• No se han encontrado resultados

P R O Y E C T O F I N A L D E C A R R E R A

N/A
N/A
Protected

Academic year: 2021

Share "P R O Y E C T O F I N A L D E C A R R E R A"

Copied!
53
0
0

Texto completo

(1)

P R O Y E C T O F I N A L D E C A R R E R A

C a r l o s P r e c k l e r C l e m e n t e - F e b r e r o 2 0 1 2 -

U n i v e r s i t a t A u t ò n o m a d e B a r c e l o n a . E T S E B e l l a t e r r a .

(2)

 1 - Introducción.

 2 - Objetivos.

 3 - Modelado de errores.

 4 - Ubicación.

 5 - Hardware.

 6 - Software.

 7 - Resultados.

 8 - Conclusiones.

 9 - Mejoras.

INDICE

(3)

¿ QUE ES UNA IMU ?

Dispositivo electrónico dotado de sensores inerciales

(acelerómetros y giroscopios) mecánicos u ópticos, destinada a la detección y medida de aceleraciones lineales y velocidades

angulares de giro.

1-INTRODUCCION

(4)

USOS

o Smartphones/GSM.

o Tablet PCs.

o Cámaras foto/video.

o Discos duros portátiles.

o Navegadores GPS/INS.

1-INTRODUCCION

(5)

¿ QUE PROBLEMAS PRESENTAN ?

• Errores en un corto periodo de tiempo de funcionamiento.

• Requieren modelos para compensar errores.

1-INTRODUCCION

(6)

HARDWARE

• Plataforma portable de integración en múltiples sistemas.

• Comunicaciones inalámbricas para la IMU.

• Integrar alimentación a baterías para la IMU.

SOFTWARE

• Caracterización de los errores aleatorios de la IMU.

• Análisis Varianza de Allan de los sensores.

• Identificación y determinación errores de los sensores.

• Obtención modelos de error (mejorar rendimiento IMU).

2-OBJETIVOS

(7)

3-MODELADO ERRORES

Método más utilizado: Varianza de Allan.

• Algoritmo iterativo.

• Sea N un grupo de muestras consecutivas de longitud L, con frecuencia de muestreo Fs y tiempo de muestra τ0.

1. Se forman grupos de “n” datos consecutivos (CLUSTERES) de duración 0 con 1≤n<N/2.

(8)

2. Obtenemos la media de cada clúster.

3. Calculamos el sumatorio del cuadrado de la diferencia de dos clústeres

consecutivos, para todas las medias obtenidas.

4. Normalizamos al tamaño de clúster, obteniendo un valor de varianza para

el tamaño de clúster analizado.

5. Reiniciamos el algoritmo incrementando el tamaño del clúster (n+1).

3-MODELADO ERRORES

(9)

 Resultado genérico:

3-MODELADO ERRORES

(10)

Sistemas ayuda navegación actuales:

o Receptor GPS o IMU

o Brújula digital

Ejemplos sistemas dotados de estos instrumentos:

4-UBICACION

(11)

 Sistema de navegación inercial GPS/INS de bajo coste, en desarrollo por el departamento de microelectrónica y sistemas electrónicos.

4-UBICACION

(12)

Sistema en desarrollo:

GPS/INS FPGA

4-UBICACION

(13)

5-HARDWARE

(14)

Características:

 Integra los sensores: - FREESCALE MMA7260Q (acelerómetro triaxial) (20€ aprox).

- 3 ST MicroElectronics LISY300AL (giroscopios axiales) (24€ aprox).

 Alimentación: [3.4-10]VDC

 Consumo: 24mA (75mA con XBee)

 Resolución giroscopios: 0.977º/s

 Resolución acelerómetros: 0.00403g @ 1.5g (FS) 0.00537g @ 2g (FS) 0.0107g @ 4g (FS) 0.0161g @ 6g (FS)

 UART

(XBee: protocolo comunicaciones RF IEEE 802.15.4) (UART: Receptor-Transmisor asíncrono universal)

5-HARDWARE

(15)

Pros:

 Ultra bajo coste (100€ aprox).

 Autorregulación a 3,3V.

 Posible uso con baterías (bajo consumo).

 Configuración de sensibilidades y rangos de medida.

 Conectividad Xbee (opcional).

 Versatilidad ATMega168, código libre y personalizable.

Contras:

 Sensores de bajo coste, ruidosos.

 Tamaño relativamente grande.(47x37[mm])

 No dispone de carcasa protectora.

5-HARDWARE

(16)

• Bluetooth v1.2 compatible, hasta 100m alcance.

• Comunicación serie RS232 (1200baud – 230400baud).

• UART serie 3,3V y 5V.

• Hasta 3 señales I/O.

• Firmware personalizable.

• Sin drivers.

5-HARDWARE

(17)

• Acumulador de Níquel-Cadmio.

• Tensión salida: 7,2v.

• Capacidad: 1500mAh.

5-HARDWARE

(18)

• Regulador DC-DC.

• Vin = [4.5v-24v]

• Vout = [3.3v, 5v] (seleccionable por JUMPER)

• Imax = 7 ADC

5-HARDWARE

(19)

Formato de datos ADC IMU:

6-SOFTWARE

(20)

 Convertimos a voltaje y centramos en Vref/2:

 Eliminamos el offset de las lecturas:

 Convertimos a magnitud física:

 PSD de las magnitudes físicas, ruido. (función PWELCH)

6-SOFTWARE

(21)

6-SOFTWARE

• Acelerómetros:

@100Hz

• Giroscopios:

@100Hz

(22)

6-SOFTWARE

 Acelerómetros:

@100Hz

 Giroscopios:

@100Hz

(23)

• Efecto dominante de Angular/Velocity Random Walk.

• Ambos tipos de sensores sufren error de Bias.

• Los giroscopios no presentan Rate Random Walk.

6-SOFTWARE

(24)

Bias Instability:

Ref.[2]

6-SOFTWARE

Ruido blanco discreto con desviación estándar:

(25)

Acceleration/Rate Random Walk:

Ref.[2]

Ruido coloreado, con w(z) ruido blanco de varianza desconocida.

Aproximar baja frecuencia de la PSD del sensor y ARRW, con desviación estándar de w(z).

6-SOFTWARE

(26)

Acceleration/Rate Random Walk:

Ref.[2]

6-SOFTWARE

(27)

Angular/Velocity Random Walk:

Ref.[2]

o Ruido blanco de desviación estándar:

Modelo de Ruido:

Ref.[2]

FIT del modelo con medidas:

Ref.[1]

6-SOFTWARE

(28)

6-SOFTWARE

 FIT Acelerómetros: @100Hz  FIT Giroscopios: @100Hz

(29)

7-RESULTADOS

(30)

7-RESULTADOS

(31)

7-RESULTADOS

(32)

• Allan Variance acelerómetro X

(

3 frecuencias muestreo

):

7-RESULTADOS

(33)

 Se ha creado una plataforma de integración para la IMU.

 Se ha añadido conectividad bluetooth a la plataforma.

 Se ha integrado la alimentación a baterías.

 Se han identificado los errores de los sensores.

 Se han determinado las constantes y los modelos de errores.

 Se han obtenido resultados de FIT > 98%.

8-CONCLUSIONES

(34)

 Dependencia de σ con F

s

:

o NO: σsensor y σAVRW

o SI: σBIAS y σARRW (directamente proporcional)

 Dependencia de constantes error con F

s

:

o NO: B (Bias) y K (ARRW)

o SI: N (inversamente proporcional) (A/VRW)

8-CONCLUSIONES

(35)

• Incrementar variedad de F

s

para modelado de errores.

• Implementar modelado térmico de modelos de error.

• Estudiar dependencia frecuencial y térmica de

parámetros de error extraídos de Varianza de Allan.

9-MEJORAS

(36)
(37)
(38)

Trabajo basado en los documentos:

1. “Analysis and Modeling of MEMS based Inertial Sensors”,

Claudia C. Meruane Naranjo. School of Electrical Enginering, Kungliga Tekniska Hgskolan (Stockholm, 2008)

2. “Stochastic Modeling of MEMS Inertial sensors”, Petko

Petkov, Tsonyo Slavov. Department of Automatichs, Technical University of Sofia (Sofia, Bulgaria).

REFERENCIAS

(39)

GRAFICAS

(40)

GRAFICAS

(41)

GRAFICAS

(42)

GRAFICAS

(43)

GRAFICAS

(44)

GRAFICAS

(45)

GRAFICAS

(46)

GRAFICAS

(47)

GRAFICAS

(48)

GRAFICAS

(49)

GRAFICAS

(50)

GRAFICAS

(51)

GRAFICAS

(52)

GRAFICAS

(53)

GRAFICAS

Referencias

Documento similar

Integrar de manera sintética, el conjunto de modelos teóricos que se dan en las ciencias sociales, diferenciando los paradigmas que fundamentan de manera

“EL PRESTADOR DE SERVICIOS” será el único responsable de las obligaciones derivadas de la relación existente entre él y su personal, empleados o terceros de

C.C. POR 1 DÍA - Por acta de asamblea general extraordi- naria unánime de fecha 30/10/2015 como consecuencia de la transformación de la sociedad a una Sociedad

DEBE CUBRIRSE CON BASE EN EL SUELDO PREVISTO EN EL ARTÍCULO 18 DE LA LEY DEL TRABAJO RELATIVA:”.- Y DE LA DOCUMENTAL.- Consistente en copia del reverso de los

El Servicio está sujeto a una cuota mensual de navegación de descarga que se determinará en el paquete contratado por el Usuario; si dicha cuota es alcanzada por el Usuario antes

primordial, porque hemos sido arrancados de nuestra condición, como bien intuía Spinoza. Es notable que los distintos asentamientos indoeuropeos y sus lejanas migraciones

a) Los pagos se realizarán por el “INSTITUTO” por parte del departamento de Recursos Financieros, contra factura la cual deberá ser enviada al correo del área

Diplomado en Entrenamiento Deportivo Especializado, en el Centro de Educación Continua de Estudios Superiores del Deporte (CECESD) de la