-
公开(公告)号：CN112067032A
公开(公告)日：2020-12-11
申请号：CN202010871880.5
申请日：2020-08-26
申请人： 西北工业大学 , 西北工业大学太仓长三角研究院
IPC分类号： G01D18/00
摘要： 本发明涉及一种提升MEMS传感器环境适应性的智能自校准控制方法，属于微机电系统领域。该方法由两级期望最大化方法组成，在第一级期望最大化方法中，基于小带宽的滤波器识别环境中具有短时间持续且强度剧烈的外部扰动，估计出相应偏差；在第二级期望最大化方法中，将缓慢变化的内部扰动与真值耦合到传感器确定的偏差上，选取大带宽的滤波器以匹配内部扰动的特性，然后分别识别和估计相应的扰动参数和真值。本发明通过一种可变期望最大化方法，基于扰动参数的不同特性改变平滑带宽，逐级进行状态估计与扰动辨识的同步迭代优化处理，抑制环境扰动对MEMS传感器产生的偏差，有效提升MEMS传感器的环境特性。
-
公开(公告)号：CN111427262B
公开(公告)日：2022-03-18
申请号：CN201911103777.X
申请日：2019-11-13
申请人： 西北工业大学 , 西北工业大学太仓长三角研究院
IPC分类号： G05B13/04
摘要： 本发明涉及一种极端环境未知干扰作用下的MEMS传感器零位稳定输出的智能控制方法，属于微机电系统领域。该方法以实现极端环境未知干扰作用下MEMS传感器的扰动智能抑制，该方法基于量测数据驱动控制的自适应期望最大值，它通过基于历史少量样本数据的斜率变化标准作为驱动模型判别环境扰动特征类型，构建输出样本数据的斜率与滤波器带宽函数自适应关系，通过对带宽内的量测数据建立完整数据的对数似然函数，并计算对似然函数的数学期望，然后分别在E步进行状态估计和M步进行参数识别，执行对数似然函数的数学期望最大化，通过对E步和M步进行交替迭代，达到收敛极限时，得到MEMS传感器输出最优估计值。
-
公开(公告)号：CN111427262A
公开(公告)日：2020-07-17
申请号：CN201911103777.X
申请日：2019-11-13
申请人： 西北工业大学 , 西北工业大学太仓长三角研究院
IPC分类号： G05B13/04
摘要： 本发明涉及一种极端环境未知干扰作用下的MEMS传感器零位稳定输出的智能控制方法，属于微机电系统领域。该方法以实现极端环境未知干扰作用下MEMS传感器的扰动智能抑制，该方法基于量测数据驱动控制的自适应期望最大值，它通过基于历史少量样本数据的斜率变化标准作为驱动模型判别环境扰动特征类型，构建输出样本数据的斜率与滤波器带宽函数自适应关系，通过对带宽内的量测数据建立完整数据的对数似然函数，并计算对似然函数的数学期望，然后分别在E步进行状态估计和M步进行参数识别，执行对数似然函数的数学期望最大化，通过对E步和M步进行交替迭代，达到收敛极限时，得到MEMS传感器输出最优估计值。
-
公开(公告)号：CN112067032B
公开(公告)日：2023-01-31
申请号：CN202010871880.5
申请日：2020-08-26
申请人： 西北工业大学 , 西北工业大学太仓长三角研究院
IPC分类号： G01D18/00
摘要： 本发明涉及一种提升MEMS传感器环境适应性的智能自校准控制方法，属于微机电系统领域。该方法由两级期望最大化方法组成，在第一级期望最大化方法中，基于小带宽的滤波器识别环境中具有短时间持续且强度剧烈的外部扰动，估计出相应偏差；在第二级期望最大化方法中，将缓慢变化的内部扰动与真值耦合到传感器确定的偏差上，选取大带宽的滤波器以匹配内部扰动的特性，然后分别识别和估计相应的扰动参数和真值。本发明通过一种可变期望最大化方法，基于扰动参数的不同特性改变平滑带宽，逐级进行状态估计与扰动辨识的同步迭代优化处理，抑制环境扰动对MEMS传感器产生的偏差，有效提升MEMS传感器的环境特性。
-
公开(公告)号：CN112067844A
公开(公告)日：2020-12-11
申请号：CN202010873490.1
申请日：2020-08-26
申请人： 西北工业大学
IPC分类号： G01P15/125 , G01P15/08
摘要： 本发明涉及一种未知干扰作用的MEMS传感器阵列式高精度输出控制方法，属于微机电系统领域。该方法是一种基于未知输入驱动的在线动态系统偏差估计算法，它通过将多个MEMS传感器的量测值进行加权线性组合来把目标状态的量测模型转化为系统偏差伪量测模型，并构建带有随机未知输入的广义动态系统偏差模型，由此构成动态系统偏差模型，然后判断解耦条件是否满足，若满足则基于动态系统偏差模型，对未知扰动进行解耦，接着在最小方差无偏准则下，计算增益阵，最后得到最优化线性最小方差系统偏差估计，并输出阵列式MEMS传感器最优估计值。本发明通过状态估计与扰动辨识的同步优化处理，显著提升环境未知扰动作用的阵列式MEMS传感器输出的状态估计性能。
-
公开(公告)号：CN114001759A
公开(公告)日：2022-02-01
申请号：CN202111492122.3
申请日：2021-12-08
申请人： 西北工业大学
摘要： 本发明涉及一种阵列式MEMS传感器控制方法及系统，方法包括：获取多个MEMS传感器的量测数据；对量测数据进行一阶马尔科夫过程描述，构建量测数据的动态和量测模型进而确定量测值；以期望最大化为目标对量测值的概率密度的对数进行灵敏度衰减随机参数的辨识迭代和期望步迭代得到传感器的节点的最优局部状态估计和灵敏度衰减随机参数辨识值；根据传感器的节点的最优局部状态和灵敏度衰减随机参数辨识值确定任意两个传感器之间的估计误差协方差；根据估计误差协方差和传感器的节点的最优局部状态利用分布式融合估计器确定灵敏度衰减下阵列式MEMS传感器系统的最优状态估计。本发明能够提升MEMS传感器的灵敏度衰减下的精度性能。
-
公开(公告)号：CN112596383A
公开(公告)日：2021-04-02
申请号：CN202011303296.6
申请日：2020-11-19
申请人： 西北工业大学
IPC分类号： G05B13/04
摘要： 涉及一种提升低成本MEMS阵列式传感器环境鲁棒性的控制方法，属于微机电系统领域。该方法首先利用多传感器阵列中各MEMS传感器节点的局部量测数据，通过EM算法中的E步进行局部状态估计；其次根据当前传感器节点与相邻节点的状态估计差值自适应调整权重系数，设计共识滤波算法，对当前节点与相邻节点的状态估计进行加权融合，用融合值对当前传感器节点的局部状态估计进行更新；最后在EM算法中的M步利用更新后的局部状态估计进行期望最大化计算，得出对未知扰动信息值的估计，利用量测数据减未知扰动估计，完成对未知扰动的抑制，有效提升MEMS传感器阵列在复杂环境下的鲁棒性。
-
公开(公告)号：CN114001759B
公开(公告)日：2024-01-09
申请号：CN202111492122.3
申请日：2021-12-08
申请人： 西北工业大学
摘要： 本发明涉及一种阵列式MEMS传感器控制方法及系统，方法包括：获取多个MEMS传感器的量测数据；对量测数据进行一阶马尔科夫过程描述，构建量测数据的动态和量测模型进而确定量测值；以期望最大化为目标对量测值的概率密度的对数进行灵敏度衰减随机参数的辨识迭代和期望步迭代得到传感器的节点的最优局部状态估计和灵敏度衰减随机参数辨识值；根据传感器的节点的最优局部状态和灵敏度衰减随机参数辨识值确定任意两个传感器之间的估计误差协方差；根据估计误差协方差和传感器的节点的最优局部状态利用分布式融合估计器确定灵敏度衰减下阵列式MEMS传感器系统的最优状态估计。本发明能够提升MEMS传感器的灵敏度衰减下的(56)对比文件张伯源;高国伟.改进的卡尔曼滤波在MEMS陀螺仪信号处理的应用.传感器世界.2019,(第03期),全文.
-
公开(公告)号：CN112067844B
公开(公告)日：2022-07-26
申请号：CN202010873490.1
申请日：2020-08-26
申请人： 西北工业大学
IPC分类号： G01P15/125 , G01P15/08
摘要： 本发明涉及一种未知干扰作用的MEMS传感器阵列式高精度输出控制方法，属于微机电系统领域。该方法是一种基于未知输入驱动的在线动态系统偏差估计算法，它通过将多个MEMS传感器的量测值进行加权线性组合来把目标状态的量测模型转化为系统偏差伪量测模型，并构建带有随机未知输入的广义动态系统偏差模型，由此构成动态系统偏差模型，然后判断解耦条件是否满足，若满足则基于动态系统偏差模型，对未知扰动进行解耦，接着在最小方差无偏准则下，计算增益阵，最后得到最优化线性最小方差系统偏差估计，并输出阵列式MEMS传感器最优估计值。本发明通过状态估计与扰动辨识的同步优化处理，显著提升环境未知扰动作用的阵列式MEMS传感器输出的状态估计性能。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.046 秒)
