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。     

滤波技术在MIMU温度漂移补偿中的应用

为了提高MIMU的零偏稳定性,研究了MIMU的温度特性.通过温度实验,建立了微机械陀螺及加速度计漂移的温度补偿模型.陀螺零偏稳定性由补偿前的126.324(°)/h改善到9.612(°)/h,加速度计偏值稳定性由补偿前的0.8 36 mg改善到0.216 mg.分析了温度测量噪声的影响,对补偿模型进行了改进.将温度的测量值经过KaIman滤波之后用于补偿,可以进一步提高性能:陀螺零偏稳定性由9.612( °)/h改善到8.964( °)/h,改善了6.7%;加速度计偏值稳定性由0.216 mg改善到0.176 mg,改善了18%.实验结果表明,将温度测量值进行适当的滤波处理后用于补偿模型,补偿效果比不经过处理进行补偿的结果更优.利用Kalman滤波技术降低温度测量值的噪声,最终降低补偿结果的噪声也是文中的一个创新点.     

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。     

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%。     

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。     

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。     

单轴旋转惯导系统转轴陀螺常值漂移综合校正方法

为提高单轴旋转惯导系统长时间的导航工作精度,根据单轴旋转惯导误差方程阐述了单轴旋转惯导的自动补偿原理,指出转轴方向陀螺漂移是引起系统位置误差发散的最主要的误差源。在动基座条件下,建立了转轴陀螺常值漂移与系统经度误差之间的数学模型,根据经度误差即可估计转轴方向的陀螺常值漂移,实现系统转轴方向陀螺的常值漂移综合校正。利用计算机仿真方法验证了所给数学模型的合理性,利用建立的数学模型,只要获得一次准确的位置信息,即可对系统位置进行重调,并且实现对系统转轴方向陀螺漂移的估计与补偿,实现系统的综合校正。转轴方向陀螺漂移经过补偿后,其精度由0.002(°)/h提高到0.0005(°)/h,并给出了对系统进行综合校正的较佳时机。     

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.     

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。     

基于粒子群优化算法的光纤陀螺温度误差分段补偿方法

针对光纤陀螺的温度误差单一模型补偿方法适配性较差的问题,提出一种基于粒子群优化(PSO)算法的光纤陀螺温度误差分段补偿方法。此方法基于分段建模补偿的思想,在建模时加入温度和温度变化率影响因子,并引入PSO算法极值寻优,得到最优补偿函数。为了验证此方法的补偿效果,设计了?15℃~50℃区间内光纤陀螺温度实验,分别利用所提方法和传统方法对其温度误差进行补偿。试验结果表明,使用所提方法能够极大地降低温度误差,与传统算法相比,在保证补偿后陀螺零偏稳定性一致的前提下陀螺零偏均值降低了一个数量级,并且具有实时补偿性。