[发明专利]一种基于经验模态分解的实时自适应动态角度测量方法和系统

说明书

本发明基于经验模态分析的实时自适应动态角度测量方法和系统，属于非接触测量领域。本发明采用外差干涉技术获得转动物体表面上两点的线速度测量值和间距测量值，通过经验模态分解模块一对线速度测量值进行降噪滤波去除线速度测量误差，通过经验模块分解二对间距测量值进行降噪滤波去除间距测量误差，最终经过角速度解算模块和角度解算模块积分得到物体转动的角度。本发明所提出的基于经验模态分析的实时自适应动态角度测量方法与现有的动态角度测量方法相比，具有无需在测量前根据测量场景而改变算法参数，了高精度、实时、自适应等优点，在动态角度测量领域具有良好的应用前景。

技术领域

本发明涉及动态角度测量领域，具体涉及一种基于经验模态分解的实时自适应动态角度测量方法和系统。

背景技术

动态角度测量在科研、军工和工业生产中具有重要的应用前景。在军用设备研制过程中，需要对其在振动环境下的性能评估，例如导弹、雷达等；在工业生产中，需要对机械设备的实时姿态角度进行检测与评估。在科研应用中，需要对机器人手臂的空间摆动角度进行测量。在IMU的研制过程中，更需要高精度、非接触的动态角度测量系统，以实现对IMU动态性能的评估与校准。外差干涉测量法测量物体表面两束平行反射光的线速度，除以平行光束间距获得物体转动的角速度，再将角速度积分后即可获得转动的角度。但是现有的测量方法在角速度的积分过程中，线速度的测量误差会随着积分效应累积，使得角度测量存在随时间的漂移，影响测量精度。因此需要对线速度、角速度进行降噪处理，提取出所需要的时频信息，对该频率分量进行积分从而解算出转动角度。

时频分析算法主要有傅里叶变换、短时傅里叶变换、带通滤波器、小波变换、等。傅里叶变换可以分析平稳信号的频谱，但是对于频率随时间变化的非平稳信号，傅里叶频谱无法区分。短时傅里叶变化将时域信号分解成若干个等长的时域窗，分别进行傅里叶变换，即可分析信号频率随时间的变化。时域窗的长度决定了时间分辨率和频谱分辨率，对于不同的信号，应选择不同长度的时间窗,不具备自适应能力。带通滤波器是常用的频域滤波方法，在使用中需要预先设定截止频率，无法实时更改滤波参数。小波变换采用有限长衰减的小波基，可在非稳定信号中定位出某一频率信号在时域中的具体位置，但是其适用于信号和噪声的频带相分离时的情况，无法去除信号中的高斯噪声。

发明内容

为了解决现有的外差干涉动态角度测量方法无法实时自适应的滤除线速度测量误差以及该误差随积分效应增加的问题，本发明提出了一种基于经验模态分解的动态角度测量方法和系统。使用经验模态分解滤除线速度测量误差和间距测量误差，并满足实时自适应的测量需求，无需根据转动频率而更改算法参数。

为实现上述目的，本发明采用如下技术方案：

第一个方面，本发明提出一种基于经验模态分解的实时自适应动态角度测量方法，包括以下步骤：

步骤1，获取被测物体转动时沿激光束方向的一对线速度测量值，以及两平行光束的间距测量值；

步骤2，对获取的一对线速度测量值进行经验模态分解，得到降噪后的一对线速度值；

步骤3，对获取两平行光束的间距测量值进行经验模态分解，得到降噪后的间距值；

步骤4，根据降噪后的一对线速度值以及间距值，计算被测物体转动的角速度，对所述的角速度进行时间积分后得到物体转动的角度。

进一步地，所述的步骤1中获取的沿激光束方向的一对线速度测量值为实际线速度值与线速度测量误差之和。

进一步地，所述的步骤2中，获取降噪后的一对线速度值的方法包括：

2.1)极值点遍历：分别对被测物体转动时沿激光束方向的一对线速度测量值V′₁和V′₂进行时域扫描，获得每一个线速度测量值的极大值点和极小值点；