改进的MEMS陀螺随机噪声自适应Kalman实时滤波方法

针对微机电系统陀螺易受环境影响和稳定性能较差,导致建立的随机漂移模型参数和随机噪声统计特性变化的问题,提出了一种改进的指数渐消记忆自适应Kalman实时滤波方法。通过分析实测数据确定随机漂移自回归滑动平均模型阶数,在此基础上利用递推最小二乘法对模型参数进行实时更新。根据陀螺噪声参数特点,提出了基于渐消记忆因子的Allan方差分析法和Sage-Husa自适应滤波算法同时对Q和R进行参数估计的实时滤波方法,避免了系统状态估计和量测噪声参数估计的相互耦合和制约。实验结果表明:相比标准Kalman滤波补偿方法及传统的固定Q阵只对R阵做自适应估计的滤波方法,本文方法能够更加有效地对MEMS陀螺随机漂移误差进行实时补偿,具有较好的适应性和稳定性。     

MEMS陀螺随机误差特性研究及补偿

为了提高MEMS陀螺输出角速度的精度,采用Allan分析法以及Kalman滤波算法对MEMS陀螺仪进行随机误差分析和补偿。由Allan方差分析陀螺的输出数据,对Allan方差进行最小二乘法拟合,得到各项随机噪声的定量评价指标;对陀螺的输出数据使用AR模型进行数学建模,采用AIC准则确定了AR模型的阶次,建立了陀螺零漂数据的离散时间表达式;在AR模型所建立的陀螺随机误差模型的基础上,设计了Kalman滤波器,对陀螺输出数据使用Kalman算法进行了滤波处理,对陀螺的随机误差进行了补偿;通过Allan方差对Kalman算法对陀螺随机误差的补偿效果进行分析。实验结果表明:角速率随机游走Kalman滤波前为槡0.148 7°/h~(1/2),Kalman滤波补偿后为槡0.004 1°/h~(1/2),,通过补偿可减小97.24%的角速率随机游走误差;零偏不稳定性Kalman滤波前为1.940 8°/h,Kalman滤波补偿后为0.054 2°/h,通过补偿可减小97.21%的零偏不稳定性误差;速率随机游走Kalman滤波前为2.698 5°/h~(3/2),Kalman滤波补偿后为0.334 3°/h~(3/2),通过补偿可减小87.61%的速率随机游走误差。Kalman滤波适用于MEMS陀螺的滤波处理,可有效降低陀螺的随机误差。     

基于Allan方差的MEMS陀螺随机误差建模

针对由于MEMS陀螺随机误差较大而影响MEMS惯性测量系统测量精度的问题,提出一种利用Allan方差分析随机误差并建模的方法。在分析Allan方差原理的基础上,通过Allan方差分析法分离和辨识了MEMS陀螺仪的各项随机误差以及误差系数,并利用随机误差系数进行了数学建模。通过与ARMA模型比较,表明利用Allan方差建立的模型更加精确。该方法为MEMS惯性导航系统中姿态测量的误差补偿和滤波提供了新的思路,对提高MEMS惯性测量系统的测量精度具有一定的实际应用价值。     

基于递阶模糊聚类的混沌时间序列预测

提出一种新的基于递阶模糊聚类系统的模糊建模方法.目的在于通过一系列的步骤优化T-S模糊模型结构，实现非线性系统的建模和预测.首先利用最近邻聚类法初始划分输入空间，得到规则数及初始聚类中心，用模糊C均值算法(FCM)进一步优化聚类中心；然后利用加权最小二乘法估计模糊模型的初始参数，进一步利用带遗忘因子的递推最小二乘法优化结论参数.采用该方法对Mackey-Glass混沌时间序列进行预测实验，结果表明可以对Mackey-Glass混沌时间序列进行准确建模和预测，证明了本方法的有效性. 关键词： 递阶模糊聚类 模糊建模 混沌时间序列 最小二乘     

单轴旋转惯导系统轴向陀螺漂移预测方法

轴向陀螺漂移是影响单轴旋转惯导系统导航精度的主要因素。对于轴向陀螺漂移的预测,提出了一种基于支持向量机的算法。利用初始对准12 h内系统纬度误差和温度变化量作为训练数据,构造了以多项式、径向基、小波函数为核函数的支持向量机、最小二乘支持向量机、遗忘因子最小二乘支持向量机,对比了它们用于轴向陀螺漂移预测的泛化性能。试验结果表明:遗忘因子最小二乘支持向量机可有效地用于轴向陀螺漂移预测,具有很高的预测精度,极大地提高了单轴旋转激光陀螺惯导系统的导航精度。     

基于Allan方差的光纤陀螺随机漂移建模与仿真

随机漂移是影响光纤陀螺精度的主要因素之一,建立陀螺随机漂移模型以便在滤波时加以修正是提高系统精度的有效方法。针对传统随机漂移模型建模耗时长、过敏感等问题,提出基于Allan方差的光纤陀螺随机漂移模型。通过各噪声项的功率谱密度函数推导出随机微分方程,用Allan方差分析出光纤陀螺各噪声项量化参数,将量化参数代入以单位白噪声驱动的随机微分方程,得到随机漂移模型。实验结果表明,该模型拟合出的随机漂移单项噪声误差不超过8.6％,远低于传统模型产生的单项噪声误差58.3％,是一种有效的光纤陀螺随机漂移建模方法。     

基于鲁棒模糊聚类的混沌时间序列预测

采用一种基于鲁棒模糊聚类算法的模糊辨识方法,通过引入局部划分关联度因子,增强了系统辨识的抗干扰能力,提高了系统辨识的鲁棒性.首先用最近邻模糊聚类法划分初始输入空间,得到模糊规则数及初始聚类中心;然后用鲁棒模糊聚类算法求解并优化模糊隶属度和聚类中心,建立高精度的T-S模糊模型;最后利用最小二乘法辨识模型的初始结论参数,进一步利用带遗忘因子的递推最小二乘法优化结论参数.采用该方法对Mackey-Glass混沌时间序列进行建模和预测,仿真结果表明利用本方法可以进行准确建模和预测,验证了本方法的鲁棒性、有效性和实 关键词： 最近邻模糊聚类 鲁棒模糊聚类 混沌时间序列 最小二乘法     

光纤陀螺热致漂移分析及算法补偿技术研究

通过对光纤陀螺温度漂移的剖析推导,分析了温度扰动引起陀螺漂移误差的深层次原因,并结合过程相关性理论,对各个温度项影响因子与光纤陀螺实际输出相关性进行验证分析,提出一种同时考虑温度、温变速率、温度梯度以及三者乘积耦合项的算法补偿模型。对该模型的补偿效果进行离线补偿验证,结果表明,采用该算法补偿模型能明显抑制光纤陀螺的变温零漂。为了进一步验证该模型的有效性,把离线获得的补偿参数载入陀螺存储器,经过多样本实验测试,补偿后可有效提高光纤陀螺的全变温零偏稳定性,验证了该补偿算法在工程上的可实施性和推广价值。     

光纤陀螺随机漂移测试及分析

要实现光纤陀螺在高精度惯性导航领域的应用,抑制随机漂移是需解决的一个重要问题。光纤陀螺的随机漂移包含不同分量,分析不同的分量的特性及其产生的根源,是进行补偿的前提。设计了光纤陀螺数据采集系统,采集了光纤陀螺静态数据。应用Allan方差法,求出了光纤陀螺随机漂移中的噪声分量,并分析了各项噪声来源、特性,指出了抑制噪声方法。     

一种改进的MEMS陀螺信号去噪方法研究

 从工程实用的角度出发,探讨了MEMS陀螺仪随机漂移误差的有效补偿方法。根据小波阈值去噪原理,结合多项式函数插值法提出了一种MEMS陀螺仪输出信号的有效去噪补偿方法,克服了传统软、硬阈值去噪方法的缺陷,通过对MEMS陀螺数据分析研究,验证了该方法对于MEMS陀螺输出信号滤波消噪的优越性。     

光纤陀螺随机噪声滤波分析

高精度光电稳定跟踪平台基准轴抖动或者缓慢漂移通常使得光纤陀螺(FOG)的输出信号中含有随机噪声。针对这一特点,通过对工程中实际采用的光纤陀螺实测数据进行时间序列分析,运用递推最小二乘法建立了噪声模型,并对其进行自适应卡尔曼(Kalman)滤波处理。通过Allan方差法分析结果表明,使用只对观测噪声协方差R阵进行自适应的Kalman算法滤波效果明显优于普通Kalman算法,且加入的计算量小,实时性能优于Saga-Huga自适应Kalman算法,对提高光电稳定跟踪平台性能有一定的实用价值。     

Hénon混沌系统的自适应预测函数控制快速算法

提出了一种带有预测函数的Hénon 混沌系统的广义预测控制快速算法.首先用时变遗忘因子的递推最小二乘方法辨识混沌系统,然后在广义预测控制的基础上引入了预测函数控制方法,并充分利用了预测信息的补偿作用.这种算法克服了广义预测控制中求解逆矩阵的缺点,提高了系统响应的速度,并且具有较强的跟踪给定信号、抑制系统参数摄动和随机噪声的能力.仿真结果验证了该方法的有效性. 关键词： 广义预测控制 预测函数 Hénon 混沌系统 参数辨识     

光电转台复合精密角度测量理论

针对传统编码器测角系统分辨率低、量化噪音大和测速误差高等缺点,提出一种基于光纤陀螺和编码器的融合测角算法.首先,在一个滑动窗口利用编码器角度值和光纤陀螺速率积分值的差值信号,通过最小二乘法实时地估计出光纤陀螺的速率漂移;其次,使用补偿后的角速度信号和编码器角度信号,通过一定融合算法进行角度估计;最后,对所提算法进行数学仿真和实验验证.仿真和实验结果显示:测角准确度的仿真值和实验值分别由1.2″和1.1″提高到0.17″和0.76″,角速度测量准确度的实验值从0.002°·s-1提高到0.001°·s-1,在避免光纤陀螺角速度漂移问题的同时有效提高了系统的角度和角速度测量准确度.     

光纤陀螺静态温度综合误差建模及补偿

针对光纤陀螺温度稳定性低、受环境温度影响参数变化,导致使用精度不高的问题,提出了一种光纤陀螺静态温度综合误差建模补偿方法。综合考虑温度、光纤陀螺标度因数非线性以及零偏漂移的影响,建立了以时间、温度和输入角速率为参量的光纤陀螺静态温度混合模型;采用分类拟合方法确定模型阶次,辨识模型参数;基于温度速率实验,提出迭代补偿算法。实验结果表明,经过综合误差补偿后的光纤陀螺消除了温度和标度因数非线性对其性能的影响,使它在全温度和全速率下的测量精度得到了极大提高,从而证明了该方法的有效性。     

Rssler超混沌系统多变量广义预测控制快速算法

提出了一种Rssler超混沌系统多变量广义预测控制快速算法.采用改进的时变遗忘因子递推最小二乘方法辨识混沌系统,通过在常规多变量广义预测控制性能指标函数中引入前馈增益矩阵与柔化矩阵,实现系统对参考信号的快速跟踪.该算法降低了求逆矩阵的维数,从而减少了计算量.仿真结果验证了该方法的有效性和实用性.     

R(o)ssler超混沌系统多变量广义预测控制快速算法

提出了一种R(o)ssler超混沌系统多变量广义预测控制快速算法.采用改进的时变遗忘因子递推最小二乘方法辨识混沌系统,通过在常规多变量广义预测控制性能指标函数中引入前馈增益矩阵与柔化矩阵,实现系统对参考信号的快速跟踪.该算法降低了求逆矩阵的维数,从而减少了计算量.仿真结果验证了该方法的有效性和实用性.     

基于新陈代谢双时序模型的激光多普勒测速仪漂移数据滤波

为了有效抑制激光多普勒测速仪输出数据的随机漂移,提高其测量精度,在传统时序模型的基础上采用新陈代谢双时序模型进行激光多普勒测速仪漂移数据滤波.该模型由两级新陈代谢时序模型级联而成,每一级新陈代谢时序模型均依次对13个数据点时序建模.依据此模型分别对激光多普勒测速仪静态及动态漂移数据进行建模和滤波.利用方差分析法及Allan方差法对滤波前后的测速仪静态漂移数据进行分析并利用频谱分析法对比了滤波前后的测速仪动态漂移数据.结果表明:新陈代谢双时序模型将静态漂移数据标准差减小为原始数据的44%,将角度随机游走降为原始数据的41%;该方法不仅能实时降低激光多普勒测速仪的静态随机漂移误差,而且能够实时有效抑制其动态输出噪声.     

光纤陀螺随机漂移建模及其在惯导误差方程中的应用

针对光纤陀螺随机漂移模型时序无法直接应用卡尔曼滤波分析的问题,在对陀螺漂移建模分析的基础上,利用一阶马尔柯夫过程等效拟合陀螺漂移模型,并通过Allan方差分析拟合的合理性。对惯导系统误差方程进行了状态扩充,为进一步实现导航系统的滤波分析奠定了理论基础。     

主动光学中阻尼最小二乘法的精度估计

阻尼最小二乘法在主动光学研究中有重要的作用。针对主动光学的需要,就阻尼最小二乘法求解过程中参数进行精度估计,对待求量进行精度估计,以及将待求量代入原方程后的所得进行精度估计,对它们的方差进行了推导。     

人工鱼群算法在单轴旋转惯导系统轴向陀螺漂移辨识中的应用

在惯性导航系统中,采用单轴旋转技术可以调制垂直于旋转轴方向上的惯性器件误差,而对沿旋转轴方向的误差没有抑制作用,因此旋转轴方向上激光陀螺漂移成为影响惯性导航系统精度的主要因素之一。为精确地辨识旋转轴方向上激光陀螺漂移,提高激光陀螺单轴旋转惯导系统的精度,利用人工鱼群算法AFSA（artificial fish swarm algorithm）建立了单轴旋转惯导系统轴向陀螺漂移辨识模型,给出了AFSA 辨识的详细步骤和方法。实验结果表明:AFSA可以对轴向激光陀螺漂移进行精确建模,补偿后的激光陀螺零偏不稳定性达到0.000 4 /h。