磁传感器（通用7篇）
磁传感器 篇1
0绪论
随着计算机自动控制技术的迅猛发展,基于高精度测量仪器的方位定向技术在民用和军事武器等领域都具有很重要的应用。
利用地磁场来实定向的电子罗盘具有体积微小、响应速度快、重量轻等优势,但是容受到周围磁环境的影响,其中软磁和硬磁干扰便是影响电子罗盘的主要干扰。目前,针对软磁和硬磁干扰的主要矫正方法为基于椭圆假设的最小二乘法,但是计算量巨大,不适用于运算能力有限的嵌入式CPU。本文基于实际实验数据,提出一种计算量小的软、硬磁干扰的矫正方法,补偿后的电子罗盘的测量误差能够达到1°以内。
1 电子罗盘中的软、硬磁干扰分析
硬磁干扰源于电子罗盘载体上的永久磁铁或者被磁化的金属等硬磁材料 , 这种材料就相当于永久磁铁。当硬磁材料进入外磁场时 , 硬磁材料就会发生磁化 , 这种铁磁性物质一旦被磁化 , 即使去除外界磁场后 , 磁性仍然 , 所以这种干扰比较稳定。
软磁干扰源于电子罗盘载体上的软磁材料 , 其磁性大小和方向磁性随着周围环境磁场的大小和相对方向的变化而变化。当电子罗盘与地磁场之间的夹角不同时,软磁的干扰的大小也会变化,则其对弱磁传感器的影响也会随角度的变化而变化。
电子罗盘通过两个互相正交的弱磁传感器测量地磁场水平方向分量来确定磁北方向。当电子罗盘处于水平面且未受到软、硬磁干扰时,地磁场在电子罗盘坐标系的X轴和Y轴的分量为和,设电子罗盘的正方向与磁北方向的夹角为ψ,则存在关系式 :,显然和分布在一个以原点为圆心的圆上,且。基于软硬磁的椭圆假设可知,硬磁干扰使得此圆的圆心发生偏移,软磁干扰使得此圆畸变成椭圆。
2 软、硬磁干扰的矫正方法
文献 [4] 中采用最小二乘法来拟合此椭圆方程的方法来进行矫正,但是考虑到该算法存在大量的浮点预算和乘除法的运算,而这些恰恰是嵌入式CPU的软肋所在,如果采用此算法,效果必然不理想。考虑到实测所得的椭圆一轴近似和X轴平行,另一轴近似和Y轴平行,所以本文采用更加简洁实用的矫正方法来进行软硬磁干扰的矫正,具体方法如下。
首先将电子罗盘在近似水平面上缓慢匀速地旋转一圈,同时记录下旋转过程中的三轴磁传感器输出数据。如图1所示,设定三轴磁传感器在X轴正方向输出的最大值为X max,最小值为Xmin;在Y轴正方向的输出最大值为Ymax,最小值为Ymin;椭圆的圆心为O ',坐标为( x0 , y0) 。
根据椭圆 的原理可 知,椭圆的两个 轴长分别 为X max-Xmin和Ymax -Ymin,且。电子罗盘受到的硬磁干扰量为椭圆圆心的偏移量,即为;同时电子罗盘所受到的软磁干扰即为椭圆的畸变系数,即为。电子罗盘测量的任意一点P ( M x , M y),经过硬磁干扰和软磁干扰的矫正以后得到P点新的坐标为 :
3 实验验证
首先在水平面上缓慢匀速地将电子罗盘载体旋转一周,同时存储下弱磁传感器X轴和Y轴采集到的数据。测量得到X轴数据的最值为 :,Y轴数据的最值为,则由硬磁干扰引起的圆心的偏移量和软磁干扰引起的畸变参数;则矫正后的数据,则矫正后的电子罗盘的X正方向与磁北方向的夹角
将电子罗盘从0度开始每隔20度测量一次角度,记录下0到360度矫正前后的输出的角度值,如表1所示。从表中可以看出矫正前的输出的角度与设定的角度值最大误差达到为21° ;经过矫正后的输出的角度与设定的角度相差最大不超过1°。
4 结论
本文基于对弱磁传感器的软、硬磁干扰的分析,提出了一种运算量小、矫正效果好的干扰矫正方法。实验证明,经过算法矫正后,电子罗盘的精度能够达到±1°,能够有效地矫正软、硬磁的干扰。
摘要：本文是在椭圆假设的软硬磁干扰模型的基础上,主要分析了弱磁传感器电子罗盘在使用中的软硬磁的干扰源,并依据实际所测得的数据提出一种计算量小、矫正效果明显的软硬磁干扰矫正方法。经过实验验证,矫正后的电子罗盘精度能够达到1°以内。
关键词：电子罗盘,磁传感器,软磁,硬磁
磁脉冲式曲轴位置传感器波形分析 篇2
磁电式传感器上集成了感应线圈和永久磁铁,当目标轮转动时,齿尖与齿缺交替变换,使永久磁铁通过极柱的磁通密度不断变化,从而影响到在极柱外面线圈中的磁场变化,使线圈感应出交变电压, 并在线圈两端输出。磁电式传感器通常有3根输出线,分别为信号输出线、搭铁线和屏蔽线。
1磁脉冲式曲轴位置传感器标准波形
汽车波形检测方法:连接波形测试设备,起动发动机,怠速运转,而后加速或按照行驶性能发生故障的需要驾驶等,获得波形,典型的磁脉冲式曲轴位置传感器信号波形如图1所示。对于将发动机转速和凸轮轴位置传感器制成一体的具有两个信号输出端子的曲轴位置传感器可用双通道的波形检测设备同时进行检测其信号波形,其典型信号波形如图2所示。
2磁脉冲式曲轴位置传感器波形分析
2.1触发轮上相同的齿形应产生相同型式的连续脉冲,脉冲有一致的形状、幅值( 峰对峰电压) 并与曲轴(或凸轮)的转速成正比,输出信号的频率(基于触发的转动速度)及传感器磁极与触发轮间气隙对传感器信号的幅值影响极大。
2.2靠除去传感器触发轮上一个齿或两个相互靠近的的齿所产生的同步脉冲, 可以确定上止点的信号。这会引起输出信号频率的变化,而在齿数减少的情况下, 幅值也会变化。
2.3各个最大(最小)峰值电压应相差不多,若某一个峰值电压低于其他的峰值电压,则应检查触发轮是否有缺角或弯曲。
2.4波形的上下波动,不可能在0V电位的上下完美地对称,但大多数传感器的波形相当接近,磁脉冲式曲轴(或凸轮轴) 位置传感器的幅值随转速的增加而增加, 转速增加,波形高度相对增加。
2.5波形的幅值、频率和形状在确定的条件下( 如相同转速) 应是一致的、可重复的、有规律的和可预测的。也就是说测得波形峰值的幅度应该足够高,两脉冲时间间隔( 频率) 应一致( 除同步脉冲外), 形状一致并可预测。
2.6波形的频率应同发动机的转速同步变化,两个脉冲间隔只是在同步脉冲出现时才改变。能使两脉冲间隔时间改变的唯一理由,是触发轮上的齿轮数缺少或特殊齿经过传感器,任何其他改变脉冲间隔时间的波形出现都可能意味着传感器有故障。
2.7如果发动机异响和行驶性能故障与波形的异常有关,则说明故障是由该传感器故障造成的。
2.8不同类型的传感器的波形峰值电压和形状并不相同。由于线圈是传感器的核心部分,所以故障往往与温度关系密切,大多数情况是波形峰值变小或变形, 同时出现发动机失速、断火或熄火。通常最常见的传感器故障是根本不产生信号, 这说明是传感器的线圈有断路故障。
2.9当故障出现在示波器上时,摇动线束可以进一步证明磁脉冲式曲轴位置传感器是不是故障的根本原因。
2.10在大多数情况下,如果传感器或电路有故障,波形检测设备上将完全没有信号,所以波形测试设备中间0V电压处是一条直线便是很重要的诊断资料。
2.11如果示波器显示在零电位时是一条直线,则说明传感器信号系统中有故障, 那么应该在确定示波器到传感器的连接是正常的之后,进一步检查相关的零件( 分电器轴、曲轴、凸轮轴) 是否旋转、磁脉冲式曲轴位置传感器的空气间隙是否适当和传感器头有无故障。注意:也有可能是点火模块或发动机ECU中的传感器内部电路搭铁, 此时可以用拔下传感器导线连接器后再用波形测试设备测试的方法来判断。
2.12图3示为两种磁脉冲式曲轴位置传感器的故障波形。图A所示故障波形为齿槽中填有异物造成的,图B所示故障波形是传感器触发轮安装不当造成的。如果检测出的波形异常,应更换磁脉冲式曲轴位置传感器(含传感器头和触发轮)。
摘要：曲轴位置传感器是发动机电子控制系统中最主要的传感器之一,它提供点火时刻(点火提前角)、确认曲轴位置的信号,用于检测活塞上止点、曲轴转角及发动机转速。曲轴位置传感器所采用的结构随车型不同而不同,可分为磁脉冲式、光电式和霍尔式三大类。本文针对磁脉冲式曲轴位置传感器分析了其波形检测的方法。
磁传感器 篇3
俄科学院乌拉尔分院金属物理研究所开发了具有巨磁阻效应的纳米级厚度铁磁层和非磁层交替的金属外延纳米结构合成技术, 其相邻铁磁层的可控非共线磁序保证了巨磁阻效应和线性磁阻的宽范围磁场。
金属物理研究所与叶卡捷琳堡市的《Автоматики》科研生产联合体利用该所的专利技术共同生产了宽频带磁传感器, 具有室温下巨磁阻磁电阻值达到20%以上及线性磁阻磁场可达40кЭ的特点。使用这种高灵敏度磁传感器, 可使无损伤测试装置、转速计、磁力计等的测量精度得到大大提高。
磁传感器 篇4
11月8日上海电子展上, 爱盛科技展出了今年最新的地磁传感器产品及技术, 并在现场设置技术人员提供技术交流及咨询服务。针对今年受到嘱目的无人机、VR、AR、及Io T应用, 爱盛科技展示了其相关产品和技术, 还实地演示协助众多无人机工程师解决炸机及航向偏移问题的相关解决手法及材料。
爱盛科技董事长暨执行长赖孟煌介绍:“本次电子展上爱盛科技展出了全线产品, 包括地磁传感器及电流传感模块, 有不少是得到市场认同和有较大影响力的拳头产品。”其中, 无人机市占率最高的IST8310:采用3mmx3mm LGA包装, 由于优良的低磁滞、低噪声性能及高可靠度, 历经无人机大厂严格验证, 而取代美商产品于量产机型上。历经实际飞行及市场考验, 也受到了电商大厂及知名无人机厂商量产采用。这款产品今年在国内及国际无人机市场占有率均领先竞争者, 也是现今主流无人机使用地磁传感器标杆产品。
展会上, 爱盛科技分享了部分实际客户技术支持经验, 以及对国内使用传感器工程人员有帮助的相关设计及验证工具。此外, 爱盛科技现场还展示了最新推出的电流传感模块, 该产品为基于磁传感技术开发的新产品线, 主要面向工业应用例如充电椿、光伏系统、及电源供应系统等。
磁传感器 篇5
1 数据融合传感器阵列
多传感器数据融合在运用过程的各阶段(例如模型建立、特征提取、目标识别等)需要各种各样的传感器。由于没有哪一类传感器的各种性能指标都绝对比其他类型传感器好,因此在一个系统中,需要同时采用多种类型的传感器,以提高系统检测、识别、分类和决策能力。本文根据系统的需要使用了两类传感器:电磁感应式传感器和霍尔传感器,利用它们之间产生的冗余信息进而检测出缺陷信号。数据融合系统结构如图1所示。
根据缺陷信号的特点以及环境要求,采用漏磁传感器阵列进行数据采集[2]。为提高检测灵敏度,减小钢管表面接触噪声和温度影响,由32个传感器组成的传感器阵列,贴敷在与钢管表面吻合的耐磨块内,形成探头。传感器被分为两组,每组16个。一组由16个电磁感应式传感器组成,另一组由16个霍尔传感器组成,两组交替分配在探头表面。传感器阵列传送出来的两组32路信号经过预处理之后被送到融合中心进行数据融合。
1.1 电磁感应式传感器[3]
电磁感应式传感器的工作原理是:当它贴着钢管表面扫查时,钢管缺陷产生的漏磁场会引起穿过线圈的磁通量变化,从而使电磁线圈中产生感生电动势,形成缺陷信号。当检测用的电磁线圈与钢管做相对运动时,检测漏磁场的线圈所产生的感应电动势Uc为:
式中,n为线圈匝数,Φ为线圈中通过的漏磁场磁通量;B为漏磁场的磁通量密度;S为线圈的横截面积,t为线圈运动时间。电磁感应式传感器能够在很大的温度范围中应用,且工作寿命长、抗灰尘、抗水和抗油污的能力强,即能耐受各种环境条件及外部噪声。
1.2 霍尔传感器[3]
霍尔传感器检测漏磁信号的工作原理是:当电流I沿与磁场B的垂直方向通过时,在与电流和磁场垂直的霍尔传感器两侧便产生霍尔电势Hr:
式中,RH为霍尔系数;KH为霍尔系数RH与霍尔传感器厚度t之比,称为霍尔元件灵敏度。当霍尔系数RH与电流一定时,霍尔电势Hr只取决于磁场B的强度而与漏磁场的运动速度无关,因此,霍尔传感器不会受到管线检测的非匀速性的影响。
2 信号预处理
对于多传感器测量的漏磁缺陷信号数据,为了保证测试的准确性,系统取得信号之后,首先要对信号进行预处理,滤除各种外界干扰和各种噪声,获得正确的测量粗值。一般有两种方法:一是进行平滑处理,实际算法可通过滑动中值平滑器来实现;二是剔除粗大误差,可采取数据相关剔除法与信号平滑法同时进行,将来自多传感器具有相关性、互补性和冗余性的数据进行数据融合。这种方法可以充分利用被测目标在时间与空间上的信息,对被测量进行精确描述[4]。因此,多传感器融合的结果比单个传感器的测量值更为准确。
本文对漏磁缺陷信号使用小波降噪算法,该方法首先将每个传感器的测量值用小波阈值的方法去噪,以减小噪声对传感器测量值的影响。为了更好地重建传感器信号,可将各个传感器测量值进行归一化处理,然后再送入RBF神经网络的数据融合中心进行融合。对缺陷信号采取小波分析可以突出缺陷点,经过小波分析后可将缺陷信号的局部模极大值及其位置以及漏磁信号的波形特征等作为特征信息,用来区分不同的缺陷。
2.1 信号模型
在漏磁信号采集过程中,假设有N个传感器对同一缺陷的不同位置进行测量,每个传感器得到的漏磁信号测量值记为Xj(j=1,2,3...N),在测量过程中存在内部和外部噪声影响,测量值可以表示为:
Xj(n)=S(n)+ej(n) j=1,2,3...N (3)式中,S(n)为真实的被测量值,ej(n)(j=1,2,3...N)为第j个传感器在n时刻的加性噪声,Xj(n)为第j个传感器在n时刻的实际测量值。由于每个传感器受到噪声干扰的程度不同,所以实际测量值偏离真实的被测量值的程度也是不同的。
2.2 小波阈值去噪
小波去噪的方法主要通过设置阈值来实现,对漏磁信号的离散小波变换,计算所有小波系数,剔除被认为与噪声有关的小波系数,然后通过小波变换的逆变换得到信号。对于给定的信号,选取阈值的方法很多,本文使用的是基于Stein无偏风险估计值最小化(SURE)的方法:
式中的阈值t,得到它的是似然函数,然后使似然函数最小化,得到所需阈值。在VISU的方法中阈值的选取固定不变,而在SURE方法中,阈值是自适应变化的,可以更好地降低噪声对缺陷信号的影响[4]。根据经过小波处理后的漏磁信号缺陷波形,可以提取出缺陷的特征向量,用以作为神经网络融合中心的输入。数据融合可根据融合的层次和实际内容将其分成像素层融合、特征层融合和决策层融合。本文把经过小波降噪处理后的信号通过RBF神经网络融合中心进行特征级融合,以对信号进行定量分析。
3 RBF神经网络融合算法
常用的数据融合方法包括神经网络、聚类算法或模板法。其中,人工神经网络具有学习、记忆、联想、容错、并行处理等卓越功能,在拓扑结构、权重自适应等方面应用灵活,已在计量测试仪器标定、故障诊断中获得广泛应用。在多传感器测量系统中,采用数据融合技术可为系统带来多方面的益处[5],如增强系统的稳定性、增加系统的可信度及提高系统的检测能力。由于BP神经网络收敛速度慢,网络训练时间较长,且存在局部极小值的问题,RBF神经网络比BP神经网络具有更快的学习特征,其逼近能力更强。因此,本系统选用RBF神经网络作为融合中心的特征层融合器进行融合训练。
3.1 RBF神经网络结构[6]
RBF神经网络结构图如图2所示,第一层为输入层,用作特征信息融合信息采集,构成输入样本空间X;第二层为隐含层,用作将输入样本空间映射为高维的径向基函数空间,即对输入信息空间X进行特征提取。隐含层节点参数向量包括中心值Ci和标准偏差σi;第三层为输出层,ωi为第i个基函数与输出节点的连接权值,输出为Y,径向基函数选择高斯函数,如下:
式中,m为隐含层节点数,‖·‖为欧几里德范数。
RBF神经网络学习过程分为两个阶段:第一阶段,根据所有的输入样本确定径向基函数及其参数,即确定隐含层各节点的高斯函数的中心值和标准偏差;第二阶段,在确定隐含层各参数后,根据样本,采用梯度下降算法,求出输出层的权值。
RBF神经网络算法主要是通过调整连接权值,使输出层与期望输出逐渐趋于一致。根据最小均方差原理(MSE),当误差指标处于某一个范围之内时,则可以停止运算,表示网络训练成功。
3.2 神经RBF网络参数选取及权值更新
在融合中心,RBF神经网络的结构参数有径向基函数的隐含层节点数、中心值和标准偏差。节点数越多,学习能力越强,合理的节点数可通过训练得到最佳值。确定中心值和标准偏差可采用简单有效的聚类算法K-均值聚类算法。该方法具有实现简便、运算量较小、抗噪声能力强以及识别率高等优点,可以很好地解决建模样本分布不合理的问题。标准偏差的大小影响径向基函数对输入的响应,标准偏差太小则基函数只能对输入数据附近的很小区域做出响应,标准偏差过大则可能丢失固有的局部信息,模型精度也较差,因此标准偏差的选取应在一个稳定区间内进行。
本文利用梯度下降算法确定连接权值。假设总误差为:
式中,p(xj)为第j个训练样本的期望输出;y(xj)为网络实际输出,n为训练样本总数。
式中,Yi(xj)为隐含层第i个基函数的输出;为连接权值ωi的更新值;η为学习步长,一般为在0.2～0.9之间选取[7]。
4 实验仿真分析
本文采用MATLAB软件进行仿真实验,通过提供的40组人工裂缝的样本,对RBF神经网络系统进行训练学习和模式识别,并在学习初期对输入数据进行了预处理,通过样本训练逐渐生成最佳的RBF期网络[8]。另取10组测试样本数据作为输入,用MATLAB软件进行模拟仿真,同时利用RBF神经网络对其进行深度评估,并与常规BP神经网络进行对比,其实验仿真结果如表1所示。
仿真实验结果表明:利用RBF神经网络融合能比较精确地检测到信号缺陷深度,在学习能力和检测精度上,RBF神经网络均优于常规BP神经网络,该方法的平均绝对误差一般为2.69%,而常规BP神经网络的平均绝对误差为5.47%。可见,前者检测效果明显好于后者。
在漏磁缺陷信号中,利用小波降噪预处理可以在有效降低噪声影响的同时,最大程度上保留了缺陷的特征信息;采用漏磁传感器阵列,一定程度上克服了原有单传感器系统的检测误差;基于RBF神经网络的漏磁信号数据融合处理,可对裂纹深度检测的同时进行定量分析。实验结果表明,RBF神经网络不仅具有很快的学习速度,而且能够有效地提高检测的精度和准确率,消除信息的不确定性,提高传感器的可靠性。
摘要：漏磁检测以其高信噪比、高灵敏度和高检测效率，在无损检测中得到了广泛应用。随着科学技术的发展，传统的信号处理方法越来越不适应现代工业的需要，提出一种基于多传感器数据融合技术的漏磁信号处理方法。采用小波去噪的方法，并利用径向基函数(RBF)神经网络的数据融合技术对缺陷信号进行检测处理。仿真结果表明，采用这种方法可以有效提高系统的检测能力和信号精度。
关键词：漏磁检测,多传感器技术,数据融合,小波去噪,RBF神经网络
参考文献
[1]杨万海．多传感器数据融合及其应用[M]．西安：西安电子科技大学出版社，2004．
[2]何辅云，董文雯，王爱民．在役管线无损检测设备的研究[J]．合肥工业大学学报：自然科学版，2004，27(7)：738-741．
[3]刘爱华，满宝元．传感器原理与应用技术[M]．北京：人民邮电出版社，2006．
[4]刘青松，戈迪，钱苏翔．小波去噪和数据融合及在线监测系统中的应用[J]．微计算机信息，2006，22(12)：117-119．
[5]LUO R C,KAY M G.Multi-sensor integration and fusion in intelligent systems.IEEE Trans on System,Man and Cybernetics,1989,19 (5):901.
[6]李鸣鸣，龚振邦，欧阳航空，等．实验数据RBF神经网络模型中噪声的处理方法[J]．光学精密仪器(增刊)，2005，13(11)：227-231．
[7]林嘉宇，刘荧．RBF神经网络的梯度下降训练方法中的学习步长优化[J]．信号处理，2004，18(1)：43-48．
磁传感器 篇6
恒流源在测量领域和工程技术中都有着重要的用途, 目前恒流源的设计方法有多种, 最常见的是场效应管恒流源和二极管恒流源, 但其电流值有限, 稳定度较差, 并且难以调节, 在文献[1,2,3,4]中对此做过一定的论述。本文将介绍一个新型实用的恒流源电路, 用于压磁传感器的测量, 并详细说明其工作原理。
1程控恒流源系统的设计
由于温度对集成电路参数的影响不如对晶体管和场效应管的影响显著, 本设计尽量采用集成电路取代分立元件。本文提出的恒流源以单片机为核心, 结合ADC和DAC转换, 实时采集工作电流, 并送单片机进行计算处理, 然后输出合适大小的电压, 使传感器工作在恒流状态。程控恒流源原理图如图1所示。
2程控恒流源电路的设计
程控恒流源由1 MHz有源晶振产生正弦波后经2片串联的74HC390进行1 000分频后得到1 kHz的方波, 该方波再由五阶低通滤波芯片MAX7410转化为正弦波, 送往乘法器AD734AQ的X1管脚。传感器的实时工作电流由电流互感器采集转换成电压信号后, 由真有效值芯片AD736转化为正弦电压信号的有效值, 再由程控D/A转换芯片LTC2606将电压的数字信号传送给AT89S52单片机进行计算处理, 处理结果由A/D转换芯片AD7705转换成模拟信号输出到乘法器AD734AQ的Y1管脚。2个信号相乘后经功率放大器TDA2040和变压器供给传感器工作。
电路中的关键部分是以单片机为核心的ADC和DAC模块, 其电路图如图2所示。
其中, LTC2606和AD7705的参考电压输入管脚接AD780电压转换芯片, 以提供可靠的参考电压。
3程控恒流源工作原理
整体电路的工作原理可由式 (1) 、式 (2) 说明:
式中:U基为乘法器X1管脚的输入电压;U信号源为乘法器Y1管脚输入电压的有效值;A乘法器为乘法器增益;A放大电路为功率放大电路和变压器总的电压增益;R传感器为压磁传感器的等效阻值;I为传感器的实时工作电流;i为电流互感器线圈匝数比的倒数;R采集为电流互感器采集电阻阻值。
传感器的初始阻值、U信号源、A乘法器、A放大电路、i和R采集在硬件电路搭接完毕后为确定已知, 因此当R传感器随着测量的进行产生变化时, I也会随之变化, 所以只要通过反馈电路即时改变U基, 即可达到传感器恒流工作的目的。本设计通过单片机可计算得出所需的U基。具体计算过程如下:
先计算出传感器即时工作电流:
然后根据工作电流求出变化后的传感器阻值:
最后根据当前传感器阻值求出使之在I设定下工作需要的U基。I设定为传感器规定的工作电流。
4程控恒流源的程序流程图
程控恒流源的程序流程图如图3所示。
5结语
综上所述, 该程控恒流源有如下优点:
(1) 在程序代码中, 根据硬件电路设定相应计算参数后, 即可通过程序精确控制, 达到良好的恒流效果, 从而满足压磁元件恒流工作的要求, 并适用于各种阻抗类传感器。当传感器变更时, 只需改变代码中相应参数即可。
(2) 尽量避免使用分立元件, 多采用集成电路, 克服了分立元件容易受到环境变化影响的缺点。
(3) A/D和D/A转换芯片均采用16位精度, 提高了恒流源的可靠性。
本设计利用反馈原理, 使用现代集成电路代替分立元件, 并加入代码精确计算控制反馈输出量, 使得恒流源能达到很好的恒流效果。
参考文献
[1]尉广军, 朱宇虹.几种恒流源电路的设计[J].电子与自动化, 2000 (1) :45-46.
[2]于军.基于STC89C52的程控恒流源的设计[J].今日电子, 2009 (12) :42-47.
[3]何燕飞.恒流源综述[J].益阳师专学报, 2002 (11) :23-25.
[4]翟玉文, 艾学忠, 杨潇.实用恒流源电路设计[J].电子测量技术, 2002 (5) :25.
[5]童诗白, 华成英.模拟电子技术基础[M].北京:高等教育出版社, 2001.
[6]左广云, 杨勇.基于LPC2124的精密恒流源设计[J].机械与电子, 2009 (35) :495-517.
磁传感器 篇7
1 探测器的设计
地球磁场是表示地球磁场大小和方向的物理量, 地球磁场在三维坐标系中可以将地球磁场分为垂直分量和两个水平分量, 本探测器的设计采用三轴数字磁传感器HMC5883L就是采集这三个分量的值。地球的平均磁场强度约为0.5高斯~0.6高斯均匀分布[2], 静止车辆对车下磁场的扰动基本上在0.2高斯左右, 车辆在车位上停放时引起的地磁场扰动如图1所示[4]。通过测量车下磁场的变化量判断车位上是否停有车辆。
三轴磁传感器HMC5883L的三轴的指向如图2所示, X轴和Y轴为两个水平磁场测试轴, Z轴为垂直磁场测试轴。HMC5883L与MCU之间通过I2C总线进行通信, HMC5883L外围需要连接两个容值比较大的电容C1和C2, 其主要作用是储存电量在定时给芯片内部消除由于外部强磁场造成的磁滞提供比较大的瞬时电流以消除该磁滞, 电路连接图如图3所示[3]。设计中MCU选用TI的低功耗单片机MSP430G2553, 在单片机处于低功耗传感器处于空闲模式时整个节点的工作电流为2.4u A左右[5], 工作采集一次的平均工作电流为32u A*H, 总的工作电流为34.4u A*H, 两节3000m A*H的电池总够其工作两年时间。
2 实验测试
探测器节点检测的是车下地磁场的变化, 因此需要测试车辆在静止状态时车下磁场的分布情况。这个实验中主要检测车辆底部及周边附近的磁场相对于地磁场的变化量, 实验测试点如图4所示, 图中红点表示测试时探测器所在的相对于车的位置。其中1号点位是测量地磁场的位置。
实验测试的数据如表1所示, 表中的数据是测试的各个点相对于1号点测试磁场的三轴平方根植。
实验表中有阴影的部分的数据是在车下测量的结果, 从表中显示的测试结果可以看出, 车下磁场的变化值相对于车辆周围附近的变化值要更加显著, 尤其是在前后车轴的下方是变化更大汽车前部磁场变化比较大是因为发动机在前边对地磁的扰动比较大。因此可以依据此实验测量的结果, 当将探测器安装在车轴下方附近, 并选择合适的阈值时可以滤除周围车辆的影响使探测达到很高的精度。
3 结语
从实验的数据中可以看出, 车辆对其下方的地磁场有一比较大的扰动, 探测器测量的磁场的数据相较无车时稳定的地磁场有明显的变化, 可依据此检测出停车位上是否有车辆停放。后续验证试验证明, 探测器能够正确检测停车位上车辆停放信息的概率大于98%, 而不受相邻车位及道路上行驶车辆的影响。因此以三轴数字磁阻传感器为核心设计的低功耗探测器必将在智能停车场以及停车场管理系统中得到广泛的应用。
参考文献
[1]沈冬萍, 廖传杰, 徐新歌, 陈文芗各向异性磁传感器在车辆检测中的应用[J].厦门大学学报, 2009, 11[6]:827-829.
[2]潘霓, 骆乐, 闻育.基于磁阻传感器的车辆检测算法综述[J].计算机工程与应用, 2009, 45[19]:245-248.
[3]霍尼韦尔磁传感器公司三轴数字罗盘IC HMC5883L[OL].
[4]霍尼韦尔磁传感器公司Application Note AN218Vehicle De-tection Using AMR Sensors[OL].