利用智能手机内建传感器测量 Helmholtz 线圈产生的磁场

成果在近期转化为 iOS/iPadOS App 原型 Visual Field,但暂无上架 App Store 的计划。文末也有仓库链接。

其实是很简单的一个想法,利用每个人手上都有的通用设备——智能手机,来测量 Helmholtz 线圈产生的磁场。相比传统实验方法,本实验简化了仪器需求,降低了实验门槛。


摘要

本实验利用智能手机内置的惯性测量单元 (IMU) 和磁传感器,通过 Sensor Logger App 测量 Hemholtz 线圈产生的磁场。相比传统实验方法,本实验简化了仪器需求,降低了实验门槛。在实验中,基于 Kalman 滤波处理传感器数据,结合数值积分计算位移,对磁场变化进行了精确测量和校准。结果表明,Hemholtz 线圈中心磁场的大小和分布与理论模型基本一致。尽管测量结果仍存在位置漂移和背景磁场干扰,但实验方法展示了智能设备在科学测量中的应用潜力。

关键词: Helmholtz 线圈,智能手机,IMU,磁场测量,Kalman 滤波


1 引言

本实验利用智能手机内置的惯性测量单元 (Inertia Mesurment Unit, IMU) 和磁传感器,使用 Sensor Logger App 测量 Helmholtz 线圈产生的磁场。Helmholtz 线圈是由两个同轴的圆形线圈组成,两个线圈的中心重合,线圈的半径相等,线圈的匝数相等,线圈的匝数足够多,使得线圈的磁场近似均匀。两个线圈的电流方向相同,电流强度相等,使得两个线圈产生的磁场叠加,形成一个均匀的磁场区域。在 Helmholtz 线圈的中心区域,磁场的方向与线圈的轴线平行,磁场的大小与线圈的电流强度和线圈的半径有关。


2 创新点

本实验的创新点在于利用智能手机内置的 IMU 和磁传感器测量 Helmholtz 线圈产生的磁场。传统的实验方法需要使用霍尔探头,需要首先对探头进行标定;而本实验利用智能手机内置的传感器,无需额外的设备,简单方便。


3 实验目的

  1. 了解 Helmholtz 线圈产生的磁场的特点。
  2. 利用智能手机测量 Helmholtz 线圈产生的磁场。

4 实验仪器

  1. 直流电源
  2. Helmholtz 线圈及导轨支架
  3. 智能手机

5 实验原理

Helmholtz 线圈由两组半径相等、匝数相同且电流方向一致的同轴圆形线圈组成,其标准配置为两线圈间距等于其半径。线圈中心磁场的理论公式为:

B=μ0nIR2(R2+(R2)2)3/2,B = \frac{\mu_0 \cdot n \cdot I \cdot R^2}{\left( R^2 + \left( \frac{R}{2} \right)^2 \right)^{3/2}},

其中,μ0\mu_0 为真空磁导率,nn 为每组线圈匝数,II 为电流,RR 为线圈半径 [1]。


6 实验步骤

  1. 确认 Helmholtz 线圈关闭,将智能手机放在实验装置的导轨上,使得智能手机的 IMU 与磁传感器的测量方向 y 轴与 Helmholtz 线圈的轴线平行。采集一段时间的数据作为静止时的校准数据。
  2. 调整两个线圈的间距为线圈半径的长度。
  3. 打开 Helmholtz 线圈,调节电流大小到合适范围。
  4. 开始采集数据,将智能手机沿导轨由一端向另一端移动。到达另一端后,停止采集数据。

7 数据处理

加速度计与磁传感器的原始测量数据如图 \ref{fig:accel_raw} 和图 \ref{fig:mag_raw} 所示。

加速度计原始数据磁传感器原始数据

由于 IMU 传感器的数据存在噪声,可能会导致数据漂移,因此需要对数据进行滤波处理。常用的滤波方法有均值滤波、中值滤波、Kalman 滤波等。本实验选用 Kalman 滤波,原理由以下公式描述:

{xk=Axk1+Buk+wkzk=Hxk+vk\begin{cases} \mathbf x_k = \mathbf A \mathbf x_{k-1} + \mathbf B \mathbf u_k + \mathbf w_k \\ \mathbf z_k = \mathbf H \mathbf x_k + \mathbf v_k \end{cases}

其中,xk\mathbf x_k 为状态向量,A\mathbf A 为状态转移矩阵,B\mathbf B 为输入矩阵,uk\mathbf u_k 为输入向量,wk\mathbf w_k 为状态转移噪声,zk\mathbf z_k 为观测向量,H\mathbf H 为观测矩阵,vk\mathbf v_k 为观测噪声 [2]。Kalman 滤波器通过迭代来对参数进行估计,使得观测值与状态值之间的误差最小。

本实验使用 10 次自动迭代参数估计的 Kalman 滤波器对加速度计三个轴的数据分别进行了滤波处理,滤波后的数据如图 \ref{fig:accel_raw_vs_filtered} 所示。可以看出,滤波后的数据更加平滑,噪声更少。

接下来,对加速度计的数据进行数值积分,得到速度和位移。速度和位移的计算公式如下:

v=(i=1n12(ax,i1+ax,i)Δti=1n12(ay,i1+ay,i)Δti=1n12(az,i1+az,i)Δt)\mathbf v = \begin{pmatrix} \sum_{i=1}^{n} \frac{1}{2}(a_{x,i-1} + a_{x,i}) \Delta t \\ \sum_{i=1}^{n} \frac{1}{2}(a_{y,i-1} + a_{y,i}) \Delta t \\ \sum_{i=1}^{n} \frac{1}{2}(a_{z,i-1} + a_{z,i}) \Delta t \end{pmatrix}

r=(i=1n12(vx,i1+vx,i)Δti=1n12(vy,i1+vy,i)Δti=1n12(vz,i1+vz,i)Δt)\mathbf r = \begin{pmatrix} \sum_{i=1}^{n} \frac{1}{2}(v_{x,i-1} + v_{x,i}) \Delta t \\ \sum_{i=1}^{n} \frac{1}{2}(v_{y,i-1} + v_{y,i}) \Delta t \\ \sum_{i=1}^{n} \frac{1}{2}(v_{z,i-1} + v_{z,i}) \Delta t \end{pmatrix}

此处使用梯形公式,将加速度对时间进行两次数值积分得到位移,其中 ii 为采样点编号,nn 为采样点总数,Δt\Delta t 为采样时间间隔;ax,y,za_{x,y,z} 为加速度在各轴向的分量,v\mathbf v 为速度矢量,r\mathbf r 为位移矢量。

计算校准数据中磁场矢量平均值,作为校准磁场矢量。将测量数据中的磁场矢量减去校准磁场矢量,得到磁场变化:

B=BmeasuredBcalibration\mathbf B = \mathbf B_\mathrm{measured} - \mathbf B_\mathrm{calibration}

由于磁传感器的采样时间与加速度计不同,需要对位移数据进行插值处理。使用简单的线性插值方法,将磁传感器的数据插值到加速度计采样时间点。插值后的磁场矢量随位移变化如图 \ref{fig:magnetic_field_vectors_on_displacement} 所示。

加速度计原始数据与滤波后数据磁场矢量随位移的变化

8 分析

由图 \ref{fig:accel_raw} 和 \ref{fig:magnetic_field_vectors_on_displacement} 可大致看出磁场矢量大小随着距离 Helmholtz 线圈中心距离增加而减小,符合 Helmholtz 线圈磁场的特点。

然而,图 \ref{fig:magnetic_field_vectors_on_displacement} 数据仍存在较大位置漂移和磁感应强度偏差,背景磁场未完全消除。利用惯性导航方程,结合角速度计数据,并采用高维 Kalman 滤波器融合多传感器数据及高维状态向量,可更有效消除位置漂移和磁感应强度误差。


9 结论与展望

本实验利用智能手机内置惯性测量单元(IMU)和磁传感器对 Helmholtz 线圈产生的磁场进行了测量和分析。实验结果表明,智能手机作为低成本、便携的磁场测量工具,初步验证了 Helmholtz 线圈磁场分布特性。但实验仍存在位置漂移和背景磁场影响未完全消除、测量精度有限等不足,主要与传感器精度、滤波方法简单及多传感器融合算法欠优化有关。

未来改进方向:

  1. 优化数据处理,结合高维 Kalman 滤波与惯性导航方程,融合加速度计、磁传感器、角速度计数据,减少位置漂移,提升测量精度。
  2. 精准标定传感器,采用先进误差校正方法,提升磁场测量精度。
  3. 设计动态校准算法实时消除背景磁场干扰,提高测量可靠性。
  4. 扩展至三维空间磁场测绘,构建磁场分布模型,助力磁场可视化及深入研究。

该方法低成本、便携、普适,为磁场测量开辟新途径。智能手机作为普及设备,降低实验门槛,使非物理专业研究者亦能参与磁场科学探索。应用前景包括教学实验、环境磁场监测及便携磁场探测设备开发。未来结合更多传感器和先进测量方法,智能手机有望成为重要磁场测量与分析工具。


参考文献

[1] Helmholtz H. Ueber einige Gesetze der Vertheilung elektrischer Ströme in körperlichen Leitern mit Anwendung auf die thierisch-elektrischen Versuche [J]. Annalen der Physik, 1853, 165(6): 211-233.

[2] Bishop G., Welch G. An Introduction to the Kalman Filter [J]. Proc of SIGGRAPH, 2001, 8(27599-23175): 41.

生物化学(上)笔记总结
利用 fx-999 的科学常数和变量功能解决电化学问题