DOI: 10.17586/2226-1494-2018-18-6-1091-1098


УДК531.383

АНАЛИЗ ШУМОВЫХ СОСТАВЛЯЮЩИХ КВАРЦЕВОГО МАЯТНИКОВОГО АКСЕЛЕРОМЕТРА С ЦИФРОВЫМ УСИЛИТЕЛЕМ ОБРАТНОЙ СВЯЗИ

Депутатова Е. А., Гнусарев Д. С., Калихман Д. М.


Читать статью полностью 
Язык статьи - русский

Ссылка для цитирования: Депутатова Е.А., Гнусарев Д.С., Калихман Д.М. Анализ шумовых составляющих кварцевого маятникового акселерометра с цифровым усилителем обратной связи // Научно-технический вестник информационных технологий, механики и оптики. 2018. Т. 18. № 6. С. 1091–1098. doi: 10.17586/2226-1494-2018-18-6-1091-1098

Аннотация

Предмет исследования. Рассмотрен кварцевый маятниковый акселерометр компенсационного типа с цифровым усилителем обратной связи. Исследованы шумовые составляющие выходного сигнала акселерометра. Метод. По серии экспериментальных данных проанализированы шумовые составляющие и погрешности исследуемого прибора согласно методике, принятой на ряде отечественных промышленных предприятий и соответствующей российскому стандарту, а также согласно методике, соответствующей международному стандарту с использованием метода вариаций Аллана. Основные результаты. Проведена оценка уровня шумовых составляющих с использованием спектральной плотности распределения мощности шума. Решена задача построения дискретного фильтра выходного сигнала, реализуемого в цифровом усилителе обратной связи прибора на базе встроенного микроконтроллера. Осуществлен выбор фильтра в соответствии с двумя критериями качества, согласно которым: 1) среднеквадратическаяошибка стремится к минимуму; 2) исследуемый прибор рассмотрен как замкнутая система автоматического управления, при этом полоса пропускания такой системы должна стремиться к требуемому значению, а время регулирования – к минимуму. Для определения параметров, соответствующих комплексному критерию качества, в программном комплексе MATLABпроведено математическое моделирование работы акселерометра с цифровым усилителем обратной связи и фильтром. Практическая значимость. Показано, что применение фильтра Баттерворта 2-го порядка позволяет снизить шумовую составляющую выходного сигнала акселерометра примерно в 2,5 раза и соответствует обоим критериям качества.


Ключевые слова: акселерометр, цифровой усилитель обратной связи, шумовые составляющие, погрешности, фильтр

Список литературы
  1. Калихман Д.М., Калихман Л.Я., Калдымов Н.А., Нахов С.Ф. Блок измерителей линейных ускорений с прецизионными кварцевыми акселерометрами в качестве чувствительных элементов // Сборник материалов IXСанкт-Петербургской международной конференции по интегрированным навигационным системам. СПб,2002. C. 216–220.
  2. Калихман Д.М., Гребенников В.И., Калихман Л.Я.,
    Нахов С.Ф.,Скоробогатов В.В., Ермаков Р.В. Результаты экспериментальной отработки термоивариантного кварцевогомаятникового акселерометра с цифровой обратной связью и перепрограммируемым диапазоном измерения // Сборник материалов XXIIIСанкт-Петербургскоймеждународной конференции по интегрированным навигационным
    системам. СПб, 2016. C. 139–157.
  3. Hou H., El-Sheimy N. Inertial sensors errors modeling using Allan variance // Proc. of ION GPS/GNSS 2003. Portland, 2003. P. 2860–2867.
  4. Аллан Д.В. Вариация Аллана: история создания, преимущества и недостатки, основные области применения // Гироскопия и навигация. 2015. № 4. C. 3–28.doi: 10.17285/0869-7035.2015.23.4.003-028
  5. Сирая Т.Н. Вариация Аллана как оценка погрешности измерения // Гироскопия и навигация. 2010. № 2. С. 29–36.
  6. Степанов О.А., Челпанов И.Б., Моторин А.В. Точность оценивания постоянной составляющей погрешности
    датчиков и ее связь с вариацией Аллана // Гироскопия и навигация. 2016. Т. 24. № 3(94). C. 63–74. doi: 10.17285/0869-7035.2016.24.3.063-074
  7. Бесекерский В.А., Попов Е.П. Теория систем автоматическогорегулирования. М.: Наука, 1975. 768 с.
  8. Nurminen H., Raitoharju M., Piche R. An efficient indoor positioning particle filter using a floor-plan based proposal distribution // Proc. 19th IEEE Int. Conf. on Information
    Fusion (FUSION). Heidelberg, Germany, 2016. P. 541–548.
  9. Piche R. Cramer-Rao lower bound for linear filtering with
    t-distributed measurement noise // Proc. 19th IEEE Int. Conf. on Information Fusion (FUSION). Heidelberg, Germany, 2016. P. 536–540.
  10. Raitoharju M., Piche R., Ala-Luhtala J., Ali-Loytty S.
    Partitioned update Kalman filter // Journal of Advances in
    Information Fusion. 2016. V. 11. N 1. P. 3–14.
  11. Sarkka S. Bayesian Filtering and Smoothing. CambridgeUniversityPress,2013. 252 p.
  12. Stepanov O.A. Optimal and sub-optimal filtering in integrated navigation systems / In: Aerospace Navigation Systems.
    NY: John Wiley and Sons, 2016. P. 244–298.doi: 10.1002/9781119163060.ch8
  13. Степанов О.А. Основы теории оценивания с приложениямик задачам обработки навигационной информации. Ч. 2. Введение в теорию фильтрации. СПб: Концерн «ЦНИИ «Электроприбор», 2017. 428 с.
  14. Дьяконов В.П. Matlab 6.5 SP1/7 + Simulink 5/6. Основы применения. М.: СОЛОН-Пресс, 2005. 800 с.
  15. Знаменский А.Е., Теплюк И.Н. Активные RC-фильтры. М.: Связь, 1970. 280 с.


Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License
Информация 2001-2019 ©
Научно-технический вестник информационных технологий, механики и оптики.
Все права защищены.

Яндекс.Метрика