本文關(guān)鍵詞：MEMS慣性器件誤差分析與補償方法研究

  更多相關(guān)文章： MEMS慣性器件 標定 RBF神經(jīng)網(wǎng)絡(luò) Kalman濾波

【摘要】：MEMS慣性器件以體積小、功耗低、可靠性高且成本低等優(yōu)點廣泛應(yīng)用于導(dǎo)航制導(dǎo)系統(tǒng)中,但由于精度低,性能相比于機械及光學(xué)慣性器件較差,導(dǎo)致MEMS慣性器件在實際工程應(yīng)用中存在一定的局限性。本文基于現(xiàn)有條件通過標定試驗和誤差分析補償來提高低成本MEMS慣性器件的實際使用精度,具有非常重要的意義。首先,對實驗室自制低成本MEMS慣性器件系統(tǒng)誤差項進行分析,該誤差項是導(dǎo)致系統(tǒng)精度差的重要原因。針對實驗室現(xiàn)有設(shè)備,確定靜態(tài)十二位置法和動態(tài)六位置的方法分別對于陀螺儀與加速度計進行標定,建立系統(tǒng)誤差模型并進行補償,通過驗證試驗證明了常溫環(huán)境下誤差模型的準確性。其次,將微慣性測量單元MIMU進行全溫測試,針對慣性器件各項誤差系數(shù)在不同測試條件下的呈強非線性的特點,設(shè)計RBF徑向基神經(jīng)網(wǎng)絡(luò)。通過對MEMS陀螺與加速度計零偏、刻度因子等訓(xùn)練,確定各條件下更為準確的模型系數(shù)。經(jīng)過補償提高各動態(tài)環(huán)境條件下微慣性系統(tǒng)的使用精度。再次,根據(jù)MEMS慣性器件輸出隨機信號的特點,確定采用Allan variance方法進行隨機誤差的辨識與表征。通過噪聲源的辨識與Allan方差分析結(jié)果,為下文對器件隨機誤差項的濾波做好一定的基礎(chǔ),提高了系統(tǒng)誤差與隨機漂移誤差補償?shù)木取Ｗ詈?對系統(tǒng)誤差進行Kalman隨機漂移的濾波處理,檢驗并處理慣性器件實測隨機數(shù)據(jù),用時間序列分析法建立ARMA隨機漂移誤差模型,經(jīng)過線性Kalman、自適應(yīng)Kalman濾波最終實現(xiàn)對動態(tài)隨機漂移信號的濾波。經(jīng)測試補償后,其結(jié)果在全溫動態(tài)條件達到了器件實際精度要求,證明了Kalman濾波的有效性。
【關(guān)鍵詞】：MEMS慣性器件 標定 RBF神經(jīng)網(wǎng)絡(luò) Kalman濾波
【學(xué)位授予單位】：沈陽理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN966
【目錄】：

• 摘要6-7
• Abstract7-11
• 第1章 緒論11-19
• 1.1 課題來源及研究意義11-12
• 1.2 國內(nèi)外微慣性器件的發(fā)展與現(xiàn)狀12-17
• 1.2.1 硅微陀螺儀的研究與發(fā)展12-14
• 1.2.2 硅微加速度計的研究與發(fā)展14-15
• 1.2.3 微慣性測量單元的發(fā)展及研究現(xiàn)狀15-17
• 1.3 論文主要研究內(nèi)容及結(jié)構(gòu)安排17-19
• 第2章 MEMS器件系統(tǒng)誤差分析及標定補償19-36
• 2.1 MEMS慣性器件系統(tǒng)誤差分析19-21
• 2.1.1 零偏與標度因數(shù)誤差19-20
• 2.1.2 安裝誤差20-21
• 2.1.3 比力有關(guān)項21
• 2.1.4 溫度誤差21
• 2.2 低成本MIMU慣性器件與測試設(shè)備21-24
• 2.2.1 實驗室自制MEMS MIMU22
• 2.2.2 MIMU測試設(shè)備22-23
• 2.2.3 MIMU數(shù)據(jù)采集系統(tǒng)23-24
• 2.3 MEMS慣性器件系統(tǒng)誤差模型的建立與解算24-28
• 2.3.1 硅MEMS加速度計誤差模型建立24-25
• 2.3.2 建立硅微陀螺儀誤差模型25-26
• 2.3.3 MEMS模型系數(shù)的解算26-28
• 2.4 常溫下MEMS慣性器件標定試驗過程28-31
• 2.4.1 硅微加速度計靜態(tài)試驗29-30
• 2.4.2 硅微陀螺儀動態(tài)試驗30-31
• 2.5 標定與補償結(jié)果分析31-35
• 2.5.1 硅微加速計標補結(jié)果31-33
• 2.5.2 硅微陀螺儀標補結(jié)果33-35
• 2.6 本章小結(jié)35-36
• 第3章 基于神經(jīng)網(wǎng)絡(luò)的MIMU全溫補償方法36-50
• 3.1 MEMS慣性器件全溫測試36-39
• 3.1.1 溫度測試結(jié)果分析37-38
• 3.1.2 MEMS器件溫度誤差模型38-39
• 3.2 徑向基神經(jīng)網(wǎng)絡(luò)39-43
• 3.2.1 RBF網(wǎng)絡(luò)的基本原理40-42
• 3.2.2 RBF網(wǎng)絡(luò)的學(xué)習算法42-43
• 3.3 基于RBF網(wǎng)絡(luò)的標定補償方法43-48
• 3.3.1 RBF神經(jīng)網(wǎng)絡(luò)的設(shè)計44-46
• 3.3.2 RBF網(wǎng)絡(luò)補償結(jié)果分析46-48
• 3.4 基于RBF網(wǎng)絡(luò)的非線性濾波48
• 3.5 本章小結(jié)48-50
• 第4章 MEMS傳感器隨機誤差的表征與辨識50-62
• 4.1 隨機誤差的辨識方法50-51
• 4.2 Allan方差與各噪聲源分析51-58
• 4.2.1 Allan方差原理分析51-53
• 4.2.2 噪聲源分析53-58
• 4.3 MEMS慣性器件的Allan方差分析58-60
• 4.3.1 Allan方差模型58-59
• 4.3.2 Allan方差結(jié)果分析59-60
• 4.4 本章小結(jié)60-62
• 第5章 MEMS慣性器件隨機漂移的Kalman濾波62-79
• 5.1 卡爾曼濾波技術(shù)62-65
• 5.1.1 隨機離散系統(tǒng)的數(shù)學(xué)模型62-63
• 5.1.2 離散Kalman濾波的基本方程63-65
• 5.2 系統(tǒng)誤差的Kalman濾波65-67
• 5.3 MIMU隨機漂移的Kalman濾波處理67-75
• 5.3.1 時間序列概率模型68-69
• 5.3.2 隨機數(shù)據(jù)的統(tǒng)計性分析69-72
• 5.3.3 模型參數(shù)的估計與濾波72-74
• 5.3.4 MEMS器件Kalman濾波結(jié)果分析74-75
• 5.4 動態(tài)下器件漂移的擴展Kalman濾波75-76
• 5.5 自適應(yīng)Kalman濾波76-78
• 5.6 MEMS慣性器件補償結(jié)果分析78
• 5.7 本章小結(jié)78-79
• 結(jié)論79-80
• 參考文獻80-83
• 攻讀碩士學(xué)位期間發(fā)表的論文和取得的科研成果83-84
• 致謝84-85

【參考文獻】

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 程萬娟;光纖陀螺信號分析處理及濾波技術(shù)研究[D];哈爾濱工程大學(xué);2009年

，

本文編號：614576