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。     

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%。     

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。     

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。     

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。     

基于光纤陀螺的温度补偿模型改进、压缩和FPGA实现

为提高光纤陀螺（FOG）在变温环境下输出误差的补偿精度,在长短期记忆神经网络模型（LSTM）基础上,利用分段非线性粒子群算法（PN-PSO）对LSTM模型超参数寻优,建立PN-PSO-LSTM光纤陀螺温度补偿模型。为有效降低计算和存储开销,便于部署在资源受限的硬件环境中,提出一套适用于光纤陀螺应用场景的模型压缩方案,包括：知识蒸馏、剪枝、激活函数线性化、定点数量化等。最后基于Xilinx公司某芯片完成部署。对比实验结果表明,相较于传统反向传播（BP）模型和传统PSO-LSTM模型,采用所提模型补偿后,陀螺零偏输出均方误差分别降低74.4%和53.5%,模型压缩后在大小减小94.1%的同时,陀螺零偏输出均方误差仍然比传统全精度模型更低,在FPGA实现后对比PC端模型推理速度提升98.47%。     

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。     

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。     

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。     

光纤陀螺静态温度特性的分析及实验研究

温度是影响光纤陀螺(FOG)精度的重要因素之一.对于中高精度的FOG,温度效应将不可再忽略.在缓慢温变环境中工作的FOG,应主要考虑其静态温度特性.首先从理论上分析了FOG静态温度效应的主要成因,继而分析了实验设计的原理及实际应用中的补偿方法,最后设计了实验方案并进行测试.测试数据表明FOG的标度因数和零偏与静态温度之间呈近似线性的关系.使用最小二乘法对数据建立1～7次模型,比较模型之间的特点并选择较优的一个,用于补偿陀螺的输出.输出补偿结果显示,新的方案可使FOG可以工作在高温或低温的缓慢温变环境中,而不会影响其输出精度.