光栅幅值细分原理与实现

2024-05-31 01:36

本文主要是介绍光栅幅值细分原理与实现,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

本文介绍光栅幅值细分原理与实现。

光栅是工业测量领域中常见的传感器,如下图。主要厂家有雷尼绍,海德汉,配套的光栅读数头有模拟信号的,也有直接细分输出数字脉冲的,本文的细分针对模拟信号,即有正弦信号,余弦信号,Index信号输出的光栅读数头。光栅细分方法有很多(如锁相倍频细分法,幅值细分法等),本文介绍常用的幅值细分法。

1.细分原理

由于常见的光栅栅距为20um,40um,对应一个正弦或余弦周期输出,分辨率太低,因此需要采用相应的细分方法,将分辨率调整到合适的值,如采用1000细分,可将栅距为20um的光栅尺,分辨率调高到20/1000um=0.02um。
幅值细分法是根据莫尔信号幅值和相位的对应关系,通过对幅值大小的分割判断来实现莫尔信号的相位细分。传统的幅值细分法利用电压比较器组将幅值信号与参考电压信号比较来输出细分脉冲,由于光栅传感器输出的莫尔信号波形近似正弦信号,如下图,在不同的相位处所对应的灵敏度不同,当信号幅值接近峰值时需要较大的相位变化才能引起微小的幅值变化,因此容易造成细分误差。

为了克服莫尔信号灵敏度不等造成细分误差的缺点,通常采用构造新函数的方法,以提高信号的线性度,这里采用正切函数构造的方法。

1)正切函数构造原理

设光栅传感器输出的2路莫尔信号为:

\left\{\begin{matrix} u_{1}=A\cdot \sin \theta \\ u_{2}=A\cdot \cos \theta \end{matrix}\right.

\left [ 0,\frac{\pi }{2} \right ]区间来考察,可构造如下正切函数:

u_{3}= \left\{\begin{matrix} \tan \theta =\frac{\left | A\cdot \sin \theta \right | }{\left | A\cdot \cos \theta \right | }, \left | A\cdot \sin \theta \right | \leq \left | A\cdot \cos \theta \right | \\ \cot \theta =\frac{\left | A\cdot \cos \theta \right | }{\left | A\cdot \sin \theta \right | }, \left | A\cdot \sin \theta \right | \geq \left | A\cdot \cos \theta \right | \end{matrix}\right.

其中,\theta为光栅信号相位

而以\left [ \frac{\pi }{2}, \pi\right ]区间来考察,原来在\left [ 0,\frac{\pi }{2} \right ]区间的A\cdot \sin \theta在此区间就变成了A\cdot \cos \theta(取绝对值的原因),而原来在\left [ 0,\frac{\pi }{2} \right ]区间的A\cdot \cos \theta在此区间就变成了A\cdot \sin \theta(取绝对值的原因),仍然可以按上述u_{3}构造正切函数。其他区间依次类推。

构造的正切函数u_{3}波形如下图。

新函数u_{3}近似三角波,是一个周期函数(周期为\frac{\pi }{2}),包含一半正切函数波形,一半余切函数波形。采用这种方法的线性度高,且不需要确定莫尔信号的峰值大小,不易受信号衰减的影响,因此,幅值细分法得到了广泛的应用。

2)区间划分

由于不同的区间采用的函数是不一样的,为了便于信号处理,将整个周期划分为8个区间,当前信号所处的区间可由u_{1}u_{2}极性,u_{1}u_{2}大小关系来进行确定。区间划分如下表。

区间u_{1}极性u_{2}极性\left |u_{1} \right |\left |u_{2} \right |大小比较
1++\left |u_{1} \right |< \left |u_{2} \right |
2++\left |u_{1} \right |> \left |u_{2} \right |
3+-\left |u_{1} \right |> \left |u_{2} \right |
4+-\left |u_{1} \right |< \left |u_{2} \right |
5--\left |u_{1} \right |< \left |u_{2} \right |
6--\left |u_{1} \right |> \left |u_{2} \right |
7-+\left |u_{1} \right |> \left |u_{2} \right |
8-+\left |u_{1} \right |< \left |u_{2} \right |

3)区间细分数确定

设N为一个周期内总细分数。为了方便计算,我们将8个区间的计算统一映射到第1个区间,得到在不同区间的细分数值,如下表。

区间细分数
1\frac{N\cdot \arctan \frac{\left | u_{1} \right | }{\left | u_{2} \right |}}{2\cdot \pi }
2\frac{N}{4}-\frac{N\cdot \arctan \frac{\left | u_{2} \right | }{\left | u_{1} \right |}}{2\cdot \pi }
3\frac{N}{4}+\frac{N\cdot \arctan \frac{\left | u_{2} \right | }{\left | u_{1} \right |}}{2\cdot \pi }
4\frac{N}{2}-\frac{N\cdot \arctan \frac{\left | u_{1} \right | }{\left | u_{2} \right |}}{2\cdot \pi }
5\frac{N}{2}+\frac{N\cdot \arctan \frac{\left | u_{1} \right | }{\left | u_{2} \right |}}{2\cdot \pi }
6\frac{3\cdot N}{4}-\frac{N\cdot \arctan \frac{\left | u_{2} \right | }{\left | u_{1} \right |}}{2\cdot \pi }
7\frac{3\cdot N}{4}+\frac{N\cdot \arctan \frac{\left | u_{2} \right | }{\left | u_{1} \right |}}{2\cdot \pi }
8N-\frac{N\cdot \arctan \frac{\left | u_{1} \right | }{\left | u_{2} \right |}}{2\cdot \pi }

其中,

a)u_{1}u_{2}为各自区间的电压值

b)区间可由“2)区间划分”确定

2.细分实现

清楚原理,细分实现就比较简单了,细分实现框图如下图。

总的流程如下:

1)FPGA/DSP通过同步高速A/D采样,获取sin信号和cos信号幅值

2)FPGA/DSP通过区间划分表获取当前区间

3)FPGA/DSP通过当前区间,计算当前细分数

4)当信号经过一个周期后,总细分数加1

5)输出当前细分值

3.细分误差来源

造成细分误差的来源有很多,主要有以下几种:

1)直流误差。光栅输出正弦信号和余弦信号直流偏置不一样,造成A/D采样幅值不一样,从而造成计算相位时的误差。

2)幅值误差。光栅输出正弦信号和余弦信号幅值不一样,造成A/D采样幅值不一样,从而造成计算相位时的误差。

3)正交误差。光栅输出正弦信号和余弦信号有相位差,在计算相位时出现误差,可以通过示波器的李沙育图的圆度来判断。

可以通过误差补偿的方法减小误差,误差补偿顺序应遵循先进行直流补偿,再进行幅值补偿,最后进行正交补偿。

本文介绍了光栅幅值细分原理与实现。

这篇关于光栅幅值细分原理与实现的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1017206

相关文章

C++对象布局及多态实现探索之内存布局(整理的很多链接)

本文通过观察对象的内存布局,跟踪函数调用的汇编代码。分析了C++对象内存的布局情况,虚函数的执行方式,以及虚继承,等等 文章链接:http://dev.yesky.com/254/2191254.shtml      论C/C++函数间动态内存的传递 (2005-07-30)   当你涉及到C/C++的核心编程的时候,你会无止境地与内存管理打交道。 文章链接:http://dev.yesky

通过SSH隧道实现通过远程服务器上外网

搭建隧道 autossh -M 0 -f -D 1080 -C -N user1@remotehost##验证隧道是否生效,查看1080端口是否启动netstat -tuln | grep 1080## 测试ssh 隧道是否生效curl -x socks5h://127.0.0.1:1080 -I http://www.github.com 将autossh 设置为服务,隧道开机启动

时序预测 | MATLAB实现LSTM时间序列未来多步预测-递归预测

时序预测 | MATLAB实现LSTM时间序列未来多步预测-递归预测 目录 时序预测 | MATLAB实现LSTM时间序列未来多步预测-递归预测基本介绍程序设计参考资料 基本介绍 MATLAB实现LSTM时间序列未来多步预测-递归预测。LSTM是一种含有LSTM区块(blocks)或其他的一种类神经网络,文献或其他资料中LSTM区块可能被描述成智能网络单元,因为

vue项目集成CanvasEditor实现Word在线编辑器

CanvasEditor实现Word在线编辑器 官网文档:https://hufe.club/canvas-editor-docs/guide/schema.html 源码地址:https://github.com/Hufe921/canvas-editor 前提声明: 由于CanvasEditor目前不支持vue、react 等框架开箱即用版,所以需要我们去Git下载源码,拿到其中两个主

android一键分享功能部分实现

为什么叫做部分实现呢,其实是我只实现一部分的分享。如新浪微博,那还有没去实现的是微信分享。还有一部分奇怪的问题:我QQ分享跟QQ空间的分享功能,我都没配置key那些都是原本集成就有的key也可以实现分享,谁清楚的麻烦详解下。 实现分享功能我们可以去www.mob.com这个网站集成。免费的,而且还有短信验证功能。等这分享研究完后就研究下短信验证功能。 开始实现步骤(新浪分享,以下是本人自己实现

基于Springboot + vue 的抗疫物质管理系统的设计与实现

目录 📚 前言 📑摘要 📑系统流程 📚 系统架构设计 📚 数据库设计 📚 系统功能的具体实现    💬 系统登录注册 系统登录 登录界面   用户添加  💬 抗疫列表展示模块     区域信息管理 添加物资详情 抗疫物资列表展示 抗疫物资申请 抗疫物资审核 ✒️ 源码实现 💖 源码获取 😁 联系方式 📚 前言 📑博客主页:

探索蓝牙协议的奥秘:用ESP32实现高质量蓝牙音频传输

蓝牙(Bluetooth)是一种短距离无线通信技术,广泛应用于各种电子设备之间的数据传输。自1994年由爱立信公司首次提出以来,蓝牙技术已经经历了多个版本的更新和改进。本文将详细介绍蓝牙协议,并通过一个具体的项目——使用ESP32实现蓝牙音频传输,来展示蓝牙协议的实际应用及其优点。 蓝牙协议概述 蓝牙协议栈 蓝牙协议栈是蓝牙技术的核心,定义了蓝牙设备之间如何进行通信。蓝牙协议

python实现最简单循环神经网络(RNNs)

Recurrent Neural Networks(RNNs) 的模型: 上图中红色部分是输入向量。文本、单词、数据都是输入,在网络里都以向量的形式进行表示。 绿色部分是隐藏向量。是加工处理过程。 蓝色部分是输出向量。 python代码表示如下: rnn = RNN()y = rnn.step(x) # x为输入向量,y为输出向量 RNNs神经网络由神经元组成, python

利用Frp实现内网穿透(docker实现)

文章目录 1、WSL子系统配置2、腾讯云服务器安装frps2.1、创建配置文件2.2 、创建frps容器 3、WSL2子系统Centos服务器安装frpc服务3.1、安装docker3.2、创建配置文件3.3 、创建frpc容器 4、WSL2子系统Centos服务器安装nginx服务 环境配置:一台公网服务器(腾讯云)、一台笔记本电脑、WSL子系统涉及知识:docker、Frp

基于 Java 实现的智能客服聊天工具模拟场景

服务端代码 import java.io.BufferedReader;import java.io.IOException;import java.io.InputStreamReader;import java.io.PrintWriter;import java.net.ServerSocket;import java.net.Socket;public class Serv