基于GM（1,1）模型的光纤陀螺随机漂移建模

针对差分法在陀螺随机漂移建模中的缺陷,提出将GM(1,1)模型与AR模型相结合的非平稳序列建模方法,将光纤陀螺随机漂移分为确定性的趋势项部分和平稳序列部分,并引入GM(1,1)模型用于提取趋势项,通过AR模型对平稳序列建模,最终实现光纤陀螺随机漂移的非平稳时序建模。分析表明,该模型拟合精度较高,是光纤陀螺随机漂移建模的一种有效方法。     

小波分析在微机械陀螺随机漂移建模中的应用

对陀螺随机漂移建模之前需要先对信号进行预处理。传统的预处理方法是逐步回归法,其对陀螺漂移趋势项的提取相当烦琐,且往往会产生模型误差。基于此种情况,研究了基于小波分析的信号趋势项提取方法,实现对微机械陀螺漂移趋势项以小波系形式加以提取。最后对预处理后的数据用时间序列分析法建模。试验结果表明,此方法简单易行且建模精度明显优于传统方法。     

微机电系统陀螺仪随机漂移误差建模与滤波研究

随机漂移是微机电系统(MEMS)陀螺的主要误差,建立其数学模型并在输出中加以补偿是抑制该项误差、提高MEMS陀螺精度的有效方法。采用Allan方差对MEMS陀螺实测数据进行了分析,并采用时间序列分析法建立了随机漂移模型。根据建立的漂移模型,就如何利用Kalman滤波抑制随机漂移误差进行了分析和研究。     

光纤陀螺随机漂移非参数ARMA模型的建立与分析

针对光纤陀螺随机漂移的非线性,提出了运用一类非参数ARMA模型(FARMA模型)对光纤陀螺漂移数据进行建模。依据某型光纤陀螺的实测数据,通过比较选择了FARMA(2,1,1)模型作为该型光纤陀螺随机漂移数据的模型。在此基础上对模型进行了适用性检验,同时对该模型的拟合结果进行分析,结果表明FARMA(2,1,1)模型能够更好的描述光纤陀螺随机漂移。     

炮控系统陀螺随机漂移的建模分析

使用时间序列分析的方法,对炮控系统陀螺随机漂移信号进行了模型分析,利用自相关函数和偏相关函数初步确定了模型的类型与阶数,建立了ARMA(1,1)模型,为进一步研究陀螺随机漂移信号,对其进行补偿,从而为提高火炮稳定精度奠定了基础.     

激光陀螺漂移的非平稳随机信号建模

利用实测的激光陀螺漂移数据,采用时间序列分析和系统辨识方法对陀螺漂移进行深入的分析.研究内容包括陀螺漂移数据的采集、数据的统计分析与预处理、平稳性检验及相关函数分析、模型形式的选取及模型参数的估计、模型的适用性检验等问题.通过以上的分析和研究,最终建立了激光陀螺漂移的数学模型,为激光陀螺漂移的补偿及为惯性组合导航研究奠定了基础.     

基于AR模型的光纤陀螺建模方法研究

作为新一代的光学陀螺仪,光纤陀螺的性能决定着惯性参考系统的精度,为了提高光纤陀螺的精度,本文提出了利用时间序列分析法中的AR模型[1]对光纤陀螺零漂数据进行分析,采用最小二乘法对数据进行了处理和拟和,并在此基础上应用卡尔曼滤波算法对建模后光纤陀螺的漂移数据进行了滤波,有效地抑制了光纤陀螺中的随机误差,得到了陀螺信号的常项漂移趋势,提供了一种符合工程应用要求的光纤陀螺漂移模型。     

改进递阶自适应遗传神经网络在动力调谐陀螺随机漂移建模预测中的应用

针对惯性导航系统中陀螺仪的随机漂移特性,一般采用神经网络建模来对陀螺性能进行预测。但BP网络在网络结构设计及权值、阈值训练上存在很多不足,应用递阶自适应遗传算法来同步优化网络的结构和权值、阈值,使神经网络得到整体的优化。预测结果表明,这种预测方法对于陀螺漂移建模及稳定性预测是可信的。     

激光陀螺漂移的非平稳随机信号建模

利用实测的激光陀螺漂移数据，采用时间序列分析和系统辨识方法对陀螺漂移进行深入的分析。研究内容包括陀螺漂移数据的采集、数据的统计分析与预处理、平稳性检验及相关函数分析、模型形式的选取及模型参数的估计、模型的适用性检验等问题。通过以上的分析和研究，最终建立了激光陀螺漂移的数学模型，为激光陀螺漂移的补偿及为惯性组合导航研究奠定了基础。     

基于吸引子理论的导弹陀螺仪漂移混沌预测研究

针对导弹陀螺仪结构复杂、建立物理模型困难的问题,文中将混沌理论引入陀螺仪漂移预测.依据吸引子理论分析漂移数据,在得到漂移过程为近似混沌过程的基础上,用Wolf模型对未来漂移趋势进行预测,并通过灰色误差检验方法对预测方法和结果进行了评价.在保证预测精度的前提下,该方法具有无需知道陀螺物理模型的特点.通过对某型号导弹陀螺漂移仿真实验,证明了这种方法的有效性和实用性.