《消费级mems惯性传感器的工程快速筛选方法》由会员分享，可在线阅读，更多相关《消费级mems惯性传感器的工程快速筛选方法（7页珍藏版）》请在金锄头文库上搜索。
1、消费级 MEMS 惯性传感器的工程快速筛选方法 杜少林 陈书钊 陈鹏光 曾春华 陈剑鸣 昆明理工大学理学院 摘 要： 低成本 MEMS 惯性测量单元 (IMU) 在商业上得到广泛应用, 但由于 MEMS 工艺、检测电路等条件的限制, MEMS 惯性测量单元在精度和可靠性方面存在劣势, 其中有一部分完全不能使用.针对这一问题, 提出一种切实可行的 MEMS 惯性传感器的工程快速筛选方法, 设计了 24 传感器的批量数据采集平台;根据 Allan 方差原理, 对 15 枚 MPU6050 进行了原始数据曲线和 Allan 标准差的双对数曲线的计算和绘制.通过分析, 剔除了其中的 6 枚不能够使用的
2、器件, 确定了 9 枚平均性能器件, 剔除率达 40%.避免了因劣质器件问题导致实验数据不可靠性以及影响用户的体验, 大幅度节约 MEMS 惯性传感器的筛选时间, 确保了后续系统集成的顺利进行.该方法也适用于高成本 MEMS 惯性传感器筛选出优质器件.关键词： MEMS 惯性测量单元; 快速筛选; Allan 方差; 数据采集系统; MPU6050; 作者简介：杜少林, 男, 1994-;研究方向:MEMS 慢性传感器技术, 信号处理;E-mail:.作者简介：陈剑鸣, 男, 1962-, 硕士, 副研究员, 硕士生导师;研究方向:MEMS及微传感器, 模式识别与信号处理, 及其学习与智能信息
3、处理;E-mail:.收稿日期：2017-01-01基金：昆明理工大学计算物理与应用科技创新团队项目 (KKGA201607014) Engineering Rapid Screening Method for Consumer-Level MEMS Inertial SensorsDU Shao-lin CHEN Shu-zhao CHEN Peng-guang ZENG Chun-hua CHEN Jian-ming Department of Physics, Faculty of Science, Kunming University of Science.and Technology
4、; Abstract： Low cost MEMS Inertial Measurement Unit (IMU) is widely used in commerce, Due to the limitations of MEMS technology, detection circuit and other conditions, MEMS inertial measurement unit has a disadvantage in terms of accuracy and reliability, part of which can not be used completely.To
5、 solve this problem, the authers propose a practical engineering rapid screening methods for MEMS inertial sensors, 24 sensors are designed for batch data collection platform.According to Allan variance theory, the 15 MPU6050 is the original data curve and Allan standard deviation of the log-log gra
6、ph calculation and rendering.Through the analysis, eliminating 6 are not able to use the device, identified 9 average performance devices, rejection rate of 40%.which can increase reliabitity and enhance the castomer experience and bring, significant savings in screen time for MEMS inertial sensors
7、to ensure the smoothly progress of the subsequent system integration.This method can also be used in high cost MEMS inertial sensor screen out high quality devices.Keyword： MEMS inertial sensors unit; rapid screening; data collection system; Allan variance; MPU6050; Received： 2017-01-011 引言随着诸如小型四旋翼
8、飞行器、两轮机器人小车、各种实验室机器人和玩具机器人等各种低成本机器人商业平台的快速发展, 姿态检测技术得到广泛应用1-2.作为姿态检测和姿态控制系统的关键部件, 低成本 MEMS 运动测量传感器, 如MPU6050 等惯性测量单元 IMU 已经大批量应用到这些商业平台中3,4.然而, 由于 MEMS 技术自身的弱点, 批量采购回来的 MEMS 惯性传感器, 用户需要判断其性能, 以确认 MEMS 惯性传感器优劣5.因此, 在不购置大量昂贵测试设备的情况下如何对这些器件进行工程快速筛选一直是困扰普通用户的问题.目前, 经常使用的惯性传感器性能评估方法包括自相关函数估计、功率率谱密度 (PSD)
9、 、Allan 方差估计等方法.Allan 方差法是 20 世纪 60 年代提出的一种方法, 起初被用于研究振荡器的相位和频率不稳定性, 由于加速度计、陀螺仪等惯性传感器也具有振荡器的特征.因此, Allan 方差被广泛应用于 MEMS 惯性传感器的噪声分析和性能评估2-5.本文根据 Allan 方差原理, 提出了一种 MEMS 惯性传感器的工程快速筛选方法, 并设计和制作了传感器数据采集硬件平台, 对 MPU6050 惯性测量单元器件进行了 4h 的数据采集, 并对其零偏数据进行了分析确定了需要淘汰的器件.实验证明这是一种确实可行的方法.填补了 Allan 方差解决实际运用问题这一空白.2
10、MEMS 惯性传感器的筛选原理2.1 MEMS 惯性传感器的误差在系统集成要求 MEMS 惯性器件的性能参数集中, 便于后续的信号处理和代码开发2,3.衡量 MEMS 惯性器件质量好坏的主要指标是器件内部的随机噪声水平 (Stochastic noise error) 和静态偏差 (Bias offset error) 1,2.因此, 对这 2 种误差的平均水平和集中度的考量是本文工程快速筛选的依据.MEMS 惯性器件的静态零位偏差, 可以从静态输出曲线中直接获取并加以判定3,4.而随机噪声误差需要通过 Allan 方差计算后获取并进行评估2,3.系统集成的总体要求是传感器性能具有较好的集中度
11、, 同时静态输出偏差不要太大.根据各噪声项影响的大小以及求取噪声系数的困难程度, 通常情况传感器的随机误差之和 e (t) 考虑如下的 4 项3,5该式反应了 MEMS 惯性器件整体的性能水平.2.2 Allan 方差方法在惯性传感器的随机误差分析中, Allan 方差方法是一种主流的方法.它通过在整个数据长度上实施一定的操作来辨别各种随机噪声项, 也能有效的估计和确定公式模型中的随机漂移系数, 从而使上述模型得以实施1-5.在 MEMS 惯性传感器的制造和研究中 Allan 方差得到广泛应用2-4.Allan 方差方法具体算法如下:以采样间隔 Ts, 采集总时间长度为 T 对传感器数据进行采
12、样, 得到一组数据.则总的采样点数为 N=T/Ts.把采集到的数据, 连续的 n (n=1, 2, 3, , N/Kmin, Kmin (N-1) /2) 个数据点作为一个子集.则总数据段被划分为 K=N/n个子集.每个数据子集的持续时间表示为 (n) =nT s对于第 k+1 个子集, 其平均值可以表示为:其中, nk+1为第 k+1 个子集当中的第 i 个采样点的值, n 的定义同上.对每个不同的平均时间 (n) =nT s, 计算 Allan 方差6-8:其中 E 表示求平均计算.然后以双对数曲线画出 Allan 标准差随平均时间变化的曲线 (Log-log AV-AR) , 如图 6
13、和图 7.MEMS 惯性传感器随机噪声误差主要包括 7 种6-8:量化噪声 QN、角度随机游走ARW、速率随机游走 RRW 和速率斜坡 RR.这些噪声源统计独立, 因此 Allan 方差可以表示为几种误差源方差和, 如 (5) 式所示7-9因此, (5) 式可以近似等于 (1) 式, 这就可以用 Allan 标准差来表示传感器误差.3 数据采集系统及数据获取本文设计制作了适用于 24 个传感器数的据采集硬件平台.采用 STM32F103RCT6作为主控制器, I2C 接口连接传感器阵列, MPU6050 惯性测量单元作为采集对象, 结构原理图如图 1 所示, 硬件实物如图 2 所示.MPU60
14、50 具有 3 个正交轴向的陀螺仪和 3 个正交放置的加速度计.可以用来测量载体三轴向的角速度和加速度.测试条件为静态测试, 将 MPU6050 静止放置通电预热 1h 后, 采样间隔为0.553s, 连续采集 4h 数据.每个轴向共有 26000 个样本点, 每个传感器共有 3个轴 (共有 6 组数据) , 总共有 24 个传感器.图 1 24 传感器数据采集硬件平台原理图 下载原图图 2 24 传感器数据采集硬件平台实物图 下载原图4 传感器质量评判方法及数据结果分析4.1 基于静态输出数据的 MPU6050 性能判定在本实验中, 我们运用 matlab 软件对数据进行处理, 分别画出加速
15、度计和陀螺仪的静态输出曲线图, 由于 24 个传感器数据太多画在一张图中很难分辨, 因此我们选取其中 1-15 个传感器进行分析.MPU6050IMU 中加速度计三轴的 4h 静态输出数据如图 3 所示.MPU6050IMU 中加速度计三轴的 4h 静态输出数据如图 4 所示.图 4 MPU6050 陀螺仪三轴静态输出曲线图 (d) , (e) , (f) 下载原图图 4 MPU6050 陀螺仪三轴静态输出曲线图 (d) , (e) , (f) 下载原图基于上述 MEMS 传感器筛选原理, 从图 3, 图 4 中可以看出, 基本上所有的加速度、陀螺仪都存在零位偏移, 在使用这些传感器时我们需要
16、对其进行补偿之后才能使用3.图 3 (a) 和图 3 (b) 的加速度值基本集中在零位附近, 图 (c) 中各加速度值集中在-9.8 (m/s) 附近, 该数值指当地的重力加速度, 可以看出, #6、#8 传感器较大偏于其它传感器数值, 应予剔除.图 4 (d) 中, 也发现#6 号传感器零偏很大, 脱离了平均水平, 因此, 予以剔除, 图 4 (e) , 图 4 (f) 均满足要求.4.2 基于 Allan 方差的 MPU6050 性能判定根据 Allan 方差原理, 对上述采集的数据进行处理, 分绘制出出加速度计和陀螺仪三轴的静态输出 Allan 标准差双对数曲线, 这里也选取其中 1-15 个传感器进行分析.MPU6050IMU 三轴加速度测试数据的 Allan 标准差双对数曲线如图 5所示, MPU6050IMU 三轴加速度测试数据的 Allan 标准差双对数曲线如图
