[发明专利]低噪声宽频带高动态范围的加速度传感器实现方法及系统在审

专利信息
申请号: 202210353286.6 申请日: 2022-04-06
公开(公告)号: CN114742148A 公开(公告)日: 2022-07-12
发明(设计)人: 周同;吴奇龙 申请(专利权)人: 南京理工大学
主分类号: G06K9/62 分类号: G06K9/62;G06K9/00;G06N20/00;G01P15/00
代理公司: 南京理工大学专利中心 32203 代理人: 封睿
地址: 210094 江*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 噪声 宽频 动态 范围 加速度 传感器 实现 方法 系统
【说明书】:

发明公开了一种低噪声宽频带高动态范围的加速度传感器实现方法及系统,基于同址同姿的3加速度计组,采集3个通道的加速度数据进行数据融合,对融合后的加速度数据进行预处理,通过时间序列滑动窗口生成事件样本,并提取样本特征向量;标注事件样本组织训练数据集,训练机器学习分类预测模型,将特征向量映射分类预测信息;根据分类预测信息进行加速度传感器的数据通道决策,在通道切换区内完成加速度传感器通道切换,在通道切换的固定时间内进行加速度数据滤波,至此获得低噪声宽频带高动态范围的加速度数据输出。本发明使得加速度传感器系统具有宽频带、高精度、大动态范围等优点。

技术领域

本发明涉及加速度传感器领域,具体涉及一种低噪声宽频带高动态范围的加速度传感器实现方法及系统。

背景技术

随着科技的进步,工业生产制造领域已基本实现自动化、智能化,与此同时,精密器件加工的工艺要求不断提高,因此,在精密制造与检测环节,任何细微的振动都不容忽视。

工业机器人手臂的一个工作进程由若干个动作组成,不同的动作有着不同的振动特征,这种不可控振动总体上具有范围大(10ng~g)、频带宽(1~500Hz)的特点,细微振动的精准检测是对其进行抑制或补偿的前向条件,因此,迫切期望一种加速度传感器同时具备低噪声、宽频带和高动态范围的特点。由于加速度传感器的噪声指标、带宽指标和动态范围指标相互制衡,压电式、光电式、谐振式、电容式等常规加速度传感器均无法满足需求;利用数据融合思想的复合加速度传感器,将不同量程的加速度传感器进行通道轮询采集与数据融合,在扩大了动态范围最大程度上保证了精度,但此办法势必限制着单通道采样速率,不满足宽频带的要求。

发明内容

本发明的目的在于提供一种低噪声宽频带高动态范围的加速度传感器实现方法及系统。

实现本发明目的的技术解决方案为:一种低噪声宽频带高动态范围的加速度传感器实现方法,包括如下步骤:

步骤1,基于同址同姿且动态范围互补的3加速度计组,采集3个通道的加速度数据进行数据融合,对融合后的加速度数据进行预处理,通过时间序列滑动窗口生成事件样本,并提取样本特征向量;

步骤2,标注事件样本组织训练数据集,训练机器学习分类预测模型,将特征向量映射分类预测信息;

步骤3,根据分类预测信息进行加速度传感器的数据通道决策,在通道切换区内完成加速度传感器通道切换,在通道切换的固定时间内进行加速度数据滤波,至此获得低噪声宽频带高动态范围的加速度数据输出。

一种低噪声宽频带高动态范围的加速度传感器实现系统,其特征在于,执行所述的低噪声宽频带高动态范围的加速度传感器实现方法。

本发明与现有技术相比,其显著优点在于:1)采用加速度传感器通道切换的方法,相比与现有的传感器通道数据融合方法,可实现更宽频带、更高的精度,同时具有大动态范围;2)采用机器学习算法辅助预测通道切换,充分发挥工业机器人手臂动作序列程序化的特点,最大程度上保证了通道切换的实时性和数据的连续性;3)采用自适应通道决策方案,引入序列匹配预测项和自适应项,将预测信息与观测信息有机融合,确保通道切换决策信息的可靠性,同时将数据通道切换限定在通道切换区内执行,提升对通道决策信息的容错,确保加速度数据的正确性。

附图说明

图1为本发明低噪声宽频带高动态范围加速度传感器实现方法的流程图。

图2为本发明数据通道切换区和振动等级参考点的示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京理工大学,未经南京理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210353286.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top