慣性傳感器促進移動機器人自主工作

Allan 方差 關系式還有助于深入了解最佳積分時間(τ = t2 – t1)。該曲線上的最低點通常被確定為運行中偏置穩(wěn)定度。通過設置積分時間 ，使其等于與所用陀螺儀的Allan方差曲線上最低點相關的積分時間，可優(yōu)化駛向估算結果。

包括偏置溫度系數在內的條件相關誤差會影響性能，因此它們可決定需要每隔多久停止一次機器人的運行，以更新其偏置校正。使用預校準的傳感器有助于解決最常見的誤差源，例如溫度和電源變化。例如，將ADIS16060改為預校準的ADIS16265可能會增加尺寸、價格和功率，但可以將相對于溫度的穩(wěn)定性提高18倍。對于2°C溫度變化，ADIS16060的最大偏置為0.22°/秒，而ADIS16265只有0.012°/秒。

如以下關系式所示，靈敏度誤差源與實際駛向變化成正比：

商用MEMS傳感器的額定靈敏度誤差通常在±5%至±20%以上，因此需要進行校準以減小這些誤差。例如ADIS16265和 ADIS16135等預校準MEMS5陀螺儀的額定誤差小于±1%，在受控環(huán)境中甚至可以達到更高性能。

應用范例：

倉庫庫存交貨

倉庫自動化系統(tǒng)目前使用叉車和傳送帶系統(tǒng)移動材料，以管理庫存并滿足需求。叉車需要直接人為控制，而傳送帶系統(tǒng)則需要定期維護。為了最大化倉庫價值，許多倉庫正在進行重新配置，從而為自主機器人平臺的應用敞開了大門。一組機器人僅需要更改軟件、對機器人導航系統(tǒng)進行再培訓就能適應新任務，完全不需要實施大量工程作業(yè)來改造叉車和傳送帶系統(tǒng)。倉庫交貨系統(tǒng)中的關鍵性能要求是機器人必須能夠保持行程模式的一致性，可在有障礙物移動的動態(tài)環(huán)境下安全執(zhí)行機動動作，并且保證人員安全。為了說明在此類應用中MEMS陀螺儀反饋對Seekur的價值，Adept MobileRobots用實驗方式分別展示了在不使用（圖 8）和使用（圖 9）MEMS陀螺儀反饋的情況下，Seekur保持重復路徑的能力。應注意，為了研究MEMS陀螺儀反饋的影響，該實驗未采用GPS或激光掃描校正。

圖 8. 未使用MEMS陀螺儀反饋時的Seekur路徑精度。

圖 9. 使用MEMS陀螺儀反饋時的Seekur路徑精度。