發(fā)布時(shí)間：2017-08-21 13:23

  本文關(guān)鍵詞：加速度傳感器數(shù)據(jù)處理與分析系統(tǒng)設(shè)計(jì)

  更多相關(guān)文章： 加速度計(jì) 穩(wěn)定性 標(biāo)定實(shí)驗(yàn) 零偏 標(biāo)度因數(shù)

【摘要】：加速度計(jì)是慣導(dǎo)系統(tǒng)的關(guān)鍵組件之一,用來(lái)測(cè)量運(yùn)載體的加速度值。而石英撓性加速度計(jì)具有精度高,抗干擾能力強(qiáng)的特點(diǎn),是慣性導(dǎo)航和制導(dǎo)系統(tǒng)中不可缺少的關(guān)鍵器件之一,其性能的好壞在整個(gè)系統(tǒng)中起著關(guān)鍵性的作用。通過(guò)理論研究和產(chǎn)品測(cè)試數(shù)據(jù)分表明,影響石英撓性加速度計(jì)穩(wěn)定性主要因素是零偏和標(biāo)度因數(shù)的穩(wěn)定性。本文設(shè)計(jì)了一套加速度傳感器數(shù)據(jù)處理與分析系統(tǒng)用于零偏和標(biāo)度因數(shù)的穩(wěn)定性研究。本文首先分析了加速度計(jì)的工作原理,根據(jù)加速度計(jì)常用標(biāo)定方法以及現(xiàn)有測(cè)試平臺(tái)給出了本文所用的實(shí)驗(yàn)方案、實(shí)驗(yàn)壞境以及系統(tǒng)的總體設(shè)計(jì)方案,并以人機(jī)交互界面為例進(jìn)行了簡(jiǎn)單介紹。其次,文章完成了對(duì)加速度計(jì)實(shí)驗(yàn)數(shù)據(jù)處理模塊的設(shè)計(jì),分別從數(shù)據(jù)幀、通信網(wǎng)關(guān)、數(shù)據(jù)預(yù)處理等多個(gè)方面對(duì)模塊進(jìn)行了詳細(xì)的介紹。數(shù)據(jù)處理模塊可從測(cè)控平臺(tái)獲取標(biāo)定實(shí)驗(yàn)數(shù)據(jù),并實(shí)現(xiàn)可對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行壞點(diǎn)剔除、參數(shù)標(biāo)定等功能。最后,根據(jù)綜合自回歸滑動(dòng)平均時(shí)間序列模型以及參數(shù)回歸模型的模型原理,完成了加速度計(jì)參數(shù)的預(yù)測(cè)建模軟件的設(shè)計(jì),并給出了仿真示例。根據(jù)“分而治之”算法,基于小波分解的多尺度分析能力與徑向基神經(jīng)網(wǎng)絡(luò)的非線性集成能力,本文發(fā)展了小波-滑動(dòng)自回歸移動(dòng)平均-徑向基神經(jīng)網(wǎng)絡(luò)組合模型以及徑向基非線性集成模型兩種改進(jìn)的組合模型,并與單一模型進(jìn)行了仿真對(duì)比。仿真結(jié)果表明,改進(jìn)模型較單一模型的預(yù)測(cè)精度更高,為后續(xù)系統(tǒng)的開發(fā)提供了理論支持。
【關(guān)鍵詞】：加速度計(jì) 穩(wěn)定性 標(biāo)定實(shí)驗(yàn) 零偏 標(biāo)度因數(shù)
【學(xué)位授予單位】：西南科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TH824.4
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 1 緒論9-14
• 1.1 課題研究背景及意義9-10
• 1.2 撓性加速度計(jì)在國(guó)內(nèi)外的研究與發(fā)展現(xiàn)狀10-12
• 1.2.1 撓性加速度計(jì)國(guó)外研究與發(fā)展現(xiàn)狀10-11
• 1.2.2 撓性加速度計(jì)國(guó)內(nèi)研究現(xiàn)狀11-12
• 1.3 課題研究目標(biāo)12
• 1.4 本文主要工作和內(nèi)容安排12-14
• 1.4.1 主要工作12
• 1.4.2 內(nèi)容安排12-14
• 2 系統(tǒng)總體設(shè)計(jì)14-26
• 2.1 實(shí)驗(yàn)方案設(shè)計(jì)與實(shí)驗(yàn)條件設(shè)定14-20
• 2.1.1 石英撓性加速度計(jì)工作原理14-16
• 2.1.2 石英撓性加速度計(jì)標(biāo)定實(shí)驗(yàn)16-18
• 2.1.3 實(shí)驗(yàn)方案設(shè)計(jì)與實(shí)驗(yàn)條件設(shè)定18-20
• 2.2 系統(tǒng)總體方案20-25
• 2.2.1 系統(tǒng)總體方案20-22
• 2.2.2 人機(jī)交互界面22-25
• 2.3 本章小結(jié)25-26
• 3 系統(tǒng)交互通信與數(shù)據(jù)處理模塊26-37
• 3.1 基于Zigbee技術(shù)的加速度計(jì)網(wǎng)絡(luò)化測(cè)控平臺(tái)介紹26-28
• 3.1.1 測(cè)控平臺(tái)網(wǎng)絡(luò)拓?fù)?/span>26-27
• 3.1.2 基于握手方式控制命令的可靠性傳輸27-28
• 3.2 節(jié)點(diǎn)映射及數(shù)據(jù)幀格式設(shè)計(jì)28-29
• 3.2.1 節(jié)點(diǎn)命名與端口映射28-29
• 3.2.2 數(shù)據(jù)幀格式設(shè)計(jì)29
• 3.3 通信網(wǎng)關(guān)29-31
• 3.4 標(biāo)定實(shí)驗(yàn)控制模式31-32
• 3.5 標(biāo)定實(shí)驗(yàn)數(shù)據(jù)處理模塊32-36
• 3.5.1 高效數(shù)據(jù)結(jié)構(gòu)設(shè)計(jì)32-33
• 3.5.2 基于拉依達(dá)準(zhǔn)則法的壞點(diǎn)過(guò)濾33-34
• 3.5.3 基于最小二乘的加速度計(jì)參數(shù)擬合34-36
• 3.6 本章小結(jié)36-37
• 4 零偏ARIMA模型與標(biāo)度因數(shù)參數(shù)回歸模型37-51
• 4.1 基于ARIMA時(shí)間序列模型的零偏參數(shù)預(yù)測(cè)模型37-43
• 4.1.1 平穩(wěn)時(shí)間序列檢驗(yàn)37-38
• 4.1.2 ARMA模型原理38-42
• 4.1.3 ARIMA模型建模流程42-43
• 4.2 基于參數(shù)回歸模型的標(biāo)度因數(shù)建模預(yù)測(cè)模型43-45
• 4.3 零偏與標(biāo)度因數(shù)預(yù)測(cè)分析模塊45-50
• 4.3.1 預(yù)測(cè)分析模塊介紹45-46
• 4.3.2 常規(guī)預(yù)測(cè)模型建模仿真46-50
• 4.4 本章小結(jié)50-51
• 5 基于小波變換的組合預(yù)測(cè)模型51-67
• 5.1 小波變換原理51-52
• 5.2 RBF神經(jīng)網(wǎng)絡(luò)模型52-56
• 5.2.1 RBF神經(jīng)網(wǎng)絡(luò)算法52-54
• 5.2.2 RBF神經(jīng)網(wǎng)絡(luò)建模步驟54-56
• 5.3 WT-ARMA-RBF組合預(yù)測(cè)模型56-61
• 5.3.1 WT-ARMA-RBF組合預(yù)測(cè)模型的基本思想56
• 5.3.2 WT-ARMA-RBF組合預(yù)測(cè)模型的建模步驟56-58
• 5.3.3 實(shí)證分析58-61
• 5.4 RBF非線性集成預(yù)測(cè)模型61-66
• 5.4.1 RBF非線性集成預(yù)測(cè)模型的基本思想61-62
• 5.4.2 RBF非線性集成預(yù)測(cè)模型的建模步驟62-63
• 5.4.3 實(shí)證分析63-66
• 5.5 本章小結(jié)66-67
• 結(jié)論67-69
• 致謝69-70
• 參考文獻(xiàn)70-73
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文及研究成果73

，

本文編號(hào)：713128