Memsense nano IMU

Question

Estoy usando Memsense nano IMU y específicamente estoy interesado en obtener los datos del Giroscopio de tres ejes de sus marcos de 38 bytes. A continuación se presentan las instantáneas de los marcos, y los datos del giroscopio recogidos para los ejes x, y y z (16 bits cada uno) (cuando la IMU está parado):

Ahora bien, aunque elimine el sesgo de estos valores de velocidad del giroscopio, los valores son demasiado aleatorios y sin sentido. De hecho intenté integrarlos para obtener los ángulos también pero no pude obtenerlos correctamente.

¿Es este un comportamiento normal que podemos esperar de estos sensores o hay algún mal funcionamiento por parte de mi IMU?

Moderadores: He revisado los otros posts relacionados con problemas de IMUs y giroscopios pero no he podido encontrar esta discusión básica.

Answer 1

No has dicho qué modelo de IMU tienes.

Para el modelo -1200F050, el hoja de datos indica que el nivel de ruido del giroscopio (una σ) es de 0,56°/s típico, y dado que la sensibilidad es de 0,055°/s/cuenta, eso le daría un nivel de ruido que ronda las 10 cuentas.

Para el modelo -0150F050, el nivel de ruido (una σ) es de 0,36°/s típico, y dado que la sensibilidad es de 0,0068°/s/cuenta, eso le daría un nivel de ruido que ronda las 53 cuentas.

No analicé tus datos, ya que no los proporcionaste en forma copiable, pero esos números parecen correctos (incluyendo el sesgo) para el modelo más sensible.

ADEMÁS

Ten en cuenta que la especificación del ruido es una medida estadística. Se supone que el ruido es "ruido gaussiano blanco aditivo" (AWGN), y el nivel se da como un valor de un sigma (σ), que es una forma estándar de caracterizar una distribución gaussiana (el desviación estándar ). Se puede pensar en esto como una especie de valor RMS; es equivalente a especificar la potencia de ruido cuando se habla de tensión o corriente.

Esto significa que 68,2% de las veces (el 68,2% de las muestras) tendrá un valor de ruido inferior al número especificado (53 cuentas en este caso). El resto del tiempo, el valor puede ser mayor - en algunos casos, mucho más grande.

Si se quiere tener una mejor idea de lo que se puede considerar un valor "pico" para el ruido, hay que fijarse en el valor 3σ: el 99,8% de las veces, el ruido de una muestra será inferior a 3 × 53 = 159 cuentas.

Si puedes proporcionar tus datos en un formato legible por máquina, es muy sencillo calcular su media y desviación estándar para ver si coinciden con las especificaciones del sensor. Sospecho que está bien dentro de las especificaciones.

INTEGRACIÓN

Cuando se integra un valor que tiene un término de error de sesgo y un término de ruido, el resultado se alejará del valor correcto aunque la "señal" subyacente sea cero. El término de sesgo (esencialmente una constante), cuando se integra, se convierte en una "rampa" lineal, lo que significa que el error crece linealmente con el tiempo. El término de ruido, cuando se integra, se convierte en un "paseo aleatorio", y el error de salida asociado a éste crece proporcionalmente a la raíz cuadrada del tiempo de integración.

A menos que pueda encontrar una manera de compensar estos errores (utilizando datos de otros sensores), el resultado será inútil en cuestión de minutos o incluso segundos, dependiendo de la calidad del sensor.

Answer 2

Creo que lo he conseguido. El problema estaba en el código en alguna parte. Aquí están algunos de mis resultados. Aunque todavía hay algunos problemas.