申请/专利权人：西北工业大学;西北工业大学太仓长三角研究院

申请日：2019-11-13

公开（公告）日：2020-07-17

公开（公告）号：CN111427262A

主分类号：G05B13/04(20060101)

分类号：G05B13/04(20060101)

优先权：

专利状态码：有效-授权

法律状态：2022.03.18#授权;2020.08.11#实质审查的生效;2020.07.17#公开

摘要：本发明涉及一种极端环境未知干扰作用下的MEMS传感器零位稳定输出的智能控制方法，属于微机电系统领域。该方法以实现极端环境未知干扰作用下MEMS传感器的扰动智能抑制，该方法基于量测数据驱动控制的自适应期望最大值，它通过基于历史少量样本数据的斜率变化标准作为驱动模型判别环境扰动特征类型，构建输出样本数据的斜率与滤波器带宽函数自适应关系，通过对带宽内的量测数据建立完整数据的对数似然函数，并计算对似然函数的数学期望，然后分别在E步进行状态估计和M步进行参数识别，执行对数似然函数的数学期望最大化，通过对E步和M步进行交替迭代，达到收敛极限时，得到MEMS传感器输出最优估计值。

主权项：1.极端环境下MEMS传感器未知扰动智能控制方法，其特征在于，包括如下步骤：步骤一：MEMS传感器由质量块振动引起梳齿电容变化，电容变化量经过CV模块转换成电压，再经过移相器、自动增益控制模块后，生成驱动激励电压，施加到驱动激励电极控制驱动模态稳幅振动，移相器输出Y作为量测信号进入数据处理模块3进行处理；步骤二：采用一阶马尔科夫过程分别构建传感器真实输入信号的动态和量测模型，从而建立MEMS传感器的状态空间模型，并通过待估参数的输出观测值的概率密度函数建立传感器的输出完整数据的对数似然函数；步骤三：根据不同的扰动特性建立对应的斜率变化关系，并构造由历史样本数据驱动的斜率变化与扰动抑制滤波器带宽的关系，其关系表达如下：历史样本数据的斜率变化给定两个阈值，分别是Δk1、Δk2，Δk1＜Δk2；当历史样本数据的斜率变化小于Δk1时，其滤波带宽选择n1；当历史样本数据的斜率变化大于Δk2时，其滤波带宽选择n3；当历史样本数据的斜率变化介于是Δk1和Δk2之间时，其数据的滤波带宽选择n2；n1、n2、n3满足：n1n2n3；步骤四：用KF估计传感器的最佳状态值，建立带宽内的对数似然函数的数学期望；步骤五：识别扰动参数以确保数学期望取得最大值；步骤六：当未达到收敛时，返回步骤四，通过步骤四和步骤五交替迭代直至达到迭代收敛，得到MEMS传感器真实状态最优估计值和扰动参数辨识，实现未知扰动对MEMS传感器输出波动的有效抑制，输出最优估计值

全文数据：

权利要求：

百度查询： 西北工业大学;西北工业大学太仓长三角研究院 极端环境下MEMS传感器未知扰动智能控制方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD