基于最小概率DWO的激光陀螺温度误差模型辨识

鉴于激光陀螺温度误差模型的非线性和时变性,从提高模型辨识质量的需要出发,运用基于最小概率DWO（直接加权优化）的非线性系统辨识方法进行激光陀螺温度误差模型辨识研究,提出了一种精度更高的激光陀螺温度误差模型。该模型以带宽作为唯一需要确定的模型参数,避免了以往温度误差模型研究中的结构与参数辨识等复杂问题,从而在保证模型辨识质量的基础上,也相应提高了模型的适应能力,并通过两种温度误差特性有显著区别的激光陀螺（四频差动激光陀螺和二频机抖激光陀螺）的温度实验数据验证了该模型的正确性和适应性。     

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。     

最小概率DWO带宽选择及激光陀螺温度误差模型辨识

在原有研究的基础上,针对实验数据观测点疏密分布均匀或不均匀的工程实际情况,分别运用全局准则和局部准则,研究最小概率DWO非线性辨识方法中的带宽选择关键问题,提出了校正AIC准则和LCV准则两种不同的带宽选择方法,并将这些方法应用于四频差动激光陀螺的温度误差模型辨识中,比较和验证了这些方法的正确性和适应性。研究结果表明：①对于＂分布均匀＂的情况,宜采用校正AIC准则;②对于＂分布不均匀＂的情况,宜采用LCV准则;③形成了自动带宽选择算法。总之,这些方法为解决＂带宽选择＂问题提供了有效途径,从而进一步提高了最小概率DWO方法的工程应用价值。