一种应变传感器特征化方法与流程

本发明涉及应变传感器，具体为一种应变传感器特征化方法.。

背景技术：

1、应力传感器的主要应用场景包括：高精度计量，比如衡器等；相对低精度传感，比如消费电子产品中的压感交互等。

2、无论哪种应用场景，应力测量都要求被测对象(包含其材料和结构)的蠕变尽可能小。

3、蠕变，是固体材料在保持应力不变的条件下，应变随时间延长而增加的现象。由于蠕变，被测对象在某个瞬间的应力状态，不仅与该瞬时的变形有关，还与该瞬时之前的变形过程有关。

4、目前，还没有一个适用于一切材料的统一蠕变理论。对金属材料，主要有老化理论、强化理论和蠕变后效理论如下：

5、

6、其中，σ为应力，ε为应变。

7、第一项为基本部分，第二项为后效影响部分。k称为影响函数，它是在时刻的单位时间内，单位应力在此后时刻所引起的变形。

8、在实际应用场景中，蠕变的主要影响是——作用在被测对象上的实际应力与测量结果之间的差值。

9、有鉴于此，高精度计量往往对被测对象(通常是弹性体)进行材料改性和结构优化，尽量规避测量范围内的蠕变产生；而相对低精度传感则大多通过算法来“消除”蠕变的影响——即自始至终跟踪被测对象，并对应力作用、应力撤销、蠕变影响(主要体现为零点漂移)进行标记，进而减少蠕变对应力传感的影响(又称基准跟随算法)。

10、由于在实际应用场景中，并不存在稳定不变的应力作用，因而将上述公式调整为：

11、

12、其中，e为常数，成为弹性模量或杨氏模量，如图2所示。

13、基准跟随算法，将算法滤波之后，在时域上连续可导的变化看作零点漂，将时域上不连续的突变看作应力作用，如图3所示。

14、基准跟随算法能够在很大程度上解决蠕变对应力传感产生的影响，补偿零点漂移。但在某些1/3边缘案例下，又很可能因为过度矫正引起零点“跑飞”，如图4所示，图4中，

15、系统断电重启之前恰好处于预应力作用状态(比如：电动牙刷的刷头被按压在齿面之后再启动，触控笔在压力作用状态下断电重启等等)，重新上电之后，跟随算法会将当前状态作为零点进行跟踪，导致零点的过度矫正，假定断电重启之前的输入应力为σ0，则基准跟随算法之后的输出结果为：

16、

17、这一零点过度矫正的影响将会持续至下一次断电重启，严重影响压感交互的可靠性、一致性。

技术实现思路

1、本发明的目的在于提供一种应变传感器特征化方法.，以解决上述背景技术中提出的系统断电重启之前恰好处于预应力作用状态(比如：电动牙刷的刷头被按压在齿面之后再启动，触控笔在压力作用状态下断电重启等等)，重新上电之后，跟随算法会将当前状态作为零点进行跟踪，导致零点的过度矫正，这一零点过度矫正的影响将会持续至下一次断电重启，严重影响压感交互的可靠性、一致性的问题。

2、为实现上述目的，本发明提供如下技术方案：一种应变传感器特征化方法，该应变传感器特征化方法时基于被测对象的本底噪声与输入噪声进行提取和区隔，主要的分析方法包括时域和频域两个分析方法，所述时域分析方法包括幅值分析方法和谐波分析方法，所述频域分析方法包括频谱分析方法和小波分析方法。

3、优选的，所述幅值分析方法包括如下步骤：

4、s1：初次上电，自动获取本底噪声幅值峰-峰值并存储在寄存器中；

5、s2：实时获取总噪声幅值的峰-峰值；

6、s3：遇有断电重启，则将重启后一瞬间的总噪声幅值峰-峰值与本底噪声幅值的峰峰值进行比对；

7、s4：若上述差值高于本底噪声幅值峰-峰值8-12％的比例，则认为重启之前设备处于输入状态，用存储器中的初始值作为零点依据进行跟随；

8、s5：否则，执行基准自动跟随算法。

9、优选的，所述谐波分析方法包括如下步骤：

10、测定结构震动周期性规律，用傅里叶级数展开，表达式为：其中，n＝1时表示基波，n>1时表示谐波，an为第n个波的幅值峰-峰值；

11、本地输入状态下，仅存在基波，即：

12、负载状态下的一次谐波表示为：

13、对断电重启之后的实时数据进行傅里叶展开，可以获知其基波与一次谐波，进而甄别设备所处的状态是本底状态还是负载状态，以决定是否对重新上电瞬间的零点执行跟随算法。

14、优选的，所述频谱分析方法包括如下步骤：

15、在本地输入状态下，噪声频率为其中，tmax、tmin为每一变形波到达波峰、波谷的相对时间；

16、输入状态下，噪声频率为：

17、对断电重启之后的实时数据进行频域变换，若实时噪声频率与本底噪声频率之差与本底噪声的比值高于8-12％时，即：

18、

19、则认为传感器处于自由状态，执行基准自动跟随算法，反之，则填充断电前的寄存器零点数据之后，再进行基准自动跟随。

20、优选的，所述小波分析方法包括如下步骤：

21、对母小波和尺度函数进行缩放、平移后的集合，既有高频又有低频，同时还覆盖了时域，如下：

22、f(t)＝∑m∑j aj,kψj,k(t)，其中ψj,k(t)为小波级数；

23、通过小波级数同时在时域和频域上定位信号，本底状态和负载状态下经过去噪之后的输出分别如下：

24、f(t,ε＝0)＝∑k∑j aj,kψj,k(t,ε＝0)；

25、f(t,ε)＝∑k∑j aj,kψj,k(t,ε)；

26、即，两者的小波级数分别为ψj,k(t,ε＝0)和ψj,k(t,ε)。

27、与现有技术相比，本发明的有益效果是：该种应变传感器特征化方法，通过一种或多种特定参数来判断设备在断电重启之后的状态，进而甄别真、假零点，剔除断电重启之前存在预应力导致的“伪零点”，能有效防止基准跟随算法错误的跟踪“伪零点”并影响设备在下次断电重启之前的工作，有效的解决了基跟随算法存在的缺陷，提高压感交互的可靠性、一致性。

技术特征：

1.一种应变传感器特征化方法，其特征在于：该应变传感器特征化方法时基于被测对象的本底噪声与输入噪声进行提取和区隔，主要的分析方法包括时域和频域两个分析方法，所述时域分析方法包括幅值分析方法和谐波分析方法，所述频域分析方法包括频谱分析方法和小波分析方法。

2.根据权利要求1所述的一种应变传感器特征化方法，其特征在于：所述幅值分析方法包括如下步骤：

3.根据权利要求2所述的一种应变传感器特征化方法，其特征在于：所述谐波分析方法包括如下步骤：

4.根据权利要求3所述的一种应变传感器特征化方法，其特征在于：所述频谱分析方法包括如下步骤：

5.根据权利要求4所述的一种应变传感器特征化方法，其特征在于：所述小波分析方法包括如下步骤：

技术总结
本发明公开了应变传感器技术领域的一种应变传感器特征化方法，该应变传感器特征化方法时基于被测对象的本底噪声与输入噪声进行提取和区隔，主要的分析方法包括时域和频域两个分析方法，所述时域分析方法包括幅值分析方法和谐波分析方法，所述频域分析方法包括频谱分析方法和小波分析方法，本发明通过一种或多种特定参数来判断设备在断电重启之后的状态，进而甄别真、假零点，剔除断电重启之前存在预应力导致的“伪零点”，能有效防止基准跟随算法错误的跟踪“伪零点”并影响设备在下次断电重启之前的工作，有效的解决了基跟随算法存在的缺陷，提高压感交互的可靠性、一致性。

技术研发人员：黄孙峰,周其伟,吴敏
受保护的技术使用者：南京湃睿半导体有限公司
技术研发日：
技术公布日：2024/1/12