Calibração de alta precisão em toda a faixa de temperatura: Revelando as principais tecnologias de modelagem de erros e algoritmos de compensação para IMU de FOG.

Explore a calibração de alta precisão para IMU de fibra óptica (Unidade de Medição Inercial Giroscópica) em toda a faixa de temperatura. Aprenda técnicas essenciais de modelagem de erros, calibração bidirecional 3D de taxa/posição única e compensação por Interpolação Linear por Partes (PLI) para maior precisão de navegação em drones, veículos autônomos e robótica.

Como o FOG IMU (Unidade de Medição Inercial baseado em Giroscópio de fibra ópticaComo manter alta precisão em ambientes de temperatura complexos? Este artigo analisa de forma abrangente os métodos de modelagem e compensação de erros.

1. Introdução à IMU FOG: O "Cérebro" do Sistema de Navegação de Voo

Em aeronaves modernas, especialmente em sistemas de veículos aéreos não tripulados (VANTs) de pequeno porte com rotores, o giroscópio de fibra óptica (FOG) é o componente central do sistema de informações de navegação e medição de atitude. O giroscópio de fibra óptica (FOG), baseado no efeito Sagnac, apresenta vantagens como alta precisão, forte resistência a choques e resposta rápida, mas possui baixa adaptabilidade a variações de temperatura. Isso pode facilmente levar a erros de medição durante o voo, em ambientes dinâmicos que sofrem mudanças drásticas, afetando o desempenho geral do sistema de navegação.

2. Fontes de Erro: Análise dos Desvios Comuns de Medição da IMU FOG

Os erros da IMU FOG podem ser classificados principalmente em dois tipos:
(1) Erro do canal de velocidade angular: Isso inclui erro de instalação, erro do fator proporcional, erro de polarização zero, etc.

(2) Erro no canal de aceleração: Causado principalmente por erro de instalação, deriva de temperatura e perturbação dinâmica.

Esses erros se acumulam no ambiente real, afetando seriamente a estabilidade e a precisão do sistema de controle de voo.

3. Limitações dos métodos tradicionais de calibração

Embora os métodos tradicionais de calibração estática multi-orientação e velocidade angular possam abordar parcialmente a questão dos erros, eles apresentam deficiências óbvias nos seguintes aspectos:
(1) Incapaz de equilibrar precisão e eficiência computacional
(2) Inaplicável à compensação de toda a faixa de temperatura
(3) Perturbações dinâmicas afetam a estabilidade da calibração
Isso requer uma modelagem de erros mais inteligente e eficiente e mecanismo de compensação de temperatura.

4. Explicação detalhada do método de calibração tridimensional de velocidade positiva e negativa/atitude de um eixo em toda a faixa de temperatura.

(1) Calibração precisa em múltiplos pontos de temperatura
Ao definir vários pontos de temperatura que variam de -10°C a 40°C e realizar a calibração de rotação em três eixos em cada ponto, é possível coletar parâmetros de erro relacionados à temperatura.
(2) Método de velocidade positiva e negativa tridimensional: simulação precisa das condições reais de voo
Utilizando uma plataforma giratória de eixo único e uma ferramenta hexaédrica de alta precisão, é possível obter a calibração de velocidade positiva e negativa nas direções dos eixos X/Y/Z, aumentando a adaptabilidade do sistema a ambientes dinâmicos.
(3) Estabilização de atitude em um eixo: captura rápida do deslocamento zero do sistema
Mantendo-se um estado estático, os deslocamentos iniciais sob diferentes temperaturas são registrados para fornecer dados precisos que auxiliem na modelagem de erros subsequente.

5. Por partes Interpolação Linear (PLI): Uma ferramenta precisa de compensação de erros com baixa carga computacional.

Para atender aos requisitos de compensação de erros da IMU FOG em toda a faixa de temperatura, este artigo propõe o algoritmo de Interpolação Linear por Partes (PLI), que possui as seguintes características:
(1) Baixa carga computacional: Adequado para sistemas de navegação embarcados com recursos limitados
(2) Forte capacidade de compensação em tempo real: o erro é ajustado dinamicamente com as mudanças de temperatura.
(3) Fácil de implantar e atualizar
Em comparação com o método dos mínimos quadrados de alta ordem, o esquema PLI garante a precisão da compensação, reduzindo significativamente a carga computacional do sistema, tornando-o adequado para cenários de computação em tempo real durante o voo.

6. Verificação prática: desempenho excepcional em ambientes de voo complexos

Por meio de experimentos de campo a bordo, esse método aprimorou significativamente a precisão das medições e a adaptabilidade ambiental do sistema sob diversas temperaturas e perturbações dinâmicas, fornecendo uma base sólida de navegação para futuras plataformas de voo de pequenos helicópteros de alto desempenho.

7. Conclusão: Dominar a modelagem e a compensação de erros da IMU FOG é fundamental para construir uma plataforma de voo altamente confiável.

Com o desenvolvimento de veículos aéreos não tripulados e sistemas de voo inteligentes, os requisitos de precisão dos sistemas de navegação tornaram-se cada vez mais rigorosos. Ao introduzir os métodos de calibração de velocidade positiva e negativa em três posições e compensação por interpolação linear segmentada, a adaptabilidade e a precisão da IMU FOG em toda a faixa de temperatura e em ambientes altamente dinâmicos podem ser significativamente aprimoradas. No futuro, espera-se que essa tecnologia desempenhe um papel ainda maior em áreas como direção autônoma, navegação robótica e coleta de mapas de alta precisão. (Micro-Magic's)U-F3X80,U-F3X90, U-F3X100,eU-F300 Podemos utilizar o método de calibração de três vias com taxa positiva e negativa/uma posição em temperatura total e compensação PLI. De acordo com as características de erro do giroscópio de fibra óptica e do acelerômetro flexível de quartzo, o modelo de erro da unidade de medição inercial FOG é estabelecido e o esquema de calibração de três bits com taxa positiva e negativa/uma posição é projetado em cada ponto de temperatura constante. O algoritmo PLI é usado para compensar os erros de temperatura de viés zero e fator de escala do sistema em tempo real, reduzindo a carga de trabalho de calibração e a quantidade de cálculos do algoritmo de compensação, e melhorando a dinâmica do sistema, a adaptabilidade ao ambiente de temperatura e a precisão da medição.