【摘 要】
：
轴对称陀螺主要有两种工作模式:全角模式与速率模式。相比速率模式,全角模式能直接输出角度、具有极大的带宽与量程,因此受到了广泛的关注。但全角模式的缺点也很明显:控制系统较为复杂,陀螺结构的不对称会让其产生阈值。目前,由于加工精度的限制,大部分MEMS（Micro-Electro-Mechanical systems）全角陀螺的阈值在几度每秒甚至几十度每秒,这严重限制了其性能和应用范围。因此,降低阈值
论文部分内容阅读
轴对称陀螺主要有两种工作模式:全角模式与速率模式。相比速率模式,全角模式能直接输出角度、具有极大的带宽与量程,因此受到了广泛的关注。但全角模式的缺点也很明显:控制系统较为复杂,陀螺结构的不对称会让其产生阈值。目前,由于加工精度的限制,大部分MEMS（Micro-Electro-Mechanical systems）全角陀螺的阈值在几度每秒甚至几十度每秒,这严重限制了其性能和应用范围。因此,降低阈值是研究者普遍关注的研究课题。本文以类蛛网状盘式谐振陀螺为研究对象,研究了 MEMS陀螺全角模式的控制系统,分析了陀螺结构的刚度不对称与阻尼不对称对进动角速度带来的影响,提出全角陀螺进动角速度误差补偿方法,该方法能有效降低全角陀螺的阈值。本文主要工作如下:首先,分析了全角模式的激励方式与工作特点,针对角度解算出现的值域不完整问题给出角度值域补偿方法,同时分析了全角陀螺的能量控制回路、正交控制回路、锁相环以及进动角速度控制回路,分别讨论了进动角速度控制回路闭环工作与开环工作这两种情况。其次,分析了阻尼不对称和刚度不对称对全角陀螺性能的影响,指出陀螺结构不对称会使进动角速度产生误差,并且该误差会导致输出角度波动以及阈值等问题。本文总结了该误差的特点,提出用傅里叶级数拟合来获取误差信息,通过进动角速度控制回路来进行误差补偿。最后,设计了基于全角模式下MEMS陀螺的测试实验。测试了陀螺的基本参数,测得x模态与y模态的谐振频率分别为5046.76Hz与5045.1Hz,品质因数分别为136252和135606。补偿前进动角速度波动幅值为5°/s左右,即阈值约为5°/s,用傅里叶级数拟合补偿后,陀螺的阈值降低到了 0.05 °/s以下,相比补偿前改善了两个数量级并且实验证明该方法能有效提高角度增益稳定性。
其他文献
基于分子界面作用的先进气敏功能材料,在生态保护、公共安全和能源开发等领域应用广泛。传统气敏材料的性能研究大多从材料的表象参数定性分析,存在耗时较长、工作量较大以及缺乏预知性等问题。随着微悬臂梁研究的不断深入,气敏材料分析仪利用谐振式微悬臂梁作为生化传感器,变温微称重法为测试理论基础,定量提取气敏材料的特征参数,从热力学与动力学这一特征参数着手,实现气敏材料敏感特性的快速定量评估,在气敏材料性能分析
为了满足长期快速增长的通信容量需求,基于空分复用（Space Division Multiplexing,SDM）技术的多芯光纤（Multi-core Fiber）开始被广泛研究。然而,相比于传统单芯光纤,多芯光纤中独有的芯间串扰（Inter-core Crosstalk）在多芯光纤传输系统中会严重影响光信号的传输质量、降低信道通信容量,成为限制空分复用性能的重要影响因素。在实际多芯光纤中,由于弯
事件同指消解任务旨在判断多个事件实例是否指向现实世界中同一个具体事件,并将指向同一个事件的事件实例链接成同指链。根据事件实例的来源,事件同指消解可分为文档级任务和跨文档任务。本文从中文、英文和跨语言三方面展开文档级事件同指消解任务的研究,主要内容有:（一）基于结构化表示的事件同指消解方法针对事件句表述复杂存在一词多义、多种指代现象,本文提出了基于结构化表示的事件同指消解方法。首先,通过事件五元组构
随着云计算、物联网和5G等技术的发展,边缘设备的数量迅速增加。各种边缘设备产生了大量数据,人们希望这些数据可以在边缘端直接处理。同时,边缘计算产生的一系列数据需要与用户进行实时交互,而最直观的数据交互形式就是图形显示。对于边缘设备,通常来说是资源有限,并且对功耗十分敏感。因此,研究有限资源系统中图形显示的实现对边缘计算来说具有重大意义。本文基于嵌入式图形显示系统课题背景、研究意义与国内外研究现状,
目的 探讨早发型子痫前期（early onset pre-eclampsia, EOSP）患者血清内皮细胞特异性分子-1（endothelial cell specific molecule-1,ESM1）及低密度脂蛋白受体相关蛋白-1（low-density lipoprotein receptor-related protein-1,LRP1）水平及与病情严重程度的相关性。方法 选取2019年
随着信息获取技术的发展,各领域的数据呈现高维化。高维数据的出现意味着我们可以获取更多有价值的信息,同时也意味着我们在处理数据和挖掘信息时会遇到更多的挑战。比如,高维数据的稀疏性会使得模型的训练以及参数的估计更加困难,会导致“维度灾难”问题。另外,随着数据维数的增长,特征的冗余度和无关性也会随之增长,这将不仅增加算法的时间复杂度,而且可能会降低算法的性能。研究人员采用降维技术将高维数据映射到低维空间
信息时代的发展为人们带来极大便利的同时也时刻在产生着海量的数据,这些数据中又以图像和视频数据最为直观。大规模图像数据有利于深度神经网络的训练与学习,但也为图像检索任务提出了更大的挑战。哈希技术凭借快速高效的特点,在保证检索精度的同时可以加快图像检索速度。将深度学习与哈希技术相结合的深度哈希方法能够进一步提升图像检索系统的性能,因而成为了研究热点。本文针对现有深度哈希检索算法中存在的问题进行了分析与
在控制技术、传感器技术、信息技术不断升级的时代,工业基础设施建设消费市场对工程机械的性能要求不断提升。装载机以其操作简单、工作效率高、人工作业强度低以及逐渐智能化等优势,占据了大部分工程机械市场份额。因技术限制,传统的装载机已经无法满足人们日益增长的智能化需求。因此,通过优化装载机的控制系统使装载机完成更多智能化操作成为大势所趋。装载机逐渐智能化的转变,在一定程度上满足了消费者对性能的需求,但同时
制衣厂在裁剪制衣的过程中对于出现瑕疵的布料,通常会丢弃并在新的布匹重新制作废弃的布料,这不仅降低了企业的生产效率,还提高了生产成本。为了减少制衣厂在布匹裁剪过程中产生的废料,同时能在布匹裁剪之前评估所采购布匹的质量,本文针对工厂现有的工作流程设计了布匹瑕疵标签定位与裁剪优化系统。该系统主要分为三部分,分别是瑕疵采集系统,排料图提取软件,瑕疵匹配软件。瑕疵采集系统通过工业相机采集布匹图像进行瑕疵的识
火灾,作为最经常、最普遍地灾害之一,严重威胁着公众的安全和社会的发展。而尽早在火灾初期发现火情,提醒人们采取措施灭火或进行疏散,是降低火灾造成经济财产损失和人员伤亡的重要途径。而传统火灾探测系统存在布设成本大,难维护,易误报等问题。而且探测系统给出的火灾信息过少,被困人员仅能知道火灾发生,无法获取其他对疏散有帮助的关键信息,如火灾的严重程度、分布、发展趋势等。这往往使得被困人员在进行疏散时准备不足