惯导系统初始对准时一种陀螺仪测漂方案

对于长时间运行的惯导系统，陀螺仪的漂移是最主要的误差源，陀螺仪漂移中，一部分是确定性和可预测的，这部分漂移在惯导系统出厂前可以进行标定并补偿，另一部分是随机的，其数学模型有关文献已有详细的讨论。本文要研究平台惯导系统螺仪漂移，在初始对准时一种测定方案及具体数学关系的推导。     

陀螺角速度漂移数学模型识别

由于陀螺角速度漂移是长时间工作的惯性导航系统的主要误差源,因此,为了对长时间工作的惯性导航系统进行最佳设计,建立陀螺角速度漂移的数学模型是必要的。本文从认为陀螺角速度漂移是由白噪声通过线性系统形成的观点出发,采用《时间序列分析》的方法,通过模型识别、参数估计和检验等步骤,对某个三自由度陀螺仪以等时间间隔所测得的沿方位和水平方向的角速度漂移各631个数据,进行了数学分析,并分别建立了数学模型。分析结果表明:此陀螺角速度漂移是由平稳随机过程和非平稳的随机游动及滑落所组成。这个结果对于评定陀螺仪的性能和质量是有用的。但是为了真正满足惯性导航系统最佳设计的需要,要求建立长时间的陀螺角速度漂移的数学模型,为此,就需要对批量生产的陀螺仪进行长时间漂移的抽样测试,获得分析所需的样本数据。另外,如果有需要,还得把离散型的差分方程化为所需的连续型微分方程型。本文所采用的方法对相当广泛的一类工程问题也是适用的。     

空间稳定惯性导航系统中陀螺仪漂移模型系数的辨识

陀螺仪的漂移误差是空间稳定惯性导航系统的主要误差源,对漂移模型系数的准确辨识是保证系统实现长时间、高精度自主导航的关键．独立标定陀螺仪的数据无法全面反映陀螺仪在系统中的特性,必须在系统中实现对陀螺仪漂移模型系数的辨识,为此,分析了系统稳定平台坐标系随动于陀螺坐标系的运动过程,推导出稳定平台的运动微分方程,建立了以陀螺仪漂移模型系数为状态变量的系统方程；以平台上加速度计的输出为观测量,采用扩展卡尔曼滤波器对陀螺仪漂移系数进行估计．仿真实验结果表明,新的陀螺仪漂移系数辨识方法是有效的和准确的．     

主动式升沉补偿控制系统及运动预报

针对主动式升沉补偿系统的时滞特性会造成控制效果变差甚至使系统失稳问题,考虑采用模型预测控制算法对其进行控制.并从提高系统抗干扰性角度出发,将模糊-比例积分微分(PID)控制与模型预测控制进行结合形成预测模糊PID控制,并将其与动态矩阵PID控制进行了仿真比较.最后为了进行实时的升沉补偿,采用时间序列法自回归预测模型对吊装点的运动进行了预报.仿真结果表明:预测模糊PID控制在系统存在时滞的情况下既保证了系统的稳定性又提高了系统的抗干扰性;时间序列法自回归预测模型对于极短期的运动预报具有较高的预测精度,可以满足主动式升沉补偿系统的预报要求.     

小波变换集遗传算法神经网络的径流预测建模

为获得更精确的径流预报结果,利用dmey小波变换对径流时间序列分解为高频信号和低频信号,再使用遗传算法优化的BP神经网络分别对其进行预测,最后利用dmey小波逆变进行重构,以此建立径流总量预测模型。通过对柳江径流总量进行实例分析,并与遗传算法优化的神经网络模型、BP神经网络模型及传统的时间序列分析方法对比,该方法获得更准确的预测结果。研究结果表明该模型能充分反映径流时间序列趋势,预报稳定性好,预报准确率高,为径流时间序列预测提供一个有效建模方法。     

基于改进灰色模型的MEMS陀螺仪零偏温度补偿

微机电系统(micro-electro mechanical system,MEMS)陀螺仪的零点漂移是影响陀螺仪测量精度的主要因素.针对MEMS陀螺仪零点漂移随温度变化的非线性问题,以MEMS惯性传感器为试验对象,采用小波变换对MEMS陀螺静态实验零偏数据进行滤波,结合改进灰色预测模型估计零偏随温度变化趋势,获得基于小波变换和改进灰色预测的温度补偿模型.与常规补偿模型算法比较表明,基于小波变换和改进灰色预测的温度补偿模型均方根误差和平均绝对误差更小,MEMS陀螺仪零点漂移的均方根误差和平均绝对误差分别减少到0.025 0和0.018 0,验证了该补偿模型的可行性,对提高陀螺测量精度具有较好的理论意义和工程应用价值.     

基于惯性测量单元旋转的陀螺漂移估计和补偿方法

陀螺仪的漂移误差是影响惯性导航系统的姿态测量精度的重要因素。常用的陀螺漂移估计及航向角误差修正方法需要用磁强计或GPS等外部传感器的辅助数据来实现,存在室内、磁干扰等环境下应用受限的问题。对此该文提出了惯性测量单元旋转的改进方法。该方法在测量过程中对陀螺仪施加独立于物体运动的特定旋转,通过旋转前后不同姿态下陀螺仪和加速度计输出的倾角数值,得到惯性测量单元漂移估计。实验表明,该估计算法可有效地提高航向角的测量精度。     

自适应格型算法对动调陀螺仪随机漂移的建模

针对动力调谐陀螺仪启动过程中随机漂移模型参数的缓慢变化及逐次启动漂移模型系数的不同，提出了一种利用递归最小平方格型（LSL）算法对动力调谐陀螺仪随机漂移模型系数进行自适应估计的方法。格型相同节级联的特殊结构决定了LSL算法在自回归（AR）模型阶数增加时不必改变算法结构。使得该算法可以在线进行，并且收敛非常迅速，可以针对动力调谐陀螺仪不同次启动快速建立该次启动的随机漂移模型。通过对动力调谐陀螺仪启动1min后的4组实测漂移数据处理及模型检验，证明了该方法的有效性。     

光纤陀螺仪测试研究

论述了光纤陀螺仪测试系统的组成。对光纤陀螺仪的偏值稳定性、输入轴失准角和随机游走系数等进行了测试和分析，对陀螺仪随机漂移模型进行了辨识，分析了转台误差对陀螺仪输入轴失准角测试精度的影响．所得结论为陀螺仪生产工艺的改进、陀螺仪应用中的误差建模和补偿提供了理论依据     

时间序列在变形监测中的应用

详细介绍了时间序列的基本原理以及时间序列建模中的数据预处理、模型选择、模型定阶、模型参数的确定及模型的可靠性等建模步骤,并给出了时间序列的预报公式.最后用时间序列分析处理了某市的某-边坡沉降观测数据.通过对结果的分析,得出时间序列分析用于简单的时序预测具有较好的效果,9期预测误差的绝对值均小于0.18 mm.其建模过程...     

水下攻泥器随钻姿态惯性测量方法

结合水下攻泥器钻头实际工作情况,提出了一种基于捷联惯性系统,通过扩展卡尔曼滤波算法进行钻头姿态测量的新方法. 该方法以加速度与角速度低频值作为观测量对误差进行校正,对钻头姿态进行推算. 测试结果表明,该钻头姿态测量方式是可行的,能够在不增加传感器情况下极大地提高捷联惯性系统的导航精度,使航向角的漂移从20°/h减小到3°/h.     

线振动条件下激光陀螺捷联惯导附加漂移补偿技术

针对振动条件下惯性器件会产生较大漂移的问题,从导航误差方程出发,以速度和位置误差作为观测量,设计了双位置卡尔曼滤波初始对准测漂方法。利用这种方法对振动条件下系统中激光陀螺的零漂和加速度计的零位的变化进行了估计;同时在导航解算过程中对惯性器件的振动附加漂移进行补偿。振动条件下对准测漂实验表明:利用双位置卡尔曼滤波方法可以很好的估计出惯性器件的振动附加漂移。振动漂移误差补偿实验表明:在导航结算过程中对惯性器件的振动漂移进行有效补偿后导航精度明显提高。     

捷联惯性制导系统的电路设计

通过对捷联惯性制导的特殊性进行分析,找出进行捷联惯性制导系统的电路设计时所应注意的问题,在此基础上,针对一项具体的应用,用C32DSP和可编程逻辑器件,设计了一个捷联惯性制导系统的电路。     

水下地形匹配导航研究综述

地形辅助导航系统以地形高程特征为定位信息源,可为水下航行器提供有界的定位误差,并能显著地抑制捷联惯性导航系统的误差漂移。而地形匹配算法是地形辅助导航系统的关键技术,其输出的匹配位置可作为组合导航滤波器的观测值以修正导航参数,地形匹配精度直接决定了整个导航系统性能。本文首先概述了现有水下导航定位技术,然后阐述了地形辅助导航基本原理与组成,最后详细总结了国内外地形辅助导航系统和地形匹配算法的研究进展,为我国地形辅助导航系统的开发和研制提供有益参考和支撑。     

小型战术导弹捷联惯导系统及瞄准线误差模型

为了系统地研究小型战术导弹捷联惯导系统的误差特性,在初始对准数学模型的基础上利用坐标变换和相似变换原理,建立了捷联惯导系统数学平台漂移模型、加速度误差模型和瞄准线转动误差模型,并对模型进行了分析.通过仿真实验验证了模型的正确性和可行性,给出了满足要求的惯性器件精度.     

基于递推合成BP网络的多变量时间序列预测模型

提供了一种基于递推合成BP网络的非线性时间序列预测方法,并针对具体实例建立多变量时间序列模型.将其预测结果与灰色预测模型及常规BP网络的多变量时间序列预测模型的结果进行比较,其仿真实验结果表明该网络具有很强的学习特性和泛化能力,适合进行非线性时间序列建模及预测.     

陆用捷联惯导系统中里程计刻度因子的在线辨识

提出陆用捷联惯导系统中里程计刻度因子的在线辨识算法．该算法利用捷联惯导系统在初始对准结束后，刚转入导航工作状态的短时间内，惯导解算精度高的特点，通过加速度计的测量值，采用渐消记忆最小二乘递推算法对里程计的刻度因子进行在线辨识．仿真试验表明，该算法有较强的工程实用性，能有效地解决里程计测量路程的误差积累问题，从而提高整个陆用捷联惯导系统的定位精度．     

基于BP神经网络的混沌时间序列预测方法及应用研究

神经网络在时间序列的预测中得到广泛的应用,但神经网络模型的输入层神经元个数的选取仍然没有一个明确的解析式来表达.为解决这个问题,在非线性动力系统中,根据混沌理论重构相空间,通过最大Lyapunov指数判定时间序列是否存在混沌现象,存在则通过G-P算法计算出混沌吸引子的关联维数,进而获得相空间的嵌入维数作为神经网络的神经元个数.通过上述方法对铝现有价格进行建模,验证该方法对时间序列的短期预测有较好的精度,在此基础上,对未来一段时间铝价格进行预测.     

Dynamic learning rates algorithm for BPNN to forecast time series of dam security

Time series data of dam security have a large number of observed values and should be forecasted accurately in time. Neural networks have the powerful approach ablilities of arbitrary functions and have been broadly utilized in many domains. In this paper, a dynamic learning rate training algorithm of back-propagation neural networks for time series forecasting is proposed and the networks with this algorithm are built to forecast time series of dam security. The application results demonostrate the efficiency of modelling and the effictiveness of forecasting.     

Dynamic learning rates algorithm for BPNN to forecast time series of dam security

Time series data of dam security have a large number of observed values and should be forecasted accurately in time. Neural networks have the powerful approach ablilities of arbitrary functions and have been broadly utilized in many domains. In this paper, a dynamic learning rate training algorithm of back-propagation neural networks for time series forecasting is proposed and the networks with this algorithm are built to forecast time series of dam security. The application results demonostrate the efficiency of modelling and the effictiveness of forecasting.