复杂温变环境下的激光陀螺零偏补偿方法

在高精度捷联惯导系统中,激光陀螺零偏随温度的变化往往不能忽略.基于不同温变环境下的激光陀螺零偏测试实验,分析了激光陀螺的零偏温度漂移特性,研究了陀螺零偏与温度变化、温变速率和温度梯度之间的相关关系,说明了在复杂或快速的温变环境中,激光陀螺零偏除与温度值变化有关外,其受温变速率和温度梯度的影响更为显著.建立了适用于缓变温度环境的静态温度模型和适用于复杂温变环境下的动态温度模型,并在快速温变和随机温变环境下对模型进行了试验验证.结果表明,动态温度模型能很好地实时补偿复杂温变引入的陀螺零偏异常,显著改善陀螺零偏稳定性使其达到或接近常温精度水平.     

优化BP神经网络的光纤陀螺温度漂移建模与补偿

光纤陀螺(FOG)温度漂移误差是影响其输出精度的主要误差源之一。针对基于传统BP神经网络FOG温度误差补偿方案适用性较差的问题,提出了优化预测数据的BP神经网络补偿算法,利用最优线性平滑技术以及滑动平均技术对神经网络待补偿数据进行预处理,可以有效减小FOG输出白噪声对温度漂移网络模型补偿精度的干扰,优化神经网络模型的补偿效果。使用FOG温度漂移实测数据对所提出的优化算法进行验证,结果表明利用本文提出的两种建模及补偿方案进行补偿后的FOG温度漂移数据标准差相比传统BP神经网络补偿方法减少50%以上。     

基于双模型的光纤陀螺温度补偿方法（英文）

基于Sagnac效应的光纤陀螺(FOG),因其自身的优点广泛地应用在捷联惯性导航系统中(SINS)。然而,温度对FOG的影响包括常值影响和随机影响,仍是制约光纤陀螺性能的关键因素之一。针对不同性质的漂移,首先建立基于相关性分析的多项式模型补偿常值漂移;然后结合时间序列分析的方法,利用Kalman滤波抑制经多项式模型补偿后残差信号中的随机成分,进一步提高FOG的精度。单轴光纤陀螺试验结果表明,传统的单多项式补偿模型,FOG的零偏稳定性能由0.05(°)/h仅提高到0.04(°)/h;采用常值和随机的双补偿模型,FOG的零偏稳定性能由0.05(°)/h提高到了0.01(°)/h。证明了双温度建模与补偿方法的有效性,在工程上有一定的参考价值。     

采用马尔可夫链的光纤陀螺温度建模与补偿

由于光纤陀螺各组件对温度敏感,因此温度成为影响光纤陀螺精度的重要原因之一。为了消除温度效应并提高陀螺精度,通常采用对光纤陀螺进行温度建模的方法对其输出进行补偿。在对随机过程中的马尔可夫过程进行深入研究的基础上,推导出了单入单出系统的一阶受控马尔可夫链与差分方程的关系,并以此为依据建立了光纤陀螺温度模型,利用时齐转移概率对模型进行辨识,最后利用蒙特卡罗方法进行补偿后的结果仿真。通过对比补偿前后的输出可以看出,使用该方法建立的模型具有较好的预测效果,具有一定的应用前景,对光纤陀螺温度补偿工程化实现有一定的意义。     

基于光纤陀螺的温度补偿模型改进、压缩和FPGA实现

为提高光纤陀螺（FOG）在变温环境下输出误差的补偿精度,在长短期记忆神经网络模型（LSTM）基础上,利用分段非线性粒子群算法（PN-PSO）对LSTM模型超参数寻优,建立PN-PSO-LSTM光纤陀螺温度补偿模型。为有效降低计算和存储开销,便于部署在资源受限的硬件环境中,提出一套适用于光纤陀螺应用场景的模型压缩方案,包括：知识蒸馏、剪枝、激活函数线性化、定点数量化等。最后基于Xilinx公司某芯片完成部署。对比实验结果表明,相较于传统反向传播（BP）模型和传统PSO-LSTM模型,采用所提模型补偿后,陀螺零偏输出均方误差分别降低74.4%和53.5%,模型压缩后在大小减小94.1%的同时,陀螺零偏输出均方误差仍然比传统全精度模型更低,在FPGA实现后对比PC端模型推理速度提升98.47%。     

光纤陀螺热致漂移误差的模糊补偿(英文)

针对光纤陀螺启动过程中的热致漂移误差问题,研究了一种模糊模型补偿方案。依据Shupe非互易性理论和Mohr加热模型试验的结论,以光纤环内侧温度和温度变化率为输入,以陀螺漂移为输出,建立了二输入一输出模糊模型。利用全温范围(-25℃～45℃)内光纤陀螺的恒温静态试验数据,基于自适应神经网络模糊推理系统的自学习功能,辨识出模糊规则库。通过实时施行模糊推理可实现光纤陀螺温度漂移的在线自动补偿。室温验证试验表明,陀螺的零偏稳定性由补偿前的0.037(°)/h提高到0.017(°)/h,陀螺启动时间由补偿前的30 min减少为2 min。     

MEMS多环陀螺热弹性阻尼温度特性分析

多环谐振陀螺热弹性阻尼的稳定性对陀螺的全温性能有重要影响。为了使阻尼的温度补偿有据可依,展开了多环谐振陀螺热弹性阻尼与温度关系的研究,利用理论计算与仿真相结合的方式建立了两者的数学模型。首先建立了常温下的多环谐振陀螺的热弹性阻尼数学模型,从中分析出结构形式、工作模态振型及材料参数决定了热弹性阻尼的大小,而其中只有结构层的材料参数对温度较为敏感。因此建立了材料参数的温变数学模型,并利用该模型与理论和仿真相结合的热能量法建立了高效的多环谐振陀螺热弹性阻尼温变模型。接着利用该模型与幂函数拟合出了热弹性阻尼与温度之间的表达式。最后通过实验验证了模型与表达式的准确性,将误差量化后,模型参数误差最大值小于1.7%。     

基于模糊逻辑的光纤陀螺温度补偿技术

为了消除温度效应并提高陀螺精度,将模糊逻辑应用于光纤陀螺的温度漂移模型的辨识和自补偿中方案中。在模糊逻辑理论的框架下,根据光纤陀螺系统的模糊信息,建立模糊规则,进行模糊推理,实现对陀螺输出的近似辨识。此方法对其他没有温度相似性的陀螺也适用。在实际验证实验中,针对不同的陀螺,通过预先实验建立各自的规则表,然后进行实时补偿,在全温度范围内陀螺的零偏稳定性从0.3647(o)/h减小到0.0868(o)/h,陀螺预热时间缩短到30s以内。目前,在陀螺工艺条件还不够稳定的状态下,此方案是实用和可行的。     

一种光纤陀螺温度误差分段补偿新方法（英文）

分析了光纤陀螺的温度特性,设计了大范围的温度测试,研究了不同温度和温度变化率对光纤陀螺输出的影响,研究了光纤陀螺在不同温度范围内的温度特性。为了提高温度误差补偿精度,根据陀螺温度特性将温度分为低、中、高三个区间,分别利用人工神经网络进行误差建模,提出了一种多模型分段拟合的新方法。根据建立的模型进行温度误差补偿,补偿结果表明,建立的模型能有效地减小了光纤陀螺的温度漂移,精度提高了一个量级。     

BP-Bagging模型在光纤陀螺温度补偿中的应用

为了消除光纤陀螺的温度效应并提高陀螺的精度,BP神经网络模型广泛的应用在光纤陀螺的零偏温度漂移辨识和补偿中。然而,单神经网络模型的泛化能力差,影响模型的预测结果。结合神经网络集成学习的思想,利用Bagging集成技术产生差异大、预测能力强的个体网络,提升模型的预测能力。建立光纤陀螺零偏温度的BP-Bagging模型,将其应用在温度补偿中。通过对某型光纤陀螺的零偏漂移数据进行仿真,结果表明:BP-Bagging模型相比线性回归模型、单BP神经网络模型的补偿效果更显著,有效改善了陀螺的零偏稳定性能。