FSR传感器的标定.docxVIP

????????0?????????? ?????? ?? 0 ?? ?????? ?? 上肢机器人 FSR 传感器的标定与数据处理 一.实验原理与电路图： 图 1 FSR 信号调理电路原理图 图 2 FSR 信号调理电路实物图 由电路图可得输出电压与 FSR 阻抗的关系： ?? = ?? ?????? 2  (1 + ?? ??????  )  （1-1） 令 1 ??????  = ??， ?? ?????? 2  = ??  ，则 ?? =  ?? 1 ??  0 × ?? ? 1 ??  （1-2） ，0??Ω ， 0 ?? Ω 由电路结构可知 FSR 传感器的电导值与输出电压是线性关系，而由传感器 性质可知 FSR 电导与压力值是近似的线性关系，故输出电压与力的成线性关系。 二．标定过程： 1.调节参考电压  ?? = 0.8?? ?? = 2??  得到力与电压和 FSR 电导的关系式： 图 3 0.8V 压力与输出电压 ???? ?? ?? 图 4 0.8V 压力与电导 由图 3 图 4 可以发现输出电压（电导）与力的关系存在死区，这是因为当对电 路进行 5V 供电时输出电压 ??????最高为 3.7V，由（1-1）可知输出电压最低为参 考电压 0，因此只对线性部分进行拟合，结果如下： 图 5 0.8V 线性部分压力与输出电压关系 Linear model PolY: f(x) = p1*x + p2 Coefficients (with 95% confidence bounds): p1 = 8.579 (8.464, 8.695) p2 = 2.496 (2.203, 2.79) Goodness of fit: SSE: 113.2 R-square: 0.9902 Adjusted R-square: 0.9902 RMSE: 0.7326 即压力 Y/N 与输出电压 X1/V 关系为： 当10?? ?? 35?? 时， ?? = 8.579 × ??1 + 2.496  (1-3) 图 6 0.8V 线性部分压力与 FSR 电导关系 Linear model PolY: f(x) = p1*x + p2 Coefficients (with 95% confidence bounds): p1 = 13.73 (13.54, 13.91) p2 = 9.36 (9.151, 9.568) Goodness of fit: SSE: 113.2 R-square: 0.9902 Adjusted R-square: 0.9902 RMSE: 0.7326 即压力 Y/N 与输出电导 X2/mS 关系为： 当10?? ?? 35?? 时， ?? = 13.73 × ??2 + 9.36  (1-4) ，0??Ω ， 0 ?? Ω 2．令 ?? = 1.2?? ?? = 2?? 的情况，具体与上面情况相似。 图 7 1.2V 压力与输出电压 图 8 0.8V 压力与电导 同样只对线性区间进行拟合： 图 9 1.2V 线性部分压力与输出电压关系 Linear model PolY: f(x) = p1*x + p2 Coefficients (with 95% confidence bounds): p1 = 6.459 (6.131, 6.787) p2 = 13.4 (12.57, 14.24) Goodness of fit: SSE: 30.68 R-square: 0.9703 Adjusted R-square: 0.9697 RMSE: 0.7994 即压力 Y/N 与输出电压 X1/V 关系为： 当17?? ?? 35?? 时， ?? = 6.459 × ??1 + 13.4  (1-5) 电时0 电时 0 ?????? 图 10 1.2V 线性部分压力与 FSR 电导关系 Linear model PolY: f(x) = p1*x + p2 Coefficients (with 95% confidence bounds): p1 = 15.5 (14.71, 16.29) p2 = 21.16 (20.69, 21.62) Goodness of fit: SSE: 30.68 R-square: 0.9703 Adjusted R-square: 0.9697 RMSE: 0.7994 即压力 Y/N 与输出电导 X2/mS 关系为： 当16?? ?? 35?? 时， ?? = 15.5 × ??2 + 21.16 三．分析与小结：  (1-6) 由以上两种标定，观察图 3，图 4，图 7，图 8 可知，调节不同的