近似非线性滤波在陀螺漂移误差模型辨识中的应用

本文提出了一种基于近似非线性滤波技术的陀螺漂移误差模型辨识方法。它由三步组成:①由所获得的伺服台测试数据分离出漂移速度;②决定陀螺漂移误差模型的显著性系数,并用漂移速度曲线拟合求得这些参数的粗估计;③直接由所得测试数据求上述系数的精估计。这些方法已经成功地用于处理静电陀螺在双轴伺服台上的测试数据。文中提供了处理结果。这些结果表明,应用这些方法建立陀螺漂移误差模型是非常好的,建模残差均方根值小于1×10~(-3)度。     

基于ARMA模型的光纤陀螺随机噪声滤波方法

对光纤陀螺随机噪声的ARMA建模及卡尔曼滤波方法进行了研究。针对ARMA(Auto-Regressive and Moving Average自回归滑动平均)模型的有色噪声在状态方程中不能通过传统的状态扩充法进行白化的问题,提出了新的噪声白化方法:采用增广最小二乘法估计ARMA模型的参数,同时提取出ARMA模型中的驱动白噪声,从而可以把ARMA模型中的有色噪声项作为控制项放入系统的状态方程,通过Sage-Husa的次优无偏MAP(Maximum A Posteriori,极大后验)噪声统计估值器对系统噪声的统计特性进行估计,实现了系统噪声的白化。在此基础上应用自适应卡尔曼滤波,有效消除了误差,得到状态值的准确估计。实验结果表明,对于随机噪声的自相关和互相关特性均呈现拖尾性质的光纤陀螺,采用新方法比传统基于AR模型的Kalman滤波降噪方法滤除噪声的效果提高了10%以上。     

光纤陀螺随机漂移建模与分析

光纤陀螺精度是惯导系统精度高低与否的关键因素,而减小陀螺随机漂移是提高其精度的重要手段.对陀螺输出数据中的随机漂移建立模型,在此基础上对陀螺数据进行滤波,可以有效提高光纤陀螺的输出精度,从而提高惯导系统的精度.本文通过大量实验建立了光纤陀螺随机漂移的ARMA模型,通过有效滤波对随机漂移进行滤除,并且对滤波结果进行Allan方差分析.分析结果表明,光纤陀螺输出信号中存在的主要误差源以及正弦噪声较滤波前明显减小到50％,有效地抑制了高频噪声,验证了光纤陀螺随机漂移建立模型的正确性.本文还设计了可视化软件,具有较高的工程意义.     

光纤陀螺零漂数据滤波方法的研究

在对光纤陀螺零偏稳定性数据建立时间序列模型（ARMA模型）的基础上,采用卡尔曼滤波算法对光纤陀螺的漂移数据进行了处理,并采用Allan方差法和最小二乘法对滤波后的数据进行了处理,拟合,最后求出滤波后数据中各噪声的误差系数。     

单轴旋转调制技术对激光陀螺慢变漂移的抑制

为了提高惯导系统长时间导航精度,采用旋转调制技术将惯性器件误差调制成周期性变化信号,抑制惯导系统误差发散.首先,基于惯性测量单元的误差模型,阐述了旋转调制技术的基本原理.然后,将激光陀螺慢变漂移建模成一阶马尔可夫过程,基于一阶马尔可夫过程的自相关函数,理论分析了旋转调制技术对激光陀螺慢变漂移的抑制.最后进行了仿真与试验...     

一种用于陀螺随机漂移预测的多尺度混合建模方法

针对陀螺随机漂移时间序列由于非平稳和非线性造成单一预测模型难以准确跟踪其变化趋势的问题,提出了一种基于集合经验模态分解(EEMD)和灰色极端学习机(GELM)的多尺度混合建模方法。首先,利用集合经验模态分解将随机漂移时间序列按照频率高低分解为多个本征模式分量和一个余量;然后针对不同类型时频特性分量选择合适激活函数和隐层神经元数目的GELM分别进行预测;最后,以等权相加的方式得到最终预测结果。将该方法用于某型激光陀螺随机漂移预测中,仿真结果表明:混合预测模型能够准确预测陀螺随机漂移,预测精度比残差GM(1,1)和GELM预测模型分别提高了33.43%和23.47%,可为激光陀螺的漂移补偿、故障预报和可靠性诊断提供依据。     

基于高斯粒子滤波的陀螺ARIMA模型辨识方法

ARIMA模型是陀螺信号处理中的一种重要方法,研究ARIMA模型辨识方法对提高陀螺精度有着重要意义。针对常规ARIMA建模滤波方法应用于光纤陀螺时滤波精度较低的问题,在ARMA模型基础上建立了一种适用于中低精度光纤陀螺的非平稳随机过程的ARIMA模型,提出了基于高斯粒子滤波的光纤陀螺ARIMA模型辨识方法。将光纤陀螺的ARIMA模型辨识与状态估计相结合,构建非线性的滤波模型,利用光纤陀螺实测信号进行了实验,结果表明所提出的方法能够有效地抑制光纤陀螺随机噪声,具有较高的工程应用价值。     

激光陀螺捷联惯导系统外场快速标定新方法

针对激光陀螺具有标度因数稳定、漂移误差变化小的特点,建立了适合激光陀螺捷联惯导系统的陀螺及加速度计组件简化误差参数模型,推导出了适合激光陀螺捷联惯导系统外场快速自标定的误差模型,设计了激光陀螺捷联惯导系统9位置系统级标定方法,并通过试验验证了该方法可快速准确的标定出加速度计组件的标度因数、安装误差、零偏及激光陀螺安装误差等15个主要参数,方法简单易行。     

激光陀螺组合体自主测量船体角变形的最优估计法

根据激光陀螺组合体测量的角增量计算得到的惯性姿态匹配测量方程,结合动态变形模型和静态变形模型,构建了船体角变形测量的最优滤波器,实现了角变形的最优估计。该方法将角变形和激光陀螺的随机漂移误差近似为平稳随机过程并分别构建滤波器,静态变形建模为白噪声驱动的一阶随机游走过程,动态变形建模为二阶马尔可夫平稳随机过程。通过角速度匹配测量方程进行了角变形的观测性分析得知:动态变形的估计精度与激光陀螺的测量精度相当,静态变形的估计精度依赖于船体摇摆频率和幅度,因此最优估计法的误差主要为静态角变形模型的估计误差。仿真结果表明,通过设置合适的静态角变形模型参数,该最优估计法测量角变形的误差小于10"。     

一种基于多尺度和改进支持向量机的光纤陀螺温度漂移建模与补偿方法

为了提升光纤陀螺温度漂移模型建模的准确性及补偿的效果,提出了一种基于改进支持向量机的多尺度建模和回归方法。首先分析了造成光纤陀螺温度漂移的关键因素,给出了建模的属性参数和温度试验。然后根据经验模态分解得到的本征模态函数排列熵的变化趋势,得出了回归精度和熵之间的变化关系,进而提出了基于信号分解的多尺度回归方法。为了提高上述多尺度回归算法的适应性,在传统支持向量机的基础上,提出了基于组合核函数的支持向量机回归算法,以适应不同特性的回归数据集。为了进一步提高回归精度,基于降低回归数据复杂度的分段回归思想,在上述多尺度回归的基础上提出了双-多尺度回归,并验证了方法的有效性。最后,将提出的算法以实际的光纤陀螺温度漂移数据进行验证,结果表明,相比于传统的支持向量机和反向传播神经网络具有更好的回归精度,温度漂移模型也更加精确,以均方误差指标为例,回归精度提升了两个数量级。