[发明专利]一种多维力传感器的动态解耦方法

说明书

本发明公开了一种多维力传感器的动态解耦方法，该方法包括以下步骤：(1)首先对传感器进行动态测试试验；(2)然后将传感器的输出信号进行动态补偿；(3)最后对经过补偿后的输出信号进行静态解耦，根据所得的试验数据代入静态解耦模型，完成解耦。本发明通过在传感器输出端串联一个动态补偿滤波器适当扩展和延伸传感器的有效工作频带，从而使传感器在该工作频带下进行静态解耦。该方法有效的解决传感器存在的动态响应慢的问题，无需进行复杂的算法，极大提高多维力传感器的动态性能指标。

技术领域

本发明涉及传感器技术领域，尤其涉及一种多维力传感器的动态解耦方法。

背景技术

随着智能机器人的快速发展，多维力传感器从早期的静态解耦逐渐发展到动态解耦，传感器的性能也从提高传感器的静态性能发展到提高传感器的动态性能。解耦就是要在最大程度上减小或消除耦合干扰。在实际应用中，现有的传感器存在动态维间耦合作用，对于处于动态条件下的多维力传感器，静态解耦得到的输出往往难以兼顾所有情况。

为了提高传感器的动态性能，研究人员首先提出了传感器的动态性能补偿，进一步提出了动态解耦。为了实现传感器动态输出的解耦，国内外研究者对多维力传感器的动态解耦开展了许多研究与尝试，在早期时候分别提出了以不变性原理为基础的传感器的动态解耦方法和对角优势化补偿的动态解耦方法，但是实现难度较大，没有在理论上完全地展示六维力传感器的动态耦合关系，只能实现近似解耦。另外，近年来，有学者提出了基于小波神经网络的解耦方法并且使用了遗传算法，但是存在实现难度较大，且距离实际应用还有一定差距的问题。综上所述，目前实际还没有一种有效的动态解耦方法，可以简化现有动态解耦方法的复杂性，从而提高多维力传感器的动态性能和精度。

据此，目前急需一种可实现传感器多维数据快速、有效拟合与解耦的方法，故而提出一种将动态性能补偿和解耦相结合，可以有效的将动态解耦转化为静态解耦的方法。

发明内容

本发明所要解决的技术问题在于提供一种可实现传感器多维数据快速、有效拟合与解耦的方法，故而提出一种将动态性能补偿和解耦相结合，可以有效的将动态解耦转化为静态解耦的方法。本发明采用以下技术方案解决上述技术问题：

一种多维力传感器的动态解耦方法，该方法包括以下步骤：

(1)首先对传感器进行动态测试试验；

(2)然后将传感器的输出信号进行动态补偿；

(3)最后对经过补偿后的输出信号进行静态解耦，根据所得的试验数据代入静态解耦模型，完成解耦。

作为本发明的优选方式之一，所述步骤(2)具体为：通过在传感器的输出端串联动态补偿滤波器来对传感器的有效工作频带进行适当的扩展和延伸，从而使得传感器测试系统动态特性达到预定要求。

作为本发明的优选方式之一，所述动态补偿滤波器可采用基于建模的动态模型的动态补偿滤波方法，具体为零极点相消或反卷积法。

作为本发明的优选方式之一，所述动态补偿滤波器实施例3可采用非建模的动态模型的动态补偿滤波方法，具体为粒子群优化算法或神经网络逆系统的补偿方法进行动态滤波补偿。

作为本发明的优选方式之一，所述步骤(3)中静态解耦可采用基于最小二乘法的线性解耦方法、基于BP神经网络的非线性解耦方法或基于模糊推理的传感器解耦方法。

作为本发明的优选方式之一，所述最小二乘法的线性解耦方法具体为假定传感器的输入与输出是线性关系，通过运用最小二乘法来确定其相关的参数。

作为本发明的优选方式之一，所述基于BP神经网络的非线性解耦方法具体为：

(1)首先，需要确定BP网络的结构形式；

(2)其次，选择可以用于网络模型训练和测试的样本数据；