基于SHAKF滤波器的MEMS陀螺随机误差建模补偿

MEMS陀螺随机漂移误差是制约惯性导航精度的关键因素。本文针对标准kalman滤波器陀螺漂移处理方法中,随机动态系统的结构参数和噪声统计特性参数不准确的问题,采用自适应SHAKF(Sage-Husa Adaptive Kalman Filter)滤波器进行参数实时估计,提高陀螺漂移精度。基于此思想,建立了ARMA随机误差模型,搭建了MEMS陀螺组件实验系统,通过高精度三轴转台静态测试采集陀螺数据。Aallan方差分析表明,零偏不稳定性经线性KF滤波后提升17.4%,经自适应SHAKF滤波后提升26.2%。     

基于Kalman滤波器的MEMS陀螺随机误差分析与建模补偿

MEMS陀螺随机漂移是影响MEMS惯性导航精度的主要原因。为提高MEMS陀螺使用精度,本文通过时间序列分析方法,建立MEMS陀螺角速率信号ARMA模型,进而利用线性KF(Kalman Filter)滤波方法处理陀螺角速率信号。本文通过搭建MEMS陀螺组件,进行三轴精密转台实验,将得采存陀螺信号进行KF滤波处理。利用Allan方差分析滤波前后MEMS陀螺角速率信号,结果表明陀螺仪零偏不稳定性经KF滤波后提升18.7%。     

激光陀螺随机误差建模方法研究

随机误差是陀螺的主要误差。为了减小随机误差对激光陀螺精度的影响。介绍了依据激光陀螺漂移数据建立时间序列模型的方法并进行了建模实验,并在此基础上采用卡尔曼滤波算法对激光陀螺的漂移数据进行了处理,取得了较好的效果。结果表明,此方法能有效地抑制激光陀螺的随机误差,提高激光陀螺的精度。     

光纤陀螺随机误差的滤波研究

光纤陀螺作为捷联式惯性导航系统主要元件应有足够高的精度，但仅从硬件方面提高光纤陀螺的精度会极大地增加光纤陀螺的成本，就工程角度而言是不经济的；因此，从软件方面提高光纤陀螺的精度便显得极其重要，本文采用最优线性滤波算法对某型光纤陀螺的静态测试数据进行处理。     

基于角速度估计的MEMS陀螺随机误差动态滤波方法

针对MEMS陀螺仪受随机误差影响较大需要进行滤波处理,采用时间序列分析法建立的随机误差模型无法直接用于动态条件下滤波的问题,提出了一种基于角速度估计的随机误差动态滤波方法.首先,采用时间序列分析法对MEMS陀螺仪随机误差进行分析与模型构建;然后,将角速度估计假设模型建模为三维线性模型,并与陀螺仪随机误差模型结合构建动态滤波模型;最后,采用强跟踪卡尔曼滤波方法直接估计出角速度值以实现对随机误差滤波,并进行试验验证.结果表明:无论是静态还是动态条件下,该滤波方法估计的角速度值精度均较高,可以有效降低MEMS陀螺仪的随机误差,提升MEMS陀螺仪精度.     

基于改进总方差法的MEMS陀螺随机误差分析

对陀螺仪随机误差的分析通常采用Allan方差法,但用该方法分析随机误差时,存在长相关时间下震荡较大的问题,传统总方差法解决了这一缺陷,但同时也带来了计算量大的问题.为了解决这一问题,首先介绍了3种采样方案,在分析Allan方差法和传统总方差法的基础上,提出了改进的总方差法,并对MEMS陀螺随机误差进行分析.分析结果表明...     

MEMS陀螺的抗野值自适应滤波降噪方法

针对微机电系统(MEMS)陀螺随机漂移较大及量测信息中野值对滤波的不利影响,提出了一种抗野值自适应滤波降噪方法。该方法采用Allan方差信息估计量测噪声方差参数,避免了Kalman滤波器与量测噪声估值器之间的相互关联,能有效抑制滤波发散。在此基础上引入新息抗野值算法,通过修正新息去除野值的不利影响,增强对随机漂移的滤波效果。实测数据试验结果表明,采用该文方法滤波后的MEMS陀螺输出信号均方差及角度随机游走都比滤波前明显降低,验证了提出的滤波方法在MEMS陀螺降噪中的有效性。     

光纤陀螺随机误差的DDS建模方法研究

光纤陀螺漂移具有弱非线性和弱时变的特点。为了更准确的描述这种特性,介绍了非平稳时间序列的DDS建模方法,并对光纤陀螺随机误差进行建模。通过对建模结果的脉冲响应分析,表明DDS建模法可以准确对光纤陀螺随机误差进行建模,并分离出随机误差中的随机斜坡项,可以实现对光纤陀螺随机误差更精确的补偿。     

基于状态扩增的MEMS陀螺随机误差实时滤波研究

针对一般民用MEMS陀螺仪精度较低的缺点以及传统MEMS随机误差时间序列建模需进行零均值化处理且不能进行在线处理建模的问题,提出一种基于状态扩增的随机误差实时滤波方法,将时间序列的均值作为未知数,给ARMA模型增加一个截距项,并利用该模型采用扩增状态的方法设计卡尔曼滤波及自适应卡尔曼滤波器,使得测量数据不需满足零均值的条件。静态及摇摆试验表明,所提方法能大幅提高MEMS陀螺仪精度。     

BPNN辅助KF的MEMS陀螺仪数据处理方法

针对微机电系统(MEMS)陀螺仪数据误差建模不精确或无法给出模型的情况,提出了误差反馈（BP）神经网络辅助卡尔曼滤波对陀螺仪数据进行降噪处理的方法。分析卡尔曼滤波器的系统噪声方差Q矩阵可知,当模型不精确时可通过Q补偿。基于BP神经网络优化Q值原理,首先把采集到的MEMS陀螺仪数据输入卡尔曼滤波器得到Q;再把新息、滤波增益、量测噪声方差输入神经网络,把Q作为神经网络的输出,神经网络优化系统噪声协方差矩阵得到Q*;最后将Q*作为卡尔曼滤波算法系统噪声方差矩阵。实验结果表明,在建模不精确的情况下该方法也能有效提高陀螺仪的精度。     

一种新的MEMS陀螺温度误差建模与补偿方法

为了减少温度对微机电系统(MEMS)陀螺仪测量精度的影响,改进了一种不需要测量温度的MEMS陀螺温度误差建模与补偿方法。该方法首先通过多项式拟合得到MEMS陀螺全温区零偏与温度的多项式模型,并根据最小二乘法原理确定模型阶数,然后通过分析温度对驱动轴相位的影响,得到驱动轴相位的温度模型,最后得到零偏与驱动轴相位的多项式拟合模型并针对该模型对陀螺零偏进行补偿。实验结果表明,该方法能降低温度造成的陀螺误差,提高MEMS陀螺的使用精度。     

石英微机电陀螺的机械耦合误差研究

石英微机电陀螺是一种利用科里奥利(Coriolis)效应的振动陀螺,工作时敏感芯片处于谐振状态,机械耦合误差是其主要误差源。分析了敏感芯片机械耦合误差因素,提出了驱动与检测模态解耦设计、振动隔离设计及轴对称质量平衡设计改进方案,实验结果表明,通过改进设计,有效抑制了敏感芯片机械耦合误差,提高了陀螺的精度及环境适应性。     

MEMS陀螺仪的一种实用标定法

主要介绍了一种微机械系统(MEMS)陀螺仪的速率标定法,根据MEMS陀螺仪的输出数学模型,详细推导了如何得到MEMS陀螺仪的输出数学模型中的零漂、刻度因数和安装误差,并在得到其标定系数后将其封装在C函数中进行验证实验.通过实验数据分析可知,MEMS陀螺仪速率标定法原理简单,易于实现,且精度较高.此标定法所得到的MEMS陀螺仪输出数学模型能较准确地反映其输出,且MEMS陀螺仪的线性度有所改善.     

基于超前-滞后校正的微机械陀螺正交误差补偿

提出了一种基于超前-滞后校正的微机械陀螺正交误差补偿方法。根据振动式陀螺仪的驱动模态和检测模态运动特征,推导了包含正交误差的陀螺系统动力学方程,提出了一种正交误差闭环反馈回路。运用超前-滞后校正,设计了闭环控制环节,将正交误差输出补偿到陀螺表头传感元件;同时,在陀螺仪接口电路部分,设计了由正交输出量控制的VGA模块,进一步补偿正交误差。结果表明,提出的超前-滞后闭环补偿回路相比于PID控制器,响应速度更快,稳定性更好,陀螺的正交稳态误差从23.5 mV减小到0.41 mV,误差补偿效果明显,有效提高了陀螺的测量精度。     

非高斯系统下卡尔曼滤波算法误差性能分析

针对非高斯噪声对卡尔曼滤波误差性能存在影响的问题,通过计算不同分布之间信息距离的方法来度量噪声分布序列的非高斯程度。分别针对符合高斯分布、均匀分布、伽马分布、瑞利分布的随机噪声序列,在噪声均值和方差相同的条件下,采用卡尔曼滤波算法进行仿真实验,考察其滤波结果的误差性能。实验结果表明:上述三种非高斯分布的非高斯程度不同;非高斯系统和高斯系统滤波结果的误差性能基本一致。     

局域均值分解在MEMS陀螺随机误差消噪上的应用

针对标准Kalman滤波需要建立准确的系统模型、小波阈值降噪对小波基和阈值的选取依赖于经验的不足,将局域均值分解(LMD)方法引入MEMS陀螺的随机误差滤波.该方法可自适应地将随机误差信号分解为若干PF分量之和,且对各分量进行小波降噪处理,将处理后的各分量相加得到降噪信号.实验分析表明该滤波方法效果明显.