本文關(guān)鍵詞： MEMS陀螺 隨機(jī)誤差 自適應(yīng)Kalman濾波 時(shí)間序列分析 自回歸滑動平均 Allan方差　出處：《傳感技術(shù)學(xué)報(bào)》2017年11期 　論文類型：期刊論文

【摘要】：針對某型MEMS陀螺隨機(jī)誤差較大、精度不高的問題,通過時(shí)間序列分析法,建立自回歸滑動平均ARMA(AutoRegressive and Moving Average)模型,采用ARMA(2,1)模型將預(yù)處理后的MEMS陀螺隨機(jī)誤差進(jìn)行建模。設(shè)計(jì)基于ARMA模型的經(jīng)典Kalman濾波器。靜態(tài)試驗(yàn)和恒定速率試驗(yàn)結(jié)果表明在經(jīng)典Kalman濾波器作用下,靜態(tài)試驗(yàn)下其均值與均方差下降32.62%和66.31%;恒定速率試驗(yàn)下,其均值有明顯的降低,其均方差減小了一個數(shù)量級。針對經(jīng)典Kalman濾波器不能解決振動試驗(yàn)中大振幅時(shí)濾波發(fā)散問題,提出一種新的自適應(yīng)Kalman濾波法,通過尋找合適的標(biāo)定因子s解決濾波發(fā)散問題。振動試驗(yàn)結(jié)果表明,當(dāng)振幅為100°時(shí),濾波后的均值和均方差分別下降8.25%和8.36%。
[Abstract]:Aiming at the problem of large random error and low precision of a MEMS gyroscope, the time series analysis method is adopted. An autoregressive moving average ARMA(AutoRegressive and Moving average model was established using ARMA(2. 1). The model models the preprocessed random error of MEMS gyroscope. The classical Kalman filter based on ARMA model is designed. The results of static test and constant rate test show that in the classical Kalman, With the filter. Under static test, the mean and mean square deviation decreased by 32.62% and 66.31; Under the constant rate test, the mean value is obviously reduced and the mean square deviation is reduced by an order of magnitude. The classical Kalman filter can not solve the problem of filtering divergence when the amplitude is large in the vibration test. A new adaptive Kalman filtering method is proposed to solve the filtering divergence problem by finding a suitable calibration factor s. The vibration test results show that the amplitude is 100 擄. The mean and mean square deviation after filtering decreased by 8.25% and 8.36 respectively.
【作者單位】： 中北大學(xué)計(jì)算機(jī)與控制工程學(xué)院;江蘇曙光光電有限公司;
【分類號】：TN96;V241.5
【正文快照】： 微機(jī)電系統(tǒng)(Micro-Electro-Mechanical System)慣性器件在無人機(jī)、精確制導(dǎo)武器、低成本慣導(dǎo)系統(tǒng)等領(lǐng)域得到大量應(yīng)用。其中MEMS陀螺以其質(zhì)量小、便于攜帶、易于安裝、高可靠以及耐沖擊等優(yōu)勢得到大規(guī)模使用。相比于激光陀螺、光纖陀螺、靜電陀螺等,MEMS陀螺精度比較低,阻礙了M

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鮑百容;穿越式地平儀處理電路的最小隨機(jī)誤差頻率特性[J];中國空間科學(xué)技術(shù);1983年03期

2 張廣興;吳振軍;;雷測數(shù)據(jù)準(zhǔn)實(shí)時(shí)處理的隨機(jī)誤差分離方法[J];飛行器測控學(xué)報(bào);2009年05期

3 任積余;動態(tài)隨機(jī)誤差與變量差分法[J];指揮技術(shù)學(xué)院學(xué)報(bào);1994年01期

4 林玉榮,鄧正隆;推廣卡爾曼濾波在捷聯(lián)慣導(dǎo)系統(tǒng)的慣性元件隨機(jī)誤差估計(jì)中的應(yīng)用[J];黑龍江自動化技術(shù)與應(yīng)用;1999年06期

5 何志昆;王雪梅;;激光陀螺隨機(jī)誤差的非參數(shù)建模與濾波[J];航天控制;2009年05期

6 馬建軍;李文強(qiáng);鄭志強(qiáng);;MIMU隨機(jī)誤差分析與建模[J];壓電與聲光;2007年04期

7 馬海潮;周立鋒;藺建英;;相控陣測量雷達(dá)跟蹤起伏動目標(biāo)精度分析[J];數(shù)據(jù)采集與處理;2012年01期

8 王浩;黃長強(qiáng);王勇;趙輝;;基于自回歸過程的慣性敏感器隨機(jī)誤差建模[J];中國慣性技術(shù)學(xué)報(bào);2008年02期

9 鮑珊;孫浩;;基于動態(tài)校飛的新型無線電外測系統(tǒng)精度估算[J];測控技術(shù);2013年11期

10 黃富彪;何兵哲;秦玉峰;;中低軌衛(wèi)星多普勒數(shù)據(jù)處理技術(shù)研究[J];微型機(jī)與應(yīng)用;2012年19期

相關(guān)碩士學(xué)位論文 前1條

1 雷濤;飛機(jī)供電系統(tǒng)參數(shù)測試方法研究及系統(tǒng)設(shè)計(jì)[D];西北工業(yè)大學(xué);2002年

，

本文編號：1443045