光纤捷联惯导系统角加速度误差补偿技术

以实验室自行研制的光纤陀螺及其捷联惯导系统为基础,从光纤陀螺的传统标定模型入手,在进行角加速度补偿前,通过与转台激发出的角速度与光纤陀螺测量值做对比,得出系统在有大角加速度的情况下,光纤陀螺测量值与转台实际角速度值会有很大的误差,光纤捷联惯导系统姿态误差会在很短的时间内被放大。角加速度误差补偿后,在有明显角加速度的情况下,光纤陀螺能够准确测量转台的角加速度,捷联惯导系统解算精度明显提高。     

基于神经网络的开环光纤陀螺误差补偿方法

根据开环光纤陀螺线性度课差随角速度增大而增大的特性,提出了在大角速度情况下应用神经网络对陀螺误差进行建模并补偿,在小角速度时对陀螺输出数据进行平滑滤波以抑制噪声的分段误差补偿方法.在速率转台上对开环光纤陀螺(VG941)进行测试并采集了测量范围内陀螺的多组实际输出数据,基于这些数据对单输入单输出的神经网络进行训练,得到了开环光纤陀螺的神经网络模型.在所得模型基础上,对整个测量范围内的陀螺原始输出数据采用分段补偿方法进行了陀螺误差补偿,并使开环光纤陀螺最大线性度误差由15%下降到0.3%,提高了开环光纤陀螺的测量精度.实验结果表明基于神经网络的开环光纤陀螺误差补偿方法对提高开环光纤陀螺的精度、扩大其应用范围具有实用价值.     

基于小波多尺度变换的光纤陀螺振动误差分析与补偿

针对振动环境对光纤陀螺性能的影响,对某型号的光纤陀螺进行了线振动实验并对实验结果进行了Allan方差分析。利用小波多尺度变换提取了光纤陀螺误差模型中的各误差项,分析并验证了零漂及噪声误差与Allan方差分析误差系数中的量化噪声、角度随机游走以及零偏误差与误差系数中的零偏稳定性、速率随机游走、速率斜坡之间的对应关系。随后利用RBF神经网络对小波多尺度分析提取的零偏误差建立模型并进行了补偿。仿真结果表明,本文提出的方法有效减小了振动环境下各误差项对光纤陀螺性能的影响,Allan方差分析结果中的五个误差系数均有较大下降,其中两项误差系数下降了一个数量级及以上,极大提高了光纤陀螺在振动环境下的输出精度,对光纤陀螺在振动环境下的误差研究具有重要指导意义。     

基于小波多尺度分析的光纤陀螺振动误差分析与建模

针对振动环境对光纤陀螺性能的影响,对某型号的光纤陀螺进行了线振动实验并对实验结果进行了Allan方差分析。利用小波多尺度变换提取了光纤陀螺误差模型中的各误差项,分析并验证了零漂及噪声误差与Allan方差分析误差系数中的量化噪声、角度随机游走以及零偏误差与误差系数中的零偏稳定性、速率随机游走、速率斜坡之间的对应关系。随后利用RBF神经网络对小波多尺度分析提取的零偏误差建立模型并进行了补偿。仿真结果表明,本文提出的方法有效减小了振动环境下各误差项对光纤陀螺性能的影响, Allan方差分析结果中的五个误差系数均有较大下降,其中两项误差系数下降了一个数量级及以上,极大提高了光纤陀螺在振动环境下的输出精度,对光纤陀螺在振动环境下的误差研究具有重要指导意义。     

基于单轴速率转台的角速度传感器标定方法

针对传统的标定方法标定成本高且对北向基准的要求严格等问题,提出了一种用单轴速率转台作为标定设备的光纤陀螺捷联航姿系统标定方法。对光纤陀螺组合的误差进行建模,将光纤陀螺捷联航姿系统安装于单轴速率转台上,使光纤陀螺捷联航姿系统的3个陀螺轴向分别朝下进行标定实验,由此标定出3只光纤陀螺的零偏、标度因数和安装失准角共12个误差参数。通过对标定精度进行分析,验证了该方法的可行性,其标定成本低且不需要北向基准,具有一定的工程应用价值。     

小波分析法在光纤陀螺随机误差补偿中的应用

光纤陀螺随机漂移是惯性导航系统产生误差的重要因素。尽量降低陀螺仪的漂移率是进一步提高惯性导航系统精度的重要途径,也是保证光纤陀螺静态误差补偿精度的前提。从抑制光纤陀螺随机噪声的角度出发,利用小波分析法对光纤陀螺的静态输出进行滤波处理,通过对比滤波前后陀螺的输出曲线、标准差以及各项随机误差系数,能够看出:该方法有效地补偿了光纤陀螺的随机误差。     

石英加速度计温度漂移的小波网络建模

无陀螺捷联惯导系统中所使用的石英加速度计的输出在不同温度条件下漂移比较显著,通过理论分析和试验研究了其静态温度特性,提出了利用小波神经网络进行补偿的方案.与传统的BP神经网络相比,其拟合精度得到大幅度提高.实验结果表明,该方法能有效补偿加速度计的温度漂移误差.     

陀螺误差现场系统标定方法研究

为了补偿在实际使用环境中陀螺误差对捷联惯导系统带来的影响,提出了陀螺误差的现场系统标定方法.该方法采用四元数微分方程作为系统方程,利用加计估计出的两个水平姿态角和磁罗盘或GPS辅助给出的方位角作为观测,建立广义卡尔曼滤波方程对陀螺误差进行滤波估计.同时设计了1种简单的静基座转动的标定路径用于陀螺误差系数的分离.仿真结果表明该方法可行有效,估计结果能够很好地弥补捷联惯导系统中陀螺各误差因素的影响.     

基于双轴转位机构的光纤陀螺标定方法研究

针对调制型捷联系统中光纤陀螺误差系数随时间变化的问题,提出一种利用双轴转位机构实现陀螺六位置静态标定方法.根据光纤陀螺仪误差模型,利用转位机构设计六位置标定路径,激励出陀螺仪标度因数、安装误差和零位,标定新方案避免了陀螺仪误差系数的耦合.分析了转位机构的转位误差对标定精度的影响,并利用调制型捷联系统导航实验对六位置标定方案进行原理性验证.结果表明,六位置标定方法所引起的系统定位精度优于传统标定方法.     

激光陀螺温度误差补偿方法研究

激光陀螺是捷联惯导系统的理想元件,并广泛应用于航空、航天、航海以及地面定位定向等方面;但是,激光陀螺对温度十分敏感,温度的变化会造成激光陀螺零偏的变化,最终影响捷联系统的初始对准和导航精度;所以当要求激光陀螺工作在高精度的场合时,必须采取必要的温度误差补偿措施;通过对激光陀螺进行大量的温度试验,分析了温度及温变速率对激光陀螺零偏的影响规律,提出了激光陀螺温度补偿模型;经试验验证,此模型能在一定程度上改善温度对激光陀螺精度的影响,为进一步提高激光陀螺的精度打下基础。     

一种光纤陀螺漂移数据建模和滤波技术在捷联罗经法自对准中的应用

针对基于高精度光纤陀螺仪(FOG)的捷联惯导系统开展研究.采用时间序列分析法对光纤陀螺随机漂移进行分析,建立自回归滑动平均(ARMA)模型,并在捷联惯导系统罗经法自对准过程中对光纤陀螺漂移数据进行实时滤波估计.样机实验结果表明,所提出的方法可以有效地提高光纤陀螺捷联惯导系统罗经法自对准的精度.     

修正型罗德里格斯参数在旋转弹上的应用

光纤陀螺可应用于旋转弹导航上,以提高其精确打击能力。基于光纤陀螺的捷联惯性导航系统是实现这一目的的重要手段之一。其中,姿态更新算法是捷联惯性导航系统的核心。针对旋转弹短时、近程的特点,提出一种基于修正型罗德里格斯参数的全姿态更新算法,并给出适合旋转弹姿态确定的数学模型。仿真结果表明与传统姿态更新算法相比较,新算法可以更有效的抑制不可交换误差,降低跟随时间的累积误差,减少高动态环境下的计算量,提高算法结算的速度和精度。     

基于数据迭代的FOG误差参数闭环标定方法

针对光纤陀螺(FOG)误差参数是影响系统导航精度的主要因素,且传统开环标定方法对陀螺零偏、标度因数和安装误差角标定精度不高而制约系统精度进一步提高的现状,提出一种FOG迭代闭环标定方法。该方法分别在捷联惯导系统罗经对准和导航过程中完成对FOG零偏、标度因数、安装误差的标定。利用Matlab建立仿真环境,将传统分立式标定与闭环标定方法得到的仿真结果进行对比,结果表明:提出的闭环标定方法可有效地提高光纤陀螺标定精度。     

An adaptive constrained type-2 fuzzy Hammerstein neural network data fusion scheme for low-cost SINS/GNSS navigation system

In low-cost micro-electro mechanical system (MEMS)-grade strap-down inertial navigation system (SINS), failure to compensate inertial sensors errors as well as un-modeled uncertainties in SINS could result in exponentially divergence in overall performance of low-cost SINSs. This study deals with the enhancement of low-cost SINS accuracy in combination of global navigation satellite system (GNSS). In this respect, a novel adaptive constrained integrated scheme for SINS/GNSS is developed based on type-2 fuzzy Hammerstein neural network (T2FHNN). To this aim, a gray-box Hammerstein neural network model are defined based on clear interpretation with the physical nature of the inertial sensors error. In addition a knowledge-based type-2 fuzzy programming extracted from inertial sensors data is also used for managing the learning rate of Hammerstein neural networks. Some vehicular real-world tests have been carried out in order to show the effectiveness and feasibility of the proposed integration scheme in the long-term performance and accuracy of the proposed navigation algorithm. The results indicate that the proposed integration algorithm improved the navigation accuracy, reliability and stability in the presence of state constraints of the stand-alone SINS during signal blockage of GNSS.     

组合导航中低成本磁航向系统的神经网络补偿

根据组合导航的特点,设计了低成本磁航向系统神经网络补偿方法。研究了磁航向系统的误差和补偿技术;在全球定位系统信号良好情况下,以捷联惯导/全球定位组合导航系统的航向信息为参考,使用卡尔曼滤波作为学习算法,建立多层前向神经网络模型补偿磁航向系统。实验结果表明,神经网络补偿方法将磁航向系统的航向角误差由±15°减小到约±1°,取得了明显的效果。     

AKSNet: A novel convolutional neural network with adaptive kernel width and sparse regularization for machinery fault diagnosis

Convolutional kernels have significant affections on feature learning of convolutional neural network (CNN). However, it is still a challenging problem to determine appropriate kernel width. Moreover, some features learned by convolutional layers are still redundant and noisy. Thus, adaptive selection of kernel width and feature selection of feature maps are key techniques to improve feature learning performance of CNNs. In this paper, a new deep neural network (DNN) model, adaptive kernel sparse network (AKSNet) is proposed to extract multi-scale fault features from one-dimensional (1-D) vibration signals. Firstly, an adaptive kernel selection method is developed, where multiple branches with different kernels are used to extract multi-scale features from vibration signals. Channel-wise attention is developed to fuse features generated by these kernels to obtain different informative scales. Secondly, a spatial attention is used for dynamic receptive field to focus on salient region of feature maps. Thirdly, a sparse regularization layer is embedded in the deep network to further filter noise and highlight impaction of the feature maps. Finally, two cases are adopted to verify effectiveness of AKSNet-based feature learning for bearing fault diagnosis. Experimental results show that AKSNet can effectively extract features from multi-channel vibration signals and then improves fault diagnosis performance of the classifier significantly. AKSNet shows better recognition performance in comparison with that of shallow neural networks and other typical DNNs.     

振动对光纤陀螺线形测量系统影响分析

在使用光纤陀螺测量系统对桥梁线形进行测量的过程中,由于线形测量结果是通过积分算法得到的,所以来自汽车发动机和路面不平的振动影响会给测量结果带来巨大的误差,并且这类误差会随着测量时间和距离的增加变得越来越大,呈现出发散的特性;为了减小这些振动给测量结果带来的误差,可以使用时频分析的手段,通过时间信息和运动速度得到位置和路况信息,进而得到不同路况下的频域特点;选择路面完好的路段进行实验,点状减速带代表路面不平,使用Morlet小波对光纤陀螺采集到的信号进行时频分析,发现了不同工况下带来的振动噪声信号的频域特点,并且确定了27 Hz以上均为振动带来的噪声信号;在实际对某跨江大桥的线形测量中,使用切比雪夫滤波器去除光纤陀螺所采集到27 Hz以上的噪声信号,相比没有使用低通滤波处理的线形,测量精度提高了50%。