光纤陀螺随机漂移补偿中的数据融合方法（英文）

为提高光电平台的控制性能和稳定性,以平台反馈回路所用的光纤陀螺传感器为研究对象,对光纤陀螺角速率的历史输出、当前量测以及随机漂移进行融合补偿。采用双自回归模型确定了光纤陀螺时间序列输出的自回归多项式和光纤陀螺随机漂移的自回归关系。以陀螺当前输出为量测量,结合卡尔曼滤波算法将陀螺历史输出和历史随机漂移融合进状态方程,并进行随机漂移在线估计补偿。实验结果表明,光纤陀螺随机漂移的AR模型能达到90%拟合效果,经卡尔曼滤波补偿后随机漂移能降到1/10。该方法能很好地抑制光电平台三个框架轴光纤陀螺的随机漂移,补偿率为80%~90%。     

一类适用于陀螺随机漂移预报的非线性模型

本文针对陀螺随机漂移的弱非线性和非平稳性,提出了一种多项式NAR模型及其辨识方法。对陀螺随机漂移测试数据的仿真表明,该模型能很好地用来预报陀螺随机漂移。     

动力调谐陀螺静态漂移的非线性时间序列建模

动力调谐陀螺仪受陀螺仪自身工艺及各种电气因素影响,其随机漂移往往表现出非线性性质,利用线性随机建模方法并不能表现出随机漂移的非线性。作者通过传统的24位置测试获得动力调谐陀螺仪的静态漂移数据,然后对数据进行预处理(如,去除野点,进行数据平滑并利用小波分解提取趋势项),提取出随机漂移数据,并采用非线性AR时间序列方法对处理后的这些漂移数据进行建模。模型适用性检验结果表明,所建立的非线性AR模型可以很好地拟合动力调谐陀螺随机漂移,适用于描述动力调谐陀螺仪随机漂移特性。     

激光陀螺随机漂移数据的非参数建模

随机漂移是激光陀螺的主要误差源,在惯性系统中不能用简单的方法加以补偿,因而其成为衡量激光陀螺精度的重要指标。建立误差模型并采用滤波技术滤波是抑制该项误差的有效方法。线性自回归滑动平均模型（ARMA）虽已形成相当完善的理论,但不能解释非线性现象。针对实际中出现的非线性现象,提出应用一类非参数模型（FARMA模型,即函数系数自回归滑动平均模型）对激光陀螺随机漂移数据进行建模,采用多项式拟合非参数系数,并将结果与ARMA进行比较。仿真结果表明,应用该模型能取得较好的效果,系数函数呈现非线性,实例验证了陀螺漂移是弱非线性的;建模后的残差平方和小于利用ARMA理论建模得出的残差平方和。     

基于LS-WSVM的光纤陀螺漂移辨识

提出了一种最小二乘小波支持向量机(LS-WSVM)的光纤陀螺的漂移辨识算法.该方法将Mexihat小波函数作为核函数,与最小二乘支持向量机(LS_SVM)相结合建立起通用模型;用光纤陀螺漂移数据训练通用模型,从而得到该光纤陀螺的漂移模型.并用F法则检验了该模型的适应性.试验表明,在相同条件下,与基于Gauss核函数的最小二乘支持向量机模型相比,该模型拥有更高的辨识精度.证明了用最小二乘小波支持向量机对光纤陀螺的机漂移辨识是合适的,有效的.     

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。     

单轴旋转SINS方位陀螺漂移分析与估计

单轴旋转SINS的方位陀螺漂移对长航时导航精度至关重要,方位陀螺漂移的估计是单轴旋转SINS的关键技术之一。通过对单轴旋转SINS方位陀螺漂移估计的主要影响因素进行分析,提出将水平阻尼网络引入到导航流程中,建立带水平阻尼网络的误差模型,利用位置匹配Kalman滤波对方位陀螺漂移进行估计,并设计了一种合理的估计流程,能够全面估计出惯性器件零偏,保证了方位陀螺漂移的估计精度。数学仿真和海上试验结果表明,对陀螺角度随机游走系数约为0.001(°)/h～(1/2)的SINS,经过6 h的估计流程后方位陀螺漂移估计精度优于0.001(°)/h,估计完成后转入纯惯性导航定位精度优于1.5 n mile/24 h(max),验证了该方法的可行性。     

陀螺寻北仪中测量信号的在线建模与滤波

针对光纤陀螺寻北仪中光纤陀螺(FOG)和加速度计的随机误差,采用改进型二阶自回归AR(2)模型,在线建立了光纤陀螺和加速度计随机误差模型。根据该模型,建立了FOG陀螺寻北仪的12阶Kalman滤波器,实现了两个FOG和两个加速度计测量信号在寻北过程中的实时滤波。仿真、Allan方差分析与寻北试验结果表明:FOG信号中随机游走、零偏不稳定性、变化率随机游走、变化率斜坡和量化噪声五项噪声源误差系数都小于滤波前的二分之一;在减小光纤陀螺和加速度计测量信号中的随机误差,提高其精度的同时,FOG寻北仪的寻北误差减小了0.3 mil。     

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。     

微机电陀螺零点漂移数据滤波方法的研究

微机电石英音叉陀螺虽然有突出的优点，但也存在噪声比较大的缺点。普通的数字滤波方法通常会造成比较大的滞后，减小了系统的相位裕度，而且对截止频率以内的噪声不起作用。作者在对石英音叉陀螺零点漂移数据建立时间序列模型（AR模型）的基础上，采用卡尔曼滤波算法对石英音叉陀螺的漂移数据进行了处理。仿真实验表明，所采用的滤波方法合理有效。     

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"。     

激光陀螺漂移数据建模及分析

根据激光陀螺漂移数据中存在的多种噪声及其特点，针对激光陀螺漂移数据建模问题，比较了几种建模方法，认为DDS法有较好的实用性，并利用该方法对激光陀螺漂移数据进行了建模，得出了实测的激光陀螺漂移数据的模型。采用了多种检验方法对所建模型进行了检验。检验结果表明，用DDS法对激光陀螺漂移数据建模是合适的。     

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.     

车载RINS方位陀螺温度漂移模型在线修正方法

方位陀螺漂移是影响车载旋转调制惯性导航系统（RINS）精度的重要因素。针对长期使用中方位陀螺温度漂移模型逐渐失效而导致补偿效果下降的情况,提出了一种基于遗忘因子最小二乘的车载RINS方位陀螺温度漂移模型在线修正方法。利用车载实验中停车阶段的速度作为量测,通过Kalman滤波器对方位陀螺漂移进行估计,之后采用遗忘因子最小二乘对陀螺漂移模型进行在线修正。仿真结果表明所提出的方法可以对陀螺漂移模型进行有效修正。车载导航试验表明,车载RINS系统工作一年以上的时间后,利用所提方法对初始的漂移模型修正后,导航过程最大径向位置精度可提升78%,验证了所提出的方法的有效性。     

惯性导航系统陀螺仪斜坡漂移的估计及补偿方法探讨

单自由度积分陀螺仪作为方位陀螺使用时有斜坡漂移分量,在惯导系统的工作过程中可能导致较为严重的航向和位置误差,因此估计和消除这一漂移量将是必不可少的。此外,随机漂移统计模型的建立也将要求首先分离斜坡分量。本文将就方位陀螺斜坡漂移的产生、性质、控制斜坡漂移的措施作一探讨,并提出一种利用系统工作过程的实测输出估计和补偿斜坡漂移的方法。     

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。     

基于提升小波与灰色神经网络的光纤陀螺振动误差建模

光纤陀螺在振动环境下的输出具有噪声大、漂移强的特性,必须建立合理的振动误差模型,以便使用精确的算法进行补偿,从而提高光纤陀螺的输出精度。文中首先使用Allan方差分析法分析了某型号的数字闭环光纤陀螺在振动环境下的输出信号,随后利用提升小波分离出了光纤陀螺误差模型中的白噪声及漂移误差,并提出了基于灰色理论和RBF神经网络的漂移误差建模方法。仿真结果表明,相较于传统的RBF神经网络模型,基于提升小波的灰色RBF神经网络的漂移误差建模方法能有效滤除白噪声,并将漂移误差模型的建模精度提高了一倍左右。该方法能够有效提高光纤陀螺在振动环境下的输出精度,对光纤陀螺在振动环境下的误差研究具有重要指导意义。     

基于大失准角时变参数罗经初始对准算法

为了解决大失准角条件下的捷联惯导初始自对准问题,通过分析捷联惯导系统大失准角误差模型,利用平台惯导系统罗经对准原理,提出了一种新的捷联惯导系统罗经对准方案。该方案的具体实现划分为三个阶段:方位角未知情况下的水平对准;大失准角时变参数罗经方位对准;定参数罗经对准。该方案通过实时调节罗经参数缩短了对准时间;利用大方位失准角模型代替小失准角模型,在算法收敛阶段更加准确地描述了捷联惯导系统的误差传递方式。仿真试验表明,使用陀螺随机漂移稳定性为0.01(°)/h的捷联惯导系统,该对准方案能在60 s内方位精度到达1°,并能在对准结束时达到3’的方位对准精度。     

陀螺随机常值漂移的多级标定法

在船用捷联惯性系统中,陀螺漂移是引起系统误差的主要原因。对陀螺漂移进行补偿是提高捷联系统精度的一个重要手段。本文在对捷联惯导系统误差模型进行分析的基础上,针对用现有的Kalman滤波算法很难在较短的时间内达到较高的陀螺随机常值漂移标定精度的情况,提出了陀螺随机常值漂移的多级标定法。     

基于神经网络的误差补偿滤波器在陀螺漂移误差模型辨识中的应用

用神经网络补偿非线性卡尔曼滤波器的状态估计误差，并将其用于陀螺漂移误差模型的参数辨识中，仿真结果表明该方法的有效性。