MEMS陀螺仪随机误差滤波

针对微机电系统(MEMS,Micro Electromechanical System)陀螺仪的随机漂移,基于小波多尺度分析,利用bior1.5小波对陀螺仪的随机漂移进行深度为4的分解,重建各尺度信号,采用时间序列方法对陀螺仪各尺度随机漂移进行建模,与传统时间序列方法建模相比,降低了模型的预测误差.并构建了模糊自适应Kalman滤波,利用模糊控制方法基于残差均值与方差差值对噪声方差阵进行实时调整,提高对重建后的各尺度信号随机噪声滤波效果.通过一系列对比实验证明,基于多尺度分析的模糊自适应Kalman滤波对于消除MEMS陀螺仪随机漂移误差作用明显.通过Allan方差分析,滤波后的数据各随机误差项均得到有效减小.     

捷联式天线平台的稳定性研究

将Rudin提出的红外成像捷联稳定模型用于天线平台的稳定,并应用不变性原理,采取匹配滤波方法,提高了稳定平台的解耦精度.具体仿真结果表明:在0.5 Hz~1.0 Hz频段解耦精度提高了35 dB.同时,在考虑传感器测量噪声的情况下,对天线平台的稳定误差进行了仿真分析,结果显示,传感器测量噪声对稳定误差有较大的影响,但通过滤波稳定误差可减小50%左右.      

多环谐振微陀螺性能参数的有限元计算

多环谐振陀螺是目前最具发展前景的MEMS陀螺之一,如何快速对多环谐振陀螺进行参数优化设计成为研究热点。本文在多环谐振陀螺的基本结构的基础上,通过理论研究,发现机械灵敏度和机械热噪声的主要结构影响参数为陀螺的谐振频率、有效质量、角度增益以及品质因子。并使用COMSOL 和 MATLAB 等软件搭建了有限元计算平台,实现了对上述性能参数的有限元仿真求解,为研究环形谐振陀螺结构的性能参数和优化设计提供了有力的软件仿真工具,并且可以推广应用到研究其他陀螺器件中。     

气压对MEMS梳状线振动陀螺仪影响的研究

MEMS梳状线振动陀螺仪阻尼包括结构阻尼和流体(空气)阻尼,而对于此种结构而言,空气黏性阻尼比结构阻尼大的多.由于气压的变化会引起空气黏性系数的变化,因而会引起MEMS梳状线振动陀螺仪谐振频率、阻尼系数、零偏等参数的变化.因此,研究气压变化对MEMS梳状线振动陀螺仪的影响是非常必要的.根据MEMS梳状线振动陀螺仪的结构特点,建立了压膜阻尼和库埃特流阻尼模型及气压与阻尼的关系模型,研究了气压对两种阻尼的影响以及对MEMS梳状线振动陀螺仪输出电压的影响.通过研究分析可知,气压在小于一个大气压时对压膜阻尼系数的影响很大,进而对MEMS梳状线振动陀螺仪输出的幅值影响也较大.气压在接近或者大于一个大气压时,MEMS梳状线振动陀螺仪随着气压的变化不大,因此将此种陀螺仪的气压控制在一个大气压.     

挠性陀螺仪最优位置试验设计

采用二次曲面复合设计的试验设计思想,在D－最优准则条件下,研究了挠性陀螺仪最优位置试验设计方法。在此基础上,提出了一种最优的八位置试验方案。试验结果表明,采用该八位置试验方案估计一次项漂移系数的精度比IEEE Std 813-1988中规定的八位置试验方案估计的精度高。
     

高精度光纤陀螺高带宽信号检测方案

研究兼顾静态性能和力学环境适应性的信号检测方案是高精度光纤陀螺实用化的迫切要求.分析了高精度光纤陀螺全数字闭环信号检测过程,推导了系统的闭环传递函数.一般的基频调制使检测系统的采样周期长、带宽低,反馈不能很好地补偿因力学环境产生的高频噪声信号,会破坏系统闭环,产生较大的动态误差.设计了三倍频调制/解调数字闭环信号检测方案,使采样周期是基频调制方案的1/3,有效提高了系统带宽.两种方案的力学环境实验和静态实验结果对比说明,三倍频方案明显提高了高精度光纤陀螺的力学环境适应性,同时静态性能不受影响,能够满足实际应用的要求.      

捷联系统IMU的标定试验与数据处理

本文讲述了用精密和速率和位置转台对捷联系统ＩＭＵ进行标定的试验方法和数据处理方法。     

惯性器件结构件的材料选择

本文从惯性器件的结构设计要求出发,根据惯性器件的结构特点及使用条件的特殊性,阐述了适当选择材料应注意的特征指标参数,比较了几种常用材料的性能,介绍了新型材料——复合材料的特性及目前国内外的应用发展情况。     

2020年国外惯性技术发展与回顾

通过对IEEE惯性传感器与系统会议、MEMS国际会议、圣彼得堡组合导航会议、PLANS会议和DGON ISS会议等惯性技术相关会议文献,以及惯性技术相关机构发布的一些动态信息进行梳理,总结分析了惯性技术领域的最新发展动态,并重点介绍了光学陀螺、微机电(MEMS)陀螺和加速度计等惯性器件的发展现状,以及美国为增强定位、导...     

陀螺仪随机误差的渐进遗忘多新息Kalman滤波

MEMS陀螺仪由于小体积、低价格等优点在民用领域得到了广泛应用,但是由于工艺水平限制,MEMS陀螺仪测量数据中存在大量的随机误差。为了减小MEMS陀螺仪测量的随机误差、提高测量精度,提出了基于渐进遗忘多新息Kalman滤波的随机误差滤波方法。建立了MEMS陀螺仪随机误差的AR模型,在经典Kalman滤波中引入了多新息修正方法,并使用渐进遗忘因子削弱历史数据的积累干扰作用,从而给出了随机误差的渐进遗忘多新息Kalman滤波方法。同时,使用经典Kalman滤波和渐进遗忘多新息Kalman滤波对MEMS陀螺仪输出数据进行处理,并使用Allan方差分析各噪声含量,可知：渐进遗忘多新息Kalman滤波后的数据其QN噪声比经典Kalman滤波减小了2个数量级,ARW噪声减小了1个数量级,BI噪声减小了2个数量级,RRW噪声和RR噪声减小为原来的约1/5,实验结果验证了渐进遗忘多新息Kalman滤波在陀螺仪随机误差滤波中的先进性。