); - 21) Berechne Δi
s ; - 22) Beende Schleife;
- 23) Wähle bestes Modell aus ← argminx∈{i,i
s } (Δx);
- Provide: s Ω(k), s p sys|n (k), s p sys|d (k);
- 1) Separate s Ω(k), s p sys|n (k), s p sys|d (k) into an identification data set and a verification data set;
- 2) For the identification data set: Collect all
- 3) if the all-encompassing regression analysis is possible, then:
- 4) Estimate the parameters Θ̂ of the parametric model using the extended least squares method
3 and the data set ID Ω(k), ID p sys|n (k), ID p sys|d (k); - 5) Sort the parameters θ̂ j by
- 6) Start loop: For all j sorted in descending order in [ERR] j do until the end of the loop:
- 7) Modify
- 8) Estimate the reduced set of model parameters θ̂ 1,...,j by the extended least squares method
3 and the data set ID Ω(k), ID p sys|n (k), ID p sys|d (k). - 9) Remove all confounding parameters using Student's t-test and update model;
- 10) Calculate AIC j using
- 11) Calculate Σ Θ̂ using ID Ω(k), ID p sys|n (k), ID p sys|d (k), the identified θ̂ 1,...j and the extended least squares method
3 to estimate random error; - 12) End loop;
- 13) Choose the best model depending on AIC j and ||∑ Θ̂ || 1.1
- 14) Otherwise go to step 3):
- 15) Start loop: For all test points do:
- 16) Estimate model parameters Θ̂ i
s with steps 4) and 13) and - 17) End loop;
- 18) Estimate model parameters Θ̂ i
M+1 through - 19) Start loop: For all models i s for s = 1, ..., M + 1, do until the end of the loop:
- 20) Calculate
3 to estimate random error; - 21) Calculate Δ i
s ; - 22) End loop;
- 23) Select best model ← argmin x∈{i,i
s } ( Δx );
Zur Kompensation der Erdrotation: Der Drehratensensor unterliegt grundsätzlich der Rotationsrate der Erde gegenüber einem Inertialsystem. Wird dieser Einfluss nicht berücksichtigt, wird die Charakterisierung des Drehratensensors fehlerhaft. Zur Kompensation der Rotationsrate der Erde wird daher wie folgt vorgegangen:
- - Es wird für jede Messung des Drehratensensors die aktuell vorliegende Orientierung in Form von Lagewinkeln mit aufgezeichnet;
- - Die bekannte, durchschnittliche Rotationsrate ωe der Erde wird auf die Achsen des Drehratensensors projiziert, sodass ωe|i, ωe|p und ωe|o erhalten werden; und
- - Die Ergebnisse dieser Projektionen werden als bekannte Variablen zur Charakterisierung und letztendlich damit zur Kalibrierung des Drehratensensors verwendet, im Detail:
- - For each measurement of the yaw rate sensor, the current orientation is recorded in the form of position angles;
- - The known average rotation rate ω e of the Earth is projected onto the axes of the rotation rate sensor, so that ω e|i, ω e|p and ω e|o are obtained; and
- - The results of these projections are used as known variables to characterize and ultimately calibrate the yaw rate sensor, in detail:
Durch die oben beschriebenen Schritte wird der Bias, verursacht durch die Rotationsrate der Erde einschließlich aller Nichtlinearitäten und Modelleffekte, entfernt.The steps described above remove the bias caused by the Earth's rotation rate including all nonlinearities and model effects.
Zur Orientierungstransformation: Wird der Algorithmus der
- Es wird der Ausrichtungsfehler der Halterung zusammen mit dem Ausrichtungsfehler des Drehratensensors geschätzt. Dies führt zu einer entsprechend höheren Zahl von zu identifizierenden Parametern und zu zusätzlich benötigten Rechenschritten, um die Charakterisierung des Drehratensensors unabhängig von Ausrichtungsfehlern nach Gleichung (G) durchzuführen. Es sei FE = {nx, ny, nz} ein externes Referenzkoordinatensystem, in dem die Rotationsraten und Beschleunigungen bekannt sind. Die nominale Koordinatensystem- Transformation (auch genannt Richtungs-Kosinus-Matrix, abgekürzt DCM), ohne irgendwelche Ausrichtungsfehler, gibt die Koordinatensystem-Transformation aus dem System FE nach FC an und ist eine 3x3 Matrix
- The alignment error of the holder is estimated together with the alignment error of the yaw rate sensor. This leads to a correspondingly higher number of parameters to be identified and to additional calculation steps required in order to carry out the characterization of the yaw rate sensor independently of alignment errors according to equation (G). Let F E = {n x , n y , n z } be an external reference coordinate system in which the rotation rates and accelerations are known. The nominal coordinate system transformation (also called direction cosine matrix, abbreviated DCM), without any alignment errors, gives the coordinate system transformation from the system F E to F C and is a 3x3 matrix
Mit der DCM Matrix
Die Rotationsraten, die in einer jeweiligen Achse des Drehratensensors erfasst werden, können daher ermittelt werden durch:
Zur Vereinfachung der Notation werden ferner die Parameter-Untermengen Θωa|n und Θωa|d aus Θ betrachtet, die direkten Bezug zu den Regressoren in pωa|n(k) und pωa|d(k) aufweisen, sodass gilt:
Werden die Messergebnisse der Rotationsraten im Koordinatensystem FE verwendet, und die Messergebnisse der Beschleunigungen im Koordinatensystem FC, wobei gilt
Hieraus wird ersichtlich, dass sich die Anzahl der Regressoren erhöht hat. Daraus resultieren die folgenden äquivalenten Parameter-Teilmengen, nachdem das obige System charakterisiert wurde:
Aus Gleichung (H) ergibt sich:
Die DCM Matrix zur Koordinatensystem-Transformation von FS in FC ist
Die Beziehung zwischen den erfassten Beschleunigungen kann deshalb angegeben werden durch:
Dies erlaubt die Bestimmung der ursprünglichen beschleunigungssensitiven Parameter im Bezug auf das Koordinatensystem FS wie folgend beschrieben für l = 0, ..., 9:
Zur späteren Referenz sei hiermit auch der Fall eingeführt, in dem die Messungen der Rotationsrate aus dem Koordinatensystem FS und die Messungen der Beschleunigung aus dem Koordinatensystem FC sind. Dann können psys|n(k) und psys|d(k) modifiziert werden, sodass in folgender Gleichung (M) gilt:
Die Beziehung zu Gleichung (J) kann unter Ausnutzung der Transformation (K) leicht hergestellt werden.The relationship to equation (J) can be easily established using transformation (K).
Die Parameter der Gleichung (C) und die Ausrichtungsfehler der Gleichung (H) und der Gleichungen der danach abgeleiteten Beschleunigungen, die entlang der Achsen des Drehratensensors wirken, können mit folgendem Algorithmus ermittelt werden, wobei
- Ausgehend von
- Starting from
Analog zu oben kann die Kovarianz berechnet werden durch
Zur modifizierten Modellauswahlstrategie unter Berücksichtigung der Orientierungstransformation: Beim Schätzen der Orientierungstransformation sowie der Sensorparameter an isolierten Testpunkten (ohne die allumfassende Regressionsanalyse) sind die Schritte 4) bis 13) von Algorithmus (Q) anzuwenden. Geringfügige Modifikationen sind jedoch notwendig, und Algorithmus (Y) sollte verwendet werden, um das beste Modell für diesen Test auszuwählen und gleichzeitig den Ausrichtungsfehler zu ermitteln. Algorithmus (Y) zur Modellauswahlstrategie für isolierte Testpunkte unter Berücksichtigung der Schätzung des Orientierungstransformation:
Ausgehend von Ω(k),
- 1. Trenne Ω(k),
- 2. Schätze die Sensor Parameter Θ̂SC und den Ausrichtungsfehlermit Algorithmus (X) und dem Datensatz IDΩ(k),
- 3. Sortiere die Sensorparameter
- 4. Beginne Schleife: Für alle j sortiert nach absteigender Reihenfolge in [ERR]j tue bis zum Schleifenende:
- 5. Modifiziere
- 6. Schätze die reduzierte Menge der Modellparameter
- 7. Entferne alle störenden Parameter mittels des Studentschen t-Tests und ΦSC der vorhergehenden Schritte, und aktualisiere Modell;
- 8. Berechne AICj mit
- 9. Berechne ΣΘ̂ mit VFΩ(k),
3 zur Schätzung des zufälligen Fehlers; - 10. Beende Schleife;
- 11. Wähle bestes Modell abhängig von AICj und ||∑Θ̂||1,1;
Starting from Ω(k),
- 1. Separate Ω(k),
- 2. Estimate the sensor parameters Θ̂ SC and the alignment error with algorithm (X) and the data set ID Ω(k),
- 3. Sort the sensor parameters
- 4. Start loop: For all j sorted in descending order in [ERR] j do until the end of the loop:
- 5. Modify
- 6. Estimate the reduced set of model parameters
- 7. Remove all confounding parameters using Student's t-test and Φ SC from previous steps and update model;
- 8. Calculate AIC j
- 9. Calculate Σ Θ̂ with VF Ω(k),
3 to estimate the random error; - 10. End loop;
- 11. Choose best model depending on AIC j and ||∑ Θ̂ || 1.1 ;
Obwohl die Erfindung im Detail durch bevorzugte Ausführungsbeispiele näher illustriert und erläutert wurde, so ist die Erfindung nicht durch die offenbarten Beispiele eingeschränkt und andere Variationen können vom Fachmann hieraus abgeleitet werden, ohne den Schutzumfang der Erfindung zu verlassen. Es ist daher klar, dass eine Vielzahl von Variationsmöglichkeiten existiert. Es ist ebenfalls klar, dass beispielhaft genannte Ausführungsformen wirklich nur Beispiele darstellen, die nicht in irgendeiner Weise als Begrenzung etwa des Schutzbereichs, der Anwendungsmöglichkeiten oder der Konfiguration der Erfindung aufzufassen sind. Vielmehr versetzen die vorhergehende Beschreibung und die Figurenbeschreibung den Fachmann in die Lage, die beispielhaften Ausführungsformen konkret umzusetzen, wobei der Fachmann in Kenntnis des offenbarten Erfindungsgedankens vielfältige Änderungen, beispielsweise hinsichtlich der Funktion oder der Anordnung einzelner, in einer beispielhaften Ausführungsform genannter Elemente, vornehmen kann, ohne den Schutzbereich zu verlassen, der durch die Ansprüche definiert wird.Although the invention has been illustrated and explained in detail by preferred embodiments, the invention is not limited by the examples disclosed and other variations may be derived therefrom by those skilled in the art without departing from the scope of the invention. It is therefore clear that a large number of possible variations exist. It is also to be understood that exemplary embodiments are truly examples only and should not be construed in any way as limiting the scope, application, or configuration of the invention. Rather, the preceding description and the description of the figures enable the person skilled in the art to concretely implement the exemplary embodiments, whereby the person skilled in the art can make a variety of changes with knowledge of the disclosed inventive concept, for example with regard to the function or the arrangement of individual elements mentioned in an exemplary embodiment, without departing from the scope of protection defined by the claims.
BezugszeichenlisteReference symbol list
- 11
- Drehratensensor Rotation rate sensor
- S1S1
- ErmittelnDetermine
- S2S2
- SchätzenTreasure
- S3S3
- ErmittelnDetermine
- S4S4
- ErmittelnDetermine
- S5S5
- ZusammenfassenSummarize
- S6S6
- VorgebenPretend
- S7S7
- AusführenCarry out
- S8S8
- KalibrierenCalibrate
Claims (10)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102022126969.8A DE102022126969B3 (en) | 2022-10-14 | 2022-10-14 | Calibrating a rotation rate sensor |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102022126969.8A DE102022126969B3 (en) | 2022-10-14 | 2022-10-14 | Calibrating a rotation rate sensor |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102022126969B3 true DE102022126969B3 (en) | 2023-12-28 |
Family
ID=89075293
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102022126969.8A Active DE102022126969B3 (en) | 2022-10-14 | 2022-10-14 | Calibrating a rotation rate sensor |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102022126969B3 (en) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013033755A1 (en) | 2011-09-08 | 2013-03-14 | Leica Geosystems Ag | A method and system of recalibrating an inertial sensor |
WO2013112230A1 (en) | 2012-01-26 | 2013-08-01 | Invensense, Inc. | In-use automatic calibration methodology for sensors in mobile devices |
DE102012219507A1 (en) | 2012-10-25 | 2014-04-30 | Robert Bosch Gmbh | Method for adjusting yaw rate sensors |
DE102021004103A1 (en) | 2021-08-10 | 2021-09-30 | Daimler Ag | Method and arrangement for monitoring and detecting sensor errors in inertial measuring systems |
-
2022
- 2022-10-14 DE DE102022126969.8A patent/DE102022126969B3/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013033755A1 (en) | 2011-09-08 | 2013-03-14 | Leica Geosystems Ag | A method and system of recalibrating an inertial sensor |
WO2013112230A1 (en) | 2012-01-26 | 2013-08-01 | Invensense, Inc. | In-use automatic calibration methodology for sensors in mobile devices |
DE102012219507A1 (en) | 2012-10-25 | 2014-04-30 | Robert Bosch Gmbh | Method for adjusting yaw rate sensors |
DE102021004103A1 (en) | 2021-08-10 | 2021-09-30 | Daimler Ag | Method and arrangement for monitoring and detecting sensor errors in inertial measuring systems |
Non-Patent Citations (1)
Title |
---|
PU, Yan [u.a.]: Accelerated identification algorithms for rational models based on the vector transformation. In: Optimal Control : Applications and Methods, Vol. 43, 2022, No. 3, S. 740-756. - ISSN 0143-2087 (P); 1099-1514 (E). DOI: 10.1002/oca.2849. |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE60017569T2 (en) | VIBRATION COMPENSATION FOR SENSORS | |
EP3732458B1 (en) | Test bench and procedure for performing a dynamic test | |
DE102012215594B3 (en) | Method for laser spectroscopy of gases | |
WO2018072862A1 (en) | Method for evaluating data from mass spectrometry, mass spectrometry method, and maldi-tof mass spectrometer | |
EP2142909A1 (en) | Detector arrangement for a nondispersive infrared gas analyser and method for the detection of a measuring gas component in a gas mixture by means of such a gas analyser | |
DE102012219507A1 (en) | Method for adjusting yaw rate sensors | |
EP0416370B1 (en) | Method and device for detecting and indentifying sensor errors | |
DE102009029216A1 (en) | Method for self-adjustment of a three-axis acceleration sensor in operation and sensor arrangement with a three-dimensional acceleration sensor | |
DE102010023727A1 (en) | Method for low-vibration optical force measurement, especially at high temperatures | |
DE102022126969B3 (en) | Calibrating a rotation rate sensor | |
DE102005004568A1 (en) | Calibrated sensor`s measured value observing method for Kalman filter, involves comparing associated and estimated matrixes and rejecting value when comparison does not result in improvement of quality of estimated value of system vector | |
DE102023109742B3 (en) | Calibration of an acceleration sensor | |
DE102018118673B3 (en) | Apparatus and method for identifying an inertial matrix of a spacecraft | |
DE102011083977B4 (en) | Method for calibrating a sensor and sensor | |
EP2817640B1 (en) | Method for calibrating an acceleration sensor and acceleration sensor | |
EP3227717B1 (en) | Method and device for determining statistical properties of raw measured values | |
DE102022126970A1 (en) | Calibration of an acceleration sensor | |
DE102017220867A1 (en) | Automatic calibration method and method for using an acceleration sensor | |
DE102022131845B3 (en) | Use of cross-sensitivity of different inertial sensors | |
EP2154538B1 (en) | Acceleration sensor and method for detecting acceleration | |
DE102011083961B4 (en) | Method for calibrating a three-axis sensor and sensor | |
DE102022126972B3 (en) | Device for characterizing an inertial sensor | |
DE102020204140A1 (en) | Device and automated method for evaluating sensor readings and using the device | |
DE102022200334A1 (en) | Method and apparatus for calibrating a MEMS device, and MEMS device | |
DE102021212327A1 (en) | Method and device for determining dynamic parameters of a MEMS device, and MEMS device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R012 | Request for examination validly filed | ||
R016 | Response to examination communication | ||
R018 | Grant decision by examination section/examining division |