光纤陀螺的温度试验及温度补偿方法研究

分析了引起光纤陀螺非互易性效应的原因，针对光纤陀螺光、电路部分各自的特性对光纤陀螺整体温度特性的影响进行了高低温试验研究，并对温度试验结果进行了分析，试验结果证明了对光纤陀螺温度特性的理论分析．在试验研究的基础上给出了实施的温度补偿方案及补偿结果，并对补偿结果进行了分析．     

光纤陀螺零偏温度补偿的实验研究

为光纤陀螺因温度效应而产生的零偏提供一种补偿方法,针对自行研制的光纤陀螺仪的零值漂移,根据实验数据,建立一种温度补偿模型,采用最小二乘法拟合计算出所需的修正系数对其预测补偿.补偿结果表明:光纤陀螺经模型补偿后零偏基本可以减少一个数量级,并进一步提高了零偏稳定性,补偿效果明显.     

光纤陀螺漂移误差的T-S模糊建模补偿算法

基于G-K聚类算法辨识T-S模糊模型前件参数理论,并采用最小二乘法辨识T-S模糊模型后件参数的误差模型,研究了一种光纤陀螺温度漂移误差的非线性补偿算法。在建立该模型的基础上对光纤陀螺零位输出进行了补偿,计算结果表明采用该种方法能够在不完全了解陀螺误差机理的情况下对其进行有效的补偿。其绝对误差与未补偿相比较降低了99%,同线性拟合补偿相比降低了96%和神经网络补偿比较降低了10%,其误差方差分别减少99%,98%,20%。     

改善MEMS陀螺误差温度稳定性的驱动力补偿方法

由于微机电系统(MEMS)陀螺通常采用微加工工艺生产制造,因此总是受微加工过程带来的的各种精度缺陷影响。对于MEMS陀螺,其零位输出误差因受环境因素影响而无法保持稳定,随时间表现出漂移特性,这种特性严重限制了MEMS陀螺在更高精度应用中的可用性。该文研究了一种改善MEMS陀螺零位误差温度稳定性的方法。通过分析陀螺运动特性及主要误差源,阐明陀螺驱动力对检测方向的耦合作用是零偏误差同相分量产生并随温度漂移的主要原因之一。为抑制陀螺驱动力耦合作用,提出对陀螺检测轴施加补偿静电力的方法。温度试验结果表明:施加补偿作用后,陀螺零偏误差同相分量的温度稳定性在12～60℃范围内提高了3倍以上。     

光纤陀螺温度数据采集系统的研究

为提高光纤陀螺的精度,必须对其进行温度补偿.详细分析研究了光纤陀螺温度数据采集方法,采用FPGA和DSP设计并实现温度数据采集系统的硬件电路,提高了系统的集成度和稳定性,实现了温度数据的快速采集,为温度补偿奠定了基础.通过比较补偿前后的实验结果,可以看出陀螺精度确实得到很大提高.     

光纤陀螺温度漂移自适应建模研究

针对光纤陀螺温度漂移模型参数随环境温度或陀螺本身工作状态的不同产生缓慢变化的现象，通过自适应建模的方法，自动修正模型参数，准确揭示了陀螺温度漂移特性．     

RBF神经网络用于光纤陀螺温度漂移

温度漂移是存在于光纤陀螺系统中使得输出信号产生较大偏置误差的一种不可忽略因素,如何准确地辨识漂移并有效地对其进行补偿直接关系到陀螺的测量精度.文中比较了前馈网络中的BP网络和径向基函数(RBF)网络,采用RBF网络进行温漂辨识.温漂辨识可以通过离线事先学习,因而在多种学习方法中选择了简单易行、精度高且运算速度快的正交最小二乘(OLS)法.通过仿真验证,采用RBF网络及其OLS学习算法可以快速、有效、高精度地辨识并补偿温漂     

光纤陀螺非线性温度漂移模型的辨识

光纤陀螺对环境温度的敏感性一直是影响其漂移特性的重要因素，对于陀螺的漂移特性一般是利用线性ＡＲ，ＡＲＭＡ模型表示，但在温度变化情况下，用线性模型很难得到好的拟合效果和对漂移进行预测和补偿。试用小波网络对光纤陀螺进行非线性温度模型的辨识，经实测数据验证，表明具有较好预测的效果。     

光纤陀螺温度漂移模型的PPLN辨识

环境温度变化造成的较大温度漂移始终是制约光纤陀螺(FOG)性能提高的重要因素．FOG温度漂移本质上是一组与温度有关的多变量非线性时间序列，为此采用投影寻踪学习网络(PPLN)方法建立新的FOG温度漂移模型．该方法结合了统计学中投影寻踪算法节点函数灵活的非参数估计特点和人工神经网络的自学习功能，具有简捷的网络结构和良好的鲁棒性能，对未知模型辨识能力较强．将该方法应用于某型FOG温漂模型实测数据的辨识中，经验证表明其具有良好的预测效果．     

基于专家系统随机逼近的激光传感器的温度补偿研究

在实验测试及分析矿用激光甲烷传感器特性的基础上,针对激光传感器测量气体时对温度敏感的不足,提出一种基于专家系统的随机逼近的激光传感器的温度补偿的方法。首先根据分析实验测试数据推导出测量甲烷浓度与温度影响的关系式,然后根据测试的随机温度建立了专家规则,并设计制作出传感器补偿部分电路,最后对温度补偿效果进行了验证。实验结果表明,在温度随机变化下减少了测试数据的波动,使补偿后测试时间和测量精度都有较大的改善。该方法可对矿井气体检测安全生产具有一定的参考价值。     

用于干涉型光纤陀螺温度漂移辨识的RBF神经网络改进算法

针对干涉型光纤陀螺(IFOG)温度漂移的辨识,推导了径向基神经网络(RBFNN)中隐含层神经元、网络的抗噪声性能和拟合精度三者之间的关系,并在此基础上提出了一种新的径向基函数神经网络辨识学习规则.该方法具有很强的抗噪声性能,网络输出不会被陀螺噪声所污染,同时能动态地确定神经元数,辨识精度高,有效地避免了传统RBF网络学习算法中事先固定网络结构可能存在的盲目性.实验结果表明,该方法能够快速、准确地辨识IFOG的温度漂移.     

陀螺角度误差的温度测试与补偿

温度漂移是陀螺角度误差的主要误差源之一,严重影响了陀螺的测量精度,因此需要对陀螺角度输出误差进行补偿.而温度测量精度越高,对陀螺角度误差的补偿精度就越高,对提高陀螺的测量精度具有重要意义.设计了一个温度测试与补偿系统,对压电陀螺进行了温度误差的测量、分析与补偿,将陀螺角度测量均方差从31.418 2降至0.547 7,证明了软硬件设计的有效性.     

基于温度补偿高双折射光纤环镜的边缘滤波解调方法

提出了一种光纤光栅传感解调新方法.系统由1个3dB耦合器、1个传感光纤布喇格光栅、1个双折射光纤环镜和1个探测器构成,高双折射光纤环镜作为边缘滤波器.光纤光栅波长的线性解调带宽为3.6nm.对双折射光纤环镜的温度补偿进行了实验研究,实验表明,封装的高双折射光纤环镜能够补偿高双折射光纤环镜的温度漂移.补偿前的高双折射光纤环镜波长随温度漂移为2.3 nm/℃,补偿后的双折射光纤环镜波长随温度漂移为0.005 nm/℃,远小于未补偿的双折射光纤环镜波长随温度漂移.     

基于神经网络的光纤光栅压力传感器的温度补偿

针对光纤光栅自身对温度和应变的交叉敏感性,以及光纤光栅压力传感器的输出受环境温度影响很大且不易消除的问题,以聚合物封装的光纤光栅传感器为例,提出了用BP神经网络实现光纤光栅压力传感器温度补偿的方法,解决了传感器输出特性的非线性校正的问题．通过Matlab仿真结果显示,系统最大测量误差由1915％降低到4．26％;实验证明该方法可以有效地减少温度对光纤光栅压力传感器测量精度的影响．     

光纤陀螺中光纤环非互易效应及其补偿技术

阐述了影响光纤环性能的主要因素,理论给出温度梯度及应力造成的光纤陀螺非互易相移.详细讨论了减小温度与应力作用对光纤环影响的技术途径.引入光纤环质量评价方法.     

光纤光栅温度补偿实验研究

分析了光纤布拉格光栅对温度和应变传感的响应机制,对光纤布拉格光栅传感中的应变和温度交叉敏感问题进行了讨论,在此基础上提出了采用参考光栅实现光纤布拉格光栅应变传感时的温度补偿的基本原理和方法,并通过实验进行了验证。理论和实验均证明,与其他温度补偿方法相比,笔者提出的参考光栅温度补偿法原理简单,补偿效果好。     

光纤光栅温度补偿技术研究

光纤光栅同时敏感温度和应变。因此,在测量与应变相关的物理量时,需要补偿温度的影响。本文综述目前用于温度补偿的算法。这些算法包括需要建立输入输出解析表达式的回归分析法和不需要建立解析表达式的机器学习法。这些方法都可以实现温度补偿,但是,相比之下,机器学习法更为灵活,方便,在光纤传感领域具有一定的应用前景。     

基于差分结构的光纤光栅应变传感器温度补偿

针对基于差分结构的光纤应变传感器传统的温度补偿算法易产生测量误差的问题,本文将封装后的整个敏感结构一体化分析,通过实验标定得到光栅的温度敏感系数,简化了理论推导,并通过了应变实验测试。结果表明,进行温度补偿后,两光栅中心波长差与压强成线性变化,线性系数为0.7 pm/Pa,拟合度为0.999 5,能够有效抑制温度对波长的影响。     

RBF神经网络用于辨识光纤陀螺温度漂移

温度漂移是存在于光纤陀螺系统中使得输出信号产生较大偏置误差的一种不可忽略因素,准确地辨识漂移并有效地对其进行补偿直接关系到陀螺的测量精度。文中比较了前馈网络中的ＢＰ网络和径向基函数（ＲＢＦ）网络,采用ＲＢＦ网络进行温漂辨识,温漂辨识可以通过离线事先学习,因而在多种学习方法中选择了简单易行、精度高且运算速度快的正产郇小二乘（ＯＬＳ）法。通过仿真验证,采用ＲＢＦ网络及其ＯＬＳ学习算法可以快速、有效、高     

光纤光栅应变传感器的温度补偿

为建立经过钢套筒封装后的光纤光栅应变传感器的温度补偿方法,从封装传感器的微观结构出发,利用光栅与封装套筒在界面上力学作用机理推导出封装传感器的波长变化与环境温度、应变变化值之间的关系式.给出了应变传感器进行应变测量时的温度补偿公式与工程实施方案.室内的标准实验证明:对于封装的应变传感器进行应变测量时,采用建立的温度补偿公式与实施方案能够正确剔除温度影响,得到真实的应变值,如果采用传统的裸光栅温度补偿方法在温度变化幅度较大情况下将导致严重的系统测量误差.