[发明专利]一种惯性传感器量程扩充方法、装置和系统

说明书

本发明提供了一种惯性传感器量程扩充方法、装置和系统，方法包括：同步接收多个惯性传感器的测量数据，建立每一惯性传感器的误差模型；其中，各惯性传感器具备不同的量程；使用卡尔曼滤波算法对各惯性传感器的测量数据进行滤波融合，输出融合之后的传感器数据。本发明利用冗余惯性传感器件进行组合，通过高量程惯性器件和低量程器件的数据输出，通过惯性传感器的误差模型建立滤波算法，最后得到兼顾高量程高稳定性的传感器方案。本发明采用滤波手段，对不同传感器会适配不同的误差参数，在滤波融合过程会自动识别出多个惯性传感器的误差，输出优化的数据，既扩展了传感器系统的量程，还提升了整个传感系统的性能。

技术领域

本发明涉及传感器技术领域，尤其涉及一种惯性传感器量程扩充方法和系统。

背景技术

当前惯性传感器(包含陀螺仪和加速度计)的设计，会有预设的测量范围(量程)。一般地，不同的量程范围的惯性传感器会对应不同的传感器性能以及不同的成本。这分两种情况，一种是为了保证惯性传感器的稳定性以及噪声等性能，对传感器的设计阶段就以较窄的量程进行设计；另一种情况是传感器本身为大量程设计，传感器本身支持配置，在不同的量程情况下，会对应不同性能(常见的是传感器的分辨率)。

在实际的传感器应用中，需要对传感器进行选型，其中量程是一大考虑的因素。应用同时对动态性能(量程)和稳定性有要求。然而，其中有应用在大部分(约80％)应用场景是运动在低量程环境下，为了保证整个系统的性能，不得不为了20％的应用场景选择更高量程惯性器件。在保证量程和稳定性的前提下，会导致无法有满足技术要求的传感器选型或者只能选择成本高的惯性传感器。

发明内容

为了解决上述问题，本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的惯性传感器量程扩充方法和系统。

第一方面，本发明实施例提供一种惯性传感器量程扩充方法，包括：

S1，同步接收多个惯性传感器的测量数据，建立每一惯性传感器的误差模型；其中，各惯性传感器具备不同的量程；

S2，使用卡尔曼滤波算法对各惯性传感器的测量数据进行滤波融合，输出融合之后的传感器数据。

其中，步骤S1中建立的惯性传感器的误差模型为：

y(t)＝ω+b+n_ω

上式中，y(t)是惯性传感器的测量值，ω是真实的惯性信号，b是惯性传感器的偏置漂移，n_ω为白噪声。

其中，步骤S2中，使用卡尔曼滤波算法对各惯性传感器的测量数据进行滤波融合，具体包括：

以X(t)＝[b,ω]^T为状态向量，建立卡尔曼滤波方程；

根据各惯性传感器不同量程下的性能，分段设置滤波噪声值；

基于卡尔曼滤波方程和分段噪声，进行实时滤波解算，输出融合之后的传感器数据。

其中，步骤S1中所述多个惯性传感器是冗余的用于检测同一方向物理量的惯性传感器。

其中，所述惯性传感器为陀螺仪或加速度计。

第二方面，本发明实施例还提供一种惯性传感器量程扩充装置，包括：

接收模块，用于同步接收多个惯性传感器的测量数据，建立每一惯性传感器的误差模型；其中，各惯性传感器具备不同的量程；

滤波融合模块，用于使用卡尔曼滤波算法对各惯性传感器的测量数据进行滤波融合，输出融合之后的传感器数据。