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。     

三十年不断发展的MEMS惯性传感器

近三十年来,MEMS惯性传感器技术取得了巨大进步,在人类生活、工业和高端装备等方面得到了广泛应用。概述了MEMS惯性传感器在我国的发展历程与主要路线,并以车辆辅助驾驶为例,总结了国内外MEMS惯性传感技术的快速发展与典型应用情况,研判了MEMS惯性传感器正在向高可靠、集成化、高融合与智能化等方向加速发展。     

MEMS惯测技术在管道测绘系统中的应用

针对小口径管道的测绘问题,提出了一种MEMS惯测装置在小管道测绘系统中应用的方法,直接利用地标点信息为MEMS惯测装置装订初始方位,采用因子图理论对惯性/里程计组合导航信息进行处理,通过后续处理对装订误差进行修正,解决了MEMS惯测装置无法完成初始对准的问题。给出了惯性/里程计组合导航的因子图以及和积算法递推公式,并通过牵引试验对所提方法进行了验证。试验结果表明,提出的应用方法能够有效解决小口径管道的测绘问题,在100m间隔的路标点条件下,单边定位精度能够达到5cm。     

用于微小型GNC系统的电气单元集成一体化及信息快速处理技术

微小型导航、制导与控制（MGNC）集成一体化电气单元需要采集和处理的数据量较多,且算法复杂,本文采用流水线与高速串行总线技术,实现了集成一体化电气单元电路的多路、实时、同步采样。并对GNC软件中组合导航算法的Kalman滤波器进行了降维处理,车载导航试验表明该设计方法可有效提高组合导航软件的实时性与智能性,为最终提高GNC软件运行速度和效率创造了条件。     

MEMS惯性测量单元减振系统仿真分析

MEMS惯性测量单元使用MEMS仪表作为角速度和加速度传感器,该传感器对振动和冲击敏感,会引起惯性测量单元的测量误差.MEMS惯性测量单元多用于飞机、炸弹、导弹等振动环境恶劣的地方,因此减振器的设计尤为重要.减振器设计首先要明确惯性测量单元所处的振动环境,其次要明确MEMS惯性测量单元敏感的频点,最后明确惯性测量单元的质量、安装形式.设计了一种用于MEMS惯性测量单元的减振器,减振效率达75％,对振动和冲击均起到衰减的作用,衰减频带展宽,且在峰值的放大倍数低于3.5.     

大量程MEMS陀螺仪在高速旋转导弹上的应用

弹旋频率是影响旋转导弹制导精度的主要因素之一.本文提出了一种弹旋频率测量用大量程MEMS陀螺仪技术方案,开展了大量程MEMS陀螺仪在旋转导弹上的应用研究,解决了大量程MEMS陀螺仪在偏心安装、较大力学环境下提高测量精度等问题,通过了飞行试验验证,实现了旋转导弹弹旋频率的精确测量.     

电容式微机械陀螺温度特性研究及温度补偿

电容式MEMS角速率传感器零位的全温稳定性是其实用化的最重要的技术指标之一。分析了陀螺工作原理,从传感器敏感表头的空气阻尼、谐振频率等方面分析了机械结构的温度特性,得出了在全温区内驱动力与传感器零位输出的相关性。根据对陀螺表头和接口电路的温度特性分析,设计了恒定跨导高线性度的运算放大器,实现了全温低相位偏移、低幅值偏移的接口ASIC,并在高压N阱COMS工艺下流片。通过驱动力信号对零位进行温度补偿,包含了机械结构刚度和空气热阻尼等因素的影响,理论上比单独的谐振频率补偿更准确,而且驱动力信号可直接由接口电路给出,避免复杂的采样。在-40℃60℃的温度范围内进行零位温度循环测试,驱动力幅值对零位输出进行三阶拟合补偿,补偿后全温零位温度漂移小于26.7(°)/h(1σ)。     

基于支持度的MEMS陀螺信息融合方法

为了解决微机械电子系统(MEMS, micro electronic mechanical system) 惯性器件测量准确度低、噪声大、长时间单独使用导航误差积累大等缺点,提出了一种MEMS陀螺阵列结构设计,在完成微型惯性测量单元(MIMU, micro inertial measurement unit)的标定后,采用基于支持度的信息融合方法对陀螺阵列输出进行信息融合。试验结果表明：该结构设计和信息融合方法能够有效的提高MIMU的测量准确度,具有一定的工程应用价值。     

基于IFOA的MEMS加速度计无转台标定

为提高微机电系统（MEMS）加速度计的标定效率并降低对高精度转台的依赖,提出一种基于改进果蝇优化算法（IFOA）的MEMS加速度计无转台标定方法。首先,根据模观测标定法原理将加速度计标定问题转化为非线性函数优化问题。然后,针对经典果蝇优化算法存在的只能搜索正参数及搜索步长固定的不足,对味道浓度判定值及搜索步长进行改进,使改进后的算法具有全局参数搜索及可变步长2种性能,并利用Rosenbrock函数进行测试,结果表明,IFOA相比于经典果蝇优化算法具有全局参数寻优范围及更高的寻优精度。最后,将IFOA应用于求解加速度计待标定参数的非线性函数优化问题,并将结果与牛顿迭代法和粒子群优化（PSO）算法进行对比。仿真结果表明:IFOA在求解精度方面比牛顿迭代法提高了1~3个数量级;在运行稳定性方面比牛顿迭代法和PSO算法分别提高了30%和34%,在运行时间方面分别减小了15.2%和43.6%;在加速度计无转台标定方面具有良好的应用价值。      

基于模糊自适应Kalman滤波的MEMS惯导系统在线修正研究

MEMS惯性导航系统中,针对传感器零偏存在随机启动的不确定性误差,以及抗外界干扰能力低的实际问题.本文提出了一种基于模糊自适应Kalman滤波在线修正的方法,与常规Kalman滤波相比,该方法通过制定模糊规则,将残差的理论方差与实测方差迹的比值模糊化处理作为模糊推理的输入,量测方差的修正因子作为输出,实时评估系统的观测噪声,既抑制了滤波的发散又增强了估计修正过程中的稳定性.仿真结果表明:该方法能够准确的估计出系统的随机误差,并且在系统观测噪声的统计特性发生变化时,估计的精度和系统鲁棒性依然优于常规Kalman滤波.