本文關(guān)鍵詞：MEMS慣性器件誤差分析與補(bǔ)償方法研究

  更多相關(guān)文章： MEMS慣性器件 標(biāo)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(diǎn)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(jī)械及光學(xué)慣性器件較差,導(dǎo)致MEMS慣性器件在實(shí)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(biāo)定試驗(yàn)和誤差分析補(bǔ)償來提高低成本MEMS慣性器件的實(shí)際使用精度,具有非常重要的意義。首先,對(duì)實(shí)驗(yàn)室自制低成本MEMS慣性器件系統(tǒng)誤差項(xiàng)進(jìn)行分析,該誤差項(xiàng)是導(dǎo)致系統(tǒng)精度差的重要原因。針對(duì)實(shí)驗(yàn)室現(xiàn)有設(shè)備,確定靜態(tài)十二位置法和動(dòng)態(tài)六位置的方法分別對(duì)于陀螺儀與加速度計(jì)進(jìn)行標(biāo)定,建立系統(tǒng)誤差模型并進(jìn)行補(bǔ)償,通過驗(yàn)證試驗(yàn)證明了常溫環(huán)境下誤差模型的準(zhǔn)確性。其次,將微慣性測量單元MIMU進(jìn)行全溫測試,針對(duì)慣性器件各項(xiàng)誤差系數(shù)在不同測試條件下的呈強(qiáng)非線性的特點(diǎn),設(shè)計(jì)RBF徑向基神經(jīng)網(wǎng)絡(luò)。通過對(duì)MEMS陀螺與加速度計(jì)零偏、刻度因子等訓(xùn)練,確定各條件下更為準(zhǔn)確的模型系數(shù)。經(jīng)過補(bǔ)償提高各動(dòng)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(jī)信號(hào)的特點(diǎn),確定采用Allan variance方法進(jìn)行隨機(jī)誤差的辨識(shí)與表征。通過噪聲源的辨識(shí)與Allan方差分析結(jié)果,為下文對(duì)器件隨機(jī)誤差項(xiàng)的濾波做好一定的基礎(chǔ),提高了系統(tǒng)誤差與隨機(jī)漂移誤差補(bǔ)償?shù)木�。最�?對(duì)系統(tǒng)誤差進(jìn)行Kalman隨機(jī)漂移的濾波處理,檢驗(yàn)并處理慣性器件實(shí)測隨機(jī)數(shù)據(jù),用時(shí)間序列分析法建立ARMA隨機(jī)漂移誤差模型,經(jīng)過線性Kalman、自適應(yīng)Kalman濾波最終實(shí)現(xiàn)對(duì)動(dòng)態(tài)隨機(jī)漂移信號(hào)的濾波。經(jīng)測試補(bǔ)償后,其結(jié)果在全溫動(dòng)態(tài)條件達(dá)到了器件實(shí)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(biāo)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(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：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(jì)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(biāo)定補(bǔ)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(biāo)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(xiàng)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(shí)驗(yàn)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(jì)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(biāo)定試驗(yàn)過程28-31
• 2.4.1 硅微加速度計(jì)靜態(tài)試驗(yàn)29-30
• 2.4.2 硅微陀螺儀動(dòng)態(tài)試驗(yàn)30-31
• 2.5 標(biāo)定與補(bǔ)償結(jié)果分析31-35
• 2.5.1 硅微加速計(jì)標(biāo)補(bǔ)結(jié)果31-33
• 2.5.2 硅微陀螺儀標(biāo)補(bǔ)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(bǔ)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(xí)算法42-43
• 3.3 基于RBF網(wǎng)絡(luò)的標(biāo)定補(bǔ)償方法43-48
• 3.3.1 RBF神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)44-46
• 3.3.2 RBF網(wǎng)絡(luò)補(bǔ)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(jī)誤差的表征與辨識(shí)50-62
• 4.1 隨機(jī)誤差的辨識(shí)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(jī)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(jī)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(jī)漂移的Kalman濾波處理67-75
• 5.3.1 時(shí)間序列概率模型68-69
• 5.3.2 隨機(jī)數(shù)據(jù)的統(tǒng)計(jì)性分析69-72
• 5.3.3 模型參數(shù)的估計(jì)與濾波72-74
• 5.3.4 MEMS器件Kalman濾波結(jié)果分析74-75
• 5.4 動(dòng)態(tài)下器件漂移的擴(kuò)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(bǔ)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(xiàn)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(xiàn)】

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(hào)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(hào)：614576