微机械加速度计的测试与应用研究
|
摘要
加速度计是惯性测量和导航系统的主要惯性元件之一。随着微电子加工技术向惯性技术的渗透，硅微加速度计已逐渐崭露头角并受到广泛的关注。作为一种新型惯性传感器，它在体积、重量、成本、功耗、可靠性和寿命等方面都具有同传统加速度计无可比拟的优势。本文以美国AD公司ADXL05单片集成硅微加速度计为例，介绍了静电力反馈式加速度传感器的结构设计和工作原理，对其重要性能参数进行了测试和分析，并利用实验数据建立了该加速度计传感器的静态数学模型。
同占据主导地位的机电惯性仪表相比，精度低是硅微惯性传感器的主要缺陷。为尽量满足测控系统对传感器精度的要求，应当在传感器之外采取适当的补偿和修正措施，克服非线性及环境因素对测量的影响。利用人工神经网络所具有的非线性逼近特性和自适应能力、学习能力，本文根据不同特点及不同应用条件，采用了BP神经网络和函数链神经网络两种方法对硅微加速度计的非线性误差进行了校正。仿真结果表明，同其它的线性化措施相比，人工神经网络使用灵活、算法简便、易于实现；并且可以在线性化的同时，跟踪补偿环境改变引起的传感器特性的变化。
最后，基于将硅微惯性敏感元件构成惯性敏感器群的思想，本文应用了简单而有效的多传感器数据融合算法，提高了综合输出的精度，得出了比单一惯性传感器更可靠、更准确的测量结果；并在理论上证明算法的最小方差性；计算机上的仿真结果也从实际应用上进一步说明了融合算法的有效性。
Accelerometer is one of the main inertial components in inertial measuring and navigation systems. As the microel etronic processing technology permeated into inertial instruments, micromachined accelerometer has come into existence in this field and attracted much attention. As a new style of inertial sensor, the micromachined accelerometer has many advantages over the traditional accelerometer , for example, in bulk, weight, cost, power consumption, rel iabi li ty and. length of life. The model ADXL05 mieroSi accelerometer, a kind of products of AD Corporation of USA, is a right sample. This paper introduced its structure design and operating theory, measured its important performance data, and presented the measured results and necessary mathematical analysis. Using the testing data, the mathematical model is also given.
Comparing with the dominant mechanical inertia] sensor, the great disadvantage of mieroSi sensor is low precision. In order to solve the problem of nonlinearity and other errors brought by environment reasons, some compensative and corrective measures should be taken. Because of the ability of nonlinear approximation, self-adaptation and learning, two methods based artificial neural networks are presented to realize the nonlinear correction. Each of them has certain feature and suits for different conditions. The result of simulation shows that artificial neural networks are nimbler in use, simpler in algorithm and more practical. In fact, the flexibility of these means automatically compensates any variation of the sensor response occurring due to change in environmental conditions.
In the end, according to the idea of inertial sensor group that comprises several same kind micromachined sensors, the fusion estimated algorithm of multisensor data is presented in this paper.
It is theoretically proved that this algorithm has least mean square errors. As a result, more precise and reliable data can be obtained from the integrated output. The simulation results also show the effectiveness of the algorithm to practical application.
同占据主导地位的机电惯性仪表相比，精度低是硅微惯性传感器的主要缺陷。为尽量满足测控系统对传感器精度的要求，应当在传感器之外采取适当的补偿和修正措施，克服非线性及环境因素对测量的影响。利用人工神经网络所具有的非线性逼近特性和自适应能力、学习能力，本文根据不同特点及不同应用条件，采用了BP神经网络和函数链神经网络两种方法对硅微加速度计的非线性误差进行了校正。仿真结果表明，同其它的线性化措施相比，人工神经网络使用灵活、算法简便、易于实现；并且可以在线性化的同时，跟踪补偿环境改变引起的传感器特性的变化。
最后，基于将硅微惯性敏感元件构成惯性敏感器群的思想，本文应用了简单而有效的多传感器数据融合算法，提高了综合输出的精度，得出了比单一惯性传感器更可靠、更准确的测量结果；并在理论上证明算法的最小方差性；计算机上的仿真结果也从实际应用上进一步说明了融合算法的有效性。
Accelerometer is one of the main inertial components in inertial measuring and navigation systems. As the microel etronic processing technology permeated into inertial instruments, micromachined accelerometer has come into existence in this field and attracted much attention. As a new style of inertial sensor, the micromachined accelerometer has many advantages over the traditional accelerometer , for example, in bulk, weight, cost, power consumption, rel iabi li ty and. length of life. The model ADXL05 mieroSi accelerometer, a kind of products of AD Corporation of USA, is a right sample. This paper introduced its structure design and operating theory, measured its important performance data, and presented the measured results and necessary mathematical analysis. Using the testing data, the mathematical model is also given.
Comparing with the dominant mechanical inertia] sensor, the great disadvantage of mieroSi sensor is low precision. In order to solve the problem of nonlinearity and other errors brought by environment reasons, some compensative and corrective measures should be taken. Because of the ability of nonlinear approximation, self-adaptation and learning, two methods based artificial neural networks are presented to realize the nonlinear correction. Each of them has certain feature and suits for different conditions. The result of simulation shows that artificial neural networks are nimbler in use, simpler in algorithm and more practical. In fact, the flexibility of these means automatically compensates any variation of the sensor response occurring due to change in environmental conditions.
In the end, according to the idea of inertial sensor group that comprises several same kind micromachined sensors, the fusion estimated algorithm of multisensor data is presented in this paper.
It is theoretically proved that this algorithm has least mean square errors. As a result, more precise and reliable data can be obtained from the integrated output. The simulation results also show the effectiveness of the algorithm to practical application.
引文
[1] 朱瑞．硅加速度计技术及3255型加速度计的应用．国外电子元器件．1997，2：6-10页
[2] 武俊齐．微电子机械(MEMS)技术研究．模拟集成电路世界．1998，7(2)
[3] Michael Kraft.Micromachined inertial sensor：the state-of-the-art and a look into the future.Measurement and control, 2000，33(6)：164-168
[4] 杨畅．航天惯性仪表40年与未来趋势．导弹与航天运载技术．2001，1
[5] 阮爱武，冯培德，郭秀中．硅微机械陀螺仪的新进展及其方案分析．中国惯性技术学报．1998，2
[6] 姚雅红，高钟毓，颜冬．微机械陀螺的发展现状．惯导与仪表．1997，1：36-42页
[7] 杨世荣，徐海容．惯性导航的物理基础．现代物理知识．总58期：6-9页
[8] 吕志清，侯正君。线加速度计的现状和发展动向．压电与声光．1998，20(5)：313—321页
[9] 无．3255型加速度计的特性及其应用．电子产品世界．1999，6：48-50页
[10] 罗庆生，韩宝玲，郭南．集成式微型智能传感器的研究与思考．传感器技术．2001，2：1-5页．
[11] 朱目成．压阻式加速度传感器的补偿技术的研究．仪表技术．2000，4：42-43，49页
[12] 尤晖，李川奇等．电容式微加速度传感器的现状及研究方向．中国机械工程．1998，9(10)：57-62页
[13] 陈洸译．表面微加工惯性传感器的实例——一种电容式加速度计．惯导与仪表．1998，3：8-14页
[14] 郭秀中，陈家斌．微机械惯性仪表综述．测控技术．1996，15(2)：6-10页
[15] 侯正君．微机械线加速度计．压电与声光．1996，16(2)：174-178页
[16] 吕志清，侯正君．线加速度计的现状和发展动向．压电与声光．1998，20(5)：313—321页
[17] 高钟毓．微机械惯性测量组合的技术途径．惯导与仪表．1997，1：43-50页
[18]EG&G IC SENSORS公司．硅加速度计设计的折衷方案．电子产品世界．1998，1：114-115页
[19]袁光，丁衡高，高钟毓，董景新．叉指式硅微加速度计结构设计。清华大学学报(自然科学版)．1998，38(11)：38-41页
[20]ADXL05——±1 g to±5 g Single Chip Accelerometer with Signal Conditioning.Analog Devices,Inc.1996
[21]李继文．集成加速度传感器ADXL05及其应用．仪表技术．1996，6：36-38页
[22]徐得炳．ADXL50和ADXL05型加速度计的原理及应用——一种单片集成带有信号调理电路的加速度计．电子技术应用．1997，5：60-64页
[23]徐毓娴，赵常德，申强．一种适合于汽车性能测试的加速度传感器．汽车工程．1999，21(5)：314-317页
[24]毛刚，顾启泰，刘学斌．3140型压阻式微硅加速度计测试与分析．传感器技术．2000年第五期
[25]杜美琪．加速度计静态标定方法及设备．地震工程与工程振动．1999，16(2)：127-132页
[26]王淑娟．加速度计环境模型辨识及其误差补偿技术．哈尔滨工业大学博士论文．1998：22-25页
[27]曾广达．系统辨识与仿真．电子科技大学出版社．1995年
[28]Charles Kitchin.Make Wide temperature range,ultralow drift accelerometers using low cost crystal ovens.Application note. Analog Devices,Inc.
[29]Charles Kitchin.USing accelerometer in low g applications.Application note.Analog Devices,Inc.
[30]施会昌．基于函数链神经网络的传感器建模．上海大学学报(自然科学版)．1999，5(6)：560-564页
[31]丁衡高，王寿荣等．微惯性仪表技术的研究与发展．中国惯性技术学报．2001，9(4)：46-49页
[32]黄凤岗，宋克欧．模式识别．第一版．哈尔滨：哈尔滨工程大学出版社，1998：57-69页
[33]吴新杰，张建成等．基于人工神经网络铂电阻非线性估计方法的研究．传感技术学报．1999，6：134-138页
[34]庄哲民．热电偶模型的非线性估计．电工技术学报．1998，13(3)：30-32，36页
[35]钟穗生，刘旭光编著．实验数据的计算机处理．第一版．北京：海洋出版社，1994：67-83页
[36]凌林本，李滋刚，陈超英等．多传感器数据融合实权的最优分配原则．中国惯性技术学报．2000，8(2)：36-39页
[37]陈福增．多传感器数据融合的数学方法．数学的实践与认识．1995，2：11-16页
[38]涂国平．多传感器数据融合的稳健处理方法．数据采集与处理．1998，13(1)：85-87页
[39]翟翌立，戴逸松．多传感器数据自适应加权融合估计算法的研究．计量学报．1998，19(1)：69-75页
[40]费龙，钟先信，温志渝等．硅微加速度传感器的现状及研究方向．传感器技术．1995，5：1-6页
[41]凌林本，李滋刚，周白令．惯性敏感器的信息融合技术．中国惯性技术学报．1998，7(2)：35-37，39页
[42]孟军，茅盘松．微硅加速度传感器的发展．电子器件．1999，22(4)：292-298页
[43]常炳国，刘君华．采用神经网络技术获取抗干扰的传感器系统特性．传感技术学报．2000，3：33-37页
[44]李志宏，杨振川，武国英．微机械惯性传感器．电子科技导报
[45]Kyu-Yeon Park,Chong-Won Lee,etal.Capactive type surface-micromachined silicon accelerometer with stiffness tunning capability.Sensors and actuators.1999,73：109-116
[46]王寿荣编著．硅微型惯性器件理论及应用．东南大学出版社．2000
[47]陈西圆．关于传感器非线性的评价．传感器技术．1993，3：15-18页
[48]王艳，沈毅，刘志言．传感器非线性校正方法研究．测试技术学报．1998，12(2)：183-188页
[49]钮永胜，董加勤．基于神经网络的加速度计非线性估计和线性化．计量技术．1997，10：22-25页
[50]张典容．ADXL05型加速度计在倾角测量中的应用．石油仪器．2000，14(5)：34-36页
[51]何晓平，彭勃．MSA微加速度计性能测试与分析．电子技术参考．2000，1：11-14页
[52]V.Josselin, P.Touhoul,R.Kielbasa.Capacitive detection scheme for space accelerometers applications.Sensors and actuators.1999,78:92-98
[2] 武俊齐．微电子机械(MEMS)技术研究．模拟集成电路世界．1998，7(2)
[3] Michael Kraft.Micromachined inertial sensor：the state-of-the-art and a look into the future.Measurement and control, 2000，33(6)：164-168
[4] 杨畅．航天惯性仪表40年与未来趋势．导弹与航天运载技术．2001，1
[5] 阮爱武，冯培德，郭秀中．硅微机械陀螺仪的新进展及其方案分析．中国惯性技术学报．1998，2
[6] 姚雅红，高钟毓，颜冬．微机械陀螺的发展现状．惯导与仪表．1997，1：36-42页
[7] 杨世荣，徐海容．惯性导航的物理基础．现代物理知识．总58期：6-9页
[8] 吕志清，侯正君。线加速度计的现状和发展动向．压电与声光．1998，20(5)：313—321页
[9] 无．3255型加速度计的特性及其应用．电子产品世界．1999，6：48-50页
[10] 罗庆生，韩宝玲，郭南．集成式微型智能传感器的研究与思考．传感器技术．2001，2：1-5页．
[11] 朱目成．压阻式加速度传感器的补偿技术的研究．仪表技术．2000，4：42-43，49页
[12] 尤晖，李川奇等．电容式微加速度传感器的现状及研究方向．中国机械工程．1998，9(10)：57-62页
[13] 陈洸译．表面微加工惯性传感器的实例——一种电容式加速度计．惯导与仪表．1998，3：8-14页
[14] 郭秀中，陈家斌．微机械惯性仪表综述．测控技术．1996，15(2)：6-10页
[15] 侯正君．微机械线加速度计．压电与声光．1996，16(2)：174-178页
[16] 吕志清，侯正君．线加速度计的现状和发展动向．压电与声光．1998，20(5)：313—321页
[17] 高钟毓．微机械惯性测量组合的技术途径．惯导与仪表．1997，1：43-50页
[18]EG&G IC SENSORS公司．硅加速度计设计的折衷方案．电子产品世界．1998，1：114-115页
[19]袁光，丁衡高，高钟毓，董景新．叉指式硅微加速度计结构设计。清华大学学报(自然科学版)．1998，38(11)：38-41页
[20]ADXL05——±1 g to±5 g Single Chip Accelerometer with Signal Conditioning.Analog Devices,Inc.1996
[21]李继文．集成加速度传感器ADXL05及其应用．仪表技术．1996，6：36-38页
[22]徐得炳．ADXL50和ADXL05型加速度计的原理及应用——一种单片集成带有信号调理电路的加速度计．电子技术应用．1997，5：60-64页
[23]徐毓娴，赵常德，申强．一种适合于汽车性能测试的加速度传感器．汽车工程．1999，21(5)：314-317页
[24]毛刚，顾启泰，刘学斌．3140型压阻式微硅加速度计测试与分析．传感器技术．2000年第五期
[25]杜美琪．加速度计静态标定方法及设备．地震工程与工程振动．1999，16(2)：127-132页
[26]王淑娟．加速度计环境模型辨识及其误差补偿技术．哈尔滨工业大学博士论文．1998：22-25页
[27]曾广达．系统辨识与仿真．电子科技大学出版社．1995年
[28]Charles Kitchin.Make Wide temperature range,ultralow drift accelerometers using low cost crystal ovens.Application note. Analog Devices,Inc.
[29]Charles Kitchin.USing accelerometer in low g applications.Application note.Analog Devices,Inc.
[30]施会昌．基于函数链神经网络的传感器建模．上海大学学报(自然科学版)．1999，5(6)：560-564页
[31]丁衡高，王寿荣等．微惯性仪表技术的研究与发展．中国惯性技术学报．2001，9(4)：46-49页
[32]黄凤岗，宋克欧．模式识别．第一版．哈尔滨：哈尔滨工程大学出版社，1998：57-69页
[33]吴新杰，张建成等．基于人工神经网络铂电阻非线性估计方法的研究．传感技术学报．1999，6：134-138页
[34]庄哲民．热电偶模型的非线性估计．电工技术学报．1998，13(3)：30-32，36页
[35]钟穗生，刘旭光编著．实验数据的计算机处理．第一版．北京：海洋出版社，1994：67-83页
[36]凌林本，李滋刚，陈超英等．多传感器数据融合实权的最优分配原则．中国惯性技术学报．2000，8(2)：36-39页
[37]陈福增．多传感器数据融合的数学方法．数学的实践与认识．1995，2：11-16页
[38]涂国平．多传感器数据融合的稳健处理方法．数据采集与处理．1998，13(1)：85-87页
[39]翟翌立，戴逸松．多传感器数据自适应加权融合估计算法的研究．计量学报．1998，19(1)：69-75页
[40]费龙，钟先信，温志渝等．硅微加速度传感器的现状及研究方向．传感器技术．1995，5：1-6页
[41]凌林本，李滋刚，周白令．惯性敏感器的信息融合技术．中国惯性技术学报．1998，7(2)：35-37，39页
[42]孟军，茅盘松．微硅加速度传感器的发展．电子器件．1999，22(4)：292-298页
[43]常炳国，刘君华．采用神经网络技术获取抗干扰的传感器系统特性．传感技术学报．2000，3：33-37页
[44]李志宏，杨振川，武国英．微机械惯性传感器．电子科技导报
[45]Kyu-Yeon Park,Chong-Won Lee,etal.Capactive type surface-micromachined silicon accelerometer with stiffness tunning capability.Sensors and actuators.1999,73：109-116
[46]王寿荣编著．硅微型惯性器件理论及应用．东南大学出版社．2000
[47]陈西圆．关于传感器非线性的评价．传感器技术．1993，3：15-18页
[48]王艳，沈毅，刘志言．传感器非线性校正方法研究．测试技术学报．1998，12(2)：183-188页
[49]钮永胜，董加勤．基于神经网络的加速度计非线性估计和线性化．计量技术．1997，10：22-25页
[50]张典容．ADXL05型加速度计在倾角测量中的应用．石油仪器．2000，14(5)：34-36页
[51]何晓平，彭勃．MSA微加速度计性能测试与分析．电子技术参考．2000，1：11-14页
[52]V.Josselin, P.Touhoul,R.Kielbasa.Capacitive detection scheme for space accelerometers applications.Sensors and actuators.1999,78:92-98