基于Allan方差的MEMS陀螺误差分析

利用Allan方差法对国外一款MEMS陀螺仪进行误差分析,通过长时间静态数据分析,对陀螺误差系数进行标定,验证了Allan方差法用于陀螺误差分析的可行性。     

干涉型光纤陀螺的性能评价

为了减少干涉型光纤陀螺(IFOG)的误差并提高其精度,需要首先对陀螺仪进行性能评估,了解内部影响其性能的各种误差源。Allan方差分析是一种评估IFOG性能的有效方法,能对陀螺的各种误差源进行辨识。分析了目前国内常用的光纤陀螺性能评价方法,对Allan方差法在光纤陀螺的性能分析中的原理与作用进行了深入研究,并且提出了基于Allan方差法的FCST(fastclustersamplingtechnique)快速算法。最后,通过对实际干涉型光纤陀螺的采样数据进行了不同分析方法的性能评价,得出了令人满意的结论。     

基于CEEMD的水下机器人MEMS陀螺降噪方法

MEMS陀螺仪工作时,容易受到各种噪声,尤其是高频噪声影响,不利于导航系统长时间工作,因此需要对数据实时去噪。互补集合经验模态分解(CEEMD)是一种按照自身尺度进行信号分解的算法,信号震荡随着分解级数逐渐减小,能够较好地分离高频和低频信号。以水下机器人MEMS陀螺仪为研究对象,根据水下实测数据,采用CEEMD分解陀螺信号,提取有效信息,并利用Allan方差验证CEEMD的有效性。仿真结果表明CEEMD对随机噪声、高频信号具有良好的降噪效果。     

光纤陀螺随机漂移辨识方法研究

陀螺随机漂移是影响惯性导航和组合导航精度的重要因素.为了有效辨识出光纤陀螺随机漂移噪声的参数,采用了自相关函数、功率谱密度和Allan方差对实测陀螺数据进行分析.实验结果表明:自相关函数、功率谱密度和Allan方差都能有效辨识出陀螺输出信号中的角度随机游走噪声,只有Allan方差能辨识出其中的角速率随机游走噪声.功率谱...     

基于小波能量元激光陀螺漂移信号去噪方法研究

为了减少陀螺仪的误差并提高其精度,需要对陀螺仪误差进行估算与补偿,本文应用Allan方差法对激光陀螺的输出数据进行定性分析,得出激光陀螺所包含的各种误差及其整个噪声统计特性,并且应用基于小波能量元的方法对激光陀螺的漂移输出数据进行处理,结果表明小波能量元的方法可以有效的出量化噪声外的消除激光陀螺的各种噪声.     

煤矿井下微机电系统陀螺随机误差辨识

针对常用随机误差辨识方法不能揭示潜在的误差源、很难分离出具体随机误差、数据采集时间过长等问题,利用Allan方差分析法对煤矿井下微机电系统(MEMS)陀螺随机误差进行辨识。介绍了Allan方差分析法原理,利用Allan方差分析法对MEMS陀螺实测数据进行处理,给出了Allan标准差曲线,通过最小二乘拟合得到MEMS陀螺的主要随机误差系数。实验结果验证了Allan方差分析法用于MEMS陀螺随机误差辨识的有效性。     

环形激光陀螺信号分析与处理

我们对环形激光陀螺输出信号进行了时频分析,采用Allan方差法对陀螺信号进行了分析与计算,应用混合滤波技术对陀螺信号进行了处理,并对滤波前后的陀螺测试数据进行了对比分析.Allan方差法分析结果表明,该滤波技术能有效提高激光陀螺的精度.     

改进的卡尔曼滤波在MEMS陀螺仪信号处理的应用

针对MEMS陀螺仪的输出随机漂移误差影响测量精度的问题,提岀一种改进的卡尔曼滤波方法进行MEMS陀螺仪误差补偿。传统的卡尔曼滤波方法是针对时域内的随机序列采用统计特性进行递推估计,从而得到测量所需要的信号。本文在传统卡尔曼滤波算法的基础上引入衰减因子和差分控制项,以此自适应地估计卡尔曼滤波量测噪声方差,并结合硬件系统将该算法进行静态性能试验和动态性能试验,使用Allan方差分析法对原始陀螺仪信号以及误差补偿后的陀螺仪信号进行对比分析。对比数据结果表明,陀螺仪静态随机误差得到了有效的抑制,从而验证了该算法在陀螺仪静态数据处理方面具有一定的应用价值。     

基于Allan方差法的MEMS惯性器件随机噪声分析

地震仪测量的通常为水平分量,而对旋转分量的测量与研究还相对较少.单独运用陀螺仪测量振动的旋转分量,准确度不高,而且测量结果的漂移量较大.基于MEMS惯性器件的无陀螺捷联惯导技术或者陀螺仪-加速度计组合技术,为六自由度振动测量提供了便利.由于受其加工工艺的限制,MEMS惯性器件的测量精度还存在较大的差异,因此需要对MEMS惯性器件的误差特性进行对比测试与分析.文章应用Allan方差法对两种MEMS惯性器件的随机噪声进行了分析,得到了量化噪声、速度随机游走、零偏不稳定性、加速度随机游走、速率斜坡等5项随机噪声指标.随机噪声分析的结果表明,Allan方差法能有效地对MEMS惯性器件的随机噪声进行评估和分析.     

光纤陀螺随机误差特性ThêoH辨识

随机误差特性分析是光纤陀螺进入工程应用阶段的关键技术.针对Allan方差、总方差、Thêo1 (Theoretical variance #1)等分析方法的不足,以Thêo1为基础,通过偏差消除获得ThêoBR(Bias-removed ver?sion of Thêo1),并将其与Allan方差合成,得到光纤陀螺随机误差特性分析的ThêoH(Hybrid-ThêoBR)法.通过计算重叠Allan方差、总方差、Thêo1以及ThêoH的等效自由度,结合仿真和实测信号的随机误差特性分析实验,证明ThêoH法不仅提高了Allan方差估计的置信度,且解决了Thêo1估计有偏的问题,表明了该方法是目前能够有效辨识光纤陀螺随机误差特性的最佳方法.     

MEMS陀螺仪零位误差分析与处理

研究微机械陀螺仪的零位误差对提高惯性导航精度具有重要意义。采用Allan方差分析法对MEMS陀螺仪的零位误差做了综合评定,提出了一种动态的零值偏移误差补偿算法来滤除陀螺仪的零值偏移误差,还对启发式漂移消减法HDR(Heuristic Drift Reduction)做了改进,有效地提高了原算法的补偿精度。最后,再次采用Allan方差分析法对补偿后的零位误差进行评定,并以Voyager-IIA机器人为平台进行试验,结果证明了改进后的算法能显著的提高陀螺仪的输出精度。     

基于卡尔曼滤波算法的MEMS陀螺仪误差补偿研究

为了补偿MEMS陀螺仪的漂移误差,本文采用了一种新的卡尔曼滤波算法。文中对MPU3050陀螺仪进行分析,提出其漂移模型。通过分析陀螺仪的误差,建立陀螺仪的误差模型。卡尔曼滤波的效果通过阿伦方差进行评估,与其他滤波算法比较,在MEMS陀螺仪中采用卡尔曼滤波算法可以有效的减少SCM（单片机）计算,并在转台上对陀螺仪进行测试。实验结果表明,结合误差模型和卡尔曼滤波算法可有有效的减少陀螺仪的漂移误差。     

基于Allan方差改进阈值的惯性传感器动态信号小波去噪

惯性传感器信号的去噪效果通常都是用Allan方差来评价,针对这个特点,提出了一种基于Allan方差噪声系数的小波阈值改进算法。先用提升小波将信号分解到不同频段,再用Allan方差计算各频带上的噪声系数,根据各频带噪声系数的大小确定其滤波阈值,再结合参数可调的阈值函数对各尺度信号进行滤波去噪。改进算法以去噪效果评价参数来修正阈值,具有很强的针对性。通过同其它常用的惯性传感器去噪方法做比较,证明该算法可以有效的随机噪声,提取出更加准确真实的惯性传感器动态输出。     

基于重力四元数的陀螺漂移估计与补偿

为提高钻探中的钻具姿态测量精度,提出一种基于重力四元数的MEMS惯性随钻姿态测量方法.采用MEMS惯性器件构建钻具姿态测量系统,把加速度计数据解算的姿态四元数作为观测四元数,陀螺仪数据解算的姿态四元数作为误差四元数;然后将陀螺仪漂移融入误差四元数,建立重力四元数估计陀螺仪误差四元数的模型,采用最小二乘法估计陀螺仪三轴漂移,进而补偿陀螺仪姿态四元数;通过补偿后的姿态四元数解算出钻具姿态.最后设计了转台、振动台实验和钻进模拟实验,实验结果表明,姿态四元数补偿后的井斜角和工具面角漂移由平均10 °/h减小到约0.2 °/h,方位角误差由平均12 °/h减小到约0.46 °/h,实现了加速度计补偿陀螺的三轴漂移,表明该方法能够有效提高钻具的姿态测量精度.     

卡尔曼滤波在激光陀螺信号处理中的应用

各种随机噪声是激光陀螺误差的主要来源;设计了基于激光陀螺漂移数据时间序列模型的卡尔曼滤波器,对激光陀螺漂移数据进行了滤波,并采用Allan方差法分析了滤波结果;结果表明,基于时间序列模型的卡尔曼滤波器有效地减小了随机误差。     

MEMS陀螺随机误差模型研究

对MEMS陀螺随机误差进行了实验测试及研究,选取状态方程模型,基于近年来发展起来的随机系统子空间辨识方法,对MEMS陀螺随机误差进行建模,结果与Allan方差方法分析的噪声特性相符合,经与ARMA等模型比较,在同等性能下,所建模型具有阶次低的优点,更加适合于实时在线优化估计器.所提方法可以不加修改直接应用于对多轴陀螺的处理.     

MEMS陀螺仪漂移和噪声的分析和补偿

对陀螺仪数据分析的传统方法是使用kalman滤波器做尾数据处理来降低随机误差,由于陀螺仪传感器随着外界环境的变化的影响会有非线性误差,传统的kalman滤波算法处理的是线性误差,因此引进了适用于非线性系统的EKF滤波.为了快速滤除系统在实际环境中产生的噪声,对传统的中值滤波算法进行了改进,降低其计算复杂度,提出差分-均值中值滤波法.本文首先使用阿伦(ALLAN)方差分析了陀螺仪的误差特性,对于这些误差源分别提出了偏移校正的方法,之后建立自动回归-滑动平均模型(ARMA模型)对陀螺仪数据进行误差建模分析,最后使用EKF算法降低随机误差.实验结果表明该方法比传统的方法滤波效果好、计算复杂度低、实时性好.     

阈值去噪与RBF神经网络在MEMS陀螺仪误差补偿中的应用

针对现有MEMS陀螺仪中随机误差较大,导致器件输出信噪比低进而影响其应用范围的现状,提出一种基于小波阈值去噪与梯度径向基( RBF)神经网络结合的MEMS陀螺漂移非平稳时间序列建模预测方法。首先采用Allan方差法分析了MEMS陀螺仪的主要随机误差,随后利用小波阈值去噪分离出MEMS陀螺误差模型中的白噪声及漂移误差,最后采用RBF神经网络对漂移数据进行建模。通过实验对文中所述的误差补偿方法进行验证,表明了方法的有效性,对于基于MEMS陀螺仪的惯导系统精度提高具有重要意义。     

基于MEMS传感器的微型姿态确定系统研究

针对捷联式姿态确定系统误差随时间积累的缺点,设计了一种由MEMS陀螺、加速度计及微磁强计组合的姿态确定系统。采用Allan方差方法分析了陀螺随机误差,通过建立姿态误差四元数微分方程和磁强计线性化测量方程,设计了姿态估计卡尔曼滤波器。系统采用实际测量值进行姿态解算,结果表明这种组合能够有效抑制传感器随机漂移引起的姿态误差,系统具有体积小、成本低、性能可靠等优点。