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.     

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。     

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。     

基于小波去噪和AR建模的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,提出了一种基于小波去噪和AR建模的MEMS陀螺组合数据处理方法.采用小波去噪法对MEMS陀螺输出信号去噪,自适应确定小波分解层数,提高了其信噪比.采用AR(autoregressive,自回归)模型对MEMS陀螺的随机漂移进行建模,利用平均均方预测误差确定模型的最佳阶数,并与传统的一阶马尔可夫模型进行了比较.实验结果表明,该组合数据处理方法可有效抑制MEMS陀螺输出噪声,且能更精确地对MEMS陀螺随机漂移进行建模及预测.     

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.     

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。     

振动下惯性随钻测量的方位漂移闭环补偿

为解决振动下惯性随钻测量(Measurement While Drilling,MWD)方位角失真的问题,提出一种方位漂移在线闭环补偿方法。方法：考虑陀螺仪随时间漂移而加速度计长时测量稳定,利用多传感器分布式信息融合,获得微惯性测量单元(Micro Inertial Measurement Unit,MIMU)测量加速度和重力加速度在钻具坐标系下的向量误差,建立存在振动的方位陀螺漂移PI控制模型,设计一种基于函数逼近理论的新型神经网络结构,通过优化权值直接确定法(Optimized Weights Direct Determination,OWDD)快速确定网络权值,将神经网络辨识信息反馈给PI控制器,实现对方位陀螺漂移的自适应控制,实时跟踪误差趋向并补偿。结果：最后设计实验,振动台实验中方位角误差由10.15°/h减小到0.21°/h,实际钻井实验中方位角误差由10.53°/h减小到0.3°/h。结论：结果表明振动下方位角测量精度明显提高。     

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Allan方差法的MEMS惯性器件随机噪声分析

地震仪测量的通常为水平分量,而对旋转分量的测量与研究还相对较少.单独运用陀螺仪测量振动的旋转分量,准确度不高,而且测量结果的漂移量较大.基于MEMS惯性器件的无陀螺捷联惯导技术或者陀螺仪-加速度计组合技术,为六自由度振动测量提供了便利.由于受其加工工艺的限制,MEMS惯性器件的测量精度还存在较大的差异,因此需要对MEMS惯性器件的误差特性进行对比测试与分析.文章应用Allan方差法对两种MEMS惯性器件的随机噪声进行了分析,得到了量化噪声、速度随机游走、零偏不稳定性、加速度随机游走、速率斜坡等5项随机噪声指标.随机噪声分析的结果表明,Allan方差法能有效地对MEMS惯性器件的随机噪声进行评估和分析.     

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。     

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。     

基子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ARMA模型和狼群算法的陀螺随机漂移建模研究

光纤陀螺的随机漂移误差是影响惯性导航系统精度的关键因素之一,根据陀螺随机漂移数据的数学模型进行补偿,可有效地提高系统精度.在大量实验的基础上建立陀螺随机漂移的自回归移动平均(ARMA)模型,同时使用长自回归模型法求解模型参数,再对参数进行优化.实验结果证明:经狼群算法优化后的陀螺随机漂移模型更加准确,建模精度相对于传统的时间序列分析法有了较大提高.研究内容对光纤陀螺随机漂移建模精度的提高有较好的参考价值.     

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.     

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陀螺误差辨识与补偿

由于制造工艺等原因,MEMS陀螺的随机漂移非常大,严重影响了系统的性能.通过自制的基于MEMS的捷联惯导系统的相关实验,对MEMS陀螺的确定性误差和随机误差分别进行了辨识和补偿.完成确定性误差补偿,对MEMS陀螺随机误差进行了时间序列分析,并建立了AR模型,根据所选模型参数建立了随机误差的系统方程,采用经典卡尔曼滤波进行随机误差补偿.实验结果说明:无论是静态下还是动态下,补偿后信号的方差都大大下降,说明了滤波效果较为明显,具有一定的工程应用价值.     

基于低成本MEMS陀螺的小波阈值去噪应用研究

通过有效抑制微机电系统(MEMS)陀螺的随机漂移误差,实现了提高低成本MEMS陀螺的测量精度.研究了小波阈值去噪算法的基本原理,分析了影响小波阈值去噪质量的主要因素;确定了小波函数类型、小波分解的层数、去噪阈值以及去噪阈值函数;利用小波阈值去噪算法对实际陀螺信号进行了去噪处理,结果表明:陀螺随机漂移得到了明显的抑制,取得了良好的去噪效果.