卡尔曼滤波在应变式力传感器中的应用.pdf

《卡尔曼滤波在应变式力传感器中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2014年第33卷第7期传感器与微系统(TransducerandMicrosystemTechnologies)147jp、‘1》应用技术：卡尔曼滤波在应变式力传感器中的应用刘晓东，唐俊杰，许杜峰，陈鑫玉(同济大学机械与能源工程学院，上海201804)摘要：由于应变式力传感器系统中存在较大的随机噪声，降低了系统的标定精度和测量准确性，而卡尔曼滤波适合实时滤除干扰信号。在建立传感器测试模型基础上，通过推导卡尔曼滤波算法，确定了滤波初值和滤波参数。在传感器一A／D转换器一DSP硬件平台上，进行了滤波算法验证。实验

2、表明：卡尔曼滤波有效地滤除了随机干扰信号，适用于静动态测量过程，提高了系统标定精度。关键词：卡尔曼滤波；应变式力传感器；数字信号处理器；标定中图分类号：TP274文献标识码：A文章编号：1000-9787(2014)07-0147-03ApplicationofKalmanfilteringinstrain—typeforcesensorLIUXiao—dong，TANGJun-jie，XUDu—feng，CHENXin·yu(SchoolofMechanicalandEnergyEngineering，Ton

3、alUniversity，Shanghai201804，China)Abstract：Duetorandomnoiseexistsinstrain-typeforcesensorsystem，itreducescalibrationprecisionandmeasurementaccuracyofsystem，Kalmanfilteringissuitableforreal—timefilteringinterferencesigna1．Onthebasisofestablishingsensortesting

4、model，throughderivingKalmanfilteringalgorithm，filteringinitialvalueandfilteringparametersaredetermined．Onhardwareplatformofsensor-A／Dconverter-DSP，filteringalgorithmisverified．ExperimentalresultsshowthatKalmanfilteringsuccessfullyfilterrandomdisturbancesigna

5、l，itissuitableforstaticanddynamicmeasurementprocess，andimprovecalibratingprecisionofsystem．Keywords：Kalmanfiltering；strain—typeforcesensor；DSP；calibration0引言度。卡尔曼滤波程序通过Matlab仿真实现，最后在CCS应变式力传感器是使用最为广泛的一种测力传感器，(codecomposerstudio)开发平台上进行硬件验证。具有较高的灵敏度和精度，并且适用于静

6、态和动态测量。1卡尔曼滤波原理由于电阻应变计、传感器机械本体和信号调理电路的热噪1．1系统方程声、环境噪声和电磁噪声，输出信号会出现较大的信号漂卡尔曼滤波的研究对象是随机线性离散系统，其状态移，即传感器在恒定加载时，输出信号不稳定，波动较大，且方程可表示为不具有明显规律⋯。随机噪声的出现对传感器的静动态X：FX一1+Bu十w．(1)性能测量精度影响较大，甚至导致无法进行标定。观测方程为卡尔曼滤波是一种高效率的自回归滤波器，能够从一Z=日墨+，(2)系列的不完全和包含噪声的测量中，估计动态系统的状式中为系统的状态

7、向量，为状态转移矩阵，曰为输态。它根据前一时刻的状态估值和当前时刻的观测值入控制矩阵，为控制向量，为过程噪声，其符合均值递推估计出新的状态估值，因此，卡尔曼滤波对信号的平稳为0，协方差矩阵为Q的正态分布，w^～Ⅳ(0，Q)。性和时不变性不做要求，并且不需要存储历史数据，适合于Z为系统的观测向量，为观测矩阵，为观测噪实时信号处理。声，其符合均值为0，协方差矩阵为R的正态分布。一本文以数字信号处理器(DSP)和A／D转换器设计的Ⅳ(0，R)。数据采集系统为硬件电路平台，以实验室自主研制的应变1．2滤波过程式单维力传

8、感器为研究对象，采用卡尔曼滤波算法实现了卡尔曼滤波器的滤波计算包括2个阶段：预测与更新。对传感器输出信号的实时滤波，有助于提高传感器测量精在预测阶段，滤波器使用上一状态的估计，做出对当前状态收稿日期：2014-04-08148传感器与微系统第33卷X＆：e·的估计。在更新阶段，滤波器利用对当前状态的观测值优一l+(1一e)U．(13)化在预测阶段获得的预测值，以获得更为精确的新估计值。