改进极大似然法动力调谐陀螺仪闭环辨识

发布时间：2019-07-21 07:04

【摘要】：针对Box-Jenkins(BJ)模型辅助向量法和Newton-Raphson法计算繁杂、收敛速度慢、辨识精度不高等问题和极大似然法无法直接应用在闭环辨识的限制,把结合BJ模型的递推的极大似然(recursive maximum likelihood,RML)参数估计法应用于动力调谐陀螺仪的闭环辨识,提出了不受耦合有色噪声影响的BJ模型近似递推极大似然(BJRML)闭环辨识法,获取了动力调谐陀螺仪的参数估计值并实现陀螺仪在线性能监测.结合动力调谐陀螺仪的闭环简化模型等先验知识,通过数值仿真验证BJRML法辨识结果的无偏一致性与渐进最优性;在实验室条件下采用本方法进行动力调谐陀螺仪闭环辨识实验.仿真结果表明:在有色噪声存在的条件下,BJRML法的辨识结果是一致无偏渐进最优的;闭环辨识实验结果表明:辨识精度优于92!;辨识结果能够跟踪陀螺特性,基本实现陀螺仪性能在线监测.
【图文】：

2017年11月王亚辉等:改进极大似然法动力调谐陀螺仪闭环辨识·501·图1动力调谐陀螺仪闭环模型Fig．1Closed-loopmodelofDTG式中:θ=［a1，，a2，b0，b1，b2］τ为陀螺仪模型参数矩阵;z－1为时延算子．图2动力调谐陀螺仪闭环简化模型Fig．2Simplifiedclosed-loopmodelofDTG1.2动力调谐陀螺仪固有噪声分析及激励信号的设计动力调谐陀螺仪闭环辨识过程中，由于机械结构和电磁环境的影响，输出信号中往往包含由陀螺转子端面跳动引起的转频干扰、由挠性接头的耦合效应和坐标转换引起的二倍频干扰、由电源及电路引起的噪声干扰等有色噪声［12］．这些噪声会降低系统的信噪比，并耦合在输入信号当中，影响辨识精度，严重时还会导致辨识算法失效．而传统的滤波方法无法消除这些噪声，因此需要设计合理的激励信号并研究适合陀螺仪信号特点的辨识方法．陀螺仪闭环辨识的激励信号必须满足能够激发陀螺模型的所有特征，涵盖其主要频谱的持续激励条件;同时为了排除固有噪声的干扰，要求频域可控．本文的激励信号选用多谐差相信号(SPHS)，它是一种幅值可调、频率可设定、由多个谐波分量的叠加和表示的周期性信号，与白噪声具有相同的随机性，能够激励出陀螺仪系统的所有工作模态;它在设定频率处有较强能量;其离散的频谱可避免与噪声信号频谱重叠，提高信噪比．其数学表达式为r(t)=∑Nk1=12Pki

本文编号：2516998