气压测量（精选3篇）
气压测量 篇1
气垫床(又称充气床)由于其使用的方便性、舒适性,普遍受到人们的欢迎。依据“人体工学”原理设计的床,它能利用空气的浮力将人的身体均匀托持,实现睡床与人体紧密贴合。颈椎、腰椎、腿腕不再悬空,有利于尽快消除疲劳,为人们创造自然、舒适、健康的优质睡眠。在医疗领域中利用气泵动态控制床体气压变化、及床面空气流通,能有效的防止病人长期卧床而产生褥疮。充气泵通常是利用单片机控制气泵的充、放气以及检测床体压强。由于结构的原因目前通常使用的压力检测、控制方法存在着一些问题。本人提出了一种利用测量误差修正补偿的方法能有效测量床体压强。
1 气垫床压强检测存在的问题
气垫床通常由气泵的出气口通过皮管与床垫连接,气泵控制器及检测传感器安装在气泵内部。如图1所示。
由于结构的关系,气压检测口的采样位置只能在气泵上。这样检测出来的压强值只是气泵口的压强。充气时气泵产生的强大压力将空气压入床体,同时也压向传感器,所以气泵口压强大于床体实际气压。当床体气压增大时,气泵口压强才慢慢接近床体实际气压,在理想状态下只有在床体压强等于马达输出最大压强时,气泵口压强才等于床体压强。同样放气时也因为放气口在气泵上,与检测口接近,放气口与外界大气相通,所以放气口气压远小于床体实际气压。在检测床体实际气压时,受内外气压的影响给我们测量带来很多麻烦。
2 常用的检测控制方法及弊端
因为结构原因,压力传感器位于气泵上。我们很难检测出床垫实际的压强,如果想要准确的控制床垫压强,气泵必须运用相应的技术方法来实现。目前通常采用以下两种方式来实现:
1)床垫和气泵之间用两条软管连接。床垫与传感器单独相连,保证传感器上的采样压强为床体实际压强。如图2所示。
利用这种方法压力传感器能准确地检测出床体的压强,使气泵精确的运作。但却增加了床垫生产成本,床垫与气泵的连接也更加复杂。
2)先设定大概的修正量,气泵多次动作,使床垫实际压强值接近所需要的压强值。控制流程图如图3所示。
当需要将床垫的压强充到X时我们可以先预设一个修正量Z。大致判断出当气泵马达开启时,压力传感器检测出的压强值Y与床体真正的压强值的差。然后开启马达充气,过程中一直判断压强值Y(这个气压值受气泵影响不等于床体实际值)。当压强值Y>=X+Z时气泵停止充气,传感器检测床体实际值,判断其是否达到想要充到的压强值X。如果没有,加上修正量Z继续充气。当Y>=X+Z时停止充气并判断床体气压实际值……。反复运行直到床体气压实际值接近所需的床垫的压强。
利用这种方式能控制床垫的压强接近所需的压强值。但是控制过程需要气泵充充停停反复运作过程烦琐、耗费时间且机械易损耗。
3 利用线性插值法误差修正测量床垫实际压力
在单片机智能化测控系统中,传感器及检测电路的输出和输入特性是非线性的,这使得在较大范围的动态检测中存在很大的误差。在系统中我们常利用计算机软件进行非线性补偿。
在我们的气垫床充放气过程中,因传感器采样口在气泵上,所测量的动态采样值和床体的实际值存在很大的误差。我们也可以认为床体压强(输入)和传感器检测值(输出)特性是非线性的,所以通过计算机软件进行非线性补偿,可以检测出气垫床充放气过程中床体中的实际压强。软件补偿的方式可以通过将补偿程序固化在EPROM中、补偿差数存储在EEPROM中,使得在外部环境发生变化后,用户可以自行调整恢复精确度。在这里我们采用了非常方便的线性插值法。
3.1 线性插值法原理
图4是实验证明的“床体压强”与“传感器检测值”关系近似曲线图。根据曲线图我们可以通过传感器检测到的某一值x求出床体压强y。但是其关系式y=f(t)并不是简单的方程。图5中为使问题简单化,把压强值曲线分成若干段,然后把相邻两分段点用直线连接起来。用此直线代替相应的各段曲线,即可求出x所对应的y值。例x在(xi,xi+1)之间,则其对应的逼近值为:斜率Ki=(Yi+1-Yi)/(Xi+1-Xi),Y=Yi+Ki(X-Xi)。只要n取的足够大,即可获得良好的精度。
3.2 线性插值的实现
在单片机控制电路中,我们用以下两步来实现线性插值。
第一步用实验法测出传感器检测值和床体压强变化曲线。如我们将曲线分成n段,当在i段时,气泵停止工作,传感器检测出的压强为床体实际压强Yi,气泵运作时,传感器检测出的值为受气泵工作影响的传感器检测值Xi。气泵工作一段时间床内压强增大,气泵停止运作并测出Yi+1和Xi+1。n段以后将所测数据存入EEROM中,也可以将斜率Ki=(Yi+1-Yi)/(Xi+1-Xi)存入EEROM中。
第二步在气泵工作中用比较法查找出传感器检测值X所在的区间,取出Xi、Yi和斜率Ki。计算出床体实际压强Y=Yi+Ki(X-Xi)。
4 结束语
单片机软件原本用于处理硬件检测电路的非线性补偿,减少测量误差的方法,同样可以用来处理气垫床等因结构原因造成的检测误差。
摘要：气垫床在生活中应用越来越多,尤其在医疗领域中有广泛的应用。但由于受气泵和放气口的影响,测量床体动态压强比较困难。利用测量误差修正补偿方法测量床体压强,是一种测量气垫床动态压强的合适方法。
关键词：单片机,气压检测,气垫床
参考文献
[1]胡向东.传感器与检测技术[M].北京:机械工业出版社,2009.
[2]李朝青.单片机原理及接口技术[M].北京:北京航空航天大学出版社,1994.
[3]曲国福.压阻式压力传感器的在线综合补偿[J].传感器技术,2003(8):45-46.
气压测量 篇2
本文所用的MS5534B气压传感器是一款压阻式压力传感器和ADC接口的集成电路。该传感器测量气压精度比较高, 价格便宜, 性价也比较高。其主要原器件有高度传感器、单片机LPC1114、FT52 STD无线模块、TTL转USB模块等。
1 硬件系统构成
硬件系统的具体设计方案如下。
1.1 发送模块
发送模块的组成设计如图1所示。
在LPC1114控制MS5534B的过程中, LPC1114需要给MS5534B的MCLK提供1路32.768 K的PWM方波, 并通过SPI总线读出MS5534B的温度和气压数据。读出的数据经过LPC1114的处理, 算出发送模块此刻的海拔高度, 并通过FT52STD无线发送模块发送给接收模块。
1.2 接收模块
接收模块的组成设计如图2所示。
由图2可知, 接收模块负责接收发送模块的信号, 经TTL转USB模块发送给PC机, 再在PC机中做下一步处理。
2 MS5534B温度和压力的测量
2.1 出场校准
每个模块都要经过单独的温度和压力校准, 64位PROM中的6个系数要补偿工艺变化和温度变化造成的影响。这64位必须由微控制器读取, 然后供软件使用。
2.2 温度值和压力值的计算
通过串行口SPI读取Word1-Word4, 使用位逻辑和移位操作算出校准系数C1-C6;循环读取未经补偿的压力值D1和温度值D2, 通过如图3的流程算出真实的压力和温度。
所有的计算都使用有符16位变量, 乘法结果可能多达32位长 (有符) , 所以, 在每次乘法计算后跟除法运算。除法中的除数都是2的幂次方, 这样可以保证计算结果小于65 535 (16位) 。
2.3 校准值
在Word1-Word4中, 校准系数的排列如图4所示。
2.4 宽温度范围内的计算
为了获得整个温度范围内的最佳精度, 需要对温度传感器的输出进行非线性补偿。这可以通过一个二阶因子校正实现, 二阶因子的计算如图5所示。
2.5 控制时序
MS5534B通过3线的同步串行通讯口与微处理器通讯, 如图6所示。由微控制器产生的SCLK信号初始化通讯, 并且同步数据传输。MS5534B在SCLK的上升沿采集数据或发送数据, 微处理器在SCLK的下降沿采集数据或发送数据。在DOUT引脚上的数据是MS5534B的转换结果或者软件校准数据。另外, DOUT也用来指示转换状态 (转换完毕信号) , 所选择的输出数据由DIN引脚输入的相应时序决定。
校准值、温度值、压力值读取时序和复位时序如图6、图7、图8、图9所示。
每一次通讯都在开始时序的引导下初始化, 并且在启动时序后都有停止时序。启动时序由4个位组成, 用来选择读压力、温度或者校准值。在读取压力值 (D1) 和温度值 (D2) 的过程中, MS5534B将通过在停止时序的最后1位时拉高在DOUT上的电平来响应AD转换的开始。
当SCLK上的响应信号开始后, 还需要2个时钟信号。当SCLK上出现下降沿时, 表明AD转换已经完成。微控制器经查询发现AD转换完成后, 便可以给17个时钟信号后读取16位的值。在开始新一次AD转换时, 必须读取上次的结果。
复位时序用来在微控制器与MS5534B间的同步时序丢失时重新同步, 其时序如图10所示。建议在每读取数值前发送复位时序, 避免干扰导致协议被永久挂起。
2.6 数据滤波
为了提高数据的稳定度, 需要进行滤波。D1、D2中有压力和温度数据, 不能滤波。因此, 可先通过温度补偿得出压力值P, 再对P进行滤波。为了使数据显得平滑, 可采取先中位值平均, 后低通的滤波算法。
2.7 高度与压力的关系
大气压力是由大气重力造成的, 因为空气可压缩, 所以, 压力和高度存在非线性关系。在考虑大气中典型温度分布的情况下, 1976年美国公布了标准大气压的气压和高度的近似函数。其函数关系如图11所示。
3 上位机程序设计
上位机程序是在Lab VIEW软件中编写的。上机位程度的主要作用是, 接收下位机发送的高度信息, 计算初始高度和相对高度, 播报相对海拔高度, 计算发送模块的海拔变化速度。
3.1 接收功能
接收功能的程序如图12所示。
该接收模块每次接收8个字节, 具体介绍如表1所示。
3.2 海拔高度
计算相对海拔高度的流程如图13所示。
3.3 播报海拔高度
3.3.1 等间隔播报海拔高度
等间隔播报海拔高度的流程如图14所示。
等间隔播报海拔的子VI程序如图15所示。
3.3.2 按照海拔变化播报海拔高度
这种播报情况是当发送模块的海拔高度从一海拔范围变化到另一海拔范围时, 才播报海拔高度, 例如, 从1~2 m的海拔范围变化到2~3 m的海拔范围时, 会自动播报海拔高度。其流程如图16所示。按照海拔变化播报海拔高度的程序如图17所示。
计算海拔变化速度的程序如图18所示。
参考文献
[1]Intersema Sensoric SA.MS5534Bbarometermoduledatasheet[EB/OL].[2008-01-16].http://www.intersema.ch.
气压测量 篇3
关键词：气压传感器,高度测量,温度补偿,自适应滤波
惯性导航系统(INS)和气压传感器均是航空中重要的仪表。惯性导航系统瞬态响应快、能够给出载体全部姿态信息,但其高度通道不稳定[1];气压传感器能够通过测量气压得到误差不随时间累积的高度信息,但其精度较低,且瞬态响应慢[2]。因此,针对惯性导航系统与气压传感器测高误差的不同特性,拟将二者进行组合。
温度主要影响MEMS传感器零偏[3],且存在滞后性[4],常采用Preisach模型对其补偿[5]。该模型能够准确描述压电晶体存在的滞后性,不需要拟合函数,但要逐点标定以确定模型参数,标度因数很多,占用存储空间大,标定过程耗时长。文献[6]提出了一种拟合函数用于逼近Preisach模型,但该函数为积分形式,且积分结果不为初等函数,因此模型参数通常只能查表获得,不适用于材料未知的压电晶体。文献[7]提出了一种更适合工程实用的拟合函数,不含有积分形式,容易标定,但其函数形式为一次曲线,拟合不够准确。本文通过大量实际观测数据,改进文献[7]中方法,提出了一种三次曲线拟合方式,对温度引起的MEMS气压传感器零偏进行标定补偿。
气压传感器计算高度时,需要建立合理、准确的气压高度解算模型。文献[8]提出了一种高度解算模型,该模型由于引入标准大气压参数,受大气环境影响较大,且公式具有一定近似性。本文直接对理想气体公式数值积分,得到了一种更为通用的大气压高度解算方式。
对惯导系统和气压传感器组合时,通常认为天向机动加速度为零均值平稳随机过程,如文献[9],显然该假设与某些情况不符。Zhou和kumar提出的机动载体“当前”统计方式采用非零均值和较合理的修正瑞利分布表征机动加速度特征[10],能更真实地反映机动范围和强度的变化。因此,本文采用基于该方式的自适应卡尔曼滤波实现二者有效结合[11]。通过加速度均值和方差的自适应跟踪,完成驱动噪声方差阵和状态参数的自适应修正。同时引入自适应遗忘因子,限制滤波记忆长度。实验验证了本文方法的有效性。
1、气压传感器温度补偿
无人机在对流层飞行过程中,其环境温度变化在-20~45℃之间,大气压变化在60~110k Pa之间。根据这一指标,选用飞思卡尔公司生产的MEMS气压传感器MPXA6115A[12]和ADI公司生产的温度传感器ADT7310[13]。
1.1 补偿模型
为补偿温度引起的零偏及其滞后性,采取最小二乘方式分别拟合升温及降温过程压力误差曲线,拟合函数如下:
式中,△p为温度引起的传感器零偏误差,T为温度,cn为补偿系数,可采取下式确定:C=(AT A)-1AT⋅∆P(2)
本文主要通过标定实验确定合适的补偿阶数n。
1.2 标定实验及补偿阶数确定
温度标定实验中,控制气压为固定值,通过改变温度,可得到升温及降温两条压力误差曲线如图1所示。由于温度对传感器的影响存在滞后性,两条误差曲线出现较大差异,且均为非线性。可采用式对两条误差曲线分别拟合,通过改变拟合阶数以确定最佳拟合曲线。
图2和图3分别给出了升温及降温过程压力误差曲线2阶、3阶和4阶补偿结果对比。从两图中可以看出,2阶补偿结果明显存在高阶项,函数欠补偿,3阶补偿与4阶补偿结果近似。在补偿结果近似情况下选用低阶补偿函数具有更小的量测噪声,因此本文选用3阶多项式拟合压力误差曲线。
1.3 温度补偿实验
补偿过程同样需要区分升温及降温过程,以实现温度分段补偿。本文采用对温度微分方式确定升温及降温过程,其中微分间隔为500个采样点,以减小微分过程引入的噪声。为限制分段补偿带来的曲线跳变,补偿结果需进行低通滤波。图4给出了补偿实验结果,其中temperature grads表示温度变化梯度,当该值大于0时采用升温补偿曲线对压力传感器零偏补偿,反之亦然。从该图可以看出,在升降温转换点补偿结果未出现大幅跳变,整个实验过程误差限制在0.08Kpa,较原始数据1.4Kpa的零偏提高了一个数量级,补偿效果理想。
2、气压高度测量
通过1中研究,实现了压力传感器的准确测量,为计算准确高度,需建立合理的高度解算模型。常用的标准大气压模型采用对理想气体方程积分得到,已知理想气体方程:
式中h为高度,p为压力,R为干空气比气体常数,取287.05焦耳/K·千克,T为温度,g为重力加速度。在忽略温度及重力加速度随高度变化情况下,可对p积分得:
式中g0为赤道重力加速度,T为环境温度,hb、pb分别为相应层下界(这里指对流层下界)的位势高度及压力值。
由于式引入对流层下界参数,因此当环境发生变化时会产生计算误差,并且积分过程中认为温度及重力加速度为常值,与实际情况不符。本文借鉴文献[14]的方法,采用复化梯形公式直接对理想气体方程求解,其递推过程如式~所示:
式中,g为运载体实时重力加速度,L为运载体纬度,g0为地球赤道面重力加速度,g1、g2分别为纬度及高度对重力加速度的影响系数,可由地球模型计算得出。
由于采用数值积分,积分过程存在截断误差,该误差如下所示:
由式可知,为了使数值积分过程中截断误差尽可能小,要尽量减小dp。为此,需要提高迭代频率,一般运算频率达到10Hz为宜。
可通过静态及动态实验考察两种模型准确性。将系统静止于窗外7小时,可得到静态实验结果如图5所示;将系统置于电梯内,由底层到顶层不间断重复上下,可得到高度、天向速度大幅变化下解算结果,图6给出了电梯几次到达顶层的局部放大图。由图5可见,两种模型在静态环境下解算结果相差不大;由图6可知,在高度大幅变化下,数值积分解算高度结果更加准确,电梯几次到达最高层解算结果相差在0.4m,高于大气压标准模型的1.0m。分析以上结果可知,环境温度会受到高度影响。静止实验中,由于高度为恒定值,温度可认为是常数,可对式直接积分;动态实验中,温度随高度变化,对式积分则产生原理误差。因此,数值积分解算高度更加准确,更适用于高动态下的微小型无人机飞行。
3、气压传感器与惯导系统组合
将基于当前统计模型的自适应卡尔曼滤波应用于气压传感器与惯导系统组合,考虑到惯导系统高度通道发散速度很慢,短时间计算可以忽略高度对重力加速度影响,因此本文直接采用惯导系统进行瞬时高度解算,并将气压传感器输出作为量测量对惯导系统进行滤波,以得到精度高且误差不累积的高度及天向速度信息。
3.1 系统数学模型建立
滤波方程采取间接法反馈矫正,即选取高度误差δh、速度误差δv及加速度误差δa作为估计状态量,状态方程如下:
式中X=[δhδvδa]T为状态量,W(t)=[0 0 wa]T为系统噪声阵,系统状态转移阵。
由于气压传感器误差不累积,因此将其取为外观测量,量测程为:
式中Z=δh,H=[1 0 0],V=wδh为量测噪声。
3.2 自适应卡尔曼滤波方程建立
根据上述的系统状态方程和量测方程,建立自适应卡尔曼滤方程如下:
状态一步预测:
状态估计:
滤波增益:Kk=Pk/k-1HkT(Hk Pk/k-1HkT+Rk)-1
一步预测均方误差:Pk/k-1=λkΦk,k-1Pk-1ΦkT,k-1+Γk-1Qk-1ΓTk-1
估计均方误差:Pk=(I-Kk Hk)Pk/k-1
式中为离散后状态转移矩阵,为系统噪声方差阵离散形式,Rk为离散后量测噪声方差。机动加速度误差方差q2的自适应确定方法如下:
式中δamax为加速度误差上限,本文对其进行实时估计的方法为:利用先验数据,设定最大统计值参考门限为∆amax,计算过去10s内滤波得到加速度误差最大值δa'max,令。
一步预测误差方程中引入λk为自适应遗忘因子,目的是限制滤波器记忆长度,充分利用“现时”的测量数据,改善滤波器的动态性能。最佳遗忘因子的一步算法为:
设系统满足:A,Qk,Rk,P0为正定对称阵;Hk满秩。则λk可由下式求取:
3.3 组合高度测量实验
采用电梯实验可验证组合高度测量系统精度及准确性。实验电梯每层停留,最后回到原点,惯导系统解算频率为50Hz,组合波频率为10Hz。图7为自适应滤波与气压传感器单独解算结果对图,从该图可以看出,采用自适应滤波组合方案高度解算误差更图8给出了自适应滤波与纯惯导模式天向速度解算结果对比,从图可以看出,组合解算方案很好抑制了惯导系统发散;图10及表1各状态误差估计结果,由图可见,自适应滤波状态估计很快达到稳定,系统可观测度高,误差小。
4、结语