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。     

阈值去噪与RBF神经网络在MEMS陀螺仪误差补偿中的应用

针对现有MEMS陀螺仪中随机误差较大,导致器件输出信噪比低进而影响其应用范围的现状,提出一种基于小波阈值去噪与梯度径向基( RBF)神经网络结合的MEMS陀螺漂移非平稳时间序列建模预测方法。首先采用Allan方差法分析了MEMS陀螺仪的主要随机误差,随后利用小波阈值去噪分离出MEMS陀螺误差模型中的白噪声及漂移误差,最后采用RBF神经网络对漂移数据进行建模。通过实验对文中所述的误差补偿方法进行验证,表明了方法的有效性,对于基于MEMS陀螺仪的惯导系统精度提高具有重要意义。     

MEMS传感器误差建模技术研究

本文针对MEMS传感器存在的随机误差和确定性误差进行建模,运用Allan方差理论对MEMS传感器信号进行了定量分析,同时考虑传感器各轴的不正交特性,构建确定性误差校正模型,实现对误差的快速消除,通过构建的随机误差系数和确定性误差校正模型,可以正确评价陀螺仪的性能指标,构建的误差模型可用于导航算法传中感器误差的消除.     

改进小波阈值法与极限学习机在MEMS陀螺误差补偿中的应用

MEMS陀螺随机误差是影响其精度的主要因素之一。针对MEMS陀螺随机误差的问题,提出一种基于改进的阈值函数的小波去噪结合极限学习机算法建模的补偿方法。通过改进小波阈值法提高去噪效果,然后由极限学习机构建MEMS陀螺误差补偿模型。通过实例研究,结果显示该方法能良好地补偿随机误差,与其他方法比较,具有更好的效果。     

基于AR模型的MEMS陀螺误差补偿方法研究

针对MEMS(Microelectro Mechanical Systems）陀螺具有成本低、体积小但误差较大的问题,探讨MEMS陀螺的误差补偿方法。基于AR模型方法,采集MEMS陀螺原始信号,对原始信号进行预处理,利用预处理后的数据建立陀螺的AR(Auto Regressive)模型,辨识出模型参数。利用该模型对陀螺信号进行误差补偿,计算出陀螺的较精确值。通过对某MEMS陀螺误差补偿的静态和动态试验表明,提出的方法能够有效地减小误差,提高陀螺的测量精度。     

MEMS陀螺随机误差模型研究

对MEMS陀螺随机误差进行了实验测试及研究,选取状态方程模型,基于近年来发展起来的随机系统子空间辨识方法,对MEMS陀螺随机误差进行建模,结果与Allan方差方法分析的噪声特性相符合,经与ARMA等模型比较,在同等性能下,所建模型具有阶次低的优点,更加适合于实时在线优化估计器.所提方法可以不加修改直接应用于对多轴陀螺的处理.     

煤矿井下微机电系统陀螺随机误差辨识

针对常用随机误差辨识方法不能揭示潜在的误差源、很难分离出具体随机误差、数据采集时间过长等问题,利用Allan方差分析法对煤矿井下微机电系统(MEMS)陀螺随机误差进行辨识。介绍了Allan方差分析法原理,利用Allan方差分析法对MEMS陀螺实测数据进行处理,给出了Allan标准差曲线,通过最小二乘拟合得到MEMS陀螺的主要随机误差系数。实验结果验证了Allan方差分析法用于MEMS陀螺随机误差辨识的有效性。     

基于PSO-WNN的MEMS陀螺随机误差建模普适性分析

针对MEMS陀螺仪随机误差对系统导航精度影响以及现有建模方案存在个体普遍适用性问题,提出将粒子群优化算法(PSO)与小波神经网络(WNN)结合后对MEMS陀螺随机误差进行预测的建模方法,完成小波神经网络的构建。利用小波函数作为神经网络中隐含层的激励函数,同时将小波神经网络各层的连接权值作为粒子群优化算法中粒子的位置,使得建立的模型函数逼近能力更加灵活有效且增强其容错能力,同型号不同个体MEMS传感器建模补偿实验结果表明,论文提出的PSO-WNN误差建模方法预测的MEMS陀螺仪随机误差均值和标准差分别优于0.025°/s和0.13°/s,补偿后的MEMS陀螺Allan方差分析结果进一步验证了论文所提方法的可行性与普适性。     

本期摘要

基于ARMA建模的MEMS陀螺随机误差补偿改进算法研究注国家自然科学基金资助项目（项目编号61271047）作者：陈明明．高国伟．毕新磊．潘宏生单位：北京信息科技大学信息获取与与检测实验室,北京100101基于MEMS技术生产的MEMS器件．具有体积小、重量轻、成本低、耐冲击性、高可靠性等特点．它被广泛应用于动态水平测量装置当中。但是由于外界环境的干扰．MEMS器件的测量精度一直难以达到实际应用水平。分析了在动态水平测量当中影响MEMS器件测量精度的各种因素之后,提出了一种基于ARMA模型的针对MEMS陀螺器件随机误差补偿的改进型算法。以某型号的陀螺的随机误差为研究对象进行实验验证．结果表明．MEMS陀螺的测量精度在滤波之后有了明显的提高。经过改进后的卡尔曼滤波器和引入自适应渐消因子的卡尔曼滤波器．在静态环境下．它们的误差标准差分别降为原始误差的375％和4．8％．动态环境下的滤波精度也得到有效提高。证明该方法是可行的和有效的,具有较大的工程实践意义。     

基于ARMA建模的MEMS陀螺随机误差补偿改进算法研究

基于MEMS技术生产的MEMS器件,具有体积小、重量轻、成本低、耐冲击性、高可靠性等特点,它被广泛应用于动态水平测量装置当中。但是由于外界环境的干扰,MEMS器件的测量精度一直难以达到实际应用水平。分析了在动态水平测量当中影响MEMS器件测量精度的各种因素之后,提出了一种基于ARMA模型的针对MEMS陀螺器件随机误差补偿的改进型算法。以某型号的陀螺的随机误差为研究对象进行实验验证,结果表明,MEMS陀螺的测量精度在滤波之后有了明显的提高。经过改进后的卡尔曼滤波器和引入自适应渐消因子的卡尔曼滤波器,在静态环境下,它们的误差标准差分别降为原始误差的3.75%和4.8%,动态环境下的滤波精度也得到有效提高。证明该方法是可行的和有效的,具有较大的工程实践意义。