光纤陀螺温度影响与误差补偿

温度性能是光纤陀螺工程化面临的难题之一,建立温度模型是提高光纤陀螺温度性能的有效方法.从理论上推导了光纤陀螺零偏、标度因数温度误差是由于热作用于光纤环导致光路非互易性所引起.分析了光纤陀螺热源产生的两个主要原因:光纤陀螺内部有源器件工作过程中产生的热;外界环境温度变化引起光纤环内部温度场分布变化.二者对光纤陀螺的影响是随机的,引起的光纤陀螺零偏漂移和标度因数误差可以通过建立温度模型进行补偿.采用线性回归方法,建立了光纤陀螺零偏温度漂移模型和标度因数温度模型,对光纤陀螺输出数据进行补偿,有效改善了光纤陀螺温度性能,实验验证了模型的正确型和补偿算法的有效性.      

光纤陀螺零偏温度误差补偿方法分析

根据光纤陀螺光纤环受温度效应影响的机理，分析了光纤陀螺零偏产生温度误差的原因，提出了光纤陀螺基于光纤环附近多点温度的误差补偿方法，建立光纤陀螺零偏随光纤环附近多点温度及温度变化率变化的数学补偿模型。根据全温温度实验，分析光纤陀螺零偏随温度变化的规律，确定补偿模型的补偿系数，对光纤陀螺零偏进行温度误差补偿。并将多点温度补偿方法与传统的基于单点温度补偿方案的补偿效果进行对比分析。结果表明，基于两点及以上温度的温度误差补偿模型能将全温零偏稳定性降低2个数量级，全温极差降低1个数量级，优于基于单点类的温度补偿方案，且具有很高的工程应用价值。     

基于BP神经网络的高精度陀螺恒流源补偿方法

为了提高陀螺恒流源精度,提出一种基于BP神经网络的陀螺恒流源补偿方法.采用BP神经网络训练恒流源控制指令与恒流源输出之间的非线性映射稳态模型,以实时估计恒流源输出偏差.设计恒流源控制指令补偿判据,当输出偏差超出设定裕度时,按比例对恒流源控制指令值进行实时补偿,使得恒流源输出更接近控制目标值,以实现更优的精度.通过实物在回路仿真验证了上述方案的有效性,并通过与传统对控制指令进行分段线性标定方法相比较,显示了上述方案的恒流控制优势.     

卫星用光纤陀螺三轴组合的关键技术

研究了空间环境对光纤陀螺各项指标的影响,设计了一种新颖的卫星用光纤陀螺三轴组合.针对空间辐射、温度循环和真空环境对光纤陀螺的影响进行了模拟实验,通过分析实验数据得到了空间环境对光纤陀螺主要参数的影响机理.利用最小二乘滤波的方法建立了偏置误差模型,利用查表法建立了标度因数误差模型,并用现场可编程门阵列(FPGA)实时进行零偏和标度因数补偿,补偿后陀螺输出零偏稳定性为0.1(°)/h.同时详细分析了陀螺在空间低角速度环境下产生死区的原因,并利用周期相位扰动调制的方法消除了死区.在卫星用光纤陀螺三轴组合的设计中,实现了光源复用和冗余、空间主动和被动防护措施、在轨故障诊断等技术.      

光纤陀螺随机漂移误差补偿适用性方法

针对传统方法在建立时间序列模型基础上应用卡尔曼滤波器去除陀螺随机噪声误差的缺陷,提出了一种适于在线补偿光纤陀螺FOG(Fiber Optic Gyrosope)随机误差的滤波方法.当建立的时间序列模型系数出现偏差时,通过引入虚拟噪声,来补偿滤波过程由于系统模型时变和未知噪声而引入的误差,实现了对陀螺随机漂移误差的高精度滤波处理.其次,利用Allan 方差分析法分离并确定了光纤陀螺的主要随机误差源,并对建立的光纤陀螺时间序列模型及滤波方法的适用性及精度进行了评估.通过对光纤陀螺实测数据的分析表明,速率斜坡、速率随机游走和零偏稳定性为FOG的主要随机噪声,所提出的自适应滤波算法能够适应陀螺漂移的时变特点,是一种有效的去除光纤陀螺随机漂移噪声方法.      

基于AR模型光纤陀螺温度建模方法研究

针对光纤陀螺随机误差信号特点,在分析其一般时间序列模型的基础上,将AR建模方法运用于随机误差信号的建模,得到陀螺随温度变化的真实趋势,然后利用数学方法建立陀螺的动态温度误差模型,对陀螺的输出进行实时补偿.经过仿真分析表明,通过以上方法的处理后,陀螺在-20℃～50℃全温范围内的零偏极差不超过0.2(°)/h,大幅度提高了陀螺的精度性能.     

半球谐振陀螺零偏温度漂移的自补偿

摘要： 针对半球谐振陀螺零偏受温度影响容易发生漂移的问题,提出一种基于陀螺自身谐振频率的自补偿方法.通过分析陀螺谐振频率与温度的关系特性说明陀螺谐振频率用作温度信息进行补偿的可行性,建立陀螺零偏的温度补偿模型及方案,采集陀螺驱动回路的谐振频率对零偏进行实时补偿.此方案中,陀螺谐振频率检测的分辨率为0.03 Hz,对应的温度分辨率为0.075 ℃,在-10 ℃～60 ℃温度范围内,陀螺的零偏漂移由补偿前的30（°）/h降低到2.8（°）/h.实验结果证明该方案的有效性.     

光纤陀螺随机漂移模型

随机漂移是光纤陀螺的主要误差,建立数学模型在输出中补偿是抑制该项误差、提高光纤陀螺精度的有效方法.光纤陀螺静态输出为随机过程,对该随机过程的平稳性和正态性进行分析,拟合趋势项、周期项并补偿,使其成为平稳随机序列.采用时间序列分析法建立光纤陀螺随机漂移模型,根据随机漂移自相关和偏相关系数的特性辨识模型的类型和阶数,利用最小二乘方法估计模型参数,得到光纤陀螺随机漂移模型为AR(2).对陀螺输出数据补偿,检验模型的适用性.结果表明,该模型具有很好的适用性,能够有效抑制随机漂移,提高光纤陀螺精度,可以作为惯导系统卡尔曼滤波器状态变量的数学模型.      

光源光谱对干涉式光纤陀螺零漂的影响

以采用Y波导集成光学调制器的保偏型干涉式光纤陀螺(IFOG,Interference Fiber Optic Gyroscopes)为研究对象,根据各光学元器件的参数,建立了各器件的琼斯矩阵以及光路传输模型,在此基础上进行了光路偏振误差的理论分析.通过推导,得到了保偏型干涉式光纤陀螺的偏振误差表达式.首次借助光源偏振度的改变,分析了不同形状的光源光谱对偏振模式耦合误差引起的陀螺零漂的影响.通过计算得出,当光源的偏振度在0~3%之间呈线性变化以及光路中其它参数不变时,谱宽较窄的光谱引起的零漂较大,谱宽较宽的光谱引起的零漂较小.仿真结果给光纤陀螺光源光谱的选择提供了理论依据.      

基于相关向量机的MEMS加速度计零偏温漂补偿

应用相关向量机（RVM,Relevance Vector Machine）回归预测方法建立了基于RVM的零偏温漂预测补偿模型,利用温度值和温升速率作为输入可预测不同温变过程下的加速度计零偏温漂,探讨了不同训练样本数量、核函数类型和不同的核函数宽度对预测补偿效果的影响,最后应用环境温度试验数据对模型进行检验和验证.结果表明：基于RVM的零偏温漂预测补偿模型能够有效的预测微机械（MEMS,Micro Electro Mechanical Systems）加速度计零偏温漂,模型预测的均方根误差小于1%,补偿后滞环误差最大由0.06g缩减为0.015g.     

基于改进极限学习机的光谱定量建模方法

依据近红外光谱(NIR)产生原理,提出了粒子群优化极限学习机(PSO-ELM)算法,运用于小样本氨水浓度定量分析。通过优化极限学习机(ELM)隐藏节点参数,解决了极限学习机由于输入权值和隐含层偏差随机产生的建模结果具有随机性的问题,提高了预测模型的稳定性、精确度和泛化性能。经实验验证,优化后的PSO-ELM相比ELM,模型预测集均方根误差由0.01166减小至0.00322,预测集相关系数由0.9951提高至0.9979。将优化后的模型预测结果与支持向量机(SVM)、BP神经网络算法等传统方法的建模结果进行对比,优化后的PSO-ELM算法具有较高的精确度和良好的泛化性能,模型预测效果优于传统的定量回归分析算法。     

基于PSO-BP神经网络的平流层风场短期快速预测

平流层风场环境对临近空间低速飞行器驻空飞行性能有重要影响。研究了基于PSO-BP神经网络的平流层区域风场建模与快速预测方法,根据历史风场数据,采用主成分分析法对数据进行降维处理,通过BP神经网络对风场进行预测建模,利用粒子群优化（PSO）算法对其进行优化,采用Biharmonic样条曲面插值方法构建区域预测风场。以南海地区5年历史风场为对象,对比分析了基于BP神经网络和基于PSO-BP神经网络的风场预测模型,结果表明:使用具有全局寻优特性的PSO算法改进BP神经网络,能够有效避免传统BP神经网络易陷入局部最优的缺点,提高预测精度;通过结合PSO-BP神经网络预测与Biharmonic样条曲面插值,可实现区域风场的预测。研究结果可为临近空间低速飞行器的轨迹规划与区域驻留等任务的高精度区域快速预报风场提供解决途径。      

基于GA-SVM的GNSS-IR土壤湿度反演方法

针对提高大范围土壤湿度测量精度的问题,研究了土壤湿度的全球卫星导航系统干涉测量法（GNSS-IR）,提出了一种基于支持向量机（SVM）的土壤湿度反演模型,利用遗传算法（GA）的自动寻优功能寻找SVM的最佳参数。结果表明,GA-SVM模型在测试集上得到的土壤湿度反演值与实测值的平均绝对百分比误差（MAPE）仅为0.69%,最大相对误差（MRE）为1.22%,线性回归方程决定系数达到了0.956 9。进一步与统计回归、粒子群优化的SVM模型（PSO-SVM）及反向传播（BP）神经网络方法进行对比,结果说明:在样本数目有限的情况下,GA-SVM方法更适用于土壤湿度的GNSS-IR技术反演,且反演精度较高,泛化性能良好。      

利用BP神经网络对卫星无热敏设备温度的估测

卫星上测温资源有限，只有部分设备有测温点，难以准确获得其他无测温点设备的温度。基于反向传播（BP）神经网络对复杂非线性系统优秀的拟合能力，建立了估测卫星上无测温点设备温度的神经网络，以在轨有测温点设备温度为输入层，以在轨无测温点设备为输出层，并使用卫星热试验获得的星上温度遥测数据和在轨无测温点设备的热电偶温度数据进行训练和测试。测试结果表明，所建立的神经网络估测精度在1℃以内，可以用来精确估测卫星无测温点设备的温度。针对学习样本对估测误差之间关系进行了研究，计算表明，学习样本的多样性和大数据量能够显著减小估测误差。     

一种高精度角速率圆锥补偿算法

以角速率信号作为算法输入时,采用以往常用的圆锥补偿算法,算法误差明显增大.鉴于光纤陀螺角速率信号可以直接获取,提出了一种以角速率信号作为圆锥补偿算法输入的新补偿算法.在姿态更新周期内,以光纤陀螺角速率信号作为输入,求得陀螺角速率输出的表达式,结合旋转矢量微分方程,推导出新圆锥补偿算法表达式,然后以算法漂移误差最小对新算法进行优化.采用规则进动、典型的圆锥运动以及有噪声干扰的圆锥运动作为测试输入,通过与传统算法的对比,新算法计算量低、计算简单方便,算法精度高.新算法的提出为高动态环境下光纤陀螺捷联系统的姿态误差补偿提供了一个新的思路.     

基于相关分析和组合神经网络的退化预测

产品剩余寿命预测是加速退化试验和故障预测与健康管理两大热点领域中的关键技术之一.为了解决复杂退化的预测问题,提出了一种新型预测方法,对退化轨迹能够实现较长距离的预测.此方法首先对复杂退化数据进行小波变换,通过Durbin-Watson方法和偏相关图分析各级分解序列的自相关性,最后根据序列的特点,组合BP(Back Propagation)和小波神经网络对退化轨迹进行预测.为了验证所提组合神经网络方法的有效性,采用小波神经网络的预测结果进行对比分析.实际退化数据的预测结果表明,所提方法比单独采用小波神经网络,具有更小的均方差(MSE,Mean Square Error),对剩余寿命(RUL,Remaining Useful Life)也具有更高的预测精度.