MEMS陀螺仪驱动谐振频率的温度补偿方法

微机电系统(MEMS)陀螺的模态谐振频率和品质因子具有较强的温度敏感性,使得MEMS陀螺的输出零偏随温度漂移。为了解决零偏随温度漂移问题,提出了一种基于MEMS微机械陀螺的驱动谐振频率做温度基准的零偏温度补偿方法。温度在-40～60℃范围内变化,经多次循环测量陀螺零偏,获得零偏与温度之间的变化关系,并在此基础上,对零偏进行建模分析。利用谐振频率与温度的线性关系,以驱动谐振频率为温度参考,对陀螺零偏进行实时温度补偿。实验结果表明:上电零偏稳定性由补偿前的143. 81°/h变为补偿后的26. 51°/h,降低了5. 42倍;温度在-40～60℃范围内变化,补偿前后的零偏稳定性分别为1368. 05°/h和62. 86°/h,降低了22倍。     

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.     

硅微陀螺温度漂移补偿研究

温度是影响陀螺仪漂移的重要因素.在试验的基础上,通过对某型硅微陀螺零漂数据进行小波滤波除噪,研究了既定温度范围内陀螺零漂的变化.基于最小二乘法原理,建立了陀螺仪的零漂补偿模型.通过补偿使陀螺的零漂稳定性由0.2751°/s减小为0.0114°/s,提高了零漂稳定性.从补偿的效果来看,多项式模型能够有效地补偿零漂,从而满足工程应用的需要.     

基于ARIMA模型的光纤陀螺随机漂移滤波方法研究

对光纤陀螺随机漂移输出进行了非平稳性检验,并建立了非平稳求和自回归滑动平均(ARIMA)模型,在此模型的基础上对光纤陀螺随机漂移进行卡尔曼(Kalman)滤波,并对滤波结果进行Allan方差分析。与基于自回归(AR)模型的Kalman滤波结果进行比较,实验结果表明:基于ARIMA模型的Kalman滤波比基于AR模型的Kalman滤波更能减小光纤陀螺的零偏不稳定性和角度随机游走。     

微惯性传感器零点漂移融合滤波算法研究

为提高微惯性传感器的测量精度,提出了基于指数平滑的GM（1,1）改进模型,通过该模型对漂移中的确定性漂移信号进行提取,运用AR（3）模型对提取趋势项后的随机漂移进行了建模分析,并在AR（3）模型基础上进行了Kalman滤波处理,经Allan方差分析表明：经模型补偿后的漂移噪声降低了1-3个数量级,有效减小了零漂信号中的角度随机游走、角速度随机游走、速率斜坡、零偏不稳定性和量化噪声,提高MEMS陀螺零漂输出的稳定性。     

一种评价硅微陀螺性能的电路分析方法

硅微机械陀螺批量生产后,传统的微陀螺测试方法耗费时间比较长,需要专用设备,测试系统比较复杂,工作量很大.基于双正弦载波调制的测控电路,经过大量的电路调试工作,首次利用电路分析方法,提出了三种评价硅微陀螺性能的指标.运用此评价指标,对五个硅微陀螺进行了性能评价,性能由高到低依次是G05、G04、G03、G02、G01,并用零偏稳定性指标对G05 、G01进行了验证,G05零偏稳定性67°/h, G01零偏稳定性104°/h.结果表明,电路分析方法可以快速评价硅微陀螺性能,效率高,准确率高.最后,运用电路分析方法进一步优化了微陀螺的结构设计以及改进了相关的制造工艺.     

微机械陀螺零偏稳定性建模与滤波研究

首先介绍了时间序列ARMA模型及其建模方法,并利用该方法基于振动环式微机械陀螺的实测数据建立了振动环式微机械陀螺随机漂移的ARMA模型。在此模型基础上,设计了Kalman滤波器。仿真结果表明此方法能够有效抑制微机械陀螺的零点随机漂移。     

MEMS微机械陀螺温度特性分析与建模

针对MEMS微机械陀螺的零偏随温度变化波动较大的特性,通过建立MEMS陀螺零偏随温度变化之间的误差模型,在温度范围为-20℃~60℃温箱试验下,分析MEMS陀螺的零偏输出变化,经去除野值后使用建立的误差模型对零偏进行补偿,结果表明,MEMS陀螺仪因温度引起的零偏从最大约为160°/h,经补偿后降至约为10°/h。该温度误差模型使MEMS陀螺的全温区零偏特性得到了一定程度的提升,为提高之后的导航精度打下基础,具有一定的工程价值。     

光纤陀螺温度漂移误差的模糊补偿方案研究

针对光纤陀螺启动过程中的温度漂移问题,研究了一种模糊模型补偿方案.依据Shupe非互易性理论和Mohr加热模型试验的结论,以光纤环内侧温度和温度变化率为输入,以陀螺漂移为输出建立了二输入一输出模糊模型.通过全温范围(-25 ℃~45 ℃)内的恒温静态试验数据辨识出模糊规则库,进而实行模糊推理可实现光纤陀螺温度漂移的在线自动补偿.室温验证试验表明,陀螺的零偏稳定性由补偿前的0.037°/h 减小为0.017°/h,与标称指标相当,陀螺启动时间由补偿前的30 min减少为2 min.     

硅微角振动陀螺仪温度特性补偿方法研究

在研究硅微角振动陀螺结构和温度特性的基础上,创建了二元高阶多项式补偿模型,并设计了基于STM32F405的硬件补偿电路,实现该陀螺仪实时温度补偿.实验结果表明:温度补偿后的标度因数温度系数和全温零偏稳定性分别由344 ×10-6/℃和441°/h减小为12.6×10-6/℃和40.6°/h,使得该陀螺仪的温度特性有明显改善,验证了该补偿方法的有效性和可行性.     

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Kalman滤波和神经网络的MEMS陀螺温度漂移补偿

MEMS陀螺温度漂移严重影响系统的测量精度。传统的BP神经网络建模补偿容易使权值和阈值陷入局部极小值,导致网络训练失败。陀螺输出信号中的高频噪声也会影响模型精度。针对上述问题,该文提出一种Kalman滤波结合粒子群算法(PSO)优化BP神经网络的MEMS陀螺温度漂移补偿方法。首先对陀螺进行了温度漂移测试实验,然后采用Kalman滤波对实验数据进行降噪,最后建立陀螺温度漂移模型,从而实现温度漂移的补偿。实验结果表明,采用该方法补偿后MEMS陀螺在不同温度下的输出方差降低了65.09%,与传统的BP神经网络相比补偿精度明显提高。     

卡尔曼滤波在激光陀螺信号处理中的应用

各种随机噪声是激光陀螺误差的主要来源;设计了基于激光陀螺漂移数据时间序列模型的卡尔曼滤波器,对激光陀螺漂移数据进行了滤波,并采用Allan方差法分析了滤波结果;结果表明,基于时间序列模型的卡尔曼滤波器有效地减小了随机误差。     

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.     

基于自适应卡尔曼滤波器的MEMS陀螺零点漂移的研究

随机噪声是影响MEMS陀螺精度的一个重要因素。本文基于时间序列分析方法建立MEMS陀螺的随机漂移AR模型后,使用自适应卡尔曼滤波器对信号进行滤波。通过比较陀螺原始信号和自适应卡尔曼滤波后的信号,可以得出结论：自适应卡尔曼滤波器在处理MEMS陀螺零点漂移中具有良好的滤波效果。     

基于相关向量机的MEMS陀螺仪随机漂移补偿

提出了一种基于相关向量机的MEMS陀螺仪随机漂移预测方法。针对MEMS陀螺仪随机漂移误差的非线性、不确定性等特点,建立了相关向量机预测模型,并采用EM算法获得模型的参数。针对随机漂移的混沌特性,利用相空间重构技术,将重构后的漂移序列作为输入变量进行模型的训练和预测。训练和测试结果均表明,该方法具有很好的预测效果,优于常用的时间序列分析法和支持向量机法。利用预测结果对随机漂移进行补偿,有效地提高了陀螺的使用精度。     

基于支持向量机的MEMS陀螺仪随机漂移补偿

针对传统方法的不足,将支持向量机应用于MEMS陀螺仪随机漂移的补偿。建立了支持向量机预测模型,通过相空间重构技术,将标量的随机漂移时间序列嵌入到一个辅助的相空间中进行模型的训练和测试,并使用最优化算法得到了核函数和预测模型的各项参数。训练和预测结果均表明,该方法具有很好的预测效果,是一种有效的MEMS陀螺仪随机漂移补偿方法。     

小波阈值去噪和FAR建模结合的MEMS陀螺数据处理方法

为解决MEMS陀螺输出信号中噪声大、随机漂移严重的问题,提出了一种小波阈值去噪和函数系数自回归FAR建模结合的MEMS陀螺数据处理方法。采用小波阈值去噪法对MEMS陀螺输出信号去噪,提高其信噪比;为克服常用的自回归AR模型无法解决MEMS陀螺随机漂移存在的非线性问题,引入FAR模型对MEMS陀螺的随机漂移进行建模。实验结果表明,此数据处理方法可有效抑制MEMS陀螺输出噪声,且与AR模型相比,FAR模型能更精确地对MEMS陀螺随机漂移进行建模及预测。     

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.