基于模糊间隔阈值EMD的微机械陀螺消噪

为了减小低成本微机电系统(MEMS)陀螺仪输出中的噪声,提出了一种经验模态分解(EMD)的模糊间隔阈值消噪方法。首先通过EMD将信号分解为多个本征模函数(IMF),并且IMF特性将这些IMF分为三类,即噪声主导IMF,混合噪声与信息的IMF,信息主导的IMF;对于混合噪声与信息的IMF,根据不同阈值的特性确定模糊阈值区域,并设置隶属度函数,根据IMF系数对应的隶属度值对IMF进行消噪处理;最后再将经过消噪处理的IMF与分解得到的信息主导的IMF进行重构,得到消噪信号。实验首先对一段模拟的"bump"信号进行消噪分析,然后在MEMS陀螺仪上进行验证,最后对此方法的消噪性能进行了Allan方差分析。实验结果表明,该方法能有效去除MEMS陀螺仪输出的噪声分量。静止状态下信号的信噪比提高了5.47dB,单轴匀速率旋转状态下信号的信噪比提高了2.64dB;陀螺信号的各项误差系数均有所降低。实现了陀螺仪输出中噪声与信号的分离,改善了信号质量,可以有效提取和识别出有用信息。     

基于卡尔曼滤波的微压电陀螺的误差补偿

卡尔曼滤波是提高陀螺精度的重要手段。陀螺原始信号中常常含有大量随机误差,这使得陀螺的精度大大降低。研究了适用于陀螺精度的滤波方法,探讨了基于卡尔曼滤波的方法在提高陀螺精度上的应用,并通过分析验证了所研究的算法的有效性和适用性。     

基于带通Σ-Δ调制器的硅微机械陀螺力反馈闭环检测

为了提高硅微机械陀螺(SMG)的性能,研究了一种基于四阶机电结合带通Σ-Δ调制器(SDM)的硅微机械陀螺力反馈闭环检测方法。基于谐振器级联谐振前馈(CRFF)结构设计了该方法的仿真模型,并利用商用软件SD TOOLS计算了环路参数。采用MATLAB/SIMULINK对设计结果进行了行为级仿真,结果表明,1 Hz条件下环路的信噪比达到了109.2dB,符合设计预期。在此基础上,以现场可编程门阵列(FPGA)为数字处理核心搭建了硅微机械陀螺数字化测控电路并进行了性能测试。结果表明,采用带通SDM闭环检测技术和数字化闭环驱动技术后,硅微机械陀螺的Allan方差零偏不稳定性约为1.15(°)/h,角度随机游走约为7.74×10-2(°)/√h,且信噪比参数满足了设计目标。得到的结果证明了设计方法的正确性;显示提出的带通SDM力反馈闭环检测方法有助于提高SMG的性能,拓展其应用领域。     

微机械陀螺检测接口建模及前置放大器优化

为了进一步提高微机械陀螺的极限分辨率,建立了基于SOI工艺的微机械陀螺的检测接口模型,并设计了与之相匹配的前置接口放大器.首先,根据陀螺表头的实际结构建立了微机械陀螺表头的RC集总参数模型和微机械陀螺检测接口的噪声模型,分析了检测接口主导噪声源及提高极限分辨率的措施.然后,在跨阻式前置放大器的基础上设计了改进的与检测接口匹配的T型前置放大器.实验结果表明:相比于跨阻式前置放大器,采用改进的T型前置放大器的等效噪声输入电流由1.18 pA/√Hz降低至0.27 pA/√Hz,对应的电容极限分辨率可达到0.62 aF/√Hz.结果显示,采用与检测接口匹配的T型前置放大器提高了微机械陀螺的极限分辨率.     

基于递推并行Kalman时序模型的随机误差的分离方法

通过分析动态数据的组成结构,针对动态数据中的随机性成分项,提出一种分离动态随机误差的新算法.该方法基于递推辅助变量法与Kalman滤波相结合的时序建模机理,通过具有强大数据处理功能的MATLAB语言编程,实现了动态数据中随机误差分离.通过对仿真实例计算,结果表明使用递推并行Kalman(RIV-Kalman)时序建模方法可分离99.53%的随机误差.     

微机械陀螺的动力学特性研究

有关微机械振动式陀螺的动力学特性测试的结果很多,而与微机械振动式陀螺设计相关的动力学特性的定量结果却很少见.文中基于拉格朗日方程建立微机械振动式陀螺的动力学方程,分析其动力学特性,推导其灵敏度与非线性度的计算公式,考虑输入角加速度影响的情况下,分析其带宽特性,并对其带宽特性进行模拟.所得结论对微机械振动式陀螺的设计提供一定的理论依据.     

振动式微机械陀螺的等效电学模型

根据振动式微机械陀螺的工作原理,建立了其机械特性的等效电路模型。陀螺差分检测电容模型和振动的等效电路模型构成了陀螺的等效电学模型,该模拟模型组合了传感器的机械特性和电学特性。陀螺等效电学模型通过电路模拟工具PSPICE实现,可用于分析陀螺的振动特性、对角速度的频响特性,优化陀螺的工作方式;还可以与接口电路混合模拟,分析陀螺和检测电路的整体性能,优化检测电路的设计。     

解耦z轴微机械陀螺的研制

提出了一种检测模态解耦的z轴微机械陀螺,其检测模态被约束为1自由度振动,可抑制驱动模态的影响,降低不期望的检测模态偏置,并使用双质量结构在降低模态耦合的同时获得了较好的模态频率匹配.为满足驱动和检测模态自由度约束要求,使用了U形支撑梁.采用反应离子深刻蚀工艺制作了高深宽比结构层,获得了较大的验证质量,抑制了器件的机械热...     

基于遗传算法的微机械陀螺的多学科设计优化

基于micro-electro-mechanical system(MEMS)技术的微机械陀螺是集传感器、致动器、检测与控制等于一体的复杂多学科交叉系统,其整体特性是各个子系统综合作用的结果。在充分考虑工艺、结构、电路、工作环境等多学科或因素的约束条件下,提出微机械陀螺的多学科概念设计模型。以陀螺的灵敏度最大为优化目标,利用遗传算法对设计模型进行全局优化,获得初步的最优设计方案,并采用有限元软件ANSYS验证优化结果的正确性。     

一种基于滑膜阻尼效应的新型微机械陀螺

介绍了一种基于滑膜阻尼效应的新型音叉式微机械陀螺。该陀螺包括两个驱动质量块和由各自驱动质量块支撑的检测质量块，通过检测质量块上的栅形电极与玻璃衬底上的固定检测电极之间的电容变化实现角速度信号的检测。对陀螺进行了结构设计和分析。在陀螺芯片的制作过程中，解决了深反应离子刻蚀过程中的根部效应和滞后效应等问题。初步测试结果表明，该陀螺灵敏度和非线性度比较理想。     

小型动调陀螺随机误差建模与滤波方法研究

为了抑制动力调谐陀螺的随机漂移，采取时间序列分析的方法，分析了φ35小型动力调谐陀螺仪输出数据的平稳性，建立了其随机漂移的自回归求和滑动平均（autoregressive integrated moving average，ARIMA）模型。以所建模型作为状态方程、实际测量数据作为量测值，设计了卡尔曼滤波器，并应用卡尔曼滤波器对实际测量的动力调谐陀螺输出数据进行了滤波，处理后陀螺随机漂移仅为原数据的46．7％。结果表明，滤波方法能有效地抑制陀螺的随机漂移，同时也验证了所建模型的正确性和有效性。此方法也可应用于其他类型陀螺的输出数据处理。     

光镊系统随机漂移建模和误差补偿

针对光镊系统本身噪声对测量精度的影响,提出了一种光镊系统随机漂移误差的有效补偿方法。首先,介绍了时间序列分析法和卡尔曼滤波技术,基于时间序列分析法建立了光镊的随机漂移误差模型;然后,用基于时间序列模型的卡尔曼滤波方法来减小该漂移误差。采用提出的方法对光镊设备实测数据的误差进行了补偿,结果表明：数据的误差方差由补偿前的188.90 nm²减小为8.41 nm²。计算补偿前后的艾伦方差可知,系统在平均时间为1 s时可使最小位移误差从 0.7 nm降低到0.1 nm。得到的结果显示：提出的滤波方法有效地抑制了光镊系统的漂移误差,将其用于双光镊对准可提高捕获光和探测光的对准精度,进而提高光镊系统的性能指标。     

基于EMD自相关的表面肌电信号消噪方法

为了更好地消除混杂在表面肌电信号(sEMG)中的噪声,提出一种基于噪声统计特性的EMD自相关消噪方法。首先,对含噪sEMG信号进行EMD分解,并根据噪声统计特性降低低信噪比的高频IMF分量的能量后重组信号。其次,对重组后的信号进行自相关函数特性的EMD分解,并对自相关函数方差低于阈值的高频IMF分量进行小波去噪。最后,把处理后的高频IMF分量和低频IMF分量重构,得到的信号即为消噪信号。实验结果表明,该方法不仅能更好的消除噪声,而且在低信噪比情况下有良好表现。     

基于EMMAP的MEMS陀螺噪声估计与滤波方法研究

针对MEMS陀螺仪测量精度低、随机噪声具有不确定性和非线性的问题,提出一种基于最大期望算法(Expectation maximum,EM)和极大后验估计(Maximum a posterion,MAP)的无迹卡尔曼滤波(Unscented Kalman filter,UKF)——EMMAP-UKF的陀螺噪声估计与滤波方法。根据极大后验估计原理,构造出一种次优无偏MAP噪声统计估计模型,并在此基础上引入最大期望算法将噪声估计问题转换为数学期望极大化问题,实现对观测噪声方差的动态调整,最终实现陀螺仪随机漂移误差的估计与滤波处理。最后通过Allan方差对陀螺噪声滤波方法的性能进行评估,通过半实物仿真验证了本方法的有效性。     

基于改进ARMA模型的管式加热炉氧含量辨识与建模

石化企业中常减压加热炉是一类复杂的控制对象,特别是燃烧系统和多路进料支管出口氧含量系统,是相互关联耦合的多变量时变系统.基于现场所收集的数据,通过对普通ARMA模型进行改进,把每个输入分量分别进行时间滞后,且把输入向量前的多项式增加可调节的自由度,从而建立一种改进的ARMA模型,进而对管式加热炉氧含量模型进行辨识.辨识结果与普通的ARMA模型所得到的结果相比具有更加精确的辨识效果,并可根据实际需要,调整模型阶次以达到更高精度.最后通过一组新观测数据对辨识所得到的模型进行了检验,表明所提出的模型具有很高的辨识精度和泛化能力.     

机械转子动静碰摩故障的EMD分解Hilbert包络谱分析

为避免碰摩故障对旋转机械的影响,针对转子系统局部碰摩的特征,提出一种基于EMD分解Hilbert包络谱分析方法。该珐利用EMD方法分解含有碰摩故障的振动信号,提取出的IMF分量有明显的调幅特征,再对其中突出的IMF分量进行Hilbert包络谱分析提取出故障特征频率。与倒谱分析相比,得到的碰摩故障信息更加精确;与小波分析相比,能更容易提取出真实的故障特征。     

基于正则化的机床热误差自适应稳健建模算法

通过建立预测模型对机床热误差进行补偿,是有效解决热误差造成机床精度下降问题的常用方法。本文提出一种基于正则化的数控机床热误差自适应稳健建模算法,能够在建模过程中自适应选择温度敏感点(TSPs),并具有高预测精度和稳健性。首先基于结构风险最小化原则对热误差建模稳健性机理进行分析,进而利用正则化算法中LASSO解的稀疏性实现自适应TSP选择。然后基于不同实验条件的热误差数据,分析所提建模算法的预测效果,并与常用的多元线性回归、BP神经网络和岭回归算法进行比对分析。结果表明,本文所提建模算法具有最高的预测精度和稳健性,分别为5.22和1.69μm。最后,利用所建立的预测模型进行热误差补偿实验,以验证本文所提建模算法的实际补偿效果。     

A new method for multicomponent signal decomposition based on self-adaptive filtering

Since the empirical mode decomposition (EMD) lacks strict orthogonality, a new method for multicomponent signal decomposition, orthogonal empirical mode decomposition (OEMD), is proposed by this paper. The essential principle of this method is to obtain the intrinsic mode functions (IMFs) and the residue by self-adaptive band-pass filtering. Firstly, the feasibility of OEMD is theoretically analyzed, then its strict orthogonality and completeness is proved, and the orthogonal basis used in OEMD is generated. Secondly, the method of analytical band-pass filtering which preserves perfect band-pass feature in the frequency domain is presented, then two fast algorithms to implement OEMD are proposed, i.e. IMF sequential searching (ISS) algorithm and IMF binary searching (IBS) algorithm. The speed of IBS is faster than that of ISS, whereas IBS algorithm may obtain much more false IMFs than ISS when signals are of complex spectral constitutions. Finally, OEMD is applied to both synthetic signals and mechanical vibration signals, the results show that compared with EMD, OEMD better solves mode aliasing, avoids the occurrence of false mode, is free of end extension, and can be effectively applied to mechanical fault diagnosis.     

基于优化集合EMD的滚动轴承故障位置及性能退化程度诊断方法

为了更有效地同时诊断出滚动轴承故障位置及不同性能退化程度,提出了对滚动轴承不同状态振动信号进行特征提取和智能分类的故障诊断方法.该方法对各状态振动信号进行集合经验模态分解,但其效果依赖于总体平均次数和加入噪声的大小这2个重要参数,因此,提出集合经验模态分解中加入白噪声的准则.将分解后的一系列固有模态函数结合奇异值分解获取各状态的奇异值,并组成特征向量矩阵.将其输入到改进的超球结构多类支持向量机进行分类,从而实现滚动轴承正常、不同故障位置及性能退化程度的多状态同时智能诊断.实验结果表明,提出的集合经验模态分解方法中加入白噪声准则,可避免人为确定分解参数,提高其分解效率.基于优化参数的集合经验模态分解结合奇异值分解的智能诊断方法比已有的基于经验模态分解结合自回归模型的诊断方法识别率高.     

一种改进的挠性陀螺POS标度因数误差补偿方法

针对航空遥感的作业环境特点,分析了一类位置姿态测量系统(position and orientation system,POS)用挠性陀螺的标度因数与输入角速度之间的关系.通过实验发现了在小角速率范围内陀螺标度因数与输入角速度呈规律性的“双曲线”关系.提出了一种改进的多位置动静混合误差标定与补偿方法.首先根据输入角速度的正负分别标定陀螺标度因数并建立两者的对应关系,然后在误差补偿时根据输入角速度的方向和数值变化更新标度因数及其他误差系数,进而提高误差补偿精度.实验结果表明,利用改进方法进行误差补偿后POS角测量精度可以提升约20％.