[發(fā)明專利]一種用于電磁驅動MEMS振鏡模型建立的方法

在審

• 申請?zhí)枺?/td>: 202310122046.X
• 申請日: 2023-02-15
• 公開（公告）號: CN116341199A
• 公開（公告）日: 2023-06-27
• 發(fā)明（設計）人: 馮志輝;王紫蕊
• 申請（專利權）人: 中國科學院光電技術研究所
• 主分類號: G06F30/20
• 分類號: G06F30/20
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 鄧治平

本發(fā)明公開了一種用于電磁驅動MEMS振鏡模型建立的方法，該方法首先通過對振鏡輸入幅值和頻率都隨時間衰減的正弦信號，使振鏡系統(tǒng)所有模態(tài)被持續(xù)激勵，并對振鏡的輸入輸出信號進行采樣。通過分析電磁驅動MEMS振鏡的機理得到模型結構，然后進行離散化處理，得到待辨識的振鏡模型參數(shù)矩陣。考慮到傳統(tǒng)遞推最小二乘法在參數(shù)辨識過程中會出現(xiàn)數(shù)據(jù)飽和現(xiàn)象，為保證頻率較低信號對參數(shù)辨識有一定的修正作用，在傳統(tǒng)遞推最小二乘算法中加入可變遺忘因子，最終提高振鏡模型參數(shù)辨識的精度，從而提高模型精度，同時該辨識算法也可以用于振鏡模型參數(shù)在線辨識。

技術領域

本發(fā)明涉及MEMS振鏡模型建立技術領域，具體是一種電磁驅動MEMS振鏡模型建模方法。

背景技術

隨著MEMS技術的不斷發(fā)展，MEMS激光雷達符合當下激光雷達小型化和固態(tài)化的發(fā)展趨勢，成為近年來研究的熱點。根據(jù)驅動方式不同，MEMS振鏡可分為靜電驅動、壓電驅動、電熱驅動和電磁驅動四種不同的類型。對比不同驅動方式下振鏡的特點，電磁驅動MEMS振鏡具有反射鏡面大，驅動電壓低，偏轉角度大，線性度好，響應速度快等優(yōu)點更適合應用于激光雷達。為提高電磁驅動MEMS振鏡的掃描精度，基于模型的閉環(huán)控制是當下的主要辦法，同時考慮到激光雷達在使用過程中，會受外界環(huán)境的影響，MEMS振鏡的動態(tài)性能可能會發(fā)生變化，因此需要一個合適在線建模方法來建立精確的振鏡模型。

關于電磁驅動MEMS振鏡的模型，Cao等人，針對電磁驅動的二維MEMS振鏡慢軸建立了具有前滯后的非線性動態(tài)模型的模型結構，但是要想建立一個精確的模型來描述欠阻尼和遲滯行為是一個復雜的過程；Iskiman等人，依據(jù)振鏡驅動的機理，從磁膜驅動器的動態(tài)偏轉理論出發(fā)，提出了一種由軟磁薄膜驅動的MEMS微反射鏡的動態(tài)模型，Qin等人，對硬磁性材料驅動的MEMS微鏡，通過對線圈部分、硬磁膜磁致動器部分和扭轉機械部分的分析，得到硬磁微鏡的數(shù)學模型，其二人所建立的模型結構為二階線性系統(tǒng)，采用的建模方法為機理建模法，即通過分析振鏡的物理和機械結構，結合MEMS振鏡鏡面和線圈的具體設計參數(shù)得到振鏡模型，但該方法不適用于無法獲得其內部結構參數(shù)的MEMS振鏡；除了機理法建模，還有輸入輸出法建模，即根據(jù)振鏡的輸入輸出信號來進行建模，Li等人從頻域的角度，對振鏡系統(tǒng)的輸入輸出信號進行分析，根據(jù)Bode圖建立得到振鏡模型，雖然該方法不用獲得振鏡內部結構參數(shù)，但其不能用于在線辨識；Zhang等人從時域的角度，提出遞推阻尼最小二乘----差分進化算法進行系統(tǒng)辨識，該方法雖然可以提高振鏡系統(tǒng)參數(shù)辨識精度，但算法過程相對復雜；Wu等人同樣從時域的角度，采用遞推最小二乘法對振鏡模型的參數(shù)進行辨識，其雖然可以用于在線辨識，但傳統(tǒng)的遞推最小二乘法，隨著數(shù)據(jù)的增長會出現(xiàn)“數(shù)據(jù)飽和”現(xiàn)象。

發(fā)明內容

針對現(xiàn)有技術中對電磁驅動MEMS振鏡模型建立時過程復雜、內部結構參數(shù)無法獲得以及建模方法不利于在線辨識的問題，本發(fā)明提供一種用于電磁驅動MEMS振鏡模型建立方法，該方法能實現(xiàn)電磁驅動MEMS振鏡模型參數(shù)在線辨識，且辨識算法相對比傳統(tǒng)的遞推最小二乘算法能有效提升參數(shù)辨識精度。

為實現(xiàn)上述目的，本發(fā)明提供一種用于電磁驅動MEMS振鏡模型建立方法，包括如下步驟：

步驟1，對電磁驅動MEMS振鏡輸入幅值和頻率都隨時間衰減的正弦信號，并對所述電磁驅動MEMS振鏡的輸入信號和輸出信號分別進行采樣；

步驟2，通過分析所述電磁驅動MEMS振鏡的機理得到振鏡系統(tǒng)平衡狀態(tài)力矩方程，并對所述振鏡系統(tǒng)平衡狀態(tài)力矩方程進行分析得到離散化振鏡模型結構；

步驟3，針對所述的離散化振鏡模型結構設計帶可變遺忘因子的遞推最小二乘算法；

步驟4，將所述輸入信號和所述輸出信號的采樣點數(shù)據(jù)輸入所述帶可變遺忘因子的遞推最小二乘算法進行振鏡模型參數(shù)辨識；

步驟5，將所述參數(shù)辨識后得到的振鏡模型參數(shù)代入所述的離散化振鏡模型結構中，得到電磁驅動MEMS振鏡模型。

在另一個實施例中，步驟1中，所述正弦信號，具體為：