环境参数检测（共7篇）
环境参数检测 篇1
摘要：作者根据自己对于智能小车系统设计的学习与研究, 进一步探讨了关于其系统的实际应用。文中作者深入分析了将智能小车用于交通环境的参数检测的课题, 希望可以通过本文的研究为从事该行业的同仁们提供一定的新想法。
关键词：交通环境,参数检测,智能小车,系统
1引言
伴随着城市的不断发展进步, 各个地区的交通繁忙情况日益凸显, 而且交通事故的发生率也有不断攀升的趋势, 因此对于交通环境参数检测的要求也就越来越迫切。如何可以更加有效的对交通系统进行分析, 科学的管理现有的交通网络, 是改善城市交通环境的首要难题。
智能小车拥有环境感应、数据搜集以及规划管理等多种先进功能, 如果对其功能加以善用, 就可以实现其用于交通环境参数检测的功能。更值得关注的是, 智能小车比常用的交通环境检测设备快捷、高效、低成本。
2智能车简介
2.1 何为智能车
智能车绝不是我们普通印象中的类似科幻片中可以自动驾驶的车辆, 它是指那些拥有完善的导航系统, 并且具有全球定位功能, 以及可以接受信息中心传来的资料信息的新型车辆。
2.2 智能车的应用
这类车辆的在民间的使用多是可以保证车辆使用人在安全的条件下进行驾驶, 通过其对道路交通环境的参数检测以及系统中的交通数据资料进行分析, 提供给驾驶者最为安全的驾驶选择。同时, 其可以快速的分析当前的道路交通现状, 周围行驶的车辆状况等信息, 准确的给出最适合的行驶对策, 是驾驶中相当重要的辅助因素。
3参数检测系统研究
3.1 系统设计原则
该类系统的设计牵涉到许多方面的协调, 因此是一项十分负责的工程, 虽然如此, 但是在设计的过程中仍然有一些基本的原则需要遵循, 作者对这些原则进行了大概的总结和归纳。
首先, 系统的道路交通环境参数检测需要利用到GPS系统、电子传感器系统以及数据搜集系统。这些在整个的智能交通平台开发和研究中不可或缺, 可以为交通平台的运作提供良好的检测平台。该系统的核心作用是:即时搜集多项车载传感器所提供的交通环境参数, 同时依据系统预设格式妥善的储存这些数据;利用系统中设置的各类传感器信息分析算法针对每个传感器所采集的参数进行数据数学处理, 从而验证各种多传感器信息融合算法, 同时在验证的过程中还能够进一步的对比各种算法自身的优势与不足, 不断地改善和升级系统算法;上述算法综合计算出来的最终结果对于提高定位系统的准确度, 提高数据采集系统的稳定性, 以及提高对周围交通环境参数的检测都有重要的积极作用, 通过这些结果驾驶者可以得到更加明晰的驾驶指引。
3.2 参数检测系统实际应用案例
(1) 智能车参数检测开发虽然仍属于一个比较新的科研领域, 但是国内已经有科研机构对其进行了探索。下图就是国内的科研机构由自己的科研团队自主开发的智能车参数检测实例。
该研究团队自行开发的智能车基础平台。该项目的研究目的就是在真实可靠的平台基础上, 针对真实的道路交通环境、针对现代交通网络对于环境参数检测以及监控的要求, 分析智能车在定位和对周围交通环境的感知能力。系统设计中还分别标注了该系统中各个传感器的设置, 并将其划分为定位和环境感知两大基本类型。该项目针对算法的科研重点是利用多种不同功能传感器的协调配合, 最大程度上实现高精准的定位、地图绘制、不固定周边因素的检测统计以及归类。
(2) 系统在其基本的设置基础上, 通过科研团队的调试与修正, 最终成功的实现了图2所标注的各项功能, 下面我们分别来对其进行具体分析。
图1 (a) 是团队选择的测试路线。该智能车以英杰交流中心为始发点, 经由图中箭头标注的路线, 进行整个测试路线的行驶, 在这一过程中系统的各个组件功能全部开启, 行使自己的设定功能, 这段测试路线的长度为4.5Km。试验车由科研组成员负责驾驶, 融入线路中的正常车辆之中, 线路全程所需时间大概17分钟。这次线路测试的目的就是要检验系统中预设的算法的准确性, 具体来说就是高精准的定位、地图绘制、不固定周边因素的检测统计以及归类。图1 (c) 是采集定位数据和激光扫描所得数据, 图1 (b) 是将采集结果整合之后的画面放大图像, 图像中不仅显示了环境的固定信息, 比如:绿化、建筑等;还显示了环境的可变信息, 比如:路上行人位置的变动、周围车辆的分布情况、周围车辆的移动速度、周围车辆的移动方向等, 以上这些数据对于交通网络的智能管理有很大的帮助, 提供了基础数据流。图1 (d) 是系统通过对上述采集数据的分析之后, 给出的行驶建议画面, 其中显示了试验车在本过程中的历史行驶数据和当前所处具体位置的数据, 同时还提供了对环境的固定信息的检测结果、环境的可变信息的检测结果等综合数据。经过以上的数据处理, 驾驶者可以得到最好的安全提示数据, 从而进行最优的驾驶方案选择。图1 (e) 则对移动目标的识别过程进行了影响分析, 对移动目标的记录数据进行整理。图1 (f) 是最终通过对实验所有数据的整合而重建出的三维实景图。
4结束语
综上所述, 智能车系统对于道路交通环境参数的检测有着巨大的帮助, 是未来智能交通网络管理的发展大趋势, 值得行业内的企业以及机构加大科研力度。因为其牵涉到很多方面的工作, 是一项复杂的系统工程, 因此各个部门之间的合作也十分关键。最后, 这毕竟是一项较新的科研领域, 还有很多深层次的问题需要进一步的研究和探讨, 希望大家共同努力来提升我国在这方面的科研水平。
参考文献
[1]田强;姬长英;单片机和THB6128构成的步进电机控制器设计[J];江西农业学报;2010年05期
[2]尹念东;智能车辆的研究及前景[J];上海汽车;2002年04期
[3]朱建林;郭有贵;上位机与下位机通信的设计初步[J];可编程控制器与工厂自动化;2005年01期
汽车制动性能检测参数分析 篇2
为提高汽车行驶安全性, 降低公路交通事故率, 实施强制性的汽车安全性能定期检测制度, 尽力保障在用汽车安全技术状况良好, 是世界各国车辆管理部门加强车辆管理的重要措施。汽车制动性是汽车主动安全性的主要性能之一, 总体上, 汽车制动性能检测方法可分为道路试验检测法和台架试验检测法。道路试验检测法是评定汽车制动性能的最基本的方法, 但路试制动检测只能判定制动系的总体状况, 不易判别故障发生的具体部位;受试验场地和气候条件制约较大;且效率低。台架试验检测法检测过程是:受检汽车驶上测试台架、检测制动、驶离台架, 便完成了检测作业。台架会自动显示、打印出检测数据和结果, 并给出制动性能合格与否的评价结论。因此, 面广量大的在用汽车制动性检测一般都是采用台架试验检测法。路试检测主要针对轴荷超过检验设备允许承载能力的车辆, 多轴无法上线的车辆或只是在必要时用来验证台试结果的可靠性。
2 汽车制动性能主要检测参数分析
2.1 制动协调时间分析
汽车在道路上实际行驶时, 汽车制动减速过程基本上要经历这样几个阶段:驾驶员得到制动信息、发出制动指令 (这里所经过时间与制动检测无关, 属人为因素) ;制动器起作用产生制动力、路面生成制动力、出现减速度汽车稳定减速直到停车;解除制动, 彻底释放制动力。将汽车一次制动过程的各个阶段适当简化, 按时间为横坐标 (t) 分解显示, 汽车制动减速过程见图1。图1 a) 为制动时踏板力与制动时间的关系;图1b) 为制动力 (制动减速度) 与制动时间的关系;图1c) 为制动时车速与制动时间的关系;图1d) 为制动时制动距离与制动时间的关系。
汽车行驶过程, 从驾驶员意识到需要制动, 到出现制动踏板力的这段时间, 一般称为驾驶员反应时间, 即图1a) 和b) 中的t1这段时间。驾驶员反应时间取决于驾驶员的反应灵敏性, 与汽车制动系技术状况无关, t1一般为0.3~ls。驾驶员开始踩制动踏板, 经消除踏板自由行程后, 制动踏板力 (Fp) 才开始增长。制动踏板力由零增大到最大值也需要一定的时间, 图1a) 中的t2为制动踏板力增长时间。由于制动传动系统存在间隙, 制动蹄片与制动鼓 (盘) 间存在间隙, 以及要克服蹄片复位弹簧的拉力等原因, 虽然出现了制动踏板力, 却要经过一定的时间才出现路面制动力。制动力不随踏板力同步出现的时间差, 如图1b) 中的t21所示, 称为制动系响应时间一般液压制动系的响应时间为0.015~0.03s, 气压制动系为0.05~0.06s。从出现路面制动力到路面制动力增至最大值所经历的时间, 称为制动力增长时间, 如图1b) 中的t22。液压制动系制动力增长时间为0.15~0.3s, 气压制动系制动力增长时间为0.3~0.8s。
t2=t21+t22总称为制动系的作用时间, t2一般在0.2~0.9s之间。对于制动器结构形式确定的在用汽车, t2的长、短不仅与驾驶员踩踏板的速度有关, 还与制动系统的技术状况 (如踏板自由行程、制动传动系统间隙和制动器间隙等因素) 直接相关。制动力达最大值后, 其值基本不变, 称为持续制动过程, 即图1b) 中t3所示的过程, t3称为持续制动时间。制动结束, 驾驶员松开踏板, 制动踏板力立即消失, 但制动力的消除还需要一定的时间, 如图1 b) 中的t4所示, 称为制动释放时间。
通过分析可知, 仅用制动力参数是不能全面评价制动性能的。因此, GB7258规定, 在用制动减速度参数或制动力参数评价制动性能时, 必须同时测量制动协调时间, 两个参数必须同时达到要求, 才能判定为合格。
2.2 制动力平衡
汽车制动方向稳定性路试检测的常用参数是制动跑偏量。制动跑偏是汽车直线行驶制动时, 在转向盘固定小动的条件下, 汽车自动向左侧或右侧偏驶的现象。汽车制动跑偏主要是山于汽车左右轮制动力小相等或制动力增长的快慢小一致造成的, 特别是转向轴左右车轮制动器的制动力小相等或制动力增长快慢小一致。因此, GB7258和GA468都规定在制动力增长全过程中同时测得的同轴左右轮制动力必须满足平衡要求。在汽车检测实践中, 时常会出现这样的情况:有的汽车路试制动时, 方向稳定性比较好, 没有明显的制动跑偏现象, 但是在台架检测中却发现该车个别车轴的制动小平衡率超出国家标准而被判定为小合格:有的汽车路试中制动稳定性小好, 出现明显的制动跑偏现象, 但在台架测试中因为该车的制动不平衡没有超出国家标准而被判定为合格。这类情况在多轴车的检测中尤为突出。
2.3 制动力大小
汽车制动减速是由于制动时产生了制动力, 制动力是制动效能的基础, 是制动系工作过程的基本的输出参数。通常所说的制动力都是指路面制动力, 路面制动力不是凭空而生, 它是制动器的摩擦力矩 (即制动力矩) 在具体道路条件下的体现。制动器制动力是路面制动力的源泉, 只有在足够大的制动器制动力的条件下, 才能充分利用路面附着条件产生最大的路面制动力。在用汽车的制动器制动力的大小完全取决于制动系的状况, 制动系结构参数的变化最终都体现为制动器制动力的变化, 制动器制动力是最重要的表征制动系技术状况的参数。当前国内外制动系台试检查标准, 普遍采用制动器制动力作为制动性检测参数。
在汽车制动过程中, 瞬时制动力的曲线的形状复杂, 图2显示的制动力与制动时间关系的图形, 是EQ1090型汽车制动试验 (制动初速度29.7km/h, 制动气压0.6Mpa) 时的右前轮制动过程的实测数据。从图可见, 驾驶员踩着制动踏板后, 经过一定的传递时间, 制动力逐渐增大达最大值, 车轮已充分利用路面附着条件, 车轮立即抱死, 车轮将迅速由滚动变为滑动, 制动力也随之降低, 且不断波动。对此, 我国车辆制动性检测标准或法规中未明确规定, 但是在用反力式制动台检测制动力的具体实践中, 都是以峰值制动力作为检测参数的。制动力是产生汽车制动减速度的原因, 制动力的变化方式不同导致制动减速度的变化方式改变, 汽车的制动性能不宜用最大制动减速度来评价, 汽车持续制动阶段的MFDD可较好地评价汽车的制动性能, 因此, 若用制动力参数来评价汽车的制动性能, 则应采用类似MFDD方式定义的制动持续阶段的平均制动力参数。此外, 不管是普通制动系统还是装备ABS的制动系统, 若其制动器存在制动鼓失圆或制动盘翘曲变形、磨损不均匀、局部材质变化及脏污等问题, 导致制动蹄 (块) 与制动鼓 (盘) 接触状况不佳, 则持续制动阶段制动力的波动幅度会更大, 为更全面评价制动性能, 还应增加制动持续阶段的制动力变化范围参数。因此, 为全面评价汽车的制动性能, 应当采用制动持续阶段平均制动力和制动力变化范围两个制动力参数, 并结合制动协调时间参数。
参考文献
[1]刘洋.关于汽车制动性能有关问题的探讨[J].盘锦市运输管理处.北方交通, 2006.
[2]陈凯.汽车制动性能检测方法研究[J].机械与电子, 2005.
孤网检测方法优化及参数设置 篇3
关键词：孤网检测方法,优化,参数设置
引言
随着电网的不断发展, 人们对电网的需求不断升高, 微电网已成为电网发展的趋势。分布式能源的不断加入, 对电力系统的设计提出了更高的保护需求, 通常称之为“解列保护”。当电网出现故障时, 需要形成孤网, 以自动将大电网与孤网分离[1]。当大电网与分布式发电设备分离时, 会出现一个继续给负荷供电的“孤岛”, 但其存在一定的危险性: (1) 当电压频率偏差较大时, 负荷需要降容运行, 影响正常运行; (2) 当断开后, 孤网与大电网之间的相位存在差异; (3) 危及人生安全。因此, 对PCC的检测尤为重要, 必须及时准确检验出孤岛运行。
1 孤岛检测方法描述
传统的孤岛检测分为主动检测、被动检测、通信检测。被动检测分为电压阀值和频率阀值保护、检测谐波电压、检测相位突变、电压偏差和频率偏差。主动检测包括阻抗检测法、SMS、SFS、SVS、ADF、频率突变法和阻抗插入法。通信方法包括采用通信手段、切断电路产生信号、SCADA。本文采用被动检测与主动检测结合的方法, 用频率偏差与Sandia频率检测法互相补充, 进行孤岛检测。被动的频率偏差法是测量连接点频率的变化, 当变化程度超过极限值时, 就会触发继电器的动作, 但会因大负荷的启动而触发。Sandia频率检测法主要利用频率的变化, 该方法会加速偏离, 从而检验出孤岛效应[2]。
2 孤岛检测方法分析
2.1 首次检测
在研究孤岛检测时, 通常采用并联RCL电路模拟本地负载, 如图1 所示, PCC为公共耦合点。
首先进行节约成本、容易实现、原理简单的被动频率偏差检测。利用检测公共耦合点PCC的频率, 来判定系统是否发生孤岛效应, 当发生孤岛效应时, 逆变器发出的输出功率与本地负荷频率不一样, 且与原频率都发生改变。若频率变化超出设定的阈值, 则可能发生孤岛效应。一旦检验到频率超过正常范围, 则断定发生孤岛效应, 与大电网切开进行孤岛运行[3]。
2.2 二次检测
2.2.1 检测描述
对于第一次检测, 当微电网中的本地负荷与各分布式电源输出的功率接近匹配时, 频率变化较小, 致使NDA较大, 对孤岛检测存在隐患[4]。对上述现象, 可进行二次检测, 利用主动检测Sandia频率检测法。SFS孤岛检测与带线性正反馈AFD方案不同的是初始频率不同, 可明显改变并网系统输出电流谐波水平[5]。SFS是AFD的扩展, 对DSP控制并网的逆变器而言, SFS易于实现。它通过正反馈逆变方法应用于逆变器输出电压频率, 加大频率差异。其工作过程通过检测逆变器输出电压频率, 进而控制并网电流频率, 使其满足公式 (1) :
式 (1) 中, fi (n+1) 为第n+1 周期的逆变器输出电流频率设定值;Ks为第n周期的电网电压监测频率;ks为频移系数;f0为电网电压经低通滤波器后的滤波频率[6]。
2.2.2 参数设计
由上述分析可知, 孤岛发生时, 系统会自动跟踪fr。设计ks时, 必须考虑fr落在安全带内时也能通过合适的正负频移顺利实现孤岛检测, 同时也要考虑ks取值过大会向电网注入大量谐波。在此, 主要讨论在保障电能质量基础上能顺利检测出孤岛[7]。孤岛后第n+1 个周期, 此时逆变器输出电流频率为fi (n+1) 。由负载引入的 ϕ 可用时间量ΔT表示为公式 (2) 。
正频移时, 由逆变器输出周期关系可得出公式 (3) 。
联立式 (1) , (2) 和式 (3) 可得式 (4) 。
为消除落在安全带内的fr, fr必须保证在系统到达fr后能继续进行正向频移。应满足公式 (5) 。
联立式 (1) , (4) 和式 (5) 可得公式 (6) 。
但是, ks的取值不仅要保证与fr跟踪趋势相反, 且必须保证系统频率在最大保护时间内要跳出频率安全带, 进行孤岛保护[8]。这个可应用AFDPF的控制思路, 孤岛后可在每个电压监测周期加入一定量的扰动频率fc, 确保能在较短时间内检测出孤岛。能维持正频移的限制条件为 (7) 。
简化可得:
fc影响时间 Δt由具体孤岛检测时间要求决定, 通常为微秒级, 由式 (8) 可知, 对于给定品质因数, ks的最小值由实际频率fu (n) 决定。Qf=2.5 时, 可作出ks最小取值曲线。
与期望的一样, 保护频率带增加, 则ks最小取值减小, 而在50Hz时, ks的值趋于无限, 对于实际工况 (保护频带宽为 ±0.5Hz) , ks取3 即可。
当电网存在时, 逆变输出端电压频率, 此时频移加速被抑制。当电网断电后, 逆变器输出端电压频率为:
又可推得:
由式 (10) 可见, 孤岛时, 逆变器输出交流电压频率fu (n+1) 通过ks加速偏移, 很快进行频率保护, 保证了反孤岛的发生。
3 仿真实验
应用软件PSCAD/EMTDC构建仿真模式, 对孤岛检测进行验证。根据IEEE Std, 按上述模拟RCL电路, 选择数据:R=6, L=7.5m H, C=1300, 频率为50Hz。经过IEEE标准选择K, 范围为3 ~ 5 为最佳。应用上述K选取法则, 实现无NDA。
由仿真结果可知, 在最差情况下, 引用SFS方案作用后, 约3 个周期可检测到孤岛的发生, 满足IEEE Std 929 ~2000 的规定[9]。
在CTM-2KS上把传统ADF与上述SFS方案进行对比, 通过XINT1 引脚的电网电压零相位信号和采样电网电压信号来防止孤岛现象。
电压断开后, 通过SFS主动式反孤岛算法, 能及时检测出孤岛效应, 进而下一步动作, 最终逆变器输出电流为零, 较好地实现的反孤岛效应, 如图3 所示[10]。
4 结论
孤网检测技术是微电网在特定情况下由并网运行模式到孤岛运行模式转化必不可少的前提条件, 提出易于DSP算法实现的Sandia频率检测法, 实现了无盲区孤岛检测方案。通过两种不同方法的结合, 快速经济检验孤岛现象。
参考文献
[1]任德曦, 胡泊.对加快我国核电发展的思考——基于我国能源、电力结构布局状况分析[J].福建行政学院学报, 2008, (4) :68-73.
[2]张群洪.中国可再生能源定价的SWOT分析与政策选择[J].福建行政学院学报, 2012, (2) :80-86.
[3]简方.我国能源危机产生的原因与对策研究[J].经营与管理, 2008, (11) :61-65.
[4]李峰, 李兴源, 郝巍.不间断电力变电站中分布式电源接入系统研究[J].继电器, 2007, (10) :13-19.
[5]张艳红, 杜欣慧, 张建伟.微电网控制技术的研究现状及发展方向[J].山西电力, 2011, (6) :28-31.
[6]李莉华, 李宾皑.微电网技术的研究与应用前景[J].电力与能源, 2011, (2) :124-126.
[7]郑漳华, 艾芊.微电网的研究现状及在我国的应前景[J].电网技术, 2008, (16) :27-31.
[8]朱永强.新能源与分布式发电技术[M].北京:北京大学出版社, 2010.
[9]齐志远, 王生铁, 田桂珍.风光互补发电系统的协调控制[J].太阳能学报, 2010, (5) :654-660.
农用车辆状态参数检测系统研究 篇4
近些年来, 以电子技术、检测与传感技术结合的农用车辆状态参数检测技术在农业生产中得到了广泛的应用[1,2,3,4]。农用车辆状态参数对车辆自动导航技术的研究起着非常重要的作用, 如何高速、高精度地检测农用车辆的各个状态参数, 是研究精细农业的前提和基础。农用车辆状态系数检测中所应用的传感器主要有GPS、电子罗盘、激光传感器、机器视觉传感器、角度传感器和速度传感器等。
车辆在农田工作时, 主要是针对田间信息和农用车辆的自身位姿决定导航策略的, 农田信息可以利用现有的GIS、机器视觉等技术获得, 而农用车辆和作业器具的位姿则要通过各种类型传感器得到。这些位姿信息主要包括车辆前轮转角、侧倾角、俯仰角和横摆角等。如何有效地获得各状态参数, 对农用车辆的导航起着非常重要的作用。
农用车辆状态参数检测离不开各类传感器的数据采集。现有传感器的数据类型主要有两种:一是模拟量的采集, 而模拟量的采集主要是通过A/D转化后与PC机或嵌入式计算机通信的[5,6,7];二是数字量的采集, 这种数据类型主要是通过RS232串口和PC机或嵌入式计算机通信的。本文研究的是在农用车辆状态参数检测系统中两种基本状态参数的检测:一种是以模拟量输出的拉线位移传感器;另外一种是通过RS232串口和PC机进行通信的电子罗盘。
1 检测平台的构建
农用车辆导航中主要是应用在拖拉机上安装PC机或使用嵌入式计算机进行计算的。对于实验阶段, 在Windows平台上利用车载PC机进行数据采集是一种行之有效的方法。检测框图如图1所示。
1.1 检测软件的选择
MFC (Microsoft Foundation Class Library) 中的各种类结合起来构成了一个应用程序框架, 其目的就是让程序员在此基础上来建立Windows下的应用程序, 这是一种相对SDK来说更为简单的方法。总体上来说, MFC框架定义了应用程序的轮廓, 并提供了用户接口的标准实现方法。程序员所要做的就是通过预定义的接口把具体应用程序特有的东西填入这个轮廓。Microsoft Visual C++提供了相应的工具来完成这个工作:AppWizard可以用来生成初步的框架文件 (代码和资源等) ;资源编辑器用于帮助直观地设计用户接口;ClassWizard用来协助添加代码到框架文件;最后, 编译通过类库实现了应用程序特定的逻辑。基于以上优点, 本平台应用VC++6.0MFC建立数据采集框架。
1.2 RS232串行通信方法
串行端口的本质功能是作为CPU 和串行设备间的编码转换器。当数据从CPU 经过串行端口发送出去时, 字节数据转换为串行的位。在接收数据时, 串行的位被转换为字节数据。在WINDOWS环境下, 串口通信的方法主要有两种:一种是基于Windows API (Application Programming Interface 即用户程序接) 函数;另一种是利用ActiveX MSComm 控件。
API 函数由于具有比较强的通信功能, 控制手段更为灵活, 所以可编出高质量的通信程序, 特别是在CPU 处理任务比较繁重, 且与外围设备有大量的通信数据时更具有现实意义。MSComm 控件是微软公司开发的、封装了串口通信的全部API 函数, 其优点在于使用者不必花费大量时间去了解复杂的API 函数。因此, 对于农业车辆导航中RS232串口通信, 通过MSComm控件可以高效和简单地解决。
2 传感器数据采集实验
2.1 模拟量输出的传感器数据采集
模拟量输出的传感器主要是通过A/D和D/A转化后与PC机或嵌入式计算机进行通信的。在农用车辆导航中, 应用最广泛是拉线位移式传感器。本文所研究拉线位移传感器的型号如表1所示。它的工作原理为:通过改变拉线的长短来改变输出电压值;通过A/D转换卡和计算机进行通信。这种类型的传感器主要应用在拖拉机前轮转角的测量以及拖拉机与牵引器具相对夹角的测量, 是一种绝对量的测量工具。A/D转化卡是北京中泰公司生产的PCI-8333型多功能模入模出接口卡, 它提供了一个函数库, 应用时只需要对板块进行初始化的设置, 然后调用所需要的库函数即可简单有效地进行数据的采集。
本实验利用此传感器拉线的改变来检测前轮转角的变化。对传感器进行标定实验后, 通过对前轮转角应用4次多项式标定曲线进行拟合, 相似度R2=1, 如图2所示。拟合公式为
y=0.001 2x4-0.021 5x3+0.199 4x2-4.895 5x-0.109 (1)
实验是在一个固定不变的前轮转角下进行测试的, 主要测试传感器的波动范围。通过前轮转角检测, 证明由于拖拉机的机械震动、检测电流等影响采集的数据稳定性, 如图3所示。数据波动范围很大, 最大值是14.98°, 最小值是2.96°, 数据波动达到了12.02°。由于A/D转换速度为1次/10μs, 所以采用简单的算术平均滤波法对采集的数据进行了滤波, 每采集1000个数据进行一次算术平均运算, 这样每采集一个有效数据所用时间为10ms, 完全可以满足应用需要。滤波后的数据如图4所示。由图4可以看出:通过滤波后的数据波动范围在0.34°内, 最大值8.33°, 最小值7.99°, 可以满足拖拉机对于前轮转角以及拖拉机与牵引农具的相对角的测量精度。
2.2 RS232接口的电子罗盘数据采集
RS232串口通信采用MSComm控件建立通信。控件包括一系列的属性、方法和事件, 它提供两种处理通信的方式: 事件驱动方式和查询方式。其中, 事件驱动方式是处理串行端口交互作用的一种非常有效的方法。MSComm控件中主要的属性如表2所示, 利用这些属性可以简单有效的完成电子罗盘的数据采集工作。
2.2.1 电子罗盘数据格式
实验用的电子罗盘是由陕西航天城科技有限公司生产的FNN-3300型, 可以测量拖拉机的侧倾角 (roll) 、俯仰角 (pitch) 和横摆角 (yaw) , 其主要技术指标如表3所示。输出RS232格式数据, 格式为“9 600, n, 8, 1”。每帧输出20字节16进制数。第7和第8字节输出俯仰角, 可测量导航车辆在农田中的坡度;第9和第10字节输出侧倾角, 可以测量拖拉机的侧倾量;第17和第18字节输出罗盘与磁北夹角, 在农用车辆导航中可以应用于横摆角的测量, 然后把输出的字节转换成10进制整数。俯仰角和侧倾角的计算公式为
角度值=整数/1 000/3.141 59*180 (2)
横摆角的计算公式为
角度值=整数/100 (3)
2.2.2 电子罗盘采集实验
本实验是利用MSComm控件在VC++6.0MFC平台上进行测量的, 分别测量了当前拖拉机的横摆角、侧倾角和俯仰角, 数据如图5、图6和图7所示。
通过实验得到电子罗检测速度平均为11.9个/s。从采集的数据可以看出, 横摆角检测波动是0.23°, 侧倾角度检测波动是0.12°, 俯仰角检测波动是0.18°, 可以满足农业车辆以及农具导航的速度与精度的需要。由于检测速度的影响, 需要高精度的数据可以采用基于车辆数学模型的卡尔曼滤波法对数据进行滤波, 这种滤波法不会影响数据的采集速度, 可以得到更加稳定的数据。
3 结论
本文研究并分析了应用于农用车辆状态参数检测系统中两种类型传感器的检测方法, 分别提出了以模拟量输出与RS232输出格式的传感器检测方法。采用拉线位移传感器和电子罗盘分别对拖拉机的前轮转角、横摆角、侧倾角和俯仰角进行了采集实验。由实验分析得知, 检测方法可以满足采集速度和精度的要求。
参考文献
[1]N D Tillett.Automatic guidance sensors for agricultural fieldmachines:A review[J].Journal of Agricultural EngineeringResearch, 1991, 50:167-181.
[2]T Chateau, C Debain, F Collange, et al.Automatic guid-ance of agricultural vehicles using a laser sensor[J].Com-puters and Electronics in Agriculture, 2000, 28 (3) :135-149.
[3]Bj.o.rn A strand, Albert-Jan Baerveldt.A vision based row-following system for agricultural field machinery[J].Mechatronics, 2005, 15 (2) :251-269.
[4]吴延霞, 赵博, 毛恩荣.农业车辆自动导航系统综述[J].农机化研究, 2009, 31 (3) :242-245.
[5]周俊, 姬长英.自主车辆导航系统中的多传感器融合技术[J].农业机械学报, 2002, 33 (5) :113-116.
[6]乔爱民, 程荣龙, 张燕, 等.基于PCI数据采集板卡的高精度传感器检测系统[J].工业控制计算机, 2008, 21 (5) :12-14.
环境参数检测 篇5
漏电保护器 (剩余电流动作保护) 是指能同时完成检测剩余电流, 将剩余电流与基准值相比较, 以及当剩余电流超过基准值时断开被保护电路的装置。一般来说, 检测元件、中间环节、执行元件是构成漏电保护器的三个基本环节, 在被保护装置正常运行中, 没有发生漏电或者触电事故, 电流互感器的二次测没有感应, 则漏电保护器不动作, 当线路出现事故时, 漏电或短路将产生漏电流, 在铁中心的磁通相量和发生变化, 则随之产生交变磁通, 电流互感器感应到电动势产生, 当达到预定值时, 驱动主开关自动切断故障线路, 实现保护。举例三相四线供电系统的漏电保护器工作原理示意图如下图1, 其中TA为漏电电流胡感应器, GF为主开关, TL为主开关的分股脱扣器线圈。
二、安装低压设备运行参数检查与保护装置的意义和重要性
自上世纪80年代以来, 我国工农业都取得快速发展, 尤其是人们生活取得了很大进步, 随着社会的进步和人们生活水平的提高, 电气设备和低压电气数量迅速增多甚至普及, 电气设备的广泛使用和人们用电知识的匮乏之间的矛盾日益突出, 因而带来的安全用电问题也越来越突出。据过来几十年的统计数据显示, 每年因为触电伤亡的人数达千人之多, 按用电量统计平均2.87人/千万kW·h, 相对于国外发达国家来说, 这是一个相当高的比例, 说明我国目前还处于安全用电的较低水平。在人们的普遍意识里, 高压电是十分危险的, 日常生活中常用的低压电并没有足够的安全意识。面对如此严峻的形式, 国外先进经验证明, 安装和使用漏电保护器对于防止触电伤亡具有十分重要的意义。低压运行参数检查与保护装置具有在检测到危险后能够及时自动的切断事故电路以预防重要设备的破坏, 维护电子设备和人身的安全, 所以低压运行参数检查与保护装置从效果上来看既具有可观的经济效益, 又具有广泛的社会效益。
(1) 提高了设备使用操作的安全性和可靠性。
(2) 出现事故时能够及时自动的切断漏电电流和短路电流。
(3) 建立了一个安全保护屏障, 极大的降低了人身触电后的伤亡事故后果。
(4) 减小了经济损失, 提高了社会效益。
三、漏电和谐波等参数处理方法
1. 漏电流检测分析法
自我国目前运行的低压电力系统和电网设备中主要采用的是中性点直接接地的三相四线制电网, 当A、B、C三相电压相等且三相漏电阻抗完全对称时, 三相对地漏电电流的矢量和为零。但是在实际的电网运行中, 漏电阻抗通常是不平衡的, 多以漏电电流是一直存在的。漏电电流值从一个数值变化到另一个数值是需要一定的时间的, 但是对于外在原因导致设备损坏发生短路是瞬间长生的漏电电流值变化具有突然性, 很可能在很短的时间达到额定动作值, 多以为了保证漏电保护的可靠性和安全性, 通常采用一些检查方法:
(1) 脉冲鉴幅法。这种方法通常设定两个漏电检测通道, 其优点是能共同是满足缓变和突变电流, 缺点是往往在我国电网的运行环境下, 理论整定值远大于交流允许安全电流, 从而很大程度的减弱人身伤亡事件预防效果, 另外这种方法还会出现保护死区。
(2) 脉冲鉴幅鉴相法。这种方法针对保护死区, 在漏电器中加入鉴相电路, 通过漏电流产生的相位变化来识别, 即可驱动保护器动作, 有效的解决了保护死区的问题。但是这种方法抗干扰能力较弱, 在出现大量电网谐波时, 误差率太高, 所以在实际的使用过程中有待改进。工作原理见图2。
(3) 峰值检测电流法。峰值检测法是基于单片机实现的, 这种方法采集的数据少, 占用空间小, 但是灵敏度不够高, 精度不够, 易出现拒动作现象。
(4) 逐值检测法。针对峰值检测电流法的缺点进行改进而提出, 是指整流后的信号在一个周期内逐点采样信号值, 利用各点幅值和相角的变化来判定缓变电流和突变电流的情况。这种方法准确率高, 要求容量大, 重量和体积大, 所以在一些特殊要求的场合使用不太方便。
2. 谐波检测相关方法
为了能够准确的分析工作电流、工作电压和漏电流, 必须将电网正常运行中产生的各种扰动现象考虑进去, 最为显著的扰动现象即谐波、电压骤降、低频振荡暂态和闪变。
(1) 模拟滤波器测量谐波法。这种方法是应用在谐波测量中最早的方法, 其保持了电路结构简单、造价低、输出阻抗低等优点, 对一些固有频率的谐波过滤有一定效果。但是同样存在一些缺点, 比如易受外界干扰、检测结果不精确、损耗大等。
(2) 基于傅立叶变换的谐波检测法。这种方法可以将基频频率和谐波频率清晰的分开, 实现谐波的检测, 具有良好的频域局域化性能, 但是这种方法采用离散采样, 所以必可避免的会漏掉一些频谱分量, 降低频率分辨率。
(3) 基于小波变换的谐波检测法, 在理论上来讲这种方法比较适合谐波的检测。
3. 交流电路有效值的计算
(1) 由峰值得到有效值, 有效值和最大值之间的函数关系:, 通过设计硬件电路来判断最大值的到达时间, 然后再该时刻内采集数据。采用这种方法求得有效值较为简便, 只要信号不出现畸变就可行, 但是电网存在谐波干扰时误差太大。
(2) 按有效值定义计算, 真实有效值表达定义为:, 离散后, 以一个周期内有限多个采样数字来代替一个周期内连续变化的电流函数值, 则, 这种计算方法求得的有效值对信号波形的依赖值很小, 通过大量的计算得出误差较小的有效值。
4. 低压设备运行参数检测与保护装置
根据低压设备的运行条件和功能要求, 设计一套有效的运行参数检测和保护装置是确保电压电网安全运行的基础条件。低压设备运行参数检测和保护装置的设计需要依赖硬件系统设计和软件系统的设计性能标准, 通常为了达到整个系统能够实现所有功能并可靠运行, 需要再硬件和软件之间进行权衡折中, 完整的软件设计是整个系统的灵魂。
(1) 程序的总体设计需要一个总体方案, 确定设计整个系统的功能、信息等, 绘制完成程序流程图后, 根据此流程图进行编程, 编程初步完成后进行检查和修改, 确认无误后进行调试, 试验个模块子程序之间的配合是否协调。
(2) 功能模块的程序设计主要包括主程序设计、漏电信号分析模块设计、电压处理模块程序设计、电流处理模块程序设计、人机接口模块设计。
参考文献
[1]刘志刚, 叶斌, 梁晖.电力电子学[M].北京:清华大学出版社.2004.6
[2]唐铁.漏电保护[M].北京:中国矿业大学出版社.1995.
[3]肖雁鸿等.电力系统谐波测量方法综述[J].电网技术.2002.26
[4]王公宝, 向东阳, 张文博.小波变换在电力谐波检测中应用[J].海军工程大学学报.2005.10.
猕猴眼屈光生物学参数的检测 篇6
1材料与方法
1.1实验动物年龄0.5岁~4.5岁健康笼养猕猴47只93眼 (由福建省人口和计划生育科学技术研究所非人灵长类实验动物中心提供, 动物质量合格证号为350004000000008) , 性别不限, 体重0.9~4.9 kg, 猕猴健康状况良好, 排除实验过程在猕猴眼意外受伤1眼。
1.2实验动物饲养方法实验选择的猕猴0.5岁前均与其母亲住在同一笼中, 纯母乳喂养。0.5岁以后的均与母亲分开单笼生活, 由人工来饲养, 一日进食三顿, 由专人定时定量投放食物, 饮水不限, 猕猴仅在笼内活动, 生活环境的温度控制在19~26 ℃, 相对湿度维持在40%~70%, 动物房照度要求为100~200 LX, 昼夜明暗交替时间为10 h/14 h。
1.3实验仪器电脑自动验光曲率仪:日本Canon RK-5; 光学生物测量仪IOL Master:德国Zeiss公司;眼部A超测量仪:日本TOMEY UD-6000;角膜超声测厚仪:日本TOMEY SP-100。
1.4实验分组共分为5组, 分别为:0.5岁组, 平均年龄 (6±1) 个月;1.5岁组, 平均年龄 (18±1) 个月;2.5岁组, 平均年龄 (30±1) ;3.5岁组, 平均年龄 (42±1) 个月;4.5岁组, 平均年龄 (54±1) 个月。
1.5观察项目先用动物用盐酸氯胺酮注射液 (5~ 10 mg/kg) 进行肌肉注射全身麻醉后, 采用电脑验光曲率仪测量眼球屈光度数 (测量3次取平均值) , 屈光度数按等效球镜法计算 (等效球镜度数= 球镜度数+1/2柱镜度数) , 远视眼:>0.5 D范围, 正视眼:±0.5 D范围内, 近视眼:<-0.5 D范围;再用IOL Master测量眼轴长度 (测量5次取平均值, 信噪比SNR值均≥ 1.6) 和角膜曲率半径 (测量3次取平均值) ;盐酸丙美卡因滴眼液 (美国爱尔康公司) 进行眼球表面麻醉后, 角膜超声测厚仪测量角膜厚度 (测量10次取平均值) , 由操作熟练的3位医师完成检查, 每台仪器固定同一位医师。
1.6统计学方法所有数据均采用SPSS19.0统计学软件进行分析, 呈正态分布的计量资料以均数±标准差 (x±s) 来表示, 采用方差分析, 相关性检验采用Pearson相关性分析, P<0.05为差异具有统计学意义。
2结果
2.1各组屈光状态分布情况以等效球镜为±0.5DS范围内为正视眼, 5组47只猕猴93眼中共筛查到70只近视眼, 近视眼数比例高达75.27%。见表1。
2.2各组中央角膜厚度、眼轴、角膜曲率半径、轴率比、屈光度比较, 见表2。
2.2.1中央角膜厚度与眼轴各组中央角膜厚度比较无统计学差异 (P>0.05) 。随着年龄的增长, 眼轴长度不断变长, 0.5岁组与其他各组比较差异均有高度统计学意义 (P<0.01) , 1.5岁组与2.5岁组比较差异有统计学意义 (P<0.05) , 2.5岁、3.5岁和4.5岁组两两比较差异无统计学意义 (P>0.05) 。提示猕猴可能在2.5岁以后眼轴不再变长, 而是趋于一个稳定范围。
2.2.2平均角膜曲率半径0.5岁组与其他各组比较差异均有高度统计学意义 (P<0.01) , 1.5岁组与3.5岁和4.5岁组比较差异均有统计学意义 (P<0.05) , 1.5岁组与2.5岁组差异无统计学意义 (P>0.05) , 3.5岁组与4.5岁组比较差异无统计学意义 (P>0.05) 。提示猕猴眼角膜曲率半径在1.5岁以后可能不再发生变化, 趋于一个稳定范围。
2.2.3轴率比 (眼轴/ 平均角膜曲率半径) 0.5岁组与其他各组比较差异均有高度统计学意义 (P<0.01) , 1.5岁组与更大年龄的3组比较差异均有高度统计学意义 (P<0.01) , 2.5岁、 3.5岁和4.5岁组两两比较差异无统计学意义 (P均>0.05) 。在人类轴率比被认为是评价近视状态的敏感指标之一, 等效球镜屈光度数越小, 轴率比就越大。本研究结果提示猕猴眼轴率比随年龄增长而逐渐变大, 2.5岁~4.5岁期间轴率比维持在一个稳定范围内, 屈光度与轴率比呈负相关关系 (r=-0.336, P<0.01) , 即轴率比越大, 屈光度数越低。
2.2.4等效球镜屈光度及与眼轴的关系0.5岁组与其他各组比较差异均有高度统计学意义 (P<0.01) , 1.5岁组与更大年龄的3组比较差异有统计学意义 (P<0.05) , 2.5岁组、3.5岁组和4.5岁组各组间比较差异无统计学意义 (P>0.05) 。提示0.5岁~ 2.5岁期间等效球镜屈光度数逐渐变小, 逐渐往近视化发展, 2.5岁~4.5岁期间屈光度数渐渐稳定。屈光度与眼轴呈负相关关系 (r=-0.517, P<0.01) , 即眼轴越长, 屈光度数越低。
3讨论
猕猴在生物进化、解剖结构和生理机能上都与人类接近, 猕猴4岁左右成熟, 相当于人类18岁, 猕猴的生长速度约4倍于人类[1]。本研究选用的0.5岁~4.5岁的青幼年猕猴47只93眼, 其中0.5岁组 (5只10眼) 远视眼较多, 而近视眼更多见于1.5岁~ 4.5岁组 (42只83眼) 的猕猴, 近视眼数比例虽高达75.27%, 可能与猕猴集中在年龄较大组有关。同时猕猴随年龄的增长, 眼轴也渐渐变长, 眼屈光状态亦往近视发展, 2.5岁以后眼轴趋于一个稳定范围, 屈光状态也较稳定。在人类有研究表明8岁~ 12岁及12岁~18岁患儿近视屈光度数较为稳定, 而18岁以后近视屈光度数比8岁~12岁及12岁~18岁组更高[2]。但亦有多项研究表明3岁~14岁和5岁~12岁儿童近视屈光度逐年增加[3,4], 可能与抽样及各组年龄跨度不一有关。
角膜曲率半径是眼球重要的屈光生物学参数, 本研究发现0.5岁组猕猴眼平均角膜曲率半径最小, 与其他各组比较均有高度统计学差异, 而1.5岁、2.5岁、3.5岁和4.5岁组平均角膜曲率半径趋于稳定, 提示猕猴在1.5岁以前随年龄增长角膜曲率半径可能逐渐变大, 而1.5岁~4.5岁角膜曲率半径无明显变化。与人类3岁~15岁儿童角膜曲率半径 (7.79 mm) 相比[5], 猕猴眼角膜曲率半径 (6.60 mm) 明显偏小, 本研究未继续筛查4.5岁以后的猕猴眼球生物学参数, 更大年龄的猕猴眼球屈光度数、 角膜曲率半径等还有待进一步观察。
角膜厚度是眼屈光手术前极其重要的治疗指标之一, 本研究结果显示0.5岁~4.5岁的青幼年猕猴眼角膜厚度未随年龄增长而改变, 与人类儿童角膜厚度与年龄无相关性的研究结论一致, 但青幼年猕猴眼平均中央角膜厚度 (481.58±27.15) μm较文献报道的儿童角膜厚度 (546.575±33.470) μm和 (543.6± 32.0) μm更薄[6,7]。提示进行猕猴眼角膜屈光手术或测量眼压时要考虑猕猴眼角膜薄的这一特点。
远视力是儿童筛查近视的常用监控指标, 但对动物而言, 无法进行视力检查。而轴率比 (眼轴长度与平均角膜曲率半径的比值) 被认为是评价近视的敏感客观指标之一[8], 在眼球正视化发育过程中, 平均角膜曲率半径逐渐增大以代偿眼轴的变长, 而当眼轴过长角膜曲率半径无法代偿时就容易形成近视, 因此眼轴越长就越容易发生近视。本研究结果显示随猕猴年龄增长轴率比呈逐渐变大趋势, 轴率比越大, 屈光度数越低。2.5岁组~4.5岁组趋于稳定, 相应的屈光度数 (平均屈光度数属近视范围) 也稳定在一定的范围。查阅相关文献, 尚未见到关于猕猴眼轴率比的报道, 筛查轴率比可能是一个不错的评估猕猴眼近视风险的客观指标。
总之, 猕猴眼的中央角膜厚度、眼轴、平均角膜曲率半径、 轴率比等的变化情况与人类比较有相近之处, 也存在着一定的差异。我们在研究中也对部分猕猴眼的眼压、角膜直径、角膜地形图等生物学参数进行了测量, 但较难获得可靠的重复性佳的数据, 还有待进一步研究测量的方法。我们认为猕猴可以作为理想的动物眼实验模型, 而在进行猕猴眼相应实验前要熟悉其与人眼的不同之处, 以便更好地的进行动物实验研究。
参考文献
[1]徐延山, 李志雄, 周建华, 等.正常及白内障猕猴眼组织结构的研究[J].眼科研究, 2000, 18 (5) :418-420.
[2]薛雨顺, 李裕钦, 石蕊, 等.青少年近视眼屈光度与眼轴长度及眼内压的相关性分析[J].国际眼科杂志, 2008, 8 (9) :1847-1849.
[3]刘月君, 高丰.襄阳市3岁~14岁儿童屈光发育状况及相关原因[J].中国妇幼保健, 2015, 30 (31) :5377-5379.
[4]王万鹏, 周然, 张婧, 等.兰州市5岁~12岁学龄儿童屈光状态与屈光参数相关性研究[J].国际眼科杂志, 2013, 13 (11) :2299-2302.
[5]陈丽萍, 赵堪兴, 郑日忠, 等.3岁~15岁儿童角膜曲率调查与分析[J].天津医科大学学报, 2005, 11 (4) :611-613.
[6]乔芳, 刘畅, 伍友春, 等.6岁~18岁儿童角膜厚度及相关因素分析[J].临床眼科杂志, 2012, 20 (5) :433-435.
[7]TONG L, SAW S M, SIAK J K, et al.Corneal thickness determination and correlates in Singaporean schoolchildren[J].Invest Ophthalmol Vis Sci, 2004, 45 (11) :4004-4009.
两轮自平衡车姿态参数检测研究 篇7
美国最先开始两轮自平衡小车的研究,在日本、瑞士等国家得到迅速的发展,它是一种高度不稳定、非线性及多干扰系统,要使两轮系统达到自平衡,其模型决定了系统的重心须在两车轮轴线上[1]。在车体的平衡控制过程中,姿态传感器将检测得到的车体倾角信号送入控制器,计算得到控制量驱动左右电机产生控制力矩来调节左右轮的运动速度和方向,使两车轮向倾斜方向运动,从而使车身回复直立平衡状态[2]。
1 两轮自平衡车控制原理分析
车体的平衡控制是通过负反馈来实现的。如图1所示,车子两个轮子着地,车体会在轮子滚动的方向上发生倾斜,当车体向左倾斜时,为保持平衡,应控制车轮加速向左运动;同样的,当车体向右倾斜时,应控制车轮加速向右运动。因此,控制车轮转动以抵消车体倾斜的趋势便可以保证车体平衡了。
以上是对小车如何保持平衡的一种感性分析,而实际上平衡小车的模型与一级倒立摆模型很相似,因此可以依据单级倒立摆模型分析法来建立两轮平衡小车的数学模型[3]。自平衡车的质量为m,它可以抽象为置于水平移动小车上的一级倒立摆,其受力分析如图2所示。
倒立摆不能稳定在垂直位置,因为在它偏离平衡位置的时候,所受到的回复力mgsinθ与位移方向相同,而不是相反,故倒立摆会加速偏离垂直位置,直到倒下。为了将倒立摆稳定在垂直位置,需要增加额外的受力,使得回复力与位移方向相反。因此控制倒立摆底部车轮,使它向右作加速运动,这样站在车模上(非惯性系,以车轮作为坐标原点)分析倒立摆受力,它就会受到额外的惯性力macosθ,该力与车轮的加速度方向相反,大小成正比。这样倒立摆所受到的回复力为:
针对式(1),有三点需要作出说明和思考:(1)由于θ很小,所以sinθ≈θ,cosθ≈1;(2)加速度a应该与角度θ成正比,即偏离平衡位置的角度越大,加速度值也越大,从而保证倒立摆可以快速返回平衡位置;(3)加速度a应该与角速度ω成正比,从而保证倒立摆远离平衡位置时增加回复力,倒立摆靠近平衡位置时成为一种阻尼,使其尽快稳定下来。总结以上三点,式(1)可转变为:
式(2)中,在确保比例系数k1>g,微分系数k2>0的条件下,回复力与位移方向相反,可以使倒立摆维持在直立状态。其中k1决定车身是否可以回到平衡位置,k2决定车身可以尽快稳定在平衡位置。为了精确控制车体直立稳定,如何感知车身的倾斜程度和倾斜趋势,准确检测角度θ和角速度ω这两个姿态参数是必不可少的前提条件。
2 姿态参数检测
加速度传感器可以测量由地球引力作用所产生的加速度,当加速度计发生倾斜时,其输出的模拟电压信号也会随倾斜角度的变化而变化。一般的半导体加速度计可以同时输出三个方向上的加速度模拟电压信号,对于两轮平衡小车,由于只在单个平面内产生转动,因此只需要检测其中一个方向上的加速度模拟电压信号,就可以计算出车模倾角,在一个平面上输出电压与倾角变化之间的相互关系为:
式(3)中,由于θ很小,sinθ≈θ。在平衡车实际运行过程中,其本身摆动所产生的加速度会与测量信号叠加,故而产生很大的干扰信号,使得输出信号无法准确反映车体的倾角。可以通过数据平滑滤波将这些波动噪声滤除,但是采用这种方法一方面会使得信号无法实时反映车模倾角变化,从对于车模控制滞后;另一方面也会将车模角速度变化的有效信息滤除,如此一来便使得车体无法保持平衡。因此单一采用加速度传感器无法获得准确的倾角信息,对于两轮车平衡控制所需要的倾角信息还需要通过单轴陀螺仪获得。
陀螺仪可以测量物体的旋转角速度,当车体发生转动时,其输出电压会随着角速度的发生而同步变化,通过检测陀螺仪输出的模拟电压信号就可以获得车模倾斜角速度。由于角速度基本不会受到车体运动的影响,因此该信号中噪声很小。车体的倾角也可以通过对角速度积分获得的,这种信号较平滑。但是,如果角速度信号即使存在微小的偏差和漂移(比如温漂),经过积分运算之后,会使误差积累随着时间延长而逐步增加,最终导致电路饱和,无法形成正确的角度信号。
综上所述,通过陀螺仪检测的角速度信号符合控制要求,而对于角度信号,无论是采用加速度计检测,还是采用陀螺仪检测,都有其各自的缺陷,不能提供有效可靠的角度信息,因此,将两种角度检测信号进行互补滤波处理或卡尔曼滤波处理就可以得到准确平滑的角度信号,这也是自平衡控制的关键。
3 结束语
通过对两轮自平衡车的原理分析可知,能够感知车身的倾斜程度和倾斜趋势,准确检测角度θ和角速度ω这两个姿态参数是自平衡控制必不可少的前提条件,通过加速度计及陀螺仪这两个传感器可以检测到相应模拟电压信号。当然,要最终实现两轮自平衡车的直立行走,还有许多其它的问题需要解决,比如如何将传感器输出信号转换为角度值和角速度值,如何设计控制算法,如何控制车轮转动等等,这都有待于进一步分析研究。
摘要：本文通过两轮自平衡车原理的分析,得知必须准确检测车体运行过程中的角度θ和角速度ω这两个姿态参数,在此基础上进一步阐述角度和角速度检测的方法及其优缺点,从而解决两轮车自平衡控制的关键问题之一。
关键词：平衡控制,倒立摆,加速度计,陀螺仪
参考文献
[1]魏文,段晨东,高精隆,李常磊.基于数据融合的两轮自平衡小车控制系统设计[J].电子技术应用,2013,39(5).
[2]阮晓钢.两轮自平衡机器人的研究与设计[M].北京:科学出版社,2012.