光栅幅值细分原理与实现

news2024/10/6 16:24:35

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_{s}\cdot \sin \theta \\ u_{2}=A_{c}\cdot \cos \theta \end{matrix}\right.

则可构造如下正切函数:

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

其中,

a)\theta为光栅信号相位

b)A为光栅信号幅值,通常2个信号的幅值是相同的

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,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。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1714093.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

苹果iOS18将引入ChatGPT;美国AI禁令再升级;微软首发Phi-3多模态模型 | AI头条

整理 | 王轶群 出品 | AI 科技大本营&#xff08;ID&#xff1a;rgznai100&#xff09; 一分钟速览新闻点&#xff01; 谷歌努力手动删除搜索中奇怪的人工智能答案 苹果和OpenAI签订协议&#xff0c;将在iOS18引入ChatGPT 微软发布主打视觉能力的 Phi-3-vision 模型 苹果押注…

SOLIDWORKS正版价格多少钱

SOLIDWORKS作为目前应用较为广泛的3D CAD软件之一&#xff0c;具有强大的功能和实用性&#xff0c;它为各类工程设计提供综合解决方案。但是&#xff0c;正版SOLIDWORKS价格是个不可忽视的问题。那SOLIDWORKS的正版价格究竟如何呢&#xff1f;又是受什么因素影响&#xff1f; 先…

SpringBoot 之基础(一)

文章目录 SpringBoot 基础基本概念创建 SpringBoot 项目编码编写启动类写 Controller运行 / 测试properties 和 yml关闭 Spring banner日志spring-boot 默认的日志格式 解决 start.spring.io 不能访问不使用 spring boot 的 parent pom SpringBoot 基础 Spring Boot 是由 Pivo…

【SpringMVC】_SpringMVC项目返回HTML与JSON

目录 1. SpringMVC项目返回HTML页面 2. SpringMVC项目返回JSON 2.1 程序演示 2.2 关于响应的Content-Type 2.2.1 接口为对象 2.2.2 接口为String 2.2.3 接口为Map 本专栏已介绍&#xff1a; 返回静态页面&#xff1a; 【Spring MVC】_SpringMVC项目返回静态页面_mvc 返…

C# 数组/集合排序

一&#xff1a;基础类型集合排序 /// <summary> /// 排序 /// </summary> /// <param name"isReverse">顺序是否取反</param> public static void Sort<T>(this IList<T> array, bool isReverse false)where T : IComparable …

Linux下多线程的相关概念

&#x1f916;个人主页&#xff1a;晚风相伴-CSDN博客 &#x1f496;如果觉得内容对你有帮助的话&#xff0c;还请给博主一键三连&#xff08;点赞&#x1f49c;、收藏&#x1f9e1;、关注&#x1f49a;&#xff09;吧 &#x1f64f;如果内容有误或者有写的不好的地方的话&…

py黑帽子学习笔记_scapy

简介 代码简洁&#xff1a;相比于前两个博客总结&#xff0c;很多socket操作&#xff0c;如果使用scapy仅需几行代码即可实现 获取邮箱身份凭证 编写基础嗅探器&#xff0c;脚本可显示任何收到的一个包的详细情况 直接运行 尝试监听邮件收发&#xff0c;监听指定端口&#x…

2024年03月 Python(六级)真题解析#中国电子学会#全国青少年软件编程等级考试

Python等级考试(1~6级)全部真题・点这里 一、单选题(共25题,共50分) 第1题 以下选项中,创建类正确的是?() A: class test1: def prt(self): …… B: class Mg(): def__init__(na,ag): self.na=na C: class A(): def print(self): print(“Yes”) a=A() a.print() D…

理解多线程看这一篇就够了

一、基本概念与关系 程序 程序是含有指令和数据的文件&#xff0c;静态地存储在磁盘等存储设备上。它是软件的实体&#xff0c;但未被激活。 进程 进程是程序的一次执行过程&#xff0c;是系统运行程序的基本单位。当程序被操作系统加载并执行时&#xff0c;就成为一个进程&a…

Kprobe实现原理

kprobe其实就是将某个要检测的指令备份&#xff0c;再替换成int3(x86)或者未定义指令(arm)来触发异常&#xff0c;再调用对应体系的异常处理函数来执行我们自定义的hook&#xff0c;执行完我们自定义的hook,再将备份的指令放回原来的位置继续往下执行 下面我们就来看下linux内核…

拍视频麦克风什么牌子好?户外无线麦克风哪个牌子好,看本期文章

​无线领夹麦克风&#xff0c;作为现代音频技术的重要代表&#xff0c;已经广泛应用于各种场合。它不仅能提高演讲者的声音质量&#xff0c;还能增加演讲的互动性和生动性。然而&#xff0c;面对市场上众多的无线领夹麦克风产品&#xff0c;如何选择一款适合自己的设备成为了一…

TPshop商城的保姆教程(windows)

提前准备 phpStudy下载&#xff1a;https://www.xp.cn/download.html 选择适合自己的版本下载 TPshop商城源文件下载链接&#xff1a; https://pan.baidu.com/s/143fLrxbwe9CTMCbyx7mXJQ?pwd6666 开始安装 安装完phpstudy后 以管理员的身份启动phpstudy.exe 选择合适自己…

C语言 指针——指针变量的定义、初始化及解引用

目录 指针 内存如何编址&#xff1f; 如何对变量进行寻址&#xff1f; 用什么类型的变量来存放变量的地址? 如何显示变量的地址?​编辑 使用未初始化的指针会怎样&#xff1f; NULL是什么&#xff1f; 如何访问指针变量指向的存储单元中的数据&#xff1f; 指针变量的…

二刷算法训练营Day15 | 二叉树(2/9)

目录 详细布置&#xff1a; 1. 层序遍历 2. 226. 翻转二叉树 3. 101. 对称二叉树 详细布置&#xff1a; 1. 层序遍历 昨天练习了几种二叉树的深度优先遍历&#xff0c;包括&#xff1a; ​​​​​​前中后序的递归法前中后序的迭代法前中后序迭代的统一写法 今天&…

糖尿病视网膜病变分级新方法:卷积网络做分割和诊断 + 大模型生成详细的测试和治疗建议

糖尿病视网膜病变分级新方法&#xff1a;卷积网络做分割和诊断 大模型生成详细的测试和治疗建议 提出背景相关工作3.1 数据集3.1.1 病变分割 3.1.2 图像分级3.1.3 大型语言模型&#xff08;LLMs&#xff09; 解法 数据预处理 数据增强 网络架构 训练过程 测试过程子解法1…

spdlog日志库源码:线程池thread_pool

线程池 线程池本质上一组事先创建的子线程&#xff0c;用于并发完成特定任务的机制&#xff0c;避免运行过程中频繁创建、销毁线程&#xff0c;从而降低程序运行效率。通常&#xff0c;线程池主要涉及到以下几个方面问题&#xff1a; 如何创建线程池&#xff1f;线程池如何执…

FPGA基础:触发器和锁存器

目录 锁存器&#xff08;Latch&#xff09;D触发器&#xff08;Flip-Flop&#xff09;最基本时序电路时序块&#xff08;Sequential blocks&#xff09;:同步与异步触发器概念触发器分类触发器的Verilog实现1. 上升沿触发的触发器2. 带异步复位、上升沿触发的触发器3. 带异步复…

Pandas-中axis的用法

在Pandas中&#xff0c;min(axis)方法是计算DataFrame或Series中每行或每列的最小值的函数。该函数可以接受一个参数axis&#xff0c;用于指定计算最小值的方向。当axis0时&#xff0c;表示沿着行的方向计算最小值&#xff1b;当axis1时&#xff0c;表示沿着列的方向计算最小值…

奶奶也能看懂的耦合协调度分析

不会计算&#xff1f;跟着文献学起来~ 案例数据连接&#xff08;复制链接后粘贴到浏览器中&#xff09;&#xff1a; 耦合协调度数据​spssau.com/spssaudata.html?shareDataF363000CD033FF15E557BB75B9B0D412 假如你有这样一组数据&#xff1a; 如何进行计算分析耦合协调度…

python中pow是什么意思

pow()方法返回xy&#xff08;x的y次方&#xff09;的值。 语法 以下是math模块pow()方法的语法&#xff1a; import math math.pow( x, y ) 内置的pow()方法 pow(x, y[, z]) 函数是计算x的y次方&#xff0c;如果z在存在&#xff0c;则再对结果进行取模&#xff0c;其结果等效…