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

Java中流式并行操作parallelStream的原理和使用方法

《Java中流式并行操作parallelStream的原理和使用方法》本文详细介绍了Java中的并行流(parallelStream)的原理、正确使用方法以及在实际业务中的应用案例,并指出在使用并行流... 目录Java中流式并行操作parallelStream0. 问题的产生1. 什么是parallelS

C++中unordered_set哈希集合的实现

《C++中unordered_set哈希集合的实现》std::unordered_set是C++标准库中的无序关联容器,基于哈希表实现,具有元素唯一性和无序性特点,本文就来详细的介绍一下unorder... 目录一、概述二、头文件与命名空间三、常用方法与示例1. 构造与析构2. 迭代器与遍历3. 容量相关4

Java中Redisson 的原理深度解析

《Java中Redisson的原理深度解析》Redisson是一个高性能的Redis客户端,它通过将Redis数据结构映射为Java对象和分布式对象,实现了在Java应用中方便地使用Redis,本文... 目录前言一、核心设计理念二、核心架构与通信层1. 基于 Netty 的异步非阻塞通信2. 编解码器三、

C++中悬垂引用(Dangling Reference) 的实现

《C++中悬垂引用(DanglingReference)的实现》C++中的悬垂引用指引用绑定的对象被销毁后引用仍存在的情况,会导致访问无效内存,下面就来详细的介绍一下产生的原因以及如何避免,感兴趣... 目录悬垂引用的产生原因1. 引用绑定到局部变量,变量超出作用域后销毁2. 引用绑定到动态分配的对象,对象

SpringBoot基于注解实现数据库字段回填的完整方案

《SpringBoot基于注解实现数据库字段回填的完整方案》这篇文章主要为大家详细介绍了SpringBoot如何基于注解实现数据库字段回填的相关方法,文中的示例代码讲解详细,感兴趣的小伙伴可以了解... 目录数据库表pom.XMLRelationFieldRelationFieldMapping基础的一些代

Java HashMap的底层实现原理深度解析

《JavaHashMap的底层实现原理深度解析》HashMap基于数组+链表+红黑树结构,通过哈希算法和扩容机制优化性能,负载因子与树化阈值平衡效率,是Java开发必备的高效数据结构,本文给大家介绍... 目录一、概述:HashMap的宏观结构二、核心数据结构解析1. 数组(桶数组)2. 链表节点(Node

Java AOP面向切面编程的概念和实现方式

《JavaAOP面向切面编程的概念和实现方式》AOP是面向切面编程,通过动态代理将横切关注点(如日志、事务)与核心业务逻辑分离,提升代码复用性和可维护性,本文给大家介绍JavaAOP面向切面编程的概... 目录一、AOP 是什么?二、AOP 的核心概念与实现方式核心概念实现方式三、Spring AOP 的关

Python实现字典转字符串的五种方法

《Python实现字典转字符串的五种方法》本文介绍了在Python中如何将字典数据结构转换为字符串格式的多种方法,首先可以通过内置的str()函数进行简单转换;其次利用ison.dumps()函数能够... 目录1、使用json模块的dumps方法:2、使用str方法:3、使用循环和字符串拼接:4、使用字符

Redis中Hash从使用过程到原理说明

《Redis中Hash从使用过程到原理说明》RedisHash结构用于存储字段-值对,适合对象数据,支持HSET、HGET等命令,采用ziplist或hashtable编码,通过渐进式rehash优化... 目录一、开篇:Hash就像超市的货架二、Hash的基本使用1. 常用命令示例2. Java操作示例三

Redis中Set结构使用过程与原理说明

《Redis中Set结构使用过程与原理说明》本文解析了RedisSet数据结构,涵盖其基本操作(如添加、查找)、集合运算(交并差)、底层实现(intset与hashtable自动切换机制)、典型应用场... 目录开篇:从购物车到Redis Set一、Redis Set的基本操作1.1 编程常用命令1.2 集