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

Python中pywin32 常用窗口操作的实现

《Python中pywin32常用窗口操作的实现》本文主要介绍了Python中pywin32常用窗口操作的实现,pywin32主要的作用是供Python开发者快速调用WindowsAPI的一个... 目录获取窗口句柄获取最前端窗口句柄获取指定坐标处的窗口根据窗口的完整标题匹配获取句柄根据窗口的类别匹配获取句

在 Spring Boot 中实现异常处理最佳实践

《在SpringBoot中实现异常处理最佳实践》本文介绍如何在SpringBoot中实现异常处理,涵盖核心概念、实现方法、与先前查询的集成、性能分析、常见问题和最佳实践,感兴趣的朋友一起看看吧... 目录一、Spring Boot 异常处理的背景与核心概念1.1 为什么需要异常处理?1.2 Spring B

Python位移操作和位运算的实现示例

《Python位移操作和位运算的实现示例》本文主要介绍了Python位移操作和位运算的实现示例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一... 目录1. 位移操作1.1 左移操作 (<<)1.2 右移操作 (>>)注意事项:2. 位运算2.1

如何在 Spring Boot 中实现 FreeMarker 模板

《如何在SpringBoot中实现FreeMarker模板》FreeMarker是一种功能强大、轻量级的模板引擎,用于在Java应用中生成动态文本输出(如HTML、XML、邮件内容等),本文... 目录什么是 FreeMarker 模板?在 Spring Boot 中实现 FreeMarker 模板1. 环

Qt实现网络数据解析的方法总结

《Qt实现网络数据解析的方法总结》在Qt中解析网络数据通常涉及接收原始字节流,并将其转换为有意义的应用层数据,这篇文章为大家介绍了详细步骤和示例,感兴趣的小伙伴可以了解下... 目录1. 网络数据接收2. 缓冲区管理(处理粘包/拆包)3. 常见数据格式解析3.1 jsON解析3.2 XML解析3.3 自定义

SpringMVC 通过ajax 前后端数据交互的实现方法

《SpringMVC通过ajax前后端数据交互的实现方法》:本文主要介绍SpringMVC通过ajax前后端数据交互的实现方法,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价... 在前端的开发过程中,经常在html页面通过AJAX进行前后端数据的交互,SpringMVC的controll

Spring Security自定义身份认证的实现方法

《SpringSecurity自定义身份认证的实现方法》:本文主要介绍SpringSecurity自定义身份认证的实现方法,下面对SpringSecurity的这三种自定义身份认证进行详细讲解,... 目录1.内存身份认证(1)创建配置类(2)验证内存身份认证2.JDBC身份认证(1)数据准备 (2)配置依

利用python实现对excel文件进行加密

《利用python实现对excel文件进行加密》由于文件内容的私密性,需要对Excel文件进行加密,保护文件以免给第三方看到,本文将以Python语言为例,和大家讲讲如何对Excel文件进行加密,感兴... 目录前言方法一:使用pywin32库(仅限Windows)方法二:使用msoffcrypto-too

Java Spring 中 @PostConstruct 注解使用原理及常见场景

《JavaSpring中@PostConstruct注解使用原理及常见场景》在JavaSpring中,@PostConstruct注解是一个非常实用的功能,它允许开发者在Spring容器完全初... 目录一、@PostConstruct 注解概述二、@PostConstruct 注解的基本使用2.1 基本代

C#使用StackExchange.Redis实现分布式锁的两种方式介绍

《C#使用StackExchange.Redis实现分布式锁的两种方式介绍》分布式锁在集群的架构中发挥着重要的作用,:本文主要介绍C#使用StackExchange.Redis实现分布式锁的... 目录自定义分布式锁获取锁释放锁自动续期StackExchange.Redis分布式锁获取锁释放锁自动续期分布式