MEMS惯性器件误差分析与补偿方法研究

发布时间：2017-08-03 13:21

  本文关键词：MEMS惯性器件误差分析与补偿方法研究

  更多相关文章： MEMS惯性器件 标定 RBF神经网络 Kalman滤波

【摘要】：MEMS惯性器件以体积小、功耗低、可靠性高且成本低等优点广泛应用于导航制导系统中,但由于精度低,性能相比于机械及光学惯性器件较差,导致MEMS惯性器件在实际工程应用中存在一定的局限性。本文基于现有条件通过标定试验和误差分析补偿来提高低成本MEMS惯性器件的实际使用精度,具有非常重要的意义。首先,对实验室自制低成本MEMS惯性器件系统误差项进行分析,该误差项是导致系统精度差的重要原因。针对实验室现有设备,确定静态十二位置法和动态六位置的方法分别对于陀螺仪与加速度计进行标定,建立系统误差模型并进行补偿,通过验证试验证明了常温环境下误差模型的准确性。其次,将微惯性测量单元MIMU进行全温测试,针对惯性器件各项误差系数在不同测试条件下的呈强非线性的特点,设计RBF径向基神经网络。通过对MEMS陀螺与加速度计零偏、刻度因子等训练,确定各条件下更为准确的模型系数。经过补偿提高各动态环境条件下微惯性系统的使用精度。再次,根据MEMS惯性器件输出随机信号的特点,确定采用Allan variance方法进行随机误差的辨识与表征。通过噪声源的辨识与Allan方差分析结果,为下文对器件随机误差项的滤波做好一定的基础,提高了系统误差与随机漂移误差补偿的精度。最后,对系统误差进行Kalman随机漂移的滤波处理,检验并处理惯性器件实测随机数据,用时间序列分析法建立ARMA随机漂移误差模型,经过线性Kalman、自适应Kalman滤波最终实现对动态随机漂移信号的滤波。经测试补偿后,其结果在全温动态条件达到了器件实际精度要求,证明了Kalman滤波的有效性。
【关键词】：MEMS惯性器件 标定 RBF神经网络 Kalman滤波
【学位授予单位】：沈阳理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN966
【目录】：

• 摘要6-7
• Abstract7-11
• 第1章 绪论11-19
• 1.1 课题来源及研究意义11-12
• 1.2 国内外微惯性器件的发展与现状12-17
• 1.2.1 硅微陀螺仪的研究与发展12-14
• 1.2.2 硅微加速度计的研究与发展14-15
• 1.2.3 微惯性测量单元的发展及研究现状15-17
• 1.3 论文主要研究内容及结构安排17-19
• 第2章 MEMS器件系统误差分析及标定补偿19-36
• 2.1 MEMS惯性器件系统误差分析19-21
• 2.1.1 零偏与标度因数误差19-20
• 2.1.2 安装误差20-21
• 2.1.3 比力有关项21
• 2.1.4 温度误差21
• 2.2 低成本MIMU惯性器件与测试设备21-24
• 2.2.1 实验室自制MEMS MIMU22
• 2.2.2 MIMU测试设备22-23
• 2.2.3 MIMU数据采集系统23-24
• 2.3 MEMS惯性器件系统误差模型的建立与解算24-28
• 2.3.1 硅MEMS加速度计误差模型建立24-25
• 2.3.2 建立硅微陀螺仪误差模型25-26
• 2.3.3 MEMS模型系数的解算26-28
• 2.4 常温下MEMS惯性器件标定试验过程28-31
• 2.4.1 硅微加速度计静态试验29-30
• 2.4.2 硅微陀螺仪动态试验30-31
• 2.5 标定与补偿结果分析31-35
• 2.5.1 硅微加速计标补结果31-33
• 2.5.2 硅微陀螺仪标补结果33-35
• 2.6 本章小结35-36
• 第3章 基于神经网络的MIMU全温补偿方法36-50
• 3.1 MEMS惯性器件全温测试36-39
• 3.1.1 温度测试结果分析37-38
• 3.1.2 MEMS器件温度误差模型38-39
• 3.2 径向基神经网络39-43
• 3.2.1 RBF网络的基本原理40-42
• 3.2.2 RBF网络的学习算法42-43
• 3.3 基于RBF网络的标定补偿方法43-48
• 3.3.1 RBF神经网络的设计44-46
• 3.3.2 RBF网络补偿结果分析46-48
• 3.4 基于RBF网络的非线性滤波48
• 3.5 本章小结48-50
• 第4章 MEMS传感器随机误差的表征与辨识50-62
• 4.1 随机误差的辨识方法50-51
• 4.2 Allan方差与各噪声源分析51-58
• 4.2.1 Allan方差原理分析51-53
• 4.2.2 噪声源分析53-58
• 4.3 MEMS惯性器件的Allan方差分析58-60
• 4.3.1 Allan方差模型58-59
• 4.3.2 Allan方差结果分析59-60
• 4.4 本章小结60-62
• 第5章 MEMS惯性器件随机漂移的Kalman滤波62-79
• 5.1 卡尔曼滤波技术62-65
• 5.1.1 随机离散系统的数学模型62-63
• 5.1.2 离散Kalman滤波的基本方程63-65
• 5.2 系统误差的Kalman滤波65-67
• 5.3 MIMU随机漂移的Kalman滤波处理67-75
• 5.3.1 时间序列概率模型68-69
• 5.3.2 随机数据的统计性分析69-72
• 5.3.3 模型参数的估计与滤波72-74
• 5.3.4 MEMS器件Kalman滤波结果分析74-75
• 5.4 动态下器件漂移的扩展Kalman滤波75-76
• 5.5 自适应Kalman滤波76-78
• 5.6 MEMS惯性器件补偿结果分析78
• 5.7 本章小结78-79
• 结论79-80
• 参考文献80-83
• 攻读硕士学位期间发表的论文和取得的科研成果83-84
• 致谢84-85

【参考文献】

中国硕士学位论文全文数据库 前1条

1 程万娟;光纤陀螺信号分析处理及滤波技术研究[D];哈尔滨工程大学;2009年

，

本文编号：614576