基于DSC的压电陀螺漂移特性测试及其滤波器设计

首先进行了压电陀螺漂移特性分析,重点研究了利用数字信号控制器(DSC,digital signal controller)和LabWindows/CVI软件设计出压电陀螺漂移测试实验,测量出压电陀螺实际的漂移误差数据,由此建立了压电陀螺漂移特性ARMA模型,设计出基于LMI的鲁棒滤波器,并与Kalman滤波器进行了仿真比较,提高了陀螺随机漂移的估计精度,保证了陀螺误差补偿的有效性.     

定位定向系统中陀螺漂移误差估计

阐述了定位定向系统中的主要误差来源于陀螺漂移。建立陀螺漂移误差模型,分析了一阶自回归估计方法AR(1)和均值估计方法对漂移系数的估计。并通过反馈法测得陀螺的漂移系数,分别用一阶自回归估计方法和均值估计方法进行系数估计,并对估计效果进行比较。     

全角模式半球谐振陀螺的信号检测

半球谐振陀螺由于制造工艺和其它因素的影响,其结构难免出现误差,会对测量结果产生影响,同时漂移的存在也会降低测量结果的精度.通过对结构误差和漂移的分析,介绍了一种全角模式下半球谐振陀螺的信号检测方法.这种方法可有效地使输出信号精度得以提高.     

环形激光陀螺测试技术的研究与设计

针对某环形激光陀螺传感器的总体输出误差特点,应用Allan方差法完成了对RLG频域输出误差的建模评估,包括陀螺的随机游走误差、零偏稳定性误差,以及马尔可夫噪声误差等,建立了温度误差零偏补偿模型。在陀螺测试过程中,采用了转台交差逆转的方法,尝试将零偏衰减中的常值漂移和线性漂移部分自动补消,结果表明可以改善传统的RLG转台测试法的测试精度。     

基于TLFK的单轴旋转SINS在线自标定方法

针对单轴旋转捷联惯性导航系统(SINS)中轴向陀螺常值漂移无法被调制抵消的问题,提出一种轴向陀螺常值漂移在线自标定方法.对轴向陀螺常值漂移误差传播路径进行了分析,指出影响轴向陀螺常值漂移估计精度主要因素包括等效东向陀螺漂移、"数学平台"失准角、等效北向加速度计常值偏置等.建立了在线自标定Kalman滤波估计状态方程和量测方程,并设计了一种基于两级Kalman滤波的在线自标定流程.进行了计算机仿真和实际系统验证实验,实验结果表明,第二级Kalman滤波器能够较好地估计得到单轴旋转SINS轴向陀螺常值漂移及其标度因数误差,经过误差补偿后,其24h位置误差由6.71n mile减小为1.96n mile,提高了导航系统定位精度,满足中等精度SINS长时间导航需求.     

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.     

微机电陀螺随机漂移建模与卡尔曼滤波

微机电系统(MEMS)陀螺精度较低,严重影响制导火箭弹惯导系统的精度.为了减小MEMS陀螺的随机漂移,提高其精度使其满足简易制导火箭弹的精度要求,需要对陀螺信号进行滤波,MEMS陀螺随机漂移建模与补偿是其中的难点.针对上述问题,提出采用自回归移动平均(ARMA)分析的方法建立MEMS陀螺随机漂移模型,然后基于此模型对随机漂移信号进行卡尔曼(Kalman)滤波.对某MEMS陀螺在静止条件下的观测信号的滤波效果表明,ARMA模型拟合度高,能准确描述MEMS陀螺随机漂移特性;Kalman滤波方法能有效减小随机漂移误差,提高MEMS陀螺的精度,对提高简易制导火箭弹的精度具有一定的参考价值.     

MEMS陀螺漂移误差建模与滤波

MEMS陀螺漂移误差直接影响光电稳定跟踪平台伺服机构的控制精度.针对MEMS陀螺随机漂移误差慢时变、弱非线性、难以准确补偿的特点,基于随机序列时序分析法的基本原理,对预处理后的MEMS陀螺漂移残差信号进行建模,并根据模型对残差信号进行Kalman滤波.结果显示滤波前后信号的方差提高了1到2个数量级,表明有效抑制了漂移误差,提高了MEMS陀螺的精度.     

RLG环形激光陀螺测试技术的研究与设计

采用Allan方差法对环形激光陀螺(Ring Laser Gyro)传感器的输出特性进行了分析,完成了对RLG频域输出误差的建模评估,包括零偏稳定性、随机游走以及马尔可夫噪声等,并根据评估分析建立了温度误差零偏补偿模型;同时,在测试系统设计中,使用了转台交筹逆转法,尝试将零偏稳定性中的常值漂移和线性漂移部分自动补消,结果表明可以改善传统的RLG转台测试法的单一测量功能及精度.     

Testing for constant spatial mean using the global D-statistic

The authors introduce the D-statistic for testing for a constant spatial mean in geostatistical applications, i.e. testing for the presence or absence of a global drift. The D-statistic can be calculated with sparse data and for different directions and a statistical test of hypothesis of constant spatial mean has been designed using the global standardized D-statistic. If, for a given data set, the null hypothesis of constant mean cannot be accepted, a model with a (non-constant) drift would be more appropriate. The estimated confidence level and estimated power of the D-statistic hypothesis test is studied using Monte Carlo simulation, with different assumptions about the random field, the drift, the scale of variability of the drift and the number of experimental data (i.e. sample size). Case studies are provided to illustrate the application and interpretation of the results. The Fortran computer program D2STAT2D is provided for calculating the standardized global D-statistic from sparse data in the plane.     

基于时间序列分析的Kalman滤波方法在MEMS陀螺仪随机漂移误差补偿中的应用研究

从工程实用的角度出发,探讨了MEMS陀螺仪随机漂移误差的有效补偿方法.首先采用时间序列分析的方法建立了MEMS陀螺仪的随机漂移误差模型,然后阐述了用基于时间序列模型的Kalman滤波方法减小该漂移误差的具体方法.对某MEMS陀螺仪实测数据的误差补偿结果表明,所介绍的滤波方法能够有效地抑制其漂移误差,提高MEMS陀螺仪在实际系统中使用精度.     

基于在线性能测试的概念漂移检测方法

概念漂移是动态流数据挖掘中一类常见的问题,但混杂噪声或训练样本规模过小而产生的伪概念漂移会引起与真实概念漂移相似的结果,即模型在线测试性能的不稳定波动,导致二者容易混淆,发生概念漂移的误报.针对流数据中真伪概念漂移的混淆问题,提出一种基于在线性能测试的概念漂移检测方法(concept drift detection method based on online performance test,简称CDPT).该方法将最新获得的数据集进行均匀分组,在每组子数据集上分别进行在线学习,同时记录每组子数据集训练测试得到的分类精度向量,并计算相邻学习时间单元之间的精度落差,依据测试精度下降阈值得到有效波动位点.然后采用交叉检验的方式整合不同分组中的有效波动位点,以消除流数据在线学习过程中由于训练样本过小导致模型不稳定造成的检测干扰,根据精度波动一致性得到一致波动位点.最后,通过跟踪在线学习分类准确率,得到一致波动位点邻域参照点的测试精度变化,比较一致波动位点邻域参照点对应的模型测试精度下降幅度及收敛情况,以有效检测一致波动位点当中真实的概念漂移位点.实验结果表明,该方法能够有效辨识流数据在线学...     

微机械陀螺测试与标定技术研究

参照相关国军标,按照陀螺的主要精度指标、测试方法、标准和IEEE陀螺的测试规范,完成了由美国BEI公司研发的Gyro Chip Ⅱ微机械陀螺的标准化测试.通过在微机械陀螺标定试验中采用均匀测试方法所得到的标度因数等参数,与传统速率试验和漂移测试所得数据相比基本一致,却极大地减少了工作量,降低了测试成本;然后,用统计学中的t检验和F检验的方法分析了标度因数的显著性及方差,进而分析了该微机械陀螺的主要特性,验证了采用均匀设计进行测试的正确性,同时为进一步的建模奠定了基础.     

仿真软件的被动测试与主动测试互补的研究

仿真软件的被动测试和主动测试在实践中都有一些缺点,针对这些缺点提出了被动测试与主动测试互补的 具体方法。通过一定的被动机制提前获取实际生产的历史数据,运用技巧提高历史数据测试的有效性。提出的“正推 法”、“逆推法”均有效地克服了单纯主动测试和单纯被动测试的缺点,正推法与逆推法的混合在实践中更具灵活性。 被动与主动测试的互补混合测试的13UC}结果数据对于被测仿真软件数学模型参数的修正等方面有较大作用。互补 混合的具体过程细节应与整个仿真软件开发过程互相协调。     

基于LabVIEW的应变数据处理系统

在对车辆转向架疲劳寿命评估时，需要对其进行动应变测试，然而受各种测试因素影响，对所测结果还应进一步处理修正。所以，开发出应用于转向架动应变测试数据处理系统很有必要。本文介绍了以LabVIEW为开发平台的转向架动应变测试数据处理系统的主要功能，零漂处理原理及零漂处理、异常点去除、单点修正和滤波处理的实现方法与手段。本软件在实际应用中以零漂处理为主要特色，处理数据灵活，并且操作简单，易学易用。     

基于面向对象程序代码的类测试技术

面向对象软件的基本测试单元是类，文中提出了用一种基于代码的测试技术－数据流测试来全面地测试类。对类测试分为３级：单个成员函数的测试；公有成员函数的测试；公有成员函数接口的测试。     

基于零打扰测试背板的无线传感器网络测试平台

精确的网络运行状态监视和性能评估对于无线传感器网络的研究和实际部署具有极为关键的意义,而现有的测试技术和测试平台对无线传感器网络的自身运行存在一定的打扰,测试数据的精度也受限于传感器节点的硬件配置.针对现有测试技术和测试平台的缺陷,提出了内部侦听的测试方式,并进一步研发了基于零打扰测试背板的无线传感器网络测试平台.测试平台首先通过由额外的测试背板直接捕获传感器节点内部互连信号,产生测试数据;然后测试数据经由额外的传输网络传送到测试服务器,进行解析和预处理;最后,远程访问客户端通过订阅机制访问测试服务器上的测试数据,并对其分析和处理.测试平台在避免对无线传感器网络正常运行产生干扰的前提下,实现对运行时刻的无线传感器网络的高精度零打扰的透明测试.实验结果表明,基于零打扰测试背板的无线传感器网络测试平台可以对无线传感器网络进行信号分析、协议验证,并对性能进行精确的评估,     

DetectA: abrupt concept drift detection in non-stationary environments

Almost all drift detection mechanisms designed for classification problems work reactively: after receiving the complete data set (input patterns and class labels) they apply a sequence of procedures to identify some change in the class-conditional distribution – a concept drift. However, detecting changes after its occurrence can be in some situations harmful to the process under analysis. This paper proposes a proactive approach for abrupt drift detection, called DetectA (Detect Abrupt Drift). Briefly, this method is composed of three steps: (i) label the patterns from the test set (an unlabelled data block), using an unsupervised method; (ii) compute some statistics from the train and test sets, conditioned to the given class labels for train set; and (iii) compare the training and testing statistics using a multivariate hypothesis test. Based on the results of the hypothesis tests, we attempt to detect the drift on the test set, before the real labels are obtained. A procedure for creating datasets with abrupt drift has been proposed to perform a sensitivity analysis of the DetectA model. The result of the sensitivity analysis suggests that the detector is efficient and suitable for datasets of high-dimensionality, blocks with any proportion of drifts, and datasets with class imbalance. The performance of the DetectA method, with different configurations, was also evaluated on real and artificial datasets, using an MLP as a classifier. The best results were obtained using one of the detection methods, being the proactive manner a top contender regarding improving the underlying base classifier accuracy.