Los sensores MEMS incluyen acelerómetros que miden la aceleración lineal y el vector gravitacional de la Tierra, giroscopios que miden la velocidad angular, magnetómetros que miden el campo magnético de la Tierra para determinar la orientación y la presión barométrica para determinar la altitud. Incluye sensor de presión. La combinación de estos componentes en una solución de fusión de sensores tiene una gran cantidad de aplicaciones. Este informe técnico muestra cómo estos sensores pueden trabajar juntos en una solución de fusión de sensores al proporcionar algunos ejemplos del uso de filtros complementarios. Filtro Kalman y Filtro Kalman Extendido (EKF).
Para aplicaciones como detección de caída libre, rotación de pantalla, podómetro, medición de inclinación y detección de movimiento, el acelerómetro por sí mismo puede realizar la tarea. Sin embargo, para otras aplicaciones avanzadas, incluidos los servicios basados en la ubicación, los juegos de movimiento mejorados, la navegación a estima para peatones, el equilibrio de robots, los ratones aéreos, el seguimiento humano, los vehículos aéreos no tripulados, etc., la fusión de sensores MEMS ofrece un mejor rendimiento necesario para lograrlo. Nivel del sistema en términos de precisión, resolución, estabilidad y tiempo de respuesta. La fusión de sensores es un conjunto de algoritmos adaptativos para predicción y filtrado. Aprovecha una amplia variedad de información complementaria de diferentes sensores y los combina de manera inteligente para optimizar el rendimiento del sistema y habilitar aplicaciones nuevas y sorprendentes.
¿Por qué Sensor Fusion?
Al diseñar un sistema con múltiples sensores MEMS, es importante comprender sus fortalezas y debilidades. Acelerómetro, giroscopio, magnetómetroy sensor de presión.
La fusión de sensores resuelve un problema clave de rendimiento de detección de movimiento para módulos de 6 ejes que consisten en un acelerómetro de 3 ejes y un giroscopio de 3 ejes, o un acelerómetro de 3 ejes y un magnetómetro de 3 ejes. 1) Un módulo inercial de 6 ejes con acelerómetro y giroscopio pierde la orientación absoluta a medida que el giroscopio se desvía con el tiempo, lo que requiere calibración para restaurar una referencia de orientación precisa. 2) Los módulos de 6 ejes con acelerómetros y magnetómetros son propensos a la corrupción de datos en presencia de materiales ferrosos en el medio ambiente. 3) un módulo de 9 ejes y Acelerómetro, giroscopio y magnetómetro Elimine la desviación que se produce con las soluciones de sensores independientes. Sin embargo, estos pueden estar sujetos a interferencias magnéticas. La compensación de la interferencia magnética requiere un algoritmo para fusionar los datos del sensor.
El propósito de la fusión de sensores es tomar los datos de medición de cada sensor como entrada, aplicar algoritmos de filtrado digital para compensarse entre sí y generar un resultado de actitud dinámica (cabeceo/balanceo/guiñada) preciso y receptivo.
filtro complementario
Algunas aplicaciones como Equilibrio de robots, estabilización de cámaras. y puntero 3D Tengo un acelerómetro y un giroscopio instalados en mi sistema. Los acelerómetros pueden medir ángulos de inclinación precisos cuando el sistema está parado. Si el sistema gira o se mueve, el acelerómetro no puede seguir movimientos rápidos. Los giroscopios pueden generar datos de velocidad angular dinámica. Después de integrar estos datos una vez durante un largo período de tiempo, se puede calcular el desplazamiento angular o el ángulo de inclinación, pero la desviación del sesgo del giroscopio hace que este ángulo sea inexacto a largo plazo.
Los filtros complementarios son Acelerómetro y el giroscopio y opción magnetómetro Obtenga una salida precisa y receptiva de la actitud de cabeceo/balanceo/guiñada. Consiste en un filtro de paso bajo común para el acelerómetro y un filtro de paso alto para el giroscopio, y es más fácil de entender e implementar que el filtro de Kalman. El siguiente ejemplo muestra cómo implementar filtros complementarios para el autoequilibrio del robot.
Como se muestra en la Figura 1 anterior, el robot tiene un acelerómetro de 2 o 3 ejes para medir el ángulo de inclinación estático θa y un giroscopio de un eje o de 2 ejes para medir el ángulo de inclinación dinámico θg. Luego, un filtro complementario fusiona estas medidas para obtener el ángulo de inclinación final θ. El microprocesador usa esta información, junto con la información de velocidad angular del giroscopio, para controlar los motores y equilibrar el robot. La Figura 2 muestra un diagrama de bloques de un filtro complementario para una configuración de acelerómetro de 2 ejes y giroscopio de 1 eje.
