融合MT2503与MEMS传感器的惯性导航定位算法

为提高惯性导航室内定位算法的精度与连续性,提出一种融合MT2503与MEMS传感器的惯性导航定位算法,算法以MT2503芯片作为定位终端,并将加速度计传感器、陀螺仪,磁力计等传感器与其进行融合,通过加速度计传感器解算步长、步幅、步频,通过陀螺仪与磁力计来识别定位终端微动偏移量,最后在初始位置上累加定位终端位移得出定位终端实时位置。实验证实通过零速修正和卡尔曼滤波对误差进行校正,有效的解决了MEMS(micro-electro mechanical system)定位算法中存在的导航解算误差累积问题,提升了MEMS惯性导航室内定位算法的精度。     

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.     

微型组合导航系统中的传感器野外标定方法

微型组合导航系统中的惯性传感器包括MEMS加速度计、MEMS陀螺仪和地磁传感器等.其精度较低,标度因数、零偏等参数易受环境影响,尤其是温度,因此室内标定得到的标度因数、零偏等参数在野外环境下不再可靠,需要修正.新方法中不需要转台等惯性测试基准设备,只需将导航系统转动6个不同位置,记录各传感器的输出,解方程组即可得到加速度计、陀螺仪和地磁传感器的零偏和标度因数误差,提高了测量精度.通过多组实验证明了该方法简单、可靠,标定精度较高,适用于短时间、低中精度导航系统.     

基于改进六位置法的一种 MEMS 加速度计标定补偿方案

微机电系统(micro electronic mechanical system,MEMS)加速度计在测量过程中受安装误差、刻度因子及零偏影响,为提高MEMS加速度计的测量精度,在六位置法标定的基础上,提出一种改进的MEMS加速度计标定补偿方案.利用小波滤波对MEMS加速度计的原始测量值进行滤波,运用六位置法对6个位置的原始数据进行标定得到补偿模型.通过实验验证,MEMS加速度计测量精度由标定前的1.2 m/s2提高到0.01 m/s2,由MEMS加速度计解算的横滚角和俯仰角精度由标定前的1°提高到0.166 4°.     

基于HDR的陀螺仪随机漂移分析与处理

通过对MEMS陀螺仪工作时产生的噪声误差特点进行分析,采用启发式漂移消减法(HDR)设计闭环网络,对该误差进行实时估计和补偿.针对载体在运行过程中产生的摇摆问题,通过添加双低通滤波器来消除影响;由于低通滤波器的引入而产生的时间延迟,通过设计信号滞后消除环节解决,提高MEMS陀螺仪对姿态角的估计精度;对于载体在运行过程中出现的弯曲和转向问题,则通过设计阈值函数进行解决.最后,采用Allan方差对陀螺仪补偿后的误差进行综合评定,并以MC-ROV水下机器人为平台进行试验.结果表明:经过HDR补偿之后,陀螺仪的各项误差指标均有比较明显的降低,显著提高陀螺仪的输出精度.     

捷联惯性测量组件陀螺系统标定研究

对捷联惯性测量组件陀螺仪系统标定方案进行了研究.根据光纤陀螺系统静态误差参数模型,提出了一种在线组合标定方案和系统辨识算法,在线组合标定方法采用递推最小二乘算法对测试数据进行了在线处理,并通过该试验方案的仿真进行了验证,仿真结果表明这种方法是有效可行的.试验步骤简单,提高了标定的自动化水平.     

基于小波去噪的MEMS陀螺仪随机误差校准算法

微机电系统(micro electro mechanical system,MEMS)陀螺仪具有体积小、成本低、功耗低等特点,在微姿态测量系统中应用极其广泛。由于在制作工艺、材料等方面会引入额外的随机噪声,且瞬态电压的不稳定也会造成MEMS陀螺仪在上电阶段产生随机波动误差,严重影响微姿态测量系统的启动时间和测量精度。因此,基于多分辨分析特性的小波变换分析技术,提出了一种改进的小波去噪算法,通过对MEMS陀螺仪的数据进行3层小波分解,剔除高频分量和电压不稳定产生的突变信号,并对低频分量进行重构,最终得到校准以后的陀螺仪数据,实现陀螺仪随机误差的快速校准。实验验证结果表明,通过3层小波分解后,随机误差均值小于0.05 °/s,系统启动时间小于0.1 s,具有较好的噪声抑制和迅速启动能力。     

基于SVD/小波的MEMS陀螺误差分析及降噪处理

陀螺仪作为导航系统的核心传感器,其输出信号的精度对导航结果有着重要的影响。针对微机电系统(micro electro mechanical system,MEMS)陀螺成本低、应用广泛但精度低、噪声大的使用现状,选取小波分析方法对MEMS陀螺信号进行误差分析,针对误差分析结果提出了一种小波分析结合奇异值分解(singular value decomposition,SVD)的降噪方法以剔除微弱噪声信号。针对小波分析存在的小波分解层数和小波系数难以选取的问题,提出一种自适应选取小波分解层数和变换小波系数的改进小波算法;通过引入SVD以改进小波变换检测微弱信号中噪声的劣势问题,设计双轴电动转台的静、动态试验,静态试验进行信号的误差分析,动态试验验证改进算法的精度,得出改进算法比之传统小波算法降噪性能提升的结论。     

MEMS陀螺仪随机误差在线建模与滤波研究

针对普通微电子机械系统(micro-electro-mechanical system, MEMS)陀螺仪随机误差较大、零偏性影响在线建模的问题,提出对MEMS陀螺仪随机误差在线建模、实时滤波以提高MEMS陀螺仪在工程应用中的精度。首先,对陀螺仪采样数据进行分析处理,使其满足时间序列建模的要求。为避免数据离线零均值处理,实现在线建模,直接将数据中陀螺仪零偏引起的常值分量带入模型,建立具有常数项的时间序列模型,并通过递推最小二乘法得到模型参数的最优估计;然后,利用时域上状态空间方法设计增广状态Kalman滤波器,实时修正MEMS陀螺仪随机误差。研究表明方法有效,MEMS陀螺仪精度进一步提高,研究能为后续惯性测量运算提供可靠的数据支持。     

高精度全姿态惯性平台的自标定

传统的惯性平台的标定方法存在很大的局限性.根据高精度惯性仪表的特性,对传统的误差模型适当地进行了简化,建立了供自标定使用的陀螺仪、加速度计误差模型;针对三框架四轴全姿态惯性平台,提出了一种七位置自标定方案;给出了公式解算方法及数据测试方法,占用时间约40 min,共分离出包括两个水平地速分量在内的20项误差系数.通过自标定时间、精度分析,表明该自标定方案有助于缩短平台的测试时间,提高武器系统的使用精度.     

基于相关拟合校准技术的MEMS平面微运动纳米精度测量

微电子机械系统（MEMS）谐振器周期运动过程中各个时刻的运动特性及其动态特性参数为MEMS器件的设计提供重要参考．提出一种基于相位相关技术的亚像素运动估计算法,可对相关拟合方法进行误差校准补偿,从而提高对物体运动的分辨力,实现纳米精度测量．利用该算法对MEMS器件的运动历程做分析,得到特定驱动频率下MEMS器件的幅度一相位曲线．利用扫频测量原理,获得了MEMS器件的幅频特性．实验结果表明,该方法具有较好的测量精度,测量分辨力优于5nm．     

基于 MEMS 辅助的单基线北斗融合测姿算法

载体的姿态信息是导航的重要参数,随着北斗卫星导航系统（Beidou navigation satellite system,BDS）和微机电系统（micro-electro-mechanical systems,MEMS）惯性传感器的发展与完善,高精度、低成本、自主化的融合测姿技术具有广阔的应用前景,因此,提出MEMS辅助单基线北斗融合测姿算法。根据MEMS惯性传感器解算出的姿态信息确定基线向量的搜索范围,从而辅助模糊度函数法（ambiguity function method,AFM）减小整周模糊度搜索空间,提高整周模糊度快速求解的成功率和计算效率。将BDS输出的姿态角信息作为观测信息,对MEMS陀螺仪解算出的姿态信息进行实时校正,实现BDS和MEMS传感器二者的数据融合算法。通过实测数据仿真验证,该算法能够解决信号失锁带来的整周模糊度求解困难的问题,并且测姿系统能在遮挡和动态等复杂环境下提供高质量姿态测量结果。     

融合双轴加速度计与单轴陀螺仪的滚转角测试方法

实时高精度滚转角信息对提高高速旋转弹药制导精度尤为重要。由于弹体纵轴存在高速旋转,若纵轴采用大量程陀螺,则会带来较大的输出噪声,同时不可避免地存在累积误差,导致滚转角测量精度不高。为解决这个问题,提出了一种融合双轴正交加速度计与单轴陀螺仪的滚转角测试方法,纵轴采用大量程陀螺进行滚转角测量,双轴正交加速度计测量横轴和竖轴上的加速度,利用低通滤波提取重力投影测量滚转角,由加速度计得到的滚转角作为观测量,基于卡尔曼滤波（KF）融合两种方式得到滚转角信息,利用加速度计修正陀螺仪从而提高滚转角测量精度。为验证算法的有效性,进行了弹道仿真实验,实验结果表明：在6.68秒的外弹道飞行过程中,单独使用加速度计测量滚转角精度为（RMSE标准）15.58°,单独使用陀螺测量滚转角精度为1.36°,融合算法精度为0.57°,且不存在累积误差。实验表明,该算法具有重要的工程应用价值     

基于陀螺仪转角传感器的动态信号测量 及物理参数时域识别

针对结构识别算法应用于实际工程时,结构的转角信息难于准确测量及转角自由度通常容易被忽略的问题,本文研究了使用陀螺仪转角传感器测量动态信号的方法及响应信息不完备条件下的结构物理参数识别.首先,针对结构转动响应信息测量困难这一问题,提出采用商业级的微机电系统（MEMS）陀螺仪传感器测量角度和角速度响应,并基于最小二乘递推算法对结构物理参数识别方法进行了理论公式推导.然后以一座4层框架结构为算例进行分析,设置由广义逆方法重构转角和采用转角真实值两种工况,并对结构物理参数进行识别,从而验证了理论推导的正确性.同时,对两种工况下所识别的物理参数进行比较,结果表明重构转动响应时物理参数识别的效果不够理想,故考虑测量转动响应.先对MEMS陀螺仪传感器在受到冲击振动下的动态精度进行了试验验证,在结构的初位移小于10 mm时,动态角度测量的精度为0.1°.在此基础上,通过一个3层2跨的钢框架模型的动力试验实测数据和分析结果,验证了使用MEMS陀螺仪传感器直接测量转动响应相比于重构转动响应对弯剪型结构进行刚度参数时域识别的效果更好.     

基于混合优化算法的关节臂式测量机参数标定

为进一步提高关节臂式坐标测量机等高机动性精密测量设备的测量精度,使用D-H矩阵法建立其关节坐标转换数学模型并据此推导出参数误差模型.针对非线性多参数标定问题,通过变换分析消除了最小二乘法求解时矩阵中的冗余参数,降低了计算的复杂性.设定判定准则并实现最小二乘法和模拟退火算法的混合,提出了一种基于混合优化算法的参数标定方法,解决了LM算法的初值设定和SA算法的搜索效率逐步降低的问题.实验结果表明:关节臂式测量机参数经混合优化算法标定后,参数的误差范围有了显著的缩小,单点重复性误差的平均值减小了1.746 mm,长度误差的平均值减小了0.941 mm,测量误差得到了进一步的抑制.