MEMS陀螺误差建模与滤波方法

从实际工程应用角度出发,探讨了微机电系统(micro-electro-mechanical systems,MEMS)陀螺误差的有效滤波降噪方法.基于随机序列时序分析法的基本原理,采用实时平均算法对陀螺原始量测数据进行常值补偿预处理,得到随机漂移信号.对去除渐进项后的差分漂移信号进行AR模型建模,并依据该模型进行改进卡尔曼滤波,在输出差分信号滤渡值的同时解算当前陀螺输出滤波值.通过对某MEMS陀螺实测数据的误差补偿结果表明,提出的滤波方法能够有效地抑制其漂移误差,提高实际应用中的测量精度.     

基于Simulink的捷联惯导系统圆锥误差的仿真研究

基于Simulink仿真环境建立了捷联惯导系统三轴转台的仿真模型,模拟转台的角振动产生圆锥运动。通过设置陀螺的动态误差系数,对陀螺的动态测量误差产生的圆锥误差进行了仿真研究。分析了陀螺的标度因数误差和交联耦合误差产生的两类圆锥误差:整流误差和伪圆锥误差。提出了根据圆锥误差估计并补偿陀螺的动态误差系数的方法。仿真结果表明经过补偿后,由圆锥误差引起的姿态漂移得到明显改善。     

基于模型误差补偿的星敏感器/陀螺卫星定姿方法及其仿真

针对经典扩展卡尔曼滤波(EKF)依赖于未知参数动态模型的准确程度这一问题,提出了一种基于当前星敏感器观测信息的模型误差补偿算法.该算法利用状态估计信息及当前矢量观测值,以预报误差最小为准则,对陀螺输出模型中的陀螺漂移进行补偿,进而利用修正后的陀螺测量模型预报卫星姿态,从而显著地提高了系统的定姿性能.仿真实验表明,在无陀螺漂移先验信息的情况下,该算法能够有效地补偿陀螺漂移引起的模型误差,定姿效果优于EKF.     

光学陀螺旋转式惯导系统的安装误差效应分析

在光学陀螺惯导系统中,利用系统旋转自动补偿可以有效地减小惯性元件漂移对系统导航精度的影响,从而实现高精度、低成本的惯性导航要求。首先从光学陀螺旋转式惯导系统的误差传播方程出发,推导了系统中由于光学陀螺安装误差引起的数学平台角度误差表达式。以此为基础,分析了旋转式系统中的安装误差引起的误差效应及自动补偿安装误差所应满足的条件,为系统设计和精度分析提供了理论参考。     

静基座速率偏频激光陀螺捷联惯导系统快速高精度初始对准算法

针对惯性器件误差对初始对准精度的影响,提出了基于速率偏频激光陀螺捷联惯导系统的快速高精度初始对准算法。首先,研究了初始对准阶段惯性器件的误差特性;然后,建立了激光陀螺标度因数和加速度计零偏的二次非线性误差模型,并对其进行在线估计和补偿;最后,采用卡尔曼滤波方法对激光陀螺零偏残差进行估计,得到系统初始对准姿态矩阵。实验结果表明,该算法可以有效消除激光陀螺标度因数误差、零偏误差和加速度计零偏误差等因素对初始对准精度的影响,初始对准时间为3 min时水平姿态角对准精度为2″,偏航角对准精度优于30″,精度和快速性均得到显著提高。     

车载GNSS失锁下基于BPNN的微陀螺误差估计及定位方法研究

针对在全球导航卫星系统(global navigation satellite system, GNSS)失锁阶段将微陀螺惯性系统作为备用定位系统时,由于微陀螺误差引起的定位误差发散问题,提出了基于后向传播神经网络(back propagation neural network, BPNN)的微陀螺误差估计及定位算法。在GNSS有效阶段为车辆提供定位信息,同时对微陀螺误差进行估计,并利用后向传播神经网络BPNN建立微陀螺误差预测模型,为GNSS失锁阶段车辆定位做准备;在GNSS失锁阶段,利用已建立好的微陀螺误差预测模型估计微陀螺误差,对微陀螺输出信息进行补偿,以抑制由陀螺误差引起的定位误差。最后利用仿真与试验验证了此方法的正确性与有效性。     

陀螺经纬仪灵敏部横向偏差的精度影响

为了提高陀螺经纬仪寻北精度,基于光电积分法测量原理,建立了横向偏差对陀螺寻北精度影响的数学模型,并进行了仿真分析。首先,采用欧拉动力学方程分别建立了横向偏差对陀螺进动和漂移的影响模型;然后,基于光电积分法测量原理分别分析了横向偏差对摆动中心和零位改正角的影响;最后,进行了仿真实验。仿真结果表明,悬带扭力零位对应的方位角和横向偏差越大,精度受到的影响越大。因此,尽量提高加工精度且减小扭力零位对应的方位角和建立合理的补偿机制是减小系统误差对寻北精度影响的有效途径。     

光纤陀螺常值漂移误差自补偿方法

光纤捷联惯导系统(SINS)中,光纤陀螺常值漂移是导致SINS导航误差的主要因素.阐述了单轴旋转误差自补偿技术的基本原理,针对传统单轴旋转调制不能补偿与旋转轴平行方向上的陀螺常值漂移误差,给出了一种改进的单轴旋转式惯导系统误差自动补偿方法.将惯性测量组件(Inertial Measurement Unit,IMU)倾斜安装,不与旋转轴正交或重合,理论分析了这种配置方案可以有效地补偿一般单轴旋转方案中不能补偿的光纤陀螺常值漂移误差,从而大大提高系统的导航精度,最后给出了仿真结果.仿真结果表明,改进的单轴旋转方案能够明显的提高惯导系统的精度.     

星机双基地SAR-GMTI中的运动误差分析

运动误差补偿影响杂波抑制、多普勒参数估计和目标聚焦成像,是双基地合成孔径雷达地面运动目标检测(synthetic aperture radar ground moving target indication , SAR-GMTI)的一项关键技术。根据星机双基地系统的特点,提出了一种有效的运动误差分析和补偿方法。从星机双基地SAR GMTI的运动误差几何模型出发,分析出误差对运动目标参数的影响,并给出了相应的补偿因子。特别针对地势起伏和斜视角不能忽略的情况,分析了误差补偿的偏移量并提出了有效的补偿方法。最后,计算机仿真验证了所提方法的有效性。     

连续油井测斜系统仿真轨迹数据生成技术

针对快速准确的油井轨迹测量要求,一种基于动力调谐陀螺的连续测斜方法被提出。为了对连续测斜算法的可行性进行仿真,需要井眼轨迹数据和惯性器件输出参数。根据惯性导航原理,将飞行轨迹生成思想扩展到油井测斜领域。应用数学方法设计了一种仿真用井眼轨迹数据生成器,搭建了惯性器件模型,生成了模拟的惯性器件输出。通过指北方位捷联惯导姿态算法仿真,验证了该轨迹数据生成器能够满足连续测斜算法的仿真需求。     

基于RBF的机械手建模误差补偿自适应控制

针对机械手动力学建模误差,提出了基于RBF神经网络误差补偿的自适应控制策略。在基于逆动力学的计算力矩控制方法的基础上,对系统输入与目标轨迹进行修正,设计了两种误差补偿自适应控制器。利用RBF神经网络对修正项在线自学习,并根据Lyapunov稳定性理论建立了网络权重自适应学习律,保证了跟踪误差的收敛及系统的稳定。以平面转动双臂机械手轨迹跟踪为例进行仿真,结果表明该方法能够有效地补偿建模误差,提高了系统的控制性能并使控制系统具有对参数摄动的鲁棒性,对于机械手自适应控制具有一定的可行性。     

数字罗盘辅助实现MIMU静基座初始对准

针对低成本MIMU中MEMS陀螺精度低,不能独立完成初始方位对准的问题,提出了基于数字罗盘辅助实现MIMU粗对准,再利用UKF方法实现精对准的低成本MIMU初始对准方法。介绍了数字罗盘的基本原理、分析了航向误差的产生原因,给出了基于最小二乘法的误差补偿方案;设计了基于数字罗盘辅助MIMU的粗对准和基于UKF的非线性精对准方案,分析了粗对准精度,建立了包含航向角误差的非线性对准模型;MIMU初始对准仿真结果表明该方法具有满意的对准性能。     

一种新型的灰色RBF神经网络建模方法及其应用

针对神经网络建模预测时,其建模精度往往受到数据随机性的影响,以及灰色累加生成操作(AGO)具有减小数据随机性,使数据变得有规则的特点,提出了一种新型的建模预测模型———灰色径向基(RBF)神经网络模型。此模型能够减小数据中的随机性,加快网络的建模收敛速度,使神经网络的建模精度得以提高。将此灰色RBF神经网络应用到动调陀螺仪漂移数据建模中,并将其建模验证结果和单纯使用RBF网络的建模结果进行比较,结果证明此方法是可行而有效的。     

基于贝叶斯-神经网络的动态回归建模与预测

结合贝叶斯网络和神经网络，提出了一种建立数据驱动型的动态线性回归系统模型的方法。基于这种模型采用自然连接型的知识分布，形式化各种各样的信息，结合贝叶斯方法，执行贝叶斯网络的持续学习过程；采用指数寿命型的连接权值改进径向基神经网络，优化输入数据，提高计算速度；采用改进的遗传算法，实现神经网络的动态自适应。基于上述方法，实现了线性回归系统动态建模与实时预测。仿真试验说明该方法是有效性。     

基于RBF神经网络与Markov组合的飞行风险预测研究

为了更加准确地对飞机飞行安全性做出评估,在径向基(radial basis function,RBF)神经网络的基础上,通过引入马尔可夫链的方式进行误差修正,建立了一种拟合程度高且无需反复调整权值的新型评估模型.并以国内某航空公司A320机型近20年来发生的飞行机械故障为基础数据对模型进行训练、拟合、修正.将修正结果与单一RBF神经网络评估方法相比较,分析二者差异后得出误差降低的结论.为管控飞机飞行风险提供了方法拓展.     

基于神经网络的固体氧化物燃料电池电堆建模

针对现有的固体氧化物燃料电池(SOFC)模型过于复杂,难以满足工程上对SOFC系统实时控制设计的需要,提出了利用遗传算法(GA)优化径向基函数(RBF)神经网络实现对SOFC电堆建模。在建模过程中,利用遗传算法优化RBF神经网络的输出权值及高斯基函数的中心向量和基宽向量,采用优化后的参数作为网络初始值,然后利用梯度下降法对各参数进行调整。通过仿真对该建模的有效性和建模精度进行了检验。     

基于动态小波神经网络的非线性动态系统辨识

一种隐层由小波基组成的神经网络被用来实现非线性系统的输入输出之间的映射关系.为描述系统的动态特性,在网络中引入了自回归连接结构.本文给出了详细的用小波神经网络进行系统辨识的算法和步骤.本文提出了一种FC+GD算法以提高训练神经网络的收敛速度.最后,将所提出的方法用于CSTR模型的辨识,并与RBF和MLP网络相比较.     

基于智能优化灰色模型的电子固废预测

针对已有电子固废产生量预测时存在的建模机理复杂、建模精度低等问题,提出一种分数阶多元灰色模型与神经网络补偿模型相混合的智能建模     

一种新的RBF神经网络非线性动态系统建模方法

将遗传算法与正交优选法结合 ,用来训练径向基函数 ( RBF)神经网络 ,并对基函数宽度进行自动地调整 ,得到了一种训练 RBF神经网络的新方法 .将其应用于连续流体搅拌反应槽 ( CFSTR)生化反应器的建模中 ,得到了令人满意的结果 .该算法提高了径向基函数神经网络的泛化能力和鲁棒性 ,研究表明是一种有效的“黑箱”动态建模方法     

基于RBF神经网络的海杂波建模

从相空间重构理论出发，构造了一个RBF神经网络预测器来重构海杂波的内在动力学，并且利用这个确定性的模型时海杂波的演变进行预测。为验证模型的推广性能，采用了多步预测。对雷达采集的实际海杂波数据的实验结果表明，这个确定性的模型可以很好地追踪海杂波的演变。文中还分析了该RBF神经网络预测器在不同高斯白噪声条件下的预测性能，得出了其预测误差与杂噪比（CNR）的关系。