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。     

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GABP神经网络的液压互联悬架建模研究

液压互联悬架(hydraulically interconnected suspension, HIS)是一种非线性系统,运用机理分析法建模存在建模精度和速度不可兼得的缺点。为解决上述矛盾,提出了一种基于遗传算法(genetic algorithm, GA)优化的反向传播(back propagation, BP)神经网络对HIS系统进行建模的方法。首先,通过Simulink建立的液压互联悬架模型仿真获取网络的训练数据。其次,使用遗传算法优化BP神经网络的初始权值和阈值;然后,两种建模方法对比验证GABP建模方法优点;最后,通过液压互联悬架台架实验获取实验数据,与神经网络训练结果进行比较分析。结果表明：在垂向模态下,低、中、高3种频率下相对误差百分数分别为4.12%、2.27%、1.51%;在侧倾模态下,低、中、高3种频率下相对误差百分数分别为7.64%、4.07%、4.35%。与机理建模法相比,GABP建模方法兼具较好的建模精度和速度。     

基于复合卡尔曼的低成本手机陀螺仪降噪研究

在利用智能手机中的低成本MEMS传感器进行定位时,由于陀螺仪和加速度计输出的原始数据存在较大误差,难以获得较为准确的姿态角信息。其中利用陀螺仪数据进行积分运算后造成的漂移误差尤为严重。针对这个问题,将陀螺仪和加速度计的数据进行信息融合,使用复合卡尔曼滤波法来降低陀螺仪积分漂移误差。静态和摇摆实验表明基于复合卡尔曼滤波的降噪方法可有效提高姿态角测量精度。     

一种利用改进Elman神经网络的光伏I-V特性建模方法

为了准确表征和预测光伏（PV）组件在不同工况下的电流电压（I-V）特性,本文提出一种利用改进Elman神经网络的光伏I-V曲线黑盒建模新方法。首先通过皮尔森相关系数分析影响I-V曲线的环境因素;其次使用基于电压电流的双线性插值法对实测I-V曲线进行重采样,以提高I-V曲线上数据点分布的均匀性;进而使用基于辐照度温度的网格采样法对I-V曲线数据集进行下采样,降低数据冗余度;再利用量子粒子群（QPSO）算法优化Elman神经网络的初始权值和阈值,从而构造QPSO-Elman预测模型。最后根据美国国家可再生能源实验室（NREL）提供的I-V曲线数据集进行实验验证和测试。实验结果表明,所提出的建模预测方法精度更高,稳定性和泛化能力更好。     

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°.     

一种顾及随机误差的地面三维激光扫描仪自检校方法

系统误差作为点云数据中的非随机项,使得扫描结果具有累积作用,对结果质量的影响尤为显著。因此,提出一种地面三维激光扫描仪系统误差自检校方法,该方法同时考虑了系统误差和随机误差对扫描结果的影响。在随机模型方面,基于测角和测距精度对观测值进行加权,并利用方差分量估计理论实现不同类型观测值的后验估计。仿真实验和实测数据验证表明,该方法能有效提高未知参数的解算精度,且经过系统误差和随机误差改正后,可获得更接近真实值的目标坐标,相较于常规自检校方法具有更高的准确性和精度。     

基于改进自适应混合滤波算法的输电杆塔倾角测量方法

针对输电杆塔在线监测系统在使用低成本惯性测量单元(inertial measurement unit, IMU)测量杆塔倾角时存在测量精度低、姿态解算易发散、稳定性差的问题,提出一种基于改进自适应混合滤波算法的输电杆塔倾角测量方法。首先建立杆塔姿态解算坐标系,并结合四元数法确定了定姿方案。其次,运用改进型PI互补滤波算法对陀螺仪及加速度计进行信息融合,高低频优势互补,初步提升系统的姿态解算精度。最后将初步去噪后的信息作为Sage-Husa自适应滤波算法的初值,并引入滤波发散判据,在发散时调整误差协方差矩阵,从而对发散进行有效抑制,提高算法稳定性。实验结果表明,该算法可以有效提高测量精度,抑制解算结果的发散。     

基于平方根容积卡尔曼滤波的四旋翼无人机的姿态解算

为了提高四旋翼无人机姿态解算的精度,提出了基于平方根容积卡尔曼滤波(square-root cubature Kalman filter,SCKF)的多传感器数据融合策略。基于加速度计、磁力计和陀螺仪输出的数据,采用了四元数的姿态解算方法,避免了单一传感器获得的姿态角误差过大的问题,解决了扩展卡尔曼滤波(extend Kalman filter,EKF)精度低以及无迹卡尔曼滤波(unscented Kalman filter,UKF)、容积卡尔曼滤波(cubature Kalman filter,CKF)协方差矩阵正定性丧失的问题。设计了基于pixhawk飞控板的实验方案。通过实验数据表明,与传统的EKF、UKF、CKF算法相比,SCKF的精度最高。且与UKF、CKF算法相比,SCKF具有计算时间少、数值计算稳定性强等优势。     

面向动态精密测微的误差修正技术

本文阐述在精密测微时，对采样数据进行误差修正，可减小或消除随机误差影响，提高测量精度。     

使用Sketch Up结合车载扫描和航空影像数据进行建筑物三维建模——以纽约布法罗为例

使用车载扫描或航空影像数据进行三维建模,有自己的优点和缺点.车载扫描数据精度高,但由于设备是立面扫描,扫描得到的建筑物往往只有一个侧面,因此建筑物的信息不完整,它也经常遇到失锁的问题,从而大大影响数据的精度.在同一时间得到的航空影像数据的空间分辨率和精度低,并且缺乏仰角信息,然而它的图像特征连续并且包含光谱信息.通过将车载扫描数据和航空影像数据的结合,我们可以提高数据的精度.本文利用车载扫描获取的布法罗一个街区的激光点云数据,结合相应的航空影像数据,首先对点云和影像数据进行预处理,将数据进行定位配准;然后使用Sketch Up对街区进行三维建模;最后将该模型上传到Google Earth的3D模型库,来检测该模型的精度.     

利用改进Elman神经网络的光伏I-V特性建模方法

为了准确表征和预测光伏(PV)组件在不同工况下的电流电压(I-V)特性，提出一种利用改进Elman神经网络的光伏I-V曲线黑盒建模新方法.首先，通过皮尔森相关系数分析影响I-V曲线的环境因素；其次，使用基于电压电流的双线性插值法对实测I-V曲线进行重采样，以提高I-V曲线上数据点分布的均匀性；再次，使用基于辐照度温度的网格采样法对I-V曲线数据集进行下采样，降低数据冗余度，并利用量子粒子群(QPSO)算法优化Elman神经网络的初始权值和阈值，从而构造QPSO-Elman预测模型.最后，根据实测I-V曲线数据集进行实验验证和测试，并与多层感知机、未改进的Elman网络、支持向量机等算法进行对比.实验结果表明，所提出的建模预测方法精度更高，稳定性和泛化能力更好.     

加速度计移植误差来源及对重力场建模影响分析

星载加速度计是低低卫星跟踪卫星技术探测地球重力场的核心载荷,由于加速度计载荷设计复杂且精细度要求高,GRACE和GRACE Follow-On等低低卫星跟踪卫星均存在仅有单加速度计工作的情况,为保障重力卫星任务顺利实施,须要在单加速度计观测条件下完成数据移植工作,现阶段尚无关于加速度计移植算法误差来源的研究.这里详细分析了移植算法的噪声来源,并评估了移植误差对重力场建模精度的影响.结果表明：移植误差主要来源于双星重复飞行的位置差异、姿态差异、时间延迟和卫星自身参数误差;当移植误差小于1×10^-9 m/s²时,地球重力场的反演精度与双加速度计同时工作时的反演精度差异较小,对应需求为双星重复飞行的位置差异小于1 000 m、姿态差异小于1°.     

微加速度计温度特性及敏感元件自恒温方案

温度是影响微加速度计精度的一个相当重要的因素。该文首先分析了微加速度计闭环系统各部分的温度特性对系统的影响;接着,设计实验分别测试各个部分的温度特性,确定出敏感元件的温度特性是系统温漂的主要来源;最后,设计了敏感元件芯片自恒温系统,并进行温度补偿。该方案在增加少量加热功率的基础上大大提高了系统的温度特性。实验结果表明:温控后,在增加760 mW加热功率的情况下,能保证微加速度计零偏温漂和二次补偿后零偏稳定性,分别从2.061 mgn/℃和2.269 mgn提高到0.199 mgn/℃和0.129 mgn。     

半被动双足机器人动态行走的位姿估算

针对现有半被动双足机器人缺乏对环境的感知且行走稳定性差等问题,研发了一款位姿估算器。在传统的惯性测量单元的基础上进行了改进,用精确的俯仰和翻滚测量结果修正了重力加速度对加速度计产生的误差,从而提高估算器的性能。利用机器人多次实际实验行走所获得的离线数据得出行走参数,并且和地面实际测量系统的测量结果进行了比较。实验证明所研发的位姿估算器具有令人满意的测量精度,可准确的测量机器人行走时的关键性能参数。测量结果作为反馈可有效提高半被动机器人的运动稳定性。     

基于SSO算法优化神经网络的数控机床热误差建模

针对影响五轴数控机床加工精度的复杂热特性,提出了一种用于摇篮式五轴数控机床热误差建模方法.该方法主要采用鲨鱼嗅觉优化(SSO)算法和神经网络的复合建模方式,有效提高了机床热误差预测模型的精度和建模效率.首先通过使用热成像仪筛选出机床的温度敏感点,然后将温度传感器布置在机床热敏感点的位置,将采集到的热特性数据采用本文所提方法进行热误差建模,结果表明,该方法在建模速度和精度上要优于ABC和PSO神经网络,最后将该热误差预测模型应用于五轴数控机床热误差补偿实验,将试件加工精度提高了32%.     

菲涅耳双棱镜实验的误差分析

用误差理论对菲涅耳双棱镜实验各环节中的随机误差进行了分析,指出了提高实验结果的精度应采取的措施。     

SNJ—1型石英加速度计标度因数温度漂移曲线

随着加速度计生产、装配工艺的不断提高,加速度计的各项参数指标也逐渐提高,标度因数作为加速度计最主要的特征参数之一,其稳定性成为影响加速度计质量的重要因素。对于石英加速度计也是如此,尤其是标度因数随温度的变化,即标度因数的温度漂移,更是严重制约了此类加计的应用。因此,需要对标度因数的温度漂移进行修正,而在修正之前,首要的问题就是对试验得到的标度因数随温度变化的数据进行拟合,从而得到标度因数温度漂移曲线。     

基于MEMS加速度计的电子倾角仪角度修正算法的实现

本文设计了一种基于MEMS加速度传感器的双轴高精度静态电子倾角仪实用修正算法,给出了电子加速度计零点修正及三轴加速度计垂直安装误差的剔除公式推导和应用方法,并利用EXCEL对三轴电子加速度计获得的数据进行补偿前后的数据对比,证明了该补偿算法可提高倾角测量精度。     

软测量建模中的数据校正

为有效剔除工业现场采集数据中的显著误差,降低随机误差的影响,使校正后的数据更好的满足物料平衡和能量平衡,最大程度提高软测量模型的精度,提出一种基于同步算法的数据协调方法,并对双酚A生产工艺现场采集到的数据进行校正。仿真表明,校正后的数据误差率得到显著降低,提高了数据源的精度和模型的泛化能力。