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。     

气压变化对光纤陀螺仪零偏稳定性的影响及改进

研究了气压变化对光纤陀螺仪零偏稳定性的影响,提出了降低光纤陀螺仪气压灵敏度的设计方法。理论分析并实际测量了气压变化对光纤陀螺仪零偏稳定性的影响,试验研究了光纤环浸胶固化和密封这两种降低光纤陀螺仪气压灵敏度设计方法的有效性。结果表明,变气压条件下光纤陀螺仪的零偏稳定性劣化1~2个量级,对光纤环浸胶固化后,光纤陀螺仪的气压灵敏度减小1倍,可以在一定程度上减小空气的扰动,改善气压变化对光纤陀螺仪的影响。而对光纤陀螺仪进行密封设计是一种更有效的措施。对光纤陀螺仪进行密封设计后,光纤陀螺仪的气压灵敏度为零,光纤陀螺仪零偏稳定性基本不受变气压环境的影响,解决了光纤陀螺仪受气压变化影响精度的问题。     

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。     

梯度RBF神经网络在MEMS陀螺仪随机漂移建模中的应用

为了提高使用精度，研究了某型号MEMS陀螺仪的随机漂移模型。采用游程检验法分析了该陀螺仪随机漂移数据的平稳性，并根据该漂移为均值非平稳、方差平稳的随机过程的结论，采用梯度径向基（RBF）神经网络对漂移数据进行了建模。实验结果表明：相比经典RBF网络模型而言，这种方法建立的模型能更好地描则EMs陀螺仪的漂移特；相对于季节时间序列模型而言，其补偿效果提高了大约15％。     

基于小波分析与LSSVM的陀螺仪随机漂移建模

为了提高陀螺仪的使用精度,以陀螺仪随机漂移时间序列为研究对象,建立了基于小波分析和最小二乘支持向量机（LSSVM）的陀螺仪随机漂移模型。陀螺仪作为高精度敏感器件,其随机漂移信号具有非线性、弱平稳性等特点,难以补偿。为了提高补偿精度,这里采用小波分析对陀螺仪随机漂移信号进行多尺度分解,利用最小二乘支持向量机方法对重构后的近似序列和细节序列建立非线性子模型,最后将各子模型输出融合作为组合模型输出。最后将该算法用于动调陀螺仪的随机漂移建模,实验结果表明基于该组合算法的非线性模型能够有效地反映陀螺仪的随机漂移特性,建模效果明显优于直接采用LSSVM和ANN建立的模型。     

光纤陀螺零偏稳定性的数据建模方法研究

光纤陀螺零偏稳定性是非系统性的随机变化漂移率,在惯性系统中不能用简单的方法加以补偿,因而其成为衡量光纤陀螺精度的重要指标。但通过时间序列分析中的数据建模方法可对光纤陀螺的零漂测试数据建立零偏稳定性数学模型。这样,在由光纤陀螺构成的惯性系统中利用卡尔曼滤波方法可使光纤陀零稳定性对系统精度的影响降至最低限度。中还对建模过程作了较详细的阐述。     

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。     

陀螺仪在线性能及故障AR模型和神经网络方法的研究

本着眼于惯导系统中在线运行的陀螺仪性能和故障诊断的研究。针对无故障和两种故障下采集到的陀螺仪前置放大器在线输出信号,分别采用AR模型法和神经网络法进行分析,并绘出相应的模型功率谱图。通过比较和分析之后,得出信号模型功率谱图可作为判断陀螺仪性能和故障的一种依据的结论。     

三维光纤陀螺分析与实验

本文提出了一种三维光纤陀螺仪的理论模型,并对该模型进行了实验验证。三维光纤陀螺采用一个光源驱动三个敏感光纤圈,用一个探测器探测来自这三个敏感光纤圈的敏感信号。     

基于前向线性预测算法的光纤陀螺零漂的神经网络建模

在详细分析光纤陀螺零漂的基础上,提出了先用滤波算法对光纤陀螺信号进行预处理,然后采用RBF神经网络对滤波后的信号进行建模的方法。针对光纤陀螺信号特点分别采用FLP算法、小波滤波算法、解相关变步长LMS自适应滤波算法对其进行了预处理,比较三种滤波方法,小波滤波算法效果优于其它两种预处理方法,但针对基于预处理后的陀螺信号采用RBF神经网络进行建模时,小波滤波预处理后的信号在建模精度上却是最差的,而对FLP算法滤波后的信号进行RBF建模,建模精度提高了两个数量级。结果表明:基于FLP算法的RBF神经网络在光纤陀螺中的建模是有效的,可大大提高建模的精度。     

利用人工鱼群算法对光纤陀螺随机漂移建模

利用历史数据,对光纤陀螺随机漂移进行准确建模,对提高光纤捷联惯导系统的精度具有十分重要的意义。文中详细介绍了人工鱼群算法(Artificial Fish Swarm Algorithm,AFSA)和改进人工鱼群算法(Improved Artificial Fish Swarm Algorithm,IAFSA),给出了AFSA对随机信号建模的详细步骤和方法,分别应用传统的时间序列分析方法、人工鱼群算法、改进人工鱼群算法对光纤陀螺的随机漂移进行了建模。建模结果表明,AFSA对光纤陀螺随机漂移建模准确,比传统时间序列分析建模精度提高1.5%,IAFSA建模精度比AFSA建模精度更高,其收敛速度也更快。无论是从建模复杂度上,还是在建模精度上,AFSA和IAFSA均优于传统的时间序列分析方法,IAFSA是一种收敛速度更快、建模精度更高的光纤陀螺随机信号建模方法。     

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。     

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%。     

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。     

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。     

光纤环十六极对称绕法温度性能的仿真与分析

温度性能对光纤陀螺的精度影响至关重要。通过深入研究光纤环的十六极对称绕法,达到了改善光纤陀螺温度性能的目的。在对光纤陀螺由Shupe误差引起的热致旋转速率误差数学模型离散化的基础上,结合ANSYS有限元分析软件建立了精确到匝的光纤环十六极对称绕法有限元模型。根据所建立的光纤环温度分布模型,仿真分析比较了在光纤环四周施加变化的温度激励和分别在径向和轴向施加相同的恒定温度激励下,十六极对称绕法与四极和八极对称绕法绕制的光纤陀螺的温度性能。仿真实验结果显示:由十六极对称绕法绕制的光纤陀螺的热致旋转速率误差要低于四极和八极对称绕法1~2个数量级,这对十六极对称绕法在高精度光纤陀螺中的应用具有重要意义。     

向高精度发展的干涉型光纤陀螺仪技术

光纤陀螺仪是惯性系统中目前发展较快的全固态惯性敏感器.在光纤陀螺仪的发展过程中,先有开环式光纤陀螺仪用于战术级和大量民用,而后又发展成为全数字闭环干涉式光纤陀螺仪,逐渐用于导航级惯性系统.到20世纪90年代中期,人们看到了干涉型光纤陀螺仪的高精度发展潜力,开始了精密级光纤陀螺仪及其系统技术的研究工作.从发展角度看,高精度光纤陀螺仪将成为21世纪前期的发展重点.     

基于神经网络的机械磨损故障光谱定位诊断法

在分析常用光谱定位诊断方法的基础上提出了基于神经网络的光谱定位诊断法；将机械摩擦副材质的元素含量作为神经网络输入，将材质所对应的部件作为神经网络输出，建立了相应的神经网络训练样本；通过整理训练样本和训练神经网络，利用神经网络超强的非线性映射能力和容错性实现了磨损故障部位诊断；通过算例分析验证了所提出的诊断方法的可行性和准确性．结果表明，所建立的方法简洁有效，并具有很高的诊断精度．