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。     

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。     

一种低精度惯性测量单元的精确标定技术

低精度惯性测量单元的温度特性和非线性严重，为补偿光纤陀螺的温度特性和非线性，通过高低温、多速率的标定实验研究了光纤陀螺输出电压与温度、转速的关系，采用零偏和标度因数统一标定的思想提出了光纤陀螺分段模型；为补偿MEMS加速度计的温度特^陛，通过高低温位置实验研究了加速度计输出电压与温度、输入加速度的关系，提出了加速度计分段模型。采用逐步线性回归对以上模型进行了简化。实时补偿效果表明，当温度从-30℃到60℃变化时，在±60（°）／s转速内角速度误差基本小于0．02（°）／s，加速度误差小于0．005g．     

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。     

基于多模型分段拟合的光纤陀螺温度误差补偿方法

传统光纤陀螺温度误差采用单一模型进行建模与补偿,存在模型适配性较差的问题。考虑到光纤陀螺在不同温度区间的温度特性存在明显差异,为提高光纤陀螺温度误差补偿精度,提出了基于多模型分段拟合的光纤陀螺温度误差补偿方法。设计了-15⁵0℃区间内温度实验,在大量实测数据分析基础上,将陀螺温度特性按照低、中、高三个温度区间,分别建立三种不同阶次的温度误差模型。采用分段拟合的方法进行误差建模,并利用所建模型对光纤陀螺进行了温度误差补偿。实测数据表明,提出方法能够有效改善光纤陀螺的温度漂移,补偿后漂移标准差减少66.67%。     

基于改进LSTM网络的无人机MEMS-IMU零偏在线标定方法

针对在卫星信号拒止、视觉系统退化场景中无人机MEMS-IMU零偏无法准确估计并补偿导致导航误差迅速发散的问题,提出一种基于改进长短时记忆（LSTM）网络的零偏在线标定方法。首先,为解决MEMS-IMU零偏数据非线性强、传统循环时间网络训练效果差的问题,设计序列到序列的LSTM神经网络结构,引入教师强迫机制,提高了网络特征学习能力。然后,在导航过程中使用训练后的网络对MEMS-IMU零偏在线标定,补偿后的IMU量测与视觉信息联合优化,保证了导航定位精度。实验结果表明,在纯惯性导航实验中,所提方法的绝对位置误差比传统LSTM方法减小了6.5%;在EUROC数据集下进行的视觉惯性组合导航实验中,所提方法的平均绝对位置误差比传统LSTM方法减小了15%。     

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。     

光纤陀螺IMU全温三方位速率/一位置标定及分段线性插值补偿方法

针对光纤陀螺惯性测量单元全温动态环境下测量误差问题,提出一种全温三方位正反速率/一位置标定及分段线性插值补偿方法,建立了光纤陀螺惯性测量单元误差模型,在每个恒温点设计三方位正反速率/一位置标定方案。采用分段线性插值算法实时补偿系统零偏和标度因数温度误差,系统全温环境下的测量精度提高5倍左右。车载实验结果表明,采用该方法后系统4200 s纯惯性姿态测量误差小于1°。     

闭环光纤陀螺的输出误差特性研究

针对工程实际的需要，通过对闭环光纤陀螺模型参数的对比研究，分析了闭环光纤陀螺零偏稳定性的变化，并利用Allan方差具体分析了闭环光纤陀螺的输出误差特性中的角随机游走、零偏不稳定性、速率漂移斜波等的变化，从中找出规律性的关系。     

基于ASYM的激光陀螺捷联惯性系统温度误差模型辨识

为减小温度对导航精度的影响,实现系统级的温度补偿,在实验中采用静态条件下的标定方法;基于激光陀螺捷联惯性系统的误差模型方程,用广义逆算法顺利分离求得陀螺各零偏及标度因数值;根据以往温度误差模型的结构特点,运用渐近辨识方法(ASYM)中的最终输出误差准则(FOE)对温度误差模型中非线性部分的阶次进行准确的计算,确定了合理的温度误差模型结构。为了解决用最小二乘法辨识模型结构的系数时,信息矩阵求逆容易溢出的问题,采用了自适应的岭估计算法确定陀螺零偏温度误差模型的系数,实现了系统级的温度误差建模。所得到的温度误差模型补偿效果比定阶前明显提高。     

基于PSO-BP 神经网络的激光陀螺温度补偿方法

激光捷联惯导系统上电启动时,陀螺受温度影响其零偏会经历快速变化到逐渐稳定的过程,影响惯导系统应用精度。因此,提出了一种基于粒子群-反向传播神经网络（PSO-BP）的激光陀螺温度补偿方法,利用粒子群算法寻找神经网络模型的最优权值与阈值,以温度和温度梯度作为自变量,建立陀螺零偏输出的补偿模型。激光惯导系统工作温度范围内的温度试验结果表明：与传统反向传播神经网络算法相比,所提出的PSO-BP神经网络模型的速度提高了4倍,模型拟合精度更高,且避免了反向传播算法易陷入局部最优解的问题。经过粒子群-反向传播算法补偿后,陀螺零偏稳定性相比温补前提高了60%,进一步验证了模型的有效性。     

四频差动激光陀螺三种误差模型对寻北精度的影响

分析了四频差动激光陀螺漂移信号的特性,将陀螺输出的漂移误差信号分为常值漂移误差和随时间变化的一次项、二次项漂移误差,并据此建立陀螺漂移误差模型,分别对陀螺漂移进行零次拟合、一次拟合及二次拟合.针对这些模型结合寻北推导了误差的补偿算法,并通过寻北实验精度比较,验证了不同误差模型的补偿效果.实验结果表明,就本文实验所用陀螺,含二次项误差的模型寻北精度较高,使寻北精度从零次拟合模型的1密位降低到0.5密位.     

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。     

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。     

光纤陀螺零漂数据滤波方法的研究

在对光纤陀螺零偏稳定性数据建立时间序列模型（ARMA模型）的基础上,采用卡尔曼滤波算法对光纤陀螺的漂移数据进行了处理,并采用Allan方差法和最小二乘法对滤波后的数据进行了处理,拟合,最后求出滤波后数据中各噪声的误差系数。     

连续旋转的光纤陀螺全温失准角快速建模与补偿方法

在全温范围内应用的光纤陀螺,其输入轴失准角随温度的变化是影响光纤陀螺惯性系统性能的重要指标之一。特别是在大角速率或者高精度应用时,失准角的变化误差甚至超过零偏漂移误差和标度因数误差。采用温度补偿技术是一种提升光纤陀螺温度性能的有效方法,其中建立精确的温度模型是关键。提出了一种连续旋转的光纤陀螺全温失准角快速建模补偿方法。基于单轴速率转台的连续旋转,可以有效识别光纤陀螺失准角在全温范围内的变化拐点,提高建模和补偿的精度。试验结果表明,某型光纤陀螺全温输入轴失准角变化约14″,补偿后全温输入轴失准角变化小于1″,精度提高了一个数量级以上。在高精度光纤陀螺惯性系统中,该方法可用于指导光纤陀螺失准角的实时温度补偿技术研究及工程实现。     

连续旋转的光纤陀螺全温标度因数快速建模补偿方法

在全温范围内应用的光纤陀螺,标度因数误差是其主要的误差之一。特别是在大角速率或者高精度应用时,光纤陀螺的标度因数误差甚至超过零偏漂移误差。在实际使用中,需对陀螺标度因数在全温范围内进行建模和补偿。对光纤陀螺标度因数误差机理进行详细分析后,提出了一种连续旋转的光纤陀螺全温标度因数快速建模补偿方法。基于单轴速率转台的连续旋转,可以自动快速完成标度因数全温建模且工程实现简单易行。更重要的是该方法可以有效识别标度因数在全温范围内的变化拐点,提高建模和补偿的精度。对比试验结果表明,采用此方法后能精确测得某型光纤陀螺全温工作的标度因数真实拐点为48℃,全温标度因数补偿精度优于15′10~(-6),较按照GJB2426-2004进行的多点测试后补偿提高10%左右。     

对称单质量微机电陀螺的零偏自补偿方法

针对微机电陀螺的零偏易受环境因素如温度的影响而发生漂移的问题,提出了一种适用于全对称单质量陀螺的零偏自补偿方法,该方法以两种基本单轴工作模式为基础,将两种工作模式下的检测信号进行差分即可实现零偏自补偿。建立了陀螺的动力学模型,对于结构完全对称的单质量陀螺,得出了两种基本工作模式对应的标度因数互为相反数、温度变化引起的零偏变化量一致的结论,并通过实验得到了验证。零偏自补偿方法实现了标度因数叠加、零偏变化量抵消的效果。设计了一种基于FPGA的零偏自补偿数字电路,并进行了零偏试验。零偏温度试验结果表明,在25℃~70℃的温度范围内,两种基本工作模式对应的零偏输出随温度变化的趋势一致,零偏自补偿后的零偏变化量降为了基本工作模式的24%;常温零偏试验结果表明,零偏自补偿后的陀螺零偏稳定性和零偏不稳定性分别抑制到了基本单轴工作模式的18%和31.85%,验证了该零偏自补偿方法的有效性。     

激光陀螺惯性导航系统静态校准方法的研究

介绍了激光陀螺惯性导航系统（ＬＩＮＳ）的误差模型，研究了一种多位置的静态校准方法，通过旋转一个位置分离一个主要变量的方法，逐次分离出加速度计和陀螺的零偏、标度因数误差及不正交角共２０项误差系数并加以补偿。实验研究表明，本方法的校准精度较高，而且时间较短。