MEMS陀螺仪随机误差建模与补偿方法研究

摘要

MEMS陀螺仪具有微型化、重量轻、成本低、稳定性强、集成化程度高等优点。受现有器件加工制造水平限制，MEMS陀螺仪测量精度相对较低，只能应用于低端导航领域，对影响MEMS陀螺仪精度的误差源进行分析是解决这一问题有效途径。针对随机漂移误差是影响MEMS陀螺仪精度主要因素，论文围绕MEMS陀螺仪随机漂移误差补偿模型展开研究。提出基于时间序列Kalman滤波建模方法，对MEMS陀螺仪随机漂移数据进行均值化、异常值剔除、趋势项提取及模型识别参数估计后，建立Kalman滤波补偿方程进行滤波处理;相比较传统的基于时间序列建模方法不足，提出一种小波阈值去噪和RBF网络相结合的MEMS陀螺随机误差补偿方法;利用小波阈值去噪分离MEMS陀螺仪随机漂移，分离后的随机漂移采用径向基神经网络进行自组织学习和预测，对MEMS陀螺仪随机漂移进行补偿;Allan方差对比分析结果表明，小波神经网络建模方法优于基于时间序列的Kalman滤波建模方法。

目录

声明

摘要

1 绪论

1．1 研究背景及意义

1．2 MEMS陀螺仪国内外研究现状

1．2．1 MEMS陀螺发展现状

1．2．2 MEMS陀螺随机误差建模方案研究现状

1．3 论文主要工作

1．4 技术路线及方法

2 MEMS陀螺仪原理及误差特性

2．1 MEMS陀螺仪综述

2．1．1 MEMS陀螺仪工作原理

2．1．2 MEMS陀螺仪主要性能指标

2．2 MEMS陀螺仪误差特性分析

2．2．1 MEMS陀螺仪误差产生原因

2．2．2 MEMS陀螺仪误差项

2．3 小结

3 基于Allan方差的MEMS陀螺随机误差特性分析

3．2 Allan方差与功率谱密度关系

3．3 Allan方差对MEMS陀螺仪随机误差辨识

3．3．1 量化噪声

3．3．2 角度随机游走

3．3．3 零偏不稳定性

3．3．4 速率随机游走

3．3．5 速率斜坡

3．4 MEMS陀螺仪实测数据的Allan方差分析

3．5 小结

4 MEMS陀螺随机误差的ARMA建模

4．1 时间序列模型介绍

4．2 时间序列模型建模步骤

4．3 时间序列的平稳性处理和相关性检验

4．3．1 异常值剔除

4．3．2 零均值化处理和趋势项提取

4．3．3 平稳性检验

4．3．4 正态性检验

4．4．1 模型确定

4．4．2 模型定阶和参数估计

4．4．3 建模结果

4．5 基于时间序列的Kalman滤波对陀螺随机漂移建模补偿

4．5．2 离散系统的Kalman滤波基本方程

4．5．3 Kalman滤波对MEMS陀螺仪随机漂移处理

4．5．4 滤波实验结果及分析

4．6 小结

5 小波阈值去噪与RBF神经网络对MEMS陀螺随机误差补偿

5．1 小波阈值去噪原理

5．2 小波阈值去噪基本问题

5．2．1 常见小波基函数

5．2．2 小波基选择及分解层数确定

5．2．3 小波阈值选择

5．2．4 阈值函数的选择

5．3 小波阈值去噪对MEMS陀螺仪信号的处理

5．4 RBF神经网络原理

5．5 小波RBF神经网络实验结果及分析

5．6 小结

6 总结与展望

6．1 总结

6．2 展望

参考文献

作者简历

学位论文数据集