数字闭环光纤陀螺温度误差分析

分析了数字闭环光纤陀螺温度误差的来源,指出温度误差主要包括温度噪声、标度因数漂移、偏置漂移.提出一种基于离散小波变换的分离陀螺温度噪声和温度漂移的方法,利用该方法对测试数据进行了分析,证实了在零偏稳定性大于0.3(°)/h的光纤陀螺中,温度漂移是主要温度误差.将简化的光纤陀螺等效相位模型与温度敏感参数模型结合得到光纤陀螺温度漂移误差分布模型,利用该模型分析了影响温度漂移误差的各因素,并对主要因素进行了测试和分析.最后总结了抑制温度漂移误差的几点措施.     

基于RBF神经网络的数字闭环光纤陀螺温度误差补偿

为了消除数字闭环光纤陀螺温度误差,设计了基于径向基函数（RBF）神经网络的温度误差补偿方案,对该方案所采用的标度因数误差模型和偏置误差模型进行了研究。首先,根据光纤陀螺的温度误差分布情况设计了标度因数误差和偏置误差联合补偿的方案。接着,将基于多尺度分析的噪声和趋势项分离算法应用于建模数据预处理,以提高建模数据准确性。然后,建立了RBF神经网络模型,并改进模型的学习方法以防止网络的过拟合。最后,讨论了模型输入向量对神经网络规模的影响。温度补偿的结果表明：标度因数误差模型的残差均方（RMS）达到0.73 ,偏置误差模型的RMS达到0.051 。该建模方法可以满足中、高精度光纤陀螺实时温度补偿的要求。