Электронный научный журнал
Международный студенческий научный вестник
ISSN 2409-529X

МОДЕЛИРОВАНИЕ ПРОЦЕДУРЫ ИДЕНТИФИКАЦИИ ПОГРЕШНОСТЕЙ MEMS АКСЕЛЕРОМЕТРОВ

Горянина К.И. 1 Вернези М.А. 1
1 ФГБОУ ВО «Донской государственный технический университет»
Применение систем идентификации и позиционирования объектов актуальное направление в области оптимизации технологических и бизнес процессов. Для позиционирования используются в первую очередь навигационные системы, включающие в себя микромеханические акселерометры, магнитометры и гироскопы, но от производителя они поступают, как правило, некалиброванными и это вызывает большие сложности в управлении объектами. Рассматривая чувствительность акселерометра как некоторую поверхность в трехмерном пространстве, представляющую собой эллипсоид вращения, задача калибровки сводится к задаче центрирования данных и трансформации эллипсоида чувствительности в сферу с использованием стохастических методов. В статье приведены результаты имитационного моделирования процедуры идентификации коэффициентов усиления по осям MEMS акселерометра и использованием полных и неполных данных.
идентификация параметров
метод наименьших квадратов
неполные данные
MEMS
акселерометр
1. Повышение точности мобильной альтиметрии: [Электронный ресурс]. Режим доступа: http://tm.spbstu.ru/Повышение_точности_мобильной_альтиметрии (Дата обращения 18.11.2016).
2. Benevicius V. Identification of Capacitive MEMS Accelerometer Structure Parameters for Human Body Dynamics Measurements / V. Benevicius, V. Ostasevicius, R. Gaidys // Sensors. – 2013. – №13(9).
3. Ostasevicius V. Numerical analysis of dynamic effects of a nonlinear vibro-impact process for enhancing the reliability of contact-type MEMS devices / V. Ostasevicius, R. Gaidys, R. Dauksevicius // Sensors. – 2009. – №9.
4. Лукьянов А.Д. Идентификация параметров преобразующей системы MEMS – акселерометра ADXL-345 методом наименьших квадратов/ А.Д. Лукьянов, К.И. Горянина, Д.Т. Фам // Электроника и электротехника. – 2016. – № 2. – С.38–45.

MEMS акселерометры получили широкое распространение в системах ориентации и управления различных мобильных объектов. При этом вопросы повышения точности и стабильности показаний датчиков приобретают первостепенное значение [1]. Вопросам моделирования и анализа погрешностей посвящен ряд работ [2, 3]. В то же время актуальной является процедура идентификации статических характеристик преобразующей системы MEMS-акселерометра.

Исходные данные. В работе [4] рассматривается задача идентификация погрешностей акселерометра в стохастической формулировке. В таком случае реакция акселерометра на ускорение свободного падения g представляется как точка в трехмерном пространстве, где облако точек образует трехосный эллипсоид.

Идентификация параметров эллипсоида чувствительности по неполным данным. Интересным на практике предоставляется случай идентификации параметров эллипсоида при неполных данных, когда облако точек grn1.wmf покрывает не все квадранты эллипсоида. Также ставятся задачи определения зависимости точности идентификации от количества точек и от усеченности облака.

Результаты имитационного моделирования в случае усеченности облака представлены на рис. 1 и в табл. 1.

Таблица 1

Оценки полуосей эллипсоида для усеченного облака точек

 

grn6.wmf

grn7.wmf

grn8.wmf

grn9.wmf

1.0090

0.5079

0.5045

grn10.wmf

1.0296

0.5000

0.5097

grn11.wmf

1.0372

0.4332

0.5050

grn12.wmf

1.0089

0.3374

0.5239

 

goran1.wmf

Рис. 1. Визуализация зашумленного облака точек на фоне эллипсоида чувствительности: а – grn2.wmf; б – grn3.wmf; в – grn4.wmf; г – grn5.wmf

Для оценки ошибки идентификации от усеченности облака были проведены десятикратные серии имитационных экспериментов по полному облаку точек, grn13.wmf, grn14.wmf, grn15.wmf и grn16.wmf долей облака.

Результаты имитационного моделирования в случае разреженного облака точек представлены на рис. 2 и в табл. 2. В строках таблицы приведены оценки величин полуосей эллипсоида в зависимости от количества точек облака.

Таблица 2

Оценки полуосей эллипсоида для разреженного облака точек

 

grn17.wmf

grn18.wmf

grn19.wmf

529 точек

0.9975

0.5004

0.5155

256 точек

1.0215

0.5079

0.5144

121 точка

0.9790

0.5008

0.5186

64 точки

1.0368

0.4782

0.5155

 

goran2.wmf

Рис. 2. Визуализация зашумленного облака точек на фоне эллипсоида чувствительности: а –529 точек, б –256 точек, в –121 точка, г – 64 точки

goran3.wmf

Рис. 3. Зависимость среднеквадратичного отклонения ошибки полуосей эллипсоида: а – как функции долей облака точек данных; б – как функции числа точек облака данных

Для оценки ошибки идентификации от количества точек были проведены десятикратные серии имитационных экспериментов по 961, 529, 256, 121 и 64 точкам облака данных.

На рис. 3,а показана зависимость среднеквадратичного отклонения ошибки полуосей эллипсоида как функции долей облака точек данных. Видно, что при большем усечении облака значение ошибки увеличивается. Результаты имитационного моделирования показывают, что для облака данных grn20.wmf различной усеченности метод дает приемлемую погрешность порядка 1–2 %. В случае grn21.wmf значение СКО оценки величины полуоси grn22.wmf значительно возрастает, что говорит о нецелесообразности дальнейшего усекания облака точек. На рис. 3,б показана зависимость среднеквадратичного отклонения ошибки полуосей эллипсоида как функции числа точек облака данных. Видно, что при уменьшении количества точек облака данных значение ошибки увеличивается. Результаты имитационного моделирования показывают, что для облака данных grn23.wmf различной плотности метод дает приемлемую погрешность порядка 1–3 %.

Заключение. Рассмотренная процедура идентификации параметров эллипсоида чувствительности MEMS-акселерометра по неполному облаку точек показала работоспособность метода. Полученные оценки соответствуют по точности оценкам с полным облаком точек, а среднеквадратичное отклонение оценки ошибки идентификации от количества точек и от усеченности облака составляет 1–3 %. Получены экспериментальные данные реального MEMS-акселерометра. Облако точек приближено к сфере со смещенным центром, что обусловлено конструкционными особенностями датчика.


Библиографическая ссылка

Горянина К.И., Вернези М.А. МОДЕЛИРОВАНИЕ ПРОЦЕДУРЫ ИДЕНТИФИКАЦИИ ПОГРЕШНОСТЕЙ MEMS АКСЕЛЕРОМЕТРОВ // Международный студенческий научный вестник. – 2018. – № 3-3.;
URL: http://eduherald.ru/ru/article/view?id=18314 (дата обращения: 27.09.2020).

Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1.074