一种基于磁传感器的MEMS陀螺标定方法

根据微型航姿测量系统各传感器的特点,研究出了一种基于磁传感器输出的MEMS陀螺标定方法,并根据MEMS陀螺误差参数模型设计相应的补偿算法,分别对MEMS陀螺的零偏和标度因数误差进行了补偿。与传统标定方法相比,该方法实现简单,适用于现场标定。实验结果表明,该标定方法能够有效地提高MEMS陀螺测量精度,补偿后陀螺在静态条件下2分钟内,俯仰角漂移小于0.035°,倾斜角漂移小于0.15°,航向角的漂移小于0.2°。当陀螺三轴均有角速率输入时,在角速度小于25°/s情况下误差都能保持在±2°以内。     

基于多模型模糊融合的MEMS陀螺补偿方法

为了实现微机电系统(MEMS)陀螺的高精度补偿,本文借助分段线性拟合与多模型模糊融合的方法,得到了一种新的标定补偿算法。通过对各轴分段组合的标定数据进行拟合建立多组补偿模型,并通过角速率的隶属度函数的模糊加权实现多模型融合,得到随测量值变化的线性补偿模型,提高了陀螺输出补偿的精度。实验表明,该方法的补偿精度明显优于传统方法。其算法简单计算量小,易于在实际工程中应用。     

一种MEMS陀螺仪的标定方法研究

微机电系统(MEMS)陀螺仪的测量误差是影响微惯性导航系统精度的重要因素.为了提高微惯性导航系统的精度,提出了一种利用三轴转台完成MEMS陀螺仪的标定方法.根据MEMS陀螺仪的误差模型,设计了标定试验方案和误差模型参数的辨识方法,并通过小波阈值去噪的方法对陀螺的输出数据进行去噪处理.试验与仿真对比分析结果表明:经误差补偿和去噪后MEMS陀螺仪的测量精度提高1～2个数量级,同时验证了该标定方法的正确性、有效性.     

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。     

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。     

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。     

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。     

四旋翼飞行器航姿参考系统的误差补偿方法研究

航姿参考系统是四旋翼飞行器姿态控制和惯性测量的关键,基于MEMS的惯性导航系统长期稳定性较差,陀螺仪传感器和加速度计存在明显的零漂现象,因此在使用前必须对陀螺仪传感器和加速度计的误差系数进行标定;论文首先以航姿参考系统的陀螺仪和加速度计实时数据的采集与处理,并通过对陀螺仪和加速度计的误差产生原理的分析,提出了陀螺仪和加速度计的新型误差补偿模型,并推导了基于高斯牛顿法的误差补偿与标定方法,由此简化了标定过程,得到了标定结果; 实验结果表明了在不提高成本和降低精度的情况下该基于高斯牛顿法的误差补偿与标定方法的有效性。     

基于DSP的MEMS陀螺误差建模与滤波方法研究

针对微机电系统(MEMS)陀螺测量精度低、随机噪声复杂的问题,根据MEMS陀螺的实测数据,分析其噪声特性,研究MEMS陀螺的随机噪声模型。应用时间序列分析方法,采用时间序列分析(AR)模型对MEMS陀螺测量数据噪声进行建模,该模型反映陀螺的噪声特性,基于该随机噪声模型,采用Kalman滤波技术有效降低了随机噪声对MEMS陀螺测量精度的影响。通过对MEMS陀螺实测数据的仿真试验结果表明:提出的建模与滤波方法能够有效地抑制其随机噪声误差,提高实际应用中的测量精度。     

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。     

阵列式MEMS惯性传感器及噪声抑制研究

针对惯导系统中MEMS惯性传感器随机噪声较大的问题,本文利用MEMS惯性传感器体积小的特点,采用32个消 费级MEMS惯性传感器,组成惯性传感器阵列,设计了阵列形式的MEMS惯性传感器测量单元。通过对阵列传感器建模与分析,将32个惯性传感器数据进行数据融合,以此降低消费级MEMS惯性传感器的随机噪声误差与零偏不稳定性。最后利用Allan方差分析了惯性传感器的噪声特性。实验结果表明,在静态状况下,阵列式MEMS惯性传感器有效的抑制了惯性传感器的随机误差,提高了惯性传感器的精度。     

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。     

多项式拟合在MEMS陀螺仪零点随机漂移抑制中的应用研究

MEMS(Micro-Electro-Mechanical Systems)传感器精度相对较低限制了其应用范围,从实际工程应用出发,针对MEMS陀螺仪零点随机漂移误差探讨了有效的补偿方法.推导了不同阶数拟合曲线的回归方程,根据实测MEMS陀螺零点数据对不同阶数拟合曲线的补偿效果进行对比,选取最优方案并通过跑车试验进行验证,证明该方法能够有效抑制陀螺仪零点漂移误差,提高微惯性导航系统的导航精度.     

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。     

基于神经网络的开环光纤陀螺误差补偿方法

根据开环光纤陀螺线性度课差随角速度增大而增大的特性,提出了在大角速度情况下应用神经网络对陀螺误差进行建模并补偿,在小角速度时对陀螺输出数据进行平滑滤波以抑制噪声的分段误差补偿方法.在速率转台上对开环光纤陀螺(VG941)进行测试并采集了测量范围内陀螺的多组实际输出数据,基于这些数据对单输入单输出的神经网络进行训练,得到了开环光纤陀螺的神经网络模型.在所得模型基础上,对整个测量范围内的陀螺原始输出数据采用分段补偿方法进行了陀螺误差补偿,并使开环光纤陀螺最大线性度误差由15%下降到0.3%,提高了开环光纤陀螺的测量精度.实验结果表明基于神经网络的开环光纤陀螺误差补偿方法对提高开环光纤陀螺的精度、扩大其应用范围具有实用价值.     

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。     

基于TMS320F2812的陀螺信号实时采集处理系统

目前MEMS陀螺的精度还不是很高,为了降低MEMS陀螺的噪声,改善非线性性能,提高其精度,提出了采用TI公司新一代的数字信号处理器TMS320F2812和DSP/BIOS实时操作系统的MEMS陀螺信号实时采集与处理系统,对陀螺信号进行降噪、温度补偿、非线性补偿处理;在DSP/BIOS多任务机制下实现数据采集、处理、传输的并行化,同时采用小波信号除噪和补偿算法对信号进行处理;该系统处理时间短,可以满足陀螺使用要求,算法简单有效,可以显著降低陀螺噪声;实用表明使用高速DSP器件并采用有效的信号处理方法可以显著地改善MEMS陀螺的性能.     

基于ANFIS的激光陀螺消噪处理研究

为了降低激光陀螺输出数据中噪声对惯性导航系统精度的影响,采用一种具有学习能力的自适应模糊神经网络（ANFIS）噪声消除的新方法,利用一组激光陀螺随机漂移数据对这种方法进行建模和仿真验证。与传统的小波分析法进行了功率谱密度、均值和标准差的比较,并通过Allan方差法分析了各项误差系数的变化情况,结果表明：这种方法有效地补偿了随机误差,从而有利于提高激光陀螺的输出信号精度。     

MEMS数字倾角仪的标定补偿方法研究

在介绍MEMS数字倾角仪组成结构的基础上,根据数字倾角仪内部MEMS加速度计的输出特性,对MEMS加速度计的敏感单元建立数学标定模型,提出并推导了一种适用于MEMS数字倾角仪的标定方法;该方法可以得到双轴MEMS数字倾角仪中加速度计的零位电压、标度因数矩阵、安装误差系数等敏感项参数;通过重力场静态翻转实验对实验室研制的数字倾角仪进行标定;最后使用MATLAB拟合计算得到所求标定参数,并对测试结果进行了误差分析和补偿对比;实验结果表明,该方法能使MEMS数字倾角仪的测量精度提高到±0.05°,可以满足高精度的角度测量需求。     

一种MEMS加速度计误差分析与校准方法

MEMS传感器测量中一般存在确定性偏差和随机噪声两类误差,为提高其测量精度和稳定性,以MEMS加速度计为例,在建立其测量误差模型的基础上,提出一个综合的校准方案,同时对这两类误差进行补偿。其中使用Allan方差对随机噪声项进行量化分析,并综合采用了最小二乘法计算确定性校准系数,扩展卡尔曼滤波降低随机噪声等方法。通过实验验证,表明该方案可以有效校准加速度计测量的确定性偏差并降低随机噪声干扰,最终经过误差补偿后的测量数据在精度和稳定性方面都有明显提升。