Technology of bench calibration of tensor magnetogradient measurement systems

Capa

Citar

Texto integral

Resumo

A technology for bench calibration of a tensor magnetogradient measuring system is proposed. The proposed algorithms are based on assessing the influence of a reference magnetic source, described by the spatial distribution of the scalar magnetic potential, on the calibrated magnetogradiometer. Algorithms have been developed for additional calibration of vector sensors, which must be performed at a point with a minimum magnetic field gradient or in a solenoidal field. An algorithm has been developed for estimating the position of the base sensor, which consists of sequential rotations of the magnetogradient measuring system around its center with a stationary calibrated field source. An algorithm has been developed for estimating the direction of the dipole moment vector for a known position of the sensor relative to the field source. An algorithm has been developed for estimating the position of vector sensors relative to the base one. An algorithm for calibration technology for a tensor magnetogradiometer has been developed. The implementation of the described calibration technology in conjunction with the calibration technology of existing magnetic induction sensors made it possible to ensure the calibration of all parameters of the magnetogradient measuring system and the determination of the exact relative position of the sensors and the relative orientation of all sensitivity axes.

Sobre autores

Boris Pavlov

V.A. Trapeznikov Institute of Control Sciences of RAS

Email: pavlov@ipu.ru
Moscow

Evgeny Karshakov

V.A. Trapeznikov Institute of Control Sciences of RAS

Email: karshakov@ipu.ru
Moscow

Dmitry Goldin

V.A. Trapeznikov Institute of Control Sciences of RAS

Email: goldind@ipu.ru
Moscow

Andrey Volkovitsky

V.A. Trapeznikov Institute of Control Sciences of RAS

Email: avolkovitsky@yandex.ru
Moscow

Bibliografia

  1. ВАСИЛЮК Н.Н. Калибровка коэффициентов линейной модели интегрального магнитометра за счет использо-вания измерений трехосного гироскопа // Гироскопия и навигация. – 2019. – Т. 27, №1. – С. 107–126.
  2. ГЕТЬМАН Р.В., ЗАТЕЕВ А.А., ИВАНОВ Ю.М. и др. Ана-лиз погрешностей измерений магнитного момента ко-раблей в дальнем поле // Морской вестник. – 2018. – №1(65). – С. 102–104.
  3. ГОЛОВАН А.А. Методы исследования задач оценивания и их приложения к задачам инерциальной и спутниковой навигации в авиационной гравиметрии: Диссертация … д.ф.-м.н. – МГУ им. М.В. Ломоносова, мех.-мат. факуль-тет, 2002. – 112 с.
  4. ИВАНОВ Д.С., ТКАЧЕВ С.С., КАРПЕНКО С.О. и др. Ка-либровка датчиков для определения ориентации малого космического аппарата // Препринты ИПМ им. М.В. Келдыша. – 2010 – №28. – 30 с. – URL: http://library.keldysh.ru/preprint.asp?id=2010-28 (дата обращения: 15.01.2024).
  5. КАРШАКОВ Е.В., ХАРИЧКИН М.В. Стохастическая задача оценивания // Автоматика и телемеханика. – 2008. – №7. – С.68–77.
  6. ПАРУСНИКОВ Н.А., ГОЛОВАН А.А., ВАРАВВА В.Г. О стохастической мере оцениваемости // Коррекция в навигационных системах. – М.: Изд-во МГУ, 1987. – С. 4–7.
  7. BILLINGS S. Superconducting magnetic tensor gradiome-tersystem for detection of underwater military munitions // SERDP Project MR-1661. – Ashland, OR, USA: Sky Re-search Inc., Final report, 2012.
  8. BISON G.A., WYNANDS R., WEIS A. Laser-pumped mag-netometer for the mapping of humancardiomagnetic fields // Appl. Phys. – 2003. – Vol. 76, No. 3. – P. 325–328.
  9. CHENG CHI, JUN-WEI LW, DAN WANG. Calibration of triaxial magnetometer with ellipsoid fitting method // IOP Conference Series: Earth and Environmental Science. – 2019. – Vol. 237, Iss. 3. – P. 1–6. – URL: https://iopscience.iop.org/article/10.1088/1755-1315/237/3/032015/pdf (дата обра-щения: 12.02.2024).
  10. KARSHAKOV E.V. Iterated extended Kalman filter for air-borne electromagnetic data inversion // Exploration Geo-physics. – 2020. – Vol. 51, Iss.1. – P. 66–73.
  11. KOK M., SCHON T.B. Magnetometer calibration using in-ertial sensors // IEEE Sensors Journal. – 2016. – No. 16(14). – Р. 5679–5689.
  12. LI X., LI Z. A new calibration method for tri-axial field sen-sors in strap-down navigation systems // Measurement Sci-enes and Technology. – 2012. – No. 23(10). – Р. 2852–2855.
  13. LI W., CAI H., ZHAO S. et al. Real-time magnetic field cali-bration method based on extended Kalman filter // Journal of Physics Conference Series. – 2020. – Iss. 1627. – P. 1–8. – URL: https://www.researchgate.net/publication/344528971_Real-Time_Magnetic_Field_Calibration_Method_Based_on_Extended_Kalman_Filter (дата обращения: 12.02.2024).
  14. PANG H., PAN M., WANG W. et al. Error calibration of three axis magnetometer based on Gauss-Newton iteration algorithm // Chinese Journal of Scientific Instrument. – 2013 – No. 34(7). – P. 1506–1511.
  15. QIN G., GUNA X.Y., LI W.S. Compensation method of magnetic field error of three-dimensial vector based on el-lipsoid compensation // Electronic Measurement Technology. – 2018. – No. 41(2). – P. 34–39.
  16. WU Y., PEI L. Gyroscope calibration via magnetometer // IEEE Sensors Journal. – 2017. – No. 17(16). – Р. 5269–5275.
  17. WU Y., ZOU D., LIU P. Dynamic magnetometer calibration and alignment to inertial sensors by Kalman filtering // IEEE Trans. on Control Systems and Technology. – 2018. – No. 26(2). – Р. 716–723.
  18. YANG B.F., FAN B.Y., XU J.M. Research on error com-pensation in geomagnetic field measurement based on least squares // Journal of Air Force Engineering University. – 2017. – No. 18(6). – Р. 34–39.
  19. YIN G., ZHANG Y.T., FAN H.B. et al. Linear calibration method of magnetic gradient tensor system // Measurement. – 2014. – No. 56. – Р. 8–18.
  20. ZHANG G., ZHANG Y.T., YIN G. et al. The calibration method of magnetic tensor system based on linear error model // Journal of Jilin University. – 2015 – No. 45(3). – Р. 1012–1016.
  21. ZHOU N.B., WANG Y.B., WANG Q. A brief review of geo-magnetic navigation technology // Journal of Navigation and Positioning. – 2018. – No. 6(2). – P. 15–19.

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML
Baixar


Creative Commons License
Este artigo é disponível sob a Licença Creative Commons Atribuição–NãoComercial 4.0 Internacional.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».