三軸正交型傳感器正交性的軟件修正方法

當(dāng)需要測量的物理量為矢量時，我們需要使用三個正交放置的傳感器來分別測量物理量的各個分量，以此來合成一個完整的矢量。如果我們對測量精度要求非常高，就不能僅僅只是對單個傳感器進(jìn)行修正，還要考慮三個傳感器的敏感軸是否嚴(yán)格的正交。很多時候我們需要仔細(xì)的調(diào)整三個傳感器的正交關(guān)系，但是將三個傳感器調(diào)整到完全正交是很難的，并且許多時候，由于設(shè)計等原因，這種機(jī)械上的調(diào)校是無法進(jìn)行的。這時，軟件修正就成了必不可少的步驟，軟件修正大多數(shù)時候也比機(jī)械上的調(diào)校更簡單。

這里介紹一種基本的軟件修正方法。它對大多數(shù)類型的傳感器都可以使用。首先，假設(shè)單獨(dú)的每個傳感器的測量的值都是準(zhǔn)確的，這可以通過預(yù)先對每個傳感器進(jìn)行標(biāo)定來完成。

這里設(shè)三個傳感器的測量值分別是 x1，x2，x3。這三個值可以合成一個列向量X：

而傳感器所在位置的真實(shí)物理量可以用矢量Y來表示：

所謂軟件修正算法，就是找到從 X到 Y 的映射。由解析幾何知識我們知道X到 Y 的映射可以通過一個線性變換C來表示：

寫到這里其實(shí)方法就很明了了，我們只需要求得這個轉(zhuǎn)換矩陣C就一切都解決了。

轉(zhuǎn)換矩陣C如何求，當(dāng)然是通過大量的測量數(shù)據(jù)來擬合。實(shí)驗(yàn)數(shù)據(jù)的獲得很重要，最好能有個比較精密的三軸轉(zhuǎn)臺，這樣轉(zhuǎn)各個角度都比較方便。沒有也沒關(guān)系，但至少要能把裝配好的傳感器組沿三個已知的方向放置，并且這三個方向要擺放的很精確。通常，我們選的這三個方向是相互正交的，這三個方向上物理量的真實(shí)值就是上面式子中的y1、y2、y3，換句話說這三個方向是三個傳感器的名義上的取向，雖然這三個傳感器可能全都擺歪了。具體如何采集數(shù)據(jù)就不詳細(xì)描述了，由于未知參數(shù)有9個，至少要采集9組數(shù)據(jù)才行，條件允許的話當(dāng)然是數(shù)據(jù)越多越好。

下面說說如何對采集到的數(shù)據(jù)進(jìn)行擬合。通常我們遇到的最小二乘擬合問題的待擬合的函數(shù)都可以表示為：

這里x1，…，xN是函數(shù)的自變量，c1，…，cM是待擬合的參數(shù)。我們可以將自變量和待擬合參數(shù)簡寫為向量，這樣表達(dá)式能夠簡化：

所謂最小二乘擬合就是求的使的下面函數(shù)g(C)為最小值時C的值，其中Xi 和 yi 為測量值，這里設(shè)共有P 組測量值：

這個問題已經(jīng)有成熟的算法，各種常見的數(shù)學(xué)軟件，比如 Matlab、Mathematica、scilab、Lingo 等都有現(xiàn)成的程序包來完成這個計算。我們現(xiàn)在的問題難點(diǎn)在于 y 也是個向量，這就需要我們對上面的方法進(jìn)行一點(diǎn)簡單的變形。簡單的說，我們實(shí)際上是有三個待擬合函數(shù)的，因此g(C)也要做相應(yīng)的改變：

經(jīng)過這樣轉(zhuǎn)化后就成了一個普通的最優(yōu)化問題(函數(shù)求極值)了，各種數(shù)學(xué)軟件都可以方便的計算出結(jié)果。

這里再多說幾句，我個人喜歡使用 gnuplot，gnuplot中有個 fit 命令，也可以完成多元函數(shù)擬合。Gnuplot的 fit 命令采用非線性最小二乘 (NLLS) Marquardt-Levenberg算法，擬合能力非常強(qiáng)悍，只要擬合參數(shù)的初值給的別太離譜，基本都能夠收斂到最優(yōu)解上。fit命令具體的用法可以參考gnuplot的幫助文件。這里只講講如何處理 y是多個值的問題，方法很簡單，就是通過多引入一個自變量，將多值函數(shù)改造成普通的函數(shù)：

改造后的fc(X,i)就成了普通的多元函數(shù)了，可以用常規(guī)的多元函數(shù)擬合方法來處理。

如果將三個傳感器單獨(dú)的校正和正交性校正一起進(jìn)行，可以這樣來：

這里需要注意的是如果a1，a2，a3成為未知數(shù)，c11，c22，c33就可以作為已知量了，比如設(shè)c11=c22=c33=1，因?yàn)檫@里的六個未知數(shù)只有三個是獨(dú)立的。因此，實(shí)際上只增加了三個未知數(shù)。

如果將上面的方法和溫度修正一起考慮的話可以這樣處理：

上面式子中的t是溫度，這里的溫度修正算法比較簡單，主要是為了盡量少引入未知的參數(shù)。后面的計算就沒什么不同的了。