Los giroscopios MEMS ofrecen una manera simple para medir la velocidad angular de rotación, en paquetes que se adjuntan fácilmente a las placas de circuitos impresos, por lo que son una opción popular para servir como el elemento de detección de respuesta en muchos tipos diferentes de sistemas de control de movimiento.
En este tipo de función, el ruido en las señales de tasa angular (salida del giroscopio MEMS) puede tener una influencia directa en los comportamientos críticos del sistema, como la estabilidad de la plataforma y que es a menudo el factor determinante en el nivel de precisión que un giroscopio MEMS puede soportar. Por lo tanto, el "ruido bajo" es un valor de orientación natural, para arquitectos y diseñadores de sistemas, ya que definen y desarrollan nuevos sistemas de control de movimiento. Al tomar ese valor (ruido bajo) un paso más allá, traduce los criterios del nivel del sistema críticos, como la precisión de apunte, en métricas de ruido que están comúnmente disponibles en las hojas de datos del giroscopio MEMS, es una parte muy importante del primer trabajo conceptual y arquitectónico. Comprender la dependencia del sistema en los comportamientos del ruido del giroscopio tiene una serie de beneficios, como poder establecer los requisitos pertinentes para los elementos de detección de respuesta o, por el contrario, el análisis de la respuesta a nivel del sistema al ruido en un giroscopio en particular. Una vez que los diseñadores de sistemas tengan una buena comprensión de esta relación, podrán centrarse en el dominio de las dos áreas clave de la influencia que tienen sobre los comportamientos del ruido en los bucles de respuesta de su tasa angular: (1) el desarrollo de los criterios más adecuados para la selección del giroscopio MEMS y (2) la conservación del rendimiento del ruido disponible en todo proceso de integración del sensor.
CONCEPTOS BÁSICOS DEL CONTROL DE MOVIMIENTO
El desarrollo de una relación útil entre los comportamientos del ruido en un giroscopio MEMS y cómo afecta a los comportamientos clave del sistema, a menudo, comienza con un conocimiento básico de cómo funciona el sistema. La Figura 1 ofrece una arquitectura de ejemplo para un sistema de control de movimiento, que rompe los elementos clave del sistema en bloques funcionales. El objetivo funcional para este tipo de sistema es crear una plataforma estable para el personal o los equipos que puedan ser sensibles al movimiento inercial. Una aplicación de ejemplo es para una antena de microondas en una plataforma de vehículo autónomo, que maniobra a través de condiciones extremas a una velocidad que provoca cambios bruscos en la orientación del vehículo. Sin un cierto control en tiempo real del ángulo señalador, estas antenas altamente direccionales no podrían soportar la comunicación continua, mientras experimentan este tipo de movimiento inercial.
Figura 1. Ejemplo de Arquitectura del Sistema de control de movimiento
El sistema en la Figura 1 utiliza un motor servo, que idealmente girará de una manera que es igual y opuesta a la rotación que el resto del sistema experimentará. El bucle de respuesta se inicia con un giroscopio MEMS, que observa la tasa de rotación (ωG) en la "plataforma estabilizada". Las señales de tasa angular del giroscopio, a continuación, se alimentan del procesamiento de señal digital específica de la aplicación que incluye filtrado, calibración, alineación e integración para producir respuesta de orientación en tiempo real, (φE). La señal de control del servomotor (φCOR) proviene de una comparación de esta señal de respuesta, con la orientación "ordenada" (φCMD), que puede provenir de un sistema central de control de la misión o simplemente representar la orientación que permite el funcionamiento ideal de los equipos en el plataforma.
EJEMPLO DE APLICACIÓN
Al pasar por la vista de la arquitectura de un sistema de control de movimiento en la Figura 1, las definiciones y los conocimientos valiosos también vienen de analizar los atributos físicos específicos de la aplicación. Considere el sistema en la Figura 2, que ofrece una vista conceptual de un sistema de inspección automatizado para una línea de producción. Este sistema de cámaras revisa los elementos que se mueven dentro y fuera de su campo de visión en una cinta transportadora. En este arreglo, la cámara se fija en el techo a través de un soporte largo, que establece su altura (Consulte "D" en la Figura 2), con el fin de optimizar su campo de visión para el tamaño de los objetos que revisará. Puesto que las fábricas están llenas de máquinas y otras actividades, la cámara puede experimentar una movimiento oscilante a veces (consulte "ωSW (t)" en la Figura 2), lo que puede causar distorsión en las imágenes de inspección. Las líneas de puntos rojos en este diagrama proporcionan una visión exagerada del error angular total (±φSW) que proviene de este movimiento oscilante y las líneas de puntos verdes representan el nivel del error angular que apoyará los objetivos de calidad de imagen del sistema (±φRE). La vista en la Figura 2 define la métrica clave del nivel del sistema (distorsión de la imagen) en términos de error de desplazamiento lineal (dSW, dRE) sobre la superficie de inspección. Estos atributos se relacionan con la altura de la cámara (D) y los términos de error angular (φSW, φRE) a través de una simple relación trigonométrica en la ecuación 1.
Figura 2. Sistema de inspección de la cámara industrial
La técnica de control de movimiento más aplicable para este tipo de sistema es conocida como, la estabilización de imagen. Los primeros sistemas de estabilización de imagen usaban sistemas de respuesta basado en giroscopio para conducir los servomotores, que ajustan la orientación del sensor de la imagen durante el tiempo en que el obturador está abierto. La aparición de la tecnología MEMS ayudó a reducir el tamaño, el costo y la energía de estas funciones de una forma revolucionaria, que conducen a un uso más generalizado de esta técnica en las cámaras digitales de hoy en día. Los avances en las técnicas de procesamiento de imágenes digitales, que todavía usan mediciones de tasa angular basadas en MEMS en sus algoritmos, dieron lugar a la eliminación del servomotor en muchas aplicaciones. Si la estabilización de la imagen viene de un servomotor o por medio del procesamiento posterior digital de los archivos de imagen, la función fundamental (detección de respuesta) del giroscopio sigue siendo la misma, al igual que la consecuencia del ruido. Para simplificar, esta discusión se centra en el enfoque clásico (servomotor en el sensor de la imagen) para explorar los fundamentos de ruido más relevantes y cómo se relacionan con los atributos físicos más importantes de este tipo de aplicación.
RECORRIDO ALEATORIO ANGULAR (ARW)
Todos los giroscopios MEMS tienen ruido en sus mediciones de tasa angular. Este ruido inherente del sensor representa la variación aleatoria en la salida del giroscopio, cuando funciona en condiciones de inercia estática (sin movimiento de rotación) y ambientales (sin vibración, golpes, etc.). Las métricas más comunes que ofrecen las hojas de datos del giroscopio MEMS para describir sus comportamientos de ruido son la Densidad de ruido de tasa (RND) y el Recorrido aleatorio angular (ARW). El parámetro del RND normalmente usa las unidades de /seg/√Hz y proporciona una manera simple de predecir el ruido total, en términos de tasa angular según la respuesta de la frecuencia del giroscopio. El parámetro del ARW normalmente usa unidades de /√hora y, con frecuencia, es más útil cuando analiza el impacto que tiene el ruido en la estimación del ángulo durante períodos específicos de tiempo. La Ecuación 2 ofrece una fórmula genérica para estimar el ángulo según la medición de la tasa angular. Además, también proporciona una fórmula simple que relaciona el parámetro del RND al parámetro del ARW. Esta relación representa una pequeña adaptación (FFT de una cara versus de doble cara) del en el IEEE-STD-952-1997 (Apéndice C).
La Figura 3 proporciona una referencia gráfica, que ayuda a sostener aún más la discusión del comportamiento que representa el parámetro del ARW. Las líneas de puntos verdes en esta ilustración representan el comportamiento del ARW cuando el giroscopio tiene un RND de 0,004 /seg/√Hz, lo que equivale a un ARW de 0,17 /√hora. Las líneas continuas representan 6 integraciones separadas de la salida de este giroscopio durante un período de 25 ms. La naturaleza aleatoria de los errores angulares, con respecto al tiempo, muestran que la utilidad principal de la ARW es en la estimación de la distribución estadística de los errores angulares durante un tiempo de integración específico. Además, no es que este tipo de respuesta asuma el uso de filtros de paso alto para eliminar los errores iniciales magnetizados en el proceso de integración.
Figura 3. Recorrido aleatorio angular (ADIS16460)
Volviendo al ejemplo de la aplicación en la Figura 2, la combinación de las ecuaciones 1 y 2 proporciona una oportunidad para relacionar los criterios importantes (distorsión física en la superficie de inspección) para las métricas de rendimiento del ruido (RND, ARW) que están comúnmente disponibles en las hojas de datos del giroscopio MEMS. En este proceso, suponiendo que el tiempo de integración (τ) de la Ecuación 1 es igual al tiempo de captura de la imagen proporciona otra simplificación que podría ser útil. La Ecuación 3 se aplica a la relación genérica de la Ecuación 1 para estimar que cuando la cámara está a 1 metro (D) lejos de la superficie de inspección y el error máximo de distorsión permisible es de 10μm (dRE), el error angular del giroscopio (φRE) debe ser inferior a 0,00057.
La Ecuación 4 combina los resultados de la Ecuación 3 y la relación genérica en la Ecuación 2 para predecir los requisitos del ARW y RND para el giroscopio MEMS en una situación particular. Este proceso asume que los tiempos de captura de la imagen de 35 ms representa el tiempo de integración (τ) de la Ecuación 2, que conduce a la predicción que el ARW del giroscopio tiene que ser de menor de 0,18 /hora1/2[Ed. Nota: ubique la "hora" bajo el símbolo de raíz cuadrada en lugar de utilizar el superíndice ½] o el RND debe ser inferior a 0,0043 /seg/Hz1/2 [Ed. Nota: ubique "Hz" bajo el símbolo de raíz cuadrada en lugar de utilizar el superíndice ½] para sostener este requisito. Por supuesto, este no puede ser el único requisito que estos parámetros soportan, pero estas relaciones simples proporcionan un ejemplo de cómo relacionarse con los requisitos y condiciones conocidas.
RUIDO DE TASA ANGULAR VERSUS ANCHO DE BANDA
Los que desarrollan sistemas que proporcionan un control señalador continuo pueden preferir evaluar el impacto del ruido en términos de tasa angular, ya que no pueden tener un tiempo de integración fijo que aproveche la relación basada en ARW. La evaluación del ruido en términos de tasa angular a menudo implica una cierta consideración del parámetro del RND y la respuesta de la frecuencia en la cadena de señales del giroscopio. La respuesta de la frecuencia del giroscopio a menudo se ve mas influida por el filtro, lo que es compatible con los requisitos específicos de la aplicación de los criterios de estabilidad de bucle y la eliminación de la respuesta del sensor no deseable a las amenazas ambientales, como la vibración. La Ecuación 5 proporciona una forma sencilla de estimar el ruido asociado con una respuesta de la frecuencia particular (ancho de banda de ruido) y RND.
Cuando la respuesta de la frecuencia del RND sigue un único polo o polo doble, perfil de filtro de paso bajo, el ancho de banda del ruido (fNBW) se refiere a la frecuencia de desconexión del filtro (fC) de acuerdo con las relaciones en las Ecuaciones 6.
Por ejemplo, la Figura 4 ofrece dos diagramas espectrales diferentes para el ruido en el ADXRS290, que tiene un RND de 0,004 /seg/√Hz. En este diagrama, la curva de negro representa la respuesta de ruido cuando se usa un filtro de paso bajo de polo doble, que tiene una frecuencia de desconexión de filtro de 200 Hz, mientras que la curva azul representa la respuesta de ruido cuando se usa un filtro de paso bajo de un único polo, que tiene una frecuencia de desconexión de filtro de 20 Hz. La Ecuación 7 proporciona cálculos para el ruido total de cada uno de estos filtros. Como se esperaba, la versión de 200 Hz tiene un ruido más alto que la versión de 20 Hz.
Figura 4. Densidad de ruido ADXRS290 con filtros
En los casos en que el sistema requiere un filtro personalizado, cuya respuesta de la frecuencia (HDF (f)) no se ajusta a los simples modelos de un único polo y de polo doble en las Ecuaciones 6 y 7, la Ecuación 8 ofrece una relación más genérica para predecir el ruido total:
Además de influir en el ruido total de la tasa angular, los filtros de giroscopio también contribuyen al retardo de la fase de la respuesta global del bucle, que tiene un impacto directo sobre otra figura importante de mérito en los sistemas de control de respuesta: margen de la fase en la frecuencia cruzada de la ganancia de unidad. La Ecuación 9 ofrece una fórmula de estimación del retardo de la fase (θ) que un filtro de un único polo (fC = frecuencia de desconexión) tendrá en la respuesta de la frecuencia de los bucles de control, a su frecuencia de desconexión de ganancia de unidad (fG). Los dos ejemplos en la Ecuación 9 muestran el retardo de la fase a una frecuencia de desconexión de ganancia de unidad de 20 Hz, para los filtros con frecuencias de desconexión de 200 y 60 Hz respectivamente. Este impacto en el margen de la fase puede dar lugar a la especificación de los anchos de banda del giroscopio que son 10 veces mayor a la frecuencia de desconexión de la ganancia de unidad, que puede dar aún más énfasis a la selección de un giroscopio MEMS con niveles de RND favorables.
Los sistemas de control modernos a menudo aprovechan filtros digitales, que pueden tener diferentes modelos para la predicción de su retardo de la fase en las frecuencias críticas para el bucle de control. Por ejemplo, la ecuación 10 presenta una fórmula para predecir el retardo de la fase (θ) asociada a un filtro FIR de 16 tomas (NTAP), que se ejecuta en la tasa de actualización SPS 4250 (fS) del ADXRS290, a la misma frecuencia cruzada de ganancia de unidad (fG) de 20 Hz. Este tipo de relación puede ayudar a la hora de determinar el número de tomas totales que una arquitectura de sistema puede permitir para este tipo de estructura de filtro.
CONCLUSIÓN
El resultado es que el ruido de los bucles de respuesta de la tasa angular puede tener una influencia directa sobre los criterios de rendimiento clave en los sistemas de control de movimiento, por lo que se debe considerar, lo antes posible en el proceso de diseño de un nuevo sistema. Los que puedan cuantificar cómo influirá el ruido de la tasa angular en los comportamientos a nivel del sistema tendrán una ventaja significativa sobre los que solo saben que necesitan "ruido bajo". Podrán establecer objetivos de rendimiento que creen un valor observable en sus aplicaciones y estarán en una posición excelente para cuantificar las consecuencias a nivel del sistema, mientras otros objetivos del proyecto fomentan la consideración de un giroscopio MEMS específico. Una vez que existe el entendimiento básico, los diseñadores de sistemas pueden centrarse en la identificación de un giroscopio MEMS que cumpla con los requisitos de rendimiento, con métricas de ancho de banda, densidad de ruido de tasa o recorrido aleatorio angular para guiar su consideración. Como buscan optimizar el rendimiento de ruido que se lleva a cabo desde los sensores que seleccionan, pueden usar las relaciones con el ancho de banda (ruido de tasa angular) y el tiempo de integración (error angular) para accionar otras importantes definiciones a nivel del sistema que soportarán el rendimiento más adecuado de la aplicación.
Mark Looney escribió este artículo y lo proporciona Analog Devices, Inc.