基于小波方差的光学陀螺随机误差特性研究

Allan方差法是对光学陀螺随机误差频率稳定性进行分析的一种通用方法。根据光学陀螺信号零漂移的频率特性,提出了利用小波变换所具有的时频局部化的优点对其随机过程进行小波方差分析。由于小波方差可以更好地防止能量泄露,所以小波方差比Allan方差更为精确。经过对光学陀螺零漂数据的方差分析证明了Allan方差和小波方差法的一致性,并且小波方差更能准确地描述不同频率的方差变化。     

基于小波变换的MIMU随机误差建模

微机电惯性传感器的输出具有噪声大、漂移强的特性,因此必须建立合理的随机误差模型,以便使用滤波算法进行补偿,减小其对系统精度的影响。本文使用艾伦方差分析法分析了ADI公司的MIMU——ADIS16355的静态输出信号,指出按照自相关特性,可以将微机电惯性传感器的随机误差分为白噪声成份和有色噪声成份,并基于此提出了基于小波变换的噪声分离预处理和AR时间序列建模算法的微机电惯性传感器随机误差复合建模方法。使用该算法对ADI公司的微机电惯性测量单元ADIS16355进行了随机误差建模,得到了该MIMU的AR时间序列随机误差模型。仿真结果表明,相较于传统的一阶马尔科夫近似随机误差模型,基于小波变换的AR时间序列随机误差建模方法能够有效滤除白噪声对于时间序列分析建模的影响,获得精度更高的随机误差模型。     

基于MEMS IMU和运动约束的共享单车定位算法

由于全球卫星导航系统在城市环境中信号遮挡严重,共享单车在这类关键区域难以实现连续可靠的定位.为解决这一问题,利用MEMS IMU和自行车运动特性,设计了一种基于惯性导航系统(INS)和非完整性约束(NHC)的融合推算定位方案(NHC/INS).尤其是深入探讨了IMU安装角误差与NHC杆臂补偿对自行车NHC/INS定位性...     

基于遗传小波神经网络的MEMS陀螺误差建模

研究了一种基于遗传算法改进的小波神经网络.该方法采用小波神经网络为主要逼近手段,并通过遗传算法优化网络的关键参数.由于小波神经网络兼容了神经网络的自学习特性和小波分析的时-频局部性,而遗传算法具有较强的全局搜索能力,二者结合形成的遗传小波神经网络因此具有较高的逼近与容错能力,从而弥补了传统的方差建模方法的不足.将该算法应用到某型MEMS陀螺仪的随机误差建模中,结果表明:遗传小波网络对原始信号的逼近精度误差在以内,较之传统的方差建模方法有了显著的提高,这一精度基本上可以满足MEMS陀螺工程化应用的要求.     

一种基于小波变换的信号突变征兆提取方法及其应用

获取故障征兆是诊断系统必须解决的首要问题。应用小波变换理论提出了一种信号突变征兆提取方法，并将它应用于转台故障诊断中。实验结果表明，这种方法在信号突变征兆提取上具有明显效果。     

基于方差分量估计的多模GNSS/声学联合定位方法

由于海洋环境的特殊性,现阶段通常采用卫星定位与声脉冲测距相结合的方式建立海洋大地测量控制网。针对BDS/声学联合定位海底点时存在收敛慢、精度受限等问题,提出融合BDS、GPS、Galileo多系统观测数据的多模GNSS/声学联合定位方法,并进一步引入Helmert方差分量估计,以改善因随机模型不准确而影响融合定位性能的情况。采用海上实测数据和模拟水下测距数据进行了实验验证,结果表明:较之单BDS/声学定位模式,多模GNSS观测数据的加入可以加速组合滤波收敛,提高定位精度和稳定性;引入Helmert方差分量估计精化随机模型后,双系统模式下三维点位误差RMS值约为0.2 m,三系统模式下三维点位误差RMS值约为0.1 m,联合定位性能得到进一步提升。     

基于Allan方差解耦自适应滤波的MHD/MEMS信号融合方法

为满足卫星平台对宽频带角速率测量需求,补偿磁流体动力学(MHD)微角振动传感器低频误差,提出了一种基于Allan方差的解耦自适应Kalman滤波方法,实现了MHD微角振动传感器与MEMS陀螺仪的组合测量。该方法使用Allan方差计算量测噪声的方差,克服了标准Kalman滤波对模型参数精确性要求较高的缺点,同时避免了自适应Kalman噪声参数耦合易滤波发散的问题。实验证明解耦自适应Kalman对单频和混频信号均实现较好融合效果,均方误差降低至融合前的30%,信噪比改善超过10 dB。融合后的输出信号满足卫星千赫兹带宽的测量需求,可用于惯性测量单元中。     

基于灰色模型和RBF神经网络的MEMS陀螺温度补偿

MEMS陀螺的零偏随温度呈非线性变化,同时含有较大的随机噪声.针对传统的多项式模型难以精确表达零偏随温度变化的问题,提出了一种基于灰色模型和RBF神经网络的MEMS陀螺温度补偿方法:首先用灰色模型对数据进行预处理,以减小原始数据的噪声;然后用降噪后的样本数据对RBF神经网络进行训练.在相同的训练次数下训练误差可减小一个数量级.验证试验结果表明,采用该模型补偿后的陀螺零偏误差较传统的多项式模型减小一个数量级,较未经预处理的RBF神经网络减小2/3.     

基于MEMS惯性技术的鞋式个人导航系统

研究了低精度鞋式个人惯性导航系统的导航修正算法.该系统由低精度MEMS惯性IMU单元组成,固联在步行者的鞋上.导航算法在传统捷联惯性导航算法基础上,引入了零速修正技术,根据人行走时脚部运动的加速度统计特性,设计了一种比力模值+滑动方差检测算法,用以检测行走过程中的静止时间段.然后通过设计的改良卡尔曼滤波器在静止时间段内滤波估计导航姿态、速度和位置的计算误差,通过反馈校正可以提高原系统的导航精度.最后通过两组MEMS实物实验验证了导航修正算法的有效性和可行性,并指出了进一步的研究方向.     

基于小波分析法的光纤陀螺系统标定方法

光纤陀螺的随机噪声很大程度地影响系统的标定精度,通常的解决方法是增加平均次数、延长采样时间等,不能从根本上解决问题。利用小波变换阈值滤波对光纤陀螺系统标定的测试数据进行预先处理,采用Allan方差法分析滤波前后的测试数据,发现滤波后陀螺各项随机误差系数均得到明显抑制。用消噪后的陀螺信号进行标定处理,结果表明仅用原数据量的十分之一即可获得相同的标定精度,减少了测试时间,提高了标定效率。     

光纤陀螺随机误差的重叠分段Allan分析方法

针对光纤陀螺随机误差的特点,研究一种有效估计其各种噪声成分系数的Allan方差分析方法。首先,探讨了光纤陀螺随机误差分析中,Allan方差拟合系数为负的原因及利用经典方差方法分析的前提。而后,分析了连续分段的Allan方差分析方法。该方法针对每种噪声的不同相关时间对Allan方差曲线进行连续分段拟合,但方法人为分离了相关时间相近的噪声成分,因此将导致较大拟合误差。为此,提出基于重叠分段的Allan方差分析方法,方法根据Allan方差双对数曲线及噪声特点对相关时间进行混合重叠分段,将相关时间相近的不同噪声化为同一区段,同时为减小相邻区段噪声的方差贡献带来的拟合误差,拟合时将相邻的幂次项纳入拟合模型,提高了拟合精度。光纤陀螺实测数据的分析结果表明,该方法的拟合误差比连续分段Allan方差分析方法减小2/3。     

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。     

基于弹性地基梁计算的Daubechies条件小波Ritz法研究

在现有的Daubechies小波Ritz法中,为方便边界条件的引入,借助于位移转换矩阵将Daubechies小波待定系数转换为节点位移。但该方法会降低计算精度,并且计算结果是多个离散的单点位移,不利于进一步解得弯矩、剪力、荷载集度。为寻求更为高效精确的弹性地基梁计算方法,对现有的Daubechies小波Ritz法进行改进,以避免位移转换矩阵的出现,从而提高了计算精度。结合广义变分原理,采用Lagrange乘子法,将边界条件作为附加条件引入自然变分条件下的泛函表达式,构造新的修正泛函。以该修正泛函的驻值条件建立求解矩阵方程组,进而解得未知场函数。此法称为Daubechies条件小波Ritz法。该法计算结果直接是小波基函数待定系数,单元内部任意点的位移均可通过小波基函数得到,也可进一步解得弯矩、剪力、荷载集度,因此比原有方法更为有效。最后,采用受均布荷载的两端铰支弹性地基梁算例,将Daubechies条件小波Ritz法计算结果与基于弹性地基梁理论的解析解进行比较,挠度值（保留小数点后6位小数）与解析解完全一致,弯矩值的相对误差为0.03%,说明Daubechies条件小波Ritz法具有较高计算精度。     

MEMS陀螺随机误差趋势项的支持向量回归机预测补偿算法

为了适应低成本快速响应卫星的发展趋势,越来越多的卫星采用了MEMS陀螺系统与信息融合方法相结合的设计方案。为提高传统的基于自回归滑动平均(Auto-Regressive and Moving Average,ARMA)模型和支持度的信息融合方法的精度,抑制随机误差趋势项对卫星稳定控制的不利影响,提出了一种基于支持向量回归机(Support Vector Regression,SVR)的预测补偿算法。该算法对各个MEMS陀螺输出数据进行滤波,并提取相应的随机误差趋势项,通过相空间重构获得训练样本并进行SVR建模,用以实时补偿。然后使用低成本商用器件搭建了MEMS陀螺系统,并在单轴气浮转台上进行了实验。实验结果表明,预测补偿算法使得MEMS陀螺系统输出数据的方差降为原先的31.39%,融合精度得到了显著的提高。     

基于小波变换的爆破地震信号能量分析法的应用研究

根据爆破地震信号具有持时短、突变快等特点,结合工程爆破地震监测资料,利用小波包良好的时频局部化性质对爆破地震信号的能量分布特征进行了分析,研究了爆破地震信号的能量在传播过程中的变化规律,得到了爆破地震信号不同频带上的能量分布。根据爆破地震信号不同频带的特征频率与受控建筑物自振频率之间的关系,确定爆破地震对建筑物的影响。并用工程实例说明了该方法比用单一强度因子作为爆破地震的安全判据更加有效。     

基于梁连续抗弯刚度与小波变换的结构损伤识别方法研究

为了解决基于小波变换系数难以识别结构边缘损伤的问题,以及试验中损伤对周边的影响导致小波系数难以精确定位损伤位置的问题,提出了基于梁连续抗弯刚度与小波变换的结构损伤位置识别方法。该方法结合梁结构连续抗弯刚度与小波系数边缘的特点,在未知无损梁结构振动参数的情况下,能有效识别出梁结构边缘损伤且能准确定位试验中梁结构的损伤,通过损伤梁的数值模拟与试验证明了该方法的正确性。     

基于小波变换的爆破振动信号能量分布特征分析

为了深入研究爆破地震波特性,应用小波变换方法对具有短时非平稳特点的爆破振动信号进行了能量分布特征分析。根据小波变换的时-频特性和分层分解展开关系,将爆破振动时间历史信号用分层重构信号进行扫描,应用这些信号得到了不同频率带上爆破振动的相对能量分布和振动强度的时间变化规律。爆破振动信号实测结果分析表明,基于小波变换的能量分布特征分析可以更准确地给出爆破振动信号的细节信息。研究结果为分析爆破振动结构安全性提供了新的途径。     

基于虚拟激励法的大跨度桥梁非平稳随机振动分析闭合解

针对大跨度结构考虑地面空间运动的非一致地震响应分析问题,结合虚拟激励法,应用傅里叶分析建立了结构非平稳随机振动响应演变功率谱分析的频域方法。建立的方法完全基于频域执行,给出了响应演变功率谱的闭合解表达式。由于实现了确定性调制过程与随机过程的有效分离,应用离散傅里叶变换进行计算不需要较高的采样分析频率就可以获得较好精度的数值结果。数值算例研究了某斜拉桥的考虑地面运动空间效应非平稳随机地震响应,与通常时频分析方法进行对比,验证了本文频域方法的正确性和有效性。