一种MEMS陀螺随机漂移的高精度建模方法

为补偿MEMS陀螺随机漂移,采用时间序列分析法对其进行自回归滑动平均（ARMA）模型辨识,提出一种滑动平均（MA）参数估计的新方法。先将陀螺随机漂移建模为带观测噪声的ARMA模型,在估计出自回归（AR）部分的参数后,针对AR滤波后的残差,推导出一种方差小的MA自协方差估计值,并将该估计值作为输入,利用Gevers-Wouters（GW）算法估计出MA部分的参数。仿真结果表明,MA参数估计精度得到提升的同时,参数估计可靠性也得到了增强。MEMS陀螺的随机漂移补偿实验进一步验证本文所提算法的补偿精度高于改进前。      

基于相关系数AR模型的陀螺随机漂移分析方法

陀螺漂移序列的均值和方差随时间不断变化,不属于传统的相关函数平稳序列,因此采用传统的平稳序列分析方法对其处理必然导致较大的误差．通过对大量陀螺漂移数据分析发现,大多数陀螺漂移序列的相关系数并不随时问的平移而变化,是时间间隔的单变量函数,因此,它们属于相关系数平稳序列．在此基础上,建立了基于相关系数AR模型的陀螺漂移分析方法．该方法首先对陀螺漂移数据是否属于相关系数平稳序列进行判别,然后采用相关系数AR模型建模并给出模型参数的估计方法,最后可根据得到的相关系数AR模型对陀螺漂移进行估计和补偿．由于相关系数平稳序列能够对陀螺漂移序列的本质特征进行描述,因此较传统方法具有更高的建模精度和补偿精度．     

光纤陀螺随机误差模型分析

陀螺仪的工作精度决定着惯性参考系统的精度,为了减小陀螺仪的误差并提高其精度,需要对陀螺仪误差进行估计与精确建模.提出应用ARMA,Allan方差分析法及功率谱密度PSD(Power Spectrum Density)分析法联合对光纤陀螺FOG(Fiber Optic Gyroscope)的误差特性及建模技术进行了研究.利用Allan方差及PSD分析法对光纤陀螺输出信号的分析,有效地分离并确定影响光纤陀螺输出性能的几种主要随机误差源,并对所建立的光纤陀螺ARMA模型和AR模型的精度进行了评估.对光纤陀螺实测数据的分析表明Allan方差分析法与PSD分析法对光纤陀螺噪声分析结果具有一致性,时序ARMA模型是建立光纤陀螺随机误差模型的一种有效方法.      

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.      

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.     

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.      

MEMS陀螺随机误差的建模与分析

为了更全面地了解微机电系统(MEMS,Micro-Electro-Mechanical Systems)陀螺仪的随机漂移误差随时间变化的特性,利用动态Allan方差分析法对MEMS陀螺仪输出信号特性进行了全面分析.首先介绍了Allan方差和动态Allan方差分析法原理,然后分别利用Allan方差分析法和动态Allan方差分析法对MEMS陀螺仪的实测数据进行了特性研究与性能分析.研究结果表明:速率斜坡、量化噪声和速率随机游走是MEMS陀螺的主要随机噪声,并且MEMS陀螺的随机漂移具有随时间变化的不稳定性.动态Allan方差不仅可以分离和辨识出MEMS陀螺的主要随机误差源,而且可以跟踪和描述信号随时间变化的稳定性,因此动态Allan方差较经典Allan方差分析法能够更全面地表征MEMS陀螺仪的性能.     

一种改进PSO-ARMA半球谐振陀螺温度误差建模方法

为减小半球谐振陀螺(HRG)在温度效应下产生的漂移,建立了温度漂移补偿模型,对与温度有关的确定性漂移进行了补偿。提出了一种改进PSO-ARMA建模方法,对不确定性漂移进行了补偿。改进的PSO-ARMA建模方法将惯性权值递减策略引入到反向学习粒子群优化(PSO)算法中,提高算法跳出局部、快速收敛的能力,在建模时利用改进的PSO算法对ARMA参数寻优,以提高模型的精度。利用半球谐振陀螺升温实验数据进行了检验,经该模型补偿后,陀螺输出精度可达0.07°/h,且较传统ARMA建模方法精度提高了一倍。      

基于EMD的MEMS陀螺仪随机漂移分析方法

为了抑制微机械电子系统（MEMS）陀螺仪的随机漂移，基于经验模态分解（EMD）和模态集合选择标准，结合时间序列建模滤波法，提出了一种改进的MEMS陀螺仪随机漂移分析方法。首先，通过EMD将MEMS陀螺仪原始数据分解为多个本征模态函数（IMF），利用模态集合选择标准将IMF分为噪声IMF、噪声与信号混合IMF和信号IMF三类；然后，对混合IMF进行重构、时间序列建模及自适应卡尔曼滤波（AKF）；最后，将3类信号重构，实现MEMS陀螺仪信号去噪。实验表明:所提方法有更好的去噪效果和实时性，提高了MEMS陀螺仪的使用精度。      

陀螺漂移随机模型试验研究

初步总结了研制的 YT-1型液浮速率积分陀螺进行的漂移随机模型试验,为卫星的姿控系统提供实时控制的随机数学模型。     

超磁致伸缩作动器小回线动态J-A模型

超磁致伸缩作动器（GMA）输入输出之间存在着磁滞非线性关系,当研究其中高频输出特性时,为了降低材料自身迟滞非线性特性的影响,往往选用零点与饱和状态之间线性度较好的不饱和小回线,因此很有必要开展动态不饱和小回线数学模型的研究。首先在综合研究磁致伸缩材料（GMM）和GMA结构动力学特性的基础上结合安培环路定理提出以励磁电流为输入、应变为输出的动态Jiles-Atherton（J-A）模型,然后在引入磁滞回线特性变量的基础上得出J-A模型关键模型参数对其特性的影响规律,根据不饱和小回线仿真与实验波形的偏离特性提出模型参数的修正方法得到不饱和小回线动态J-A模型。最后,在不同频率和不同饱和幅值下通过实验验证该数学模型的正确性。      

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.     

GPS/INS超紧组合载波跟踪环路最优带宽在线设计

在全球定位系统和惯性导航系统组成的超紧耦合系统中,卫星信号的跟踪性能直接取决于载波跟踪环路的带宽。为提高最优带宽的计算精度,在对惯导辅助下载波跟踪环路跟踪特性进行分析的基础上,详细推导了载波多普勒频率估计误差、多普勒频率变化率估计误差的计算方式,建立了惯导辅助下的环路跟踪误差模型;在实时估计跟踪载噪比的基础上,应用离散牛顿二阶梯度法迭代解算最优带宽,并进行实时调整。仿真结果表明,所设计最优带宽迭代解算方法的计算精度能够在11次迭代内达到99.6%,以此作为环路的带宽,能够在弱信号、辅助信息精度较低的情况下有效提高环路的跟踪精度。     

旋转式光纤陀螺惯导系统随机误差抑制技术

采用旋转调制技术能够有效降低陀螺常值漂移和加速度计常值零偏对导航系统精度的影响,但其对陀螺随机漂移和噪声几乎没有抑制作用.惯导系统在随机干扰的作用下输出误差将发散,影响系统长时间的导航定位能力.通过对抑制随机干扰误差的阻尼技术进行研究,提出一种具有阻尼特性的旋转式光纤陀螺惯导系统,利用阻尼技术抑制随机干扰对导航系统精度的影响.从仿真结果可以看出,具有阻尼特性的单轴旋转光纤陀螺惯导系统精度提高1倍以上.当系统采用更高精度的惯性仪表时,随机误差的阻尼抑制效果将更明显.     

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。