MEMS惯性组件的误差特性分析与标定

针对惯性器件输出受工作环境及器件自身噪声影响,导致惯性组件输出信噪比低进而影响系统定位测姿精度等问题,提出MEMS惯性组件误差分析与标定方案。利用Allan方差对MEMS输出进行辨识,对输出信息曲线拟合并确立MEMS器件误差项的误差取值,建立MEMS几何误差模型并设计分立式标定方案。转台实验结果表明,24位置及速率标定方法可实现惯性组件常值误差系数的有效分离与求取,对比器件误差补偿前后的结果,验证了误差修正方案的可行性。     

一种小型惯性测量单元的精确标定技术

研究了一种基于MEMS陀螺和加速度计的惯性测量单元(IMU)的系统标定技术,建立了陀螺和加速度计的温度漂移和非线性误差模型,采用逐步线性回归法对以上模型进行了简化,并设计了补偿算法;实时补偿效果表明,在-40℃~60℃的温度变化范围内,惯性测量单元的零位偏值、偏值稳定性和非线性度都达到较高精度,这种误差标定方法可有效解决MEMS-IMU惯性器件误差的标定与补偿问题。     

电子罗盘的标定方法研究

分析了对基于MEMS加速度计和磁强计的电子罗盘进行误差系数标定的重要性,介绍了MEMS惯性器件误差来源及其类型,着重分析了静态误差的来源,并建立了相应的静态误差模型.在此基础上,分别给出了MEMS加速度计和磁强计的误差因子标定方法,并详述了标定的步骤.设计的MEMS加速度计静态误差标定方法,结合位置转台,仅需6位置即可同时实现加速度计多种静态误差系数的标定,而磁强计的标定则要分不同的误差类型依次进行,数学实现方便快捷可靠,可满足一般性手持设备的导航精度要求.     

一种微惯性测量单元标定补偿方法

在介绍微惯性测量单元组成与结构的基础上,根据MEMS惯性器件的输出特性,建立了微惯性测量单元中加速度计和陀螺仪的数学标定模型,提出并推导了一种适用于微惯性测量单元的标定方法,该方法可以得到微惯性测量单元中惯性传感器的零位、标度因数、安装误差系数及g值敏感项等33个参数;然后,具体介绍了通过加速度计重力场静态翻滚试验和陀螺仪恒角速率试验对MIMU中参数标定的方法和步骤,并对实验室自研的MIMU进行了标定;最后利用得到的标定参数对测试结果进行了误差分析与补偿;实验结果表明,该方法使MIMU的测量精度提高了1～2个数量级,能够满足姿态解算及导航计算的精度要求。     

MEMS微惯性测量组合标定技术研究

在介绍MEMS微惯性测量组合组成结构的基础上,根据MEMS陀螺和MEMS加速度计的输出模型,提出并推导了一种MEMS微惯性测量组合标定方法。利用该方法标定微陀螺的基本思路是:设置转台以速率方式运行,并且确定合适的旋转角速率间隔,使微惯性测量组合每个轴向的陀螺仪分别敏感不同的角速率,然后通过一系列计算,求解出待标定的零点偏置电压、刻度因子、交叉耦合系数及其对应的安装误差角。标定加速度计的方法类似,不同之处是设置转台以位置方式运行。理论分析和实验结果表明,利用本文所介绍的这种标定方法能够准确地将MEMS微惯性测量组合的输出电压值转化为对应的角速度和比力信息,为后续精确的姿态解算和导航计算奠定基础。     

基于多位置的MEMS加速度计快速自标定

针对MEMS加速度计输出信息受自身误差项(如零偏、标度因数、非正交误差等)干扰而影响器件自身测量精度的问题,提出一种不依赖转台设备的快速24位置标定方法.在分析MEMS加速度计输出特性基础上建立MEMS加速度计输出误差模型,设计并展开连续转停标定,利用重力特征实现加速度计误差修正.基于器件零偏、标度因数、非正交误差9个...     

姿态测量系统中的误差标定技术

捷联惯导系统能够满足载体在高电磁干扰,高动态下的导航定位需求,是卫星导航定位系统的有效补充.惯性器件具有器件误差大,误差随时间积累的特点,实际使用中需要对惯性器件进行误差标定和补偿.本文对误差进行了分类,介绍了基于阿伦方差的误差辨识及随机噪声的抑制技术,建立了系统误差模型,设计了系统误差的标定方法,设计了算法的验证试验,结果证实了算法的有效性.     

微惯性测量单元设计及其误差补偿模型的研究

针对微惯性测量单元(MIMU)小体积、低功耗、低成本、高实时性的应用需求,设计了一种基于ARM和MEMS惯性器件的MIMU系统,并根据实验中得到的惯性器件的误差特性建立了一种惯性器件误差补偿模型,然后在硬件系统上进行了实验验证.利用该模型对惯性器件测量结果进行修正,可以有效抑制误差,提高MIMU的测量精度.整个系统能满足使用精度要求.     

一种适用于单轴MEMS倾角仪的快速标定方法及实现

针对单轴倾角仪核心元件MEMS加速度计零点电压和标度因数在反复上电后会发生改变,且在外场环境下,不能通过转台对其进行修正的问题,本文根据MEMS加速度计的安装误差、输出模型推导了单轴倾角仪的标定模型,提出了一种适用于单轴倾角仪的快速标定方法,并利用实验室研制的MEMS单轴倾角仪及LABVIEW软件编写的上位机对该方法进行了试验验证.实验表明,该快速标定方法可快速、准确地修正MEMS加速度计零点和标度因数的漂移,从而保证倾角仪的测量精度,具有良好的工程实践意义.     

基于MEMS捷联惯导系统的解算与误差修正方法

由于微机械惯性器件(MEMS)捷联惯导系统的惯组误差和漂移较大,加之弹体动态性能较高,因此在较短的时间内也会由于器件误差积累和模型算法误差引起很大的导航偏差;针对传统线性拟合方法对惯组建模时无法适应高动态弹体运动的不足,提出了一种基于当前统计模型的惯组运动模型滤波方法,其通过对运动状态的有限转移建模可以较好地描述飞行器的高机动方式;此外采用了时间序列分析方法对惯组的误差和漂移进行了参数估计;最后通过仿真实验证明,采用当前统计滤波模型和时间序列分析方法进行MEMS捷联惯导系统解算结果要优于传统的线性拟合滤波方法.     

基于IMU阵列的标定方法

微电子机械系统(MEMS)技术的发展使惯性传感器行业发生了革命性的变化,这使得生产惯性传感器阵列成为可能。然而,低成本的惯性测量系统会受到比例因子和轴失准误差的影响,从而造成位置和姿态估计的精度降低。在单个IMU校正的基础上,设计了一套基于IMU阵列的标定方法,该标定方法为了解决传统六面法在标定IMU阵列过程中方向激励不足的问题,设计了正20面的校正装置,该标定方法不仅能够估计出IMU阵列中单个IMU的比例因子、轴失准误差和偏置,还能估计出阵列中不同IMU之间的坐标轴对齐误差。通过把标定结果和官方所给的校正参数进行对比,可以得到经过本文所提的IMU阵列标定方法得到的标定结果能够达到工厂标定结果的百分之五十到百分之九十。     

基于MEMS惯性传感器的行人导航轨迹复现研究

针对目前行人导航对精度的需求,提出了基于微机电系统(MEMS)惯性传感器的行人导航系统.系统置于行人脚面,导航算法依据传统捷联惯性导航,采取基于卡尔曼滤波的补偿累积误差算法和零速检测方法,采用三条件判断法,即传感器三轴的总加速度、总加速度方差和总角速度的三条件满足判断方式,解决了行人导航步行过程中累积的误差补偿与校准.分别以圆形路线和矩形路线验证导航算法的适用性和准确性,对比分析实验结果表明:误差结果控制在5%以内,满足导航要求.     

基于Allan方差的MEMS陀螺随机误差建模

针对由于MEMS陀螺随机误差较大而影响MEMS惯性测量系统测量精度的问题,提出一种利用Allan方差分析随机误差并建模的方法。在分析Allan方差原理的基础上,通过Allan方差分析法分离和辨识了MEMS陀螺仪的各项随机误差以及误差系数,并利用随机误差系数进行了数学建模。通过与ARMA模型比较,表明利用Allan方差建立的模型更加精确。该方法为MEMS惯性导航系统中姿态测量的误差补偿和滤波提供了新的思路,对提高MEMS惯性测量系统的测量精度具有一定的实际应用价值。     

基于遗传算法的航姿参考系统最小二乘磁标定方法研究

基于MEMS航姿参考系统磁误差分析和误差模型,提出了一种基于遗传算法融合的最小二乘算法,用于磁强计的标定校准。与传统的方法相比,该方法不需要借助相关的校准仪器,利用有效的大量数据通过迭代求得泊松模型的参数。通过此方法的误差补偿,航姿参考系统的精度得到了提高,实验结果验证了该方法的实用性和有效性。     

基于双轴旋转框架捷联惯性组件快速标定方法研究

现场条件下惯组的标定精度及标定速度直接影响惯性导航系统的使用.基于双轴旋转框架的捷联惯组快速标定法,将带有旋转框架的惯组安装在载体上,只需一次通电后控制双轴框架合理转位,实现惯组误差参数的快速辨识.结果表明6位置快速标定法,可以满足捷联惯组现场标定精度要求且在30 min内即可完成惯组标定,尤其是降低了现场标定时对高精度三轴转台的依赖,极大地提高了器件测试的灵活性.     

基于GUI的大量程MEMS陀螺仪快速标定设计

针对MEMS大量程陀螺仪量程较大,一般的标定设备达不到需要的转速,因此不适合用三轴位置速率转台标定。设计了一种新的标定设备,提出了一种适用于大量程微机电陀螺仪的标定方法,并设计了GUI操作界面。根据微机电陀螺仪的输出数学模型,推导了如何得到MEMS陀螺仪的零点和标定因数等参数。通过实验数据分析可知,大量程微机电陀螺仪标定设备可以标定20 r/s的大量程陀螺仪。该设备原理简单且易于实现,具有较高的应用价值。     

Study of the characteristics of random errors in measurements by MEMS inertial sensors

This paper considers a stochastic analysis of measurement errors in MotionNode inertial measurement units (IMUs). The sensors of this device are based on the microelectromechanical system (MEMS) technology. The use of the Allan variance algorithm for identifying the error’s nature and the stochastic modeling of this error make it possible to substantially reduce the measurement errors by sensors. Based on the results of this study, we elaborated a number of recommendations for increasing the efficiency of the use of MEMS inertial sensors for problems of the navigation of moving objects.