MEMS陀螺仪随机漂移误差滤波处理研究

MEMS陀螺仪是一类新型惯性器件,具有体积小、成本低、重量轻、可靠性高等优点,但是精度较低、随机漂移误差比较大.从实际工程应用角度出发,针对MEMS陀螺仪的随机漂移误差,首先进行实时均值滤波处理,然后基于随机序列时序分析法的基本原理,建立MEMS陀螺仪随机漂移误差的一阶AR模型,然后依据kalman滤波算法的马尔科夫特性,提出了对MEMS陀螺仪每次输出进行实时多次滤波处理的新方法.通过对具体测量数据进行处理,MEMS陀螺仪的随机漂移误差减小到原来的百分之二左右.     

MEMS陀螺随机误差补偿在提高姿态参照系统精度中的应用

为提高航姿系统姿态角测量精度,论文对MEMS陀螺随机误差的测试和补偿进行了研究。运用Allan方差方法分析了MEMS陀螺各项随机误差的特性,建立了针对MEMS陀螺的随机误差补偿模型。采用Allan方差辨识算法完成对各项随机误差的分离,获取速率随机游走(RRW)和角度随机游走(ARW)噪声方差值。通过设计的卡尔曼滤波器对MEMS陀螺随机误差进行实时估计补偿,利用姿态解算算法得到随机误差补偿前和补偿后各3个方向的姿态角。实验结果表明经误差补偿后系统的静态偏航角测量精度提高了3倍、横滚角提高了4倍、俯仰角提高了12倍。     

一种新的MEMS陀螺仪信号去噪方法

为提高MEMS陀螺仪输出信号的去噪效果,将稀疏分解(sparse decomposition)与提升小波变换(lifting wavelet transform)相结合,提出了一种新的信号去噪方法.首先,建立MEMS陀螺带噪信号的误差模型,并利用小波提升正变换计算带噪信号的非稀疏的小波系数;然后,利用稀疏分解理论恢复小波系数的稀疏性;最后,再通过小波提升反变换重构信号,从而达到去噪的目的.考虑到梯度投影(gradient projection)算法具有全局最优解,运算效率更高,将梯度投影思想引入恢复信号稀疏性的过程中,提出了基于梯度投影的稀疏分解算法,给出了利用梯度投影算法进行信号系数分解的具体步骤,大大简化了计算复杂度,同时提升了算法的稳定性.为验证所提方法的性能,进行了MEMS陀螺信号去噪的静态实验和跑车实验.实验结果表明,此种方法在动静态条件下都可以有效地去除MEMS陀螺仪输出信号中的噪声,尤其是在静态条件下的去噪效果要优于小波阈值滤波方法.同时采用的梯度投影算法相比于正交匹配追踪算法和基追踪算法具有更高的运算效率.     

梳状音叉MEMS陀螺非随机误差分析

研究了一种典型结构的梳状音叉MEMS陀螺的非随机性误差特性。综合考虑梳状音叉MEMS陀螺质心偏移、硅的非等弹性等因素,分析该陀螺中的非随机性干扰力矩;从二阶欠阻尼控制系统的角度,讨论了干扰力矩在陀螺内调制、解调环节下对输出的影响;推导出开环灵敏度随温度、比力和角速度的变化关系。在一定近似条件下,得到梳状音叉MEMS陀螺非随机性误差模型的形式。     

随机误差的Matlab处理方法研究

测量过程中不可避免存在着随机误差,当测量次数n增大时,用手工处理随机误差不仅过程复杂,计算量大,可靠性也不高。本文讨论了借助Matlab强大的数据处理功能处理随机误差,使处理过程简单快速。     

虚拟陀螺技术在MEMS惯性导航系统中的应用

针对MEMS惯性导航系统中陀螺测量精度低的问题,采用虚拟陀螺技术提高陀螺的角速度测量精度.系统中每个测量轴放置了3个普通精度的陀螺,组成一个阵列,对同一角速度信号进行冗余检测,然后通过同类传感器信息融合技术得到输入角速率的高精度估计值.试验结果表明,虚拟陀螺的精度最大提高了2.7倍,最小1.9倍,证明了虚拟陀螺技术的有效性.     

微机械振动陀螺仪的误差分析

介绍了微机械振动陀螺仪的结构特点及工作机理，建立了其力学模型，并在此基础上，对原理误差进行了定性的分析，得出了影响精度的主要干扰源，为误差的补偿指明了方向。     

一种磨削加工尺寸误差的智能自学习补偿算法及仿真

在可转位刀片周边磨削加工过程中，刀片加工尺寸精度和精度一致性受砂轮磨损等众多因素的影响，一直难以呆证，本文对刀片磨削加工时尺寸误差的产生原因进行分析，提出了尺寸误差智能自学习补偿算法，并对该算法进行仿真。     

机床热误差补偿建模方法研究

在机床热误差补偿技术研究中,热误差鲁棒建模是机床热误差补偿的成功关键之一。对国内外几种主要的热误差建模方法进行了较为深入的分析研究,比较了不同方法各自的优缺点,并针对缺点介绍了一些改进方法。在此基础上,总结归纳了目前研究存在的问题,并对未来的发展方向进行了探讨。     

基于Kalman滤波的MEMS陀螺仪滤波算法

针对MEMS陀螺仪精度不高、随机噪声复杂的问题,研究了某MEMS陀螺仪的随机漂移模型.应用时间序列分析方法,采用AR(1)模型对经过预处理的MEMS陀螺仪测量数据噪声进行建模,进而基于该AR模型并采用状态扩增法设计Kalman滤波器.速率试验和摇摆试验仿真结果表明,在静态和恒定角速率条件下,采用该算法滤波后的MEMS陀螺仪的误差均值和标准差都比滤波前有了明显的降低.针对摇摆基座下该算法随摆动幅度的增大效果变差的问题,从提高采样率和选择自适应Kalman滤波2个方面对算法进行改进.仿真结果表明,2种方法都能改善滤波效果,然而考虑到系统采样频率和CPU计算速度的限制,自适应滤波有更高的实用性.     

Novel On-Line North-Seeking Method Based on a Three-Axis MEMS Gyroscope

A novel on-line north-seeking method based on a three-axis micro-electro-mechanical system (MEMS) gyroscope is designed. This system processes data by using a Kalman filter to calibrate the installation error of the three-axis MEMS gyroscope in complex environment. The attitude angle updating for quaternion, based on which the attitude instrument will be rotated in real-time and the true north will be found. Our experimental platform constitutes the dual-axis electric rotary table and the attitude instrument, which is developed independently by our scientific research team. The experimental results show that the accuracy of north-seeking is higher than 1°, while the maximum root mean square error and the maximum mean absolute error are 0.906 7 and 0.910 0, respectively. The accuracy of north-seeking is much higher than the traditional method.     

Temperature compensation method for low cost three-axis MEMS digital angular rate gyroscopes

In recent years, a large number of small volume, low cost micro electro mechanical systems (MEMS) digital three-axis angular rate gyroscopes have been developed and widely used in civil and military fields. However, these kinds of gyroscopes have poor performances in initial zero-bias, temperature drift, In-Run bias stability, bias repeatability, etc., their output errors need to be compensated before being used. Based on a lot of experiments, the temperature drift and the initial zero-bias are the major error sources in the MEMS gyroscopes output data. Due to the poor repeatability of temperature drift, the temperature compensation coefficients need to be recalculated every time before using. In order to recalculate parameters of the temperature compensation model quickly, a 1st-order polynomial model of temperature is established, then a forgetting factor recursive least squares estimator will be adopted to identify the model parameters in real time. Static and dynamic experimental data shows that this method removed/compensated the temperature drift and initial zero-bias from the output of the gyroscopes effectively.     

用实时小波分析消除噪声的动态测量误差补偿

在传感器的输出端串接一个动态补偿环节来改善传感器性能,消除动态测量误差.补偿环节本质上是一个带通或高通滤波器,在补偿动态测量误差的同时,会引入严重的高频噪声干扰,影响测量系统的精度.为了解决该问题,研究了一个采用实时小波滤波算法,消除动态测量误差补偿中噪声干扰的方法.该方法采用实验数据,通过系统辨识的方法得到补偿环节系数,消除动态测量误差.同时,用正交紧支撑小波和滑动数据窗口,构造一种保留离线小波降噪优点的实时小波降噪算法,消除噪声干扰.最后,通过对薄膜热电偶动态测量误差补偿的仿真实验,验证了该方法的有效性.     

一种基于改进卡尔曼滤波的NLOS误差抑制算法

在蜂窝网络中,非视距（NLOS）传播是影响定位精度的主要因素.针对LOS与NLOS的混合环境,提出了一种基于到达时间（TOA）测量值进行NLOS误差消除的算法.该算法首先利用TOA测量值的统计特征建立新的判决机制,鉴别当前时刻的测量值是否存在NLOS误差,然后对包含NLOS误差的测量值,通过构建测量误差模型估计NLOS误差,并以此修正卡尔曼滤波器的新息,实现LOS重构.仿真结果表明,与已知算法相比,文章提出的算法能够更好地抑制NLOS误差,并且适应于不同的LOS与NLOS混合环境.     

基于扩展卡尔曼滤波的两轮机器人姿态估计

针对两轮自平衡机器人惯性传感器存在误差的问题,提出基于扩展卡尔曼滤波的方法进行补偿,从而实现机器人姿态的最优估计.利用实验获得的惯性传感器误差特性,采用Levenberg-Marquardt非线性最小二乘迭代法拟合数据,从而建立机器人导航用惯性传感器陀螺仪和加速度计误差的数学模型,并对误差进行标定.采用扩展卡尔曼滤波将传感器的数据进行融合并对误差进行补偿,得到机器人姿态的最优估计.将滤波后的模型应用到两轮自平衡机器人系统,实验结果表明改进后的系统误差得到了有效的抑制,从而验证了采用低成本的惯性传感器进行机器人的姿态估计是有效可行的.     

直线度误差评定的数据处理方法

在测量直线度误差时,评定得到误差结果,需要进行复杂的做图或采取繁琐的计算手段,不便子掌握．为此,利用计算机数据处理能力和最小条件法来完成直线度误差的评定,利用本方法只需输入测量值,就能得到直线度误差的结果．减少了大量的工作时间,并且数据准确．