基于磁场调制的磁流体动力学角速度传感器研究

来源 :天津大学 | 被引量 : 0次 | 上传用户:martingale
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
基于磁流体动力学(Magnetohydrodynamics,简称MHD)的角速度传感器具有宽频带,低损耗,能够在极端环境下工作等特点,尤其适用于宇宙空间敏感载荷在轨宽频微角振动的测量。带宽和噪声水平是MHD角速度传感器最主要的技术指标,目前的研究集中于提高其低频信噪比以改善低频性能,以及进一步降低通带噪声以获取更高的分辨力。因此本文提出一种基于磁场调制的MHD角速度传感器,通过调制解调来规避低频段噪声干扰,从而改善输出信噪比,提高测量分辨力。首先,本文分析了恒定磁场MHD角速度传感器预处理电路的电压噪声谱密度,发现运算放大器的1/f噪声占噪声主要成分,且包含工频干扰。为解决上述问题,提出了一种采用交流磁源的MHD角速度传感器,设计了整体角速度测量系统,并对其传感及测量原理进行了分析。其次,本文对传感器的交流磁源和结构进行设计,提出了将通入交变电流激励的螺线管作为传感器的交流磁源,并对其产生磁场进行理论计算。选择磁芯和外壳材料,设计闭合磁路结构和相应的传感器机械结构。为了验证结构设计的合理性及分析流体环处磁感应强度大小和均匀性,简化了传感器结构,在Maxwell中对简化结构进行仿真,并讨论了传感器装配过程中需注意的问题。最后,本文设计了传感器输出微弱调幅电压信号的提取方案。为实现信号的放大和滤波,设计了信号预处理电路,由低噪声放大电路、二阶带通滤波器和单端转差分电路组成。为实现信号的解调,设计了基于嵌入式系统的数字相敏检波系统,同步采集参考信号与调幅信号,在DSP芯片中实现对信号的解调,经过对解调系统测试,信号解调后频率相对误差小于0.6%,幅值相对误差小于0.15%,可有效提取出调制信号。通过对信号提取系统本底噪声测量和分析,结果表明通过调制解调可规避低频噪声干扰。
其他文献
在智能化信息化深入普及的今天,人们对高分辨率图像的要求越来越高,图像超分辨率重建技术开始发挥重要作用。该研究在图像理解、语义分割以及识别等领域有着广泛应用前景与研究价值。在实际应用中,我们希望超分辨方法不仅能够重建统计意义上的高质量图像,而且能够重建视觉感知意义上的高质量图像。而现有的超分辨算法较难满足两个需求,也就是经常出现客观评价指标与主观评价指标得分不一致的问题。比如,有些超分辨方法所重建图
随着科技创新的日益发展,人类社会不断进步。机器人也成为了人们生活中的一部分,移动机器人开始从事越来越多的枯燥、乏味、具有危险性的工作。如无人餐厅、医院、工厂以及太空等一些人类无法正常工作的环境。本文针对全方位移动机器人越来越难以精确测量的电机参数问题、越来越难以精确建立的数学模型问题以及一些未知的内、外部扰动问题。本文采用自适应滑模控制、自抗扰控制、无模型自适应等控制方法,主要研究内容如下:首先,
煤炭工业长期以来是支撑俄罗斯经济社会发展的主要行业,在俄罗斯国家经济中发挥着重要作用。俄罗斯是我国煤炭进口的主要来源国之一,随着俄罗斯能源强国战略和煤炭东向战略的推行、俄罗斯国内能源消费结构的优化、俄对外贸易政策的调整以及煤运基础设施的逐步改善,俄罗斯煤炭在东亚地区市场的竞争力还将进一步提升。研究俄罗斯煤炭生产、消费、调运及国际贸易现状,定量预测2035年前俄罗斯煤炭可供出口量及运输能力,分析碳中
随着人民生活水平的提高,汽车进入到人民的生活当中。随后日益增加的交通安全问题引起人们的关注。车道线检测作为自动驾驶以及辅助驾驶系统中重要的环节,得到了大量的研究,其核心思想是准确、快速的检测出车道线的位置。传统的车道线检测方法对待检测图像进行边缘检测、阈值化处理和曲线拟合,通过提取车道线的特征检测车道线,依赖于手工操作,算法复杂度大,车道线检测效率低,且基于模型的系统很难对道路场景变化进行建模,因
近年来,在硬件计算能力大幅提高和大数据技术的助推下,以卷积神经网络为代表的深度学习技术发展迅速,为很多领域的研究提供了新的方法,尤其是图像处理领域。利用卷积神经网络人们能从摄像头拍摄的图像中获取更多有用的信息,使得搭载摄像头的自动驾驶汽车具有了更强的感知周围环境的能力,推动了自动驾驶技术的发展。本文主要研究基于视觉的面向自动驾驶汽车的车辆检测算法,主要包括以下内容:首先,本文设计了一个车载专用车辆
船舶的绿色智能化生产建造技术越来越受到关注,但由于船舱内部结构复杂,目前其喷涂工作主要由人工完成。因此迫切需要一种具有极强灵活性和避障能力,可以在狭长、有障碍环境下作业的装备。超冗余机器人拥有卓越的灵活性,具有在船舱内空间作业的工程应用潜力。本文以一种超冗余机器人为研究对象,研究其原理设计和轨迹控制策略,并进行了计算机模拟仿真验证,取得如下研究成果:针对船舱内狭长、有障碍的空间特征,在进行作业需求
无人机因其机动灵活,使用不受地理、环境等条件限制等优势,在不同领域正在得到日益广泛的应用,如航拍、搜救、军事侦察、地形勘测等。同时,无人机应用场景的多样性与复杂性也将难免使得无人机零部件出现各种各样异常或者故障,无人机零部件运行状态是否正常将直接决定无人机能否正常运行。作为无人机系统的重要组成部分,无人机监控系统也面临着应用场景复杂性与多样性的挑战。因此,对于无人机监控系统的研究与设计有着重要的工
手势识别是人机交互、智能语义识别和远程人机通信等领域的研究热点和难点,在多数复杂情况下难以达到较高的识别率。本文研究静态和动态手势识别问题,基于卷积神经网络本身具有较强的学习能力和对个体特征的表达能力,针对静态手势识别提出扁平卷积神经网络(Flattened Convolution network)和复合密集连接下的卷积神经网络,针对动态手势识别提出融合Inception-LSTM级联卷积神经网络
随着计算机视觉技术的不断发展,双目立体视觉作为计算机视觉的重要组成部分,一直是学者们研究的热点。立体匹配作为双目立体视觉中最为关键的环节,通过寻找双目图像的对应点,为目标场景提供准确的深度信息。然而,图像获取过程会受到景深、对焦、大气湍流等因素影响,导致双目图像出现不同程度的散焦模糊降质,影响视觉对应性,降低立体匹配的精度。近年来,深度学习已经在图像分类、目标检测、语义分割等诸多领域取得了巨大的成
本文密切结合国家基金研究A3并联动力头误差补偿关键技术,以一种具有一平动两转动的3-RPS并联动力头为研究对象,研究了该机构运动学标定过程中测量位形优选、误差辨识方法、误差补偿策略以及标定方法等问题,全文主要取得如下研究成果:在并联动力头运动学分析及几何误差建模的基础上,以工作空间几何误差源的灵敏度和辨识矩阵的条件数为指标,推导了基于改进粒子群优化算法的测量位形优选算法。仿真结果表明,这种算法可以