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MEMS陀螺仪的随机误差分析

为了提高MEMS陀螺仪测量精度,减少随机误差的影响,对产生随机误差的噪声源及其随机误差模型进行了分析;通过分析MEMS陀螺仪自身结构的缺陷并且对其输出数据进行了相应的滤波处理与平稳性检验,确立了合适的误差模型并利用Kalman滤波进行误差补偿,验证了模型的有效性;同时运用Allan方差法对MEMS陀螺仪噪声项进行了分析,确定了影响MEMS陀螺仪测量性能的主要因素以及比较了滤波前后的各项噪声源系数,检验了滤波效果且实验结果证明误差模型显著提高了MEMS陀螺仪的测量精度。      

检测电极变形对 ＭＥＭＳ 陀螺仪振动性能的影响

MEMS陀螺仪的振动环境性能是制约其应用的重要指标。针对MEMS音叉式陀螺仪,分析了检测电极在驱动运动作用下的变形对陀螺仪振动性能产生影响的机理。建立了振动环境中包含检测电极变形在内的误差信号模型,将误差信号的成分与角速率响应信号进行了对比分析。通过对检测质量的受力状态进行优化,降低了检测电极变形的有效值,将振动误差信号的幅度从25dB降低到9dB以下,大幅提升了MEMS陀螺仪的振动环境适应性。     

海洋传感器的内嵌陀螺仪偏航角校正方法

海洋传感器通常工作在复杂的磁场环境下,其姿态检测系统一般使用陀螺仪确定偏航角输出。针对短时部署的海洋传感器,分析了MEMS陀螺仪的偏航角漂移误差模型,并在对陀螺仪原始数据补偿的基础上,给出了随机漂移的拟合估值与补偿方法,以提高陀螺仪偏航角输出在一定时间内的精度。使用高精度平台进行实验,结果验证了该补偿校正方法的有效性。     

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。     

低成本MEMS陀螺实时滤波方法

为找到一种普遍适合低成本MEMS陀螺仪的随机误差实时处理方法,利用Allan方差分析法首先对MEMS陀螺仪进行分析,根据其误差特性进而设计了平均滤波算法以剔除粗大误差,然后使用最小二乘法,通过拟合前一段历史结果得到下一时刻输出的预测值,基于以上工作最终设计出Kalman滤波器对所输出进行滤波。由于将最小二乘法的推测作为预测过程,避免了系统状态模型难以准确建立的问题。该方法动态性能好,具有普适性。实验结果证明,该方法在静态和动态下均能有效工作,滤波后常值漂移被有效补偿,角度随机游走不再占误差的主要成分,均方差小于滤波前的十分之一。     

基于改进卡尔曼滤波的陀螺仪误差补偿算法

针对基于卡尔曼滤波的MEMS陀螺仪误差补偿算法中量测噪声方差选取不准确的问题,提出一种基于改进卡尔曼滤波的陀螺仪误差补偿算法.卡尔曼滤波通常采用统计特性估计得到固定的量测噪声方差,无法自适应地估计不同环境下陀螺仪噪声特性.该算法将卡尔曼滤波与神经网络相融合,使用卡尔曼滤波新息矩阵作为神经网络输入,通过神经网络得到新息协方差矩阵,以此自适应地估计卡尔曼滤波量测噪声方差.将该算法应用到陀螺仪信号误差补偿中,使用Allan方差分析法对原始信号以及误差补偿后的陀螺仪信号进行分析,实验结果表明该算法能够有效地抑制陀螺仪随机误差,提高MEMS陀螺仪的精度.     

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.     

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。     

基于Allan方差的MEMS陀螺误差分析

利用Allan方差法对国外一款MEMS陀螺仪进行误差分析,通过长时间静态数据分析,对陀螺误差系数进行标定,验证了Allan方差法用于陀螺误差分析的可行性。     

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。     

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.     

MEMS陀螺仪零位误差分析与处理

研究微机械陀螺仪的零位误差对提高惯性导航精度具有重要意义。采用Allan方差分析法对MEMS陀螺仪的零位误差做了综合评定,提出了一种动态的零值偏移误差补偿算法来滤除陀螺仪的零值偏移误差,还对启发式漂移消减法HDR(Heuristic Drift Reduction)做了改进,有效地提高了原算法的补偿精度。最后,再次采用Allan方差分析法对补偿后的零位误差进行评定,并以Voyager-IIA机器人为平台进行试验,结果证明了改进后的算法能显著的提高陀螺仪的输出精度。     

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陀螺仪的稀疏冗余去噪

为了提高随钻测量过程中MEMS陀螺仪的测量精度,抑制振动信号等对陀螺仪漂移造成测量精度的影响,采用经验模态分解(Empirical Mode Decomposition,EMD)和压缩感知(compressed sensing,CS)的算法进行降噪.首先对MEMS陀螺信号进行EMD分解,利用连续均方误差(CMSE)计算两个连续重构陀螺仪信号的欧式距离,以此将分解得到的模态函数(IMFs)以高、低频的形式分离,剔除高频噪声模态的影响;构建冗余字典,使低频IMFs分量在该字典上稀疏表示,利用贝叶斯理论对优化剩余IMFs分量重构;同时,在该字典上添加一列误差补偿项,通过贝叶斯估计求得.最后将处理后的剩余IMFs分量和补偿项叠加重构.去噪前后,MEMS陀螺仪数据解算的方位角累积误差由11.8562°减小到0.4725°.仿真实验分析可知,该算法可有效去除陀螺仪信号中的噪声.     

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.     

改进的卡尔曼滤波在MEMS陀螺仪信号处理的应用

针对MEMS陀螺仪的输出随机漂移误差影响测量精度的问题,提岀一种改进的卡尔曼滤波方法进行MEMS陀螺仪误差补偿。传统的卡尔曼滤波方法是针对时域内的随机序列采用统计特性进行递推估计,从而得到测量所需要的信号。本文在传统卡尔曼滤波算法的基础上引入衰减因子和差分控制项,以此自适应地估计卡尔曼滤波量测噪声方差,并结合硬件系统将该算法进行静态性能试验和动态性能试验,使用Allan方差分析法对原始陀螺仪信号以及误差补偿后的陀螺仪信号进行对比分析。对比数据结果表明,陀螺仪静态随机误差得到了有效的抑制,从而验证了该算法在陀螺仪静态数据处理方面具有一定的应用价值。     

基于卡尔曼滤波的轨道阀阀位测量方法研究

该文提出了一种基于卡尔曼的陀螺仪/霍尔组合滤波的轨道阀阀位测量方法。首先利用轨道阀阀位测量系统建立MEMS陀螺仪误差数学模型，利用轨道阀阀位测量系统建立转角解算数学模型；其次，利用MEMS陀螺仪误差模型和轨道阀转角解算模型构建卡尔曼滤波器；再次，利用二阶卡尔曼滤波算法对轨道阀转角测量数据进行数据融合；最后，通过单轴转台获取传感器原始数据与标准旋转角度，在Matlab平台上进行仿真，分析得出陀螺仪/霍尔组合滤波的阀位数据比单一陀螺仪、霍尔传感器阀位测量精度显著提高。     

深度学习下MEMS陀螺温度误差补偿方法

针对MEMS陀螺仪因材质特性,制造工艺等差异导致输出数据受温度影响的问题.本文在传统温度误差补偿的基础上,提出将深度学习与神经网络相结合,通过LSTM神经网络进行温度误差补偿,从而减小温度变化引起的陀螺的温度漂移.分析了MEMS陀螺仪的温度特性,并在RNN神经网络模型的基础上,建立多层LSTM神经网络模型,利用基于AD...