基于振动分析的石英挠性加速度计辨识研究

发布时间：2017-09-20 12:28

  本文关键词：基于振动分析的石英挠性加速度计辨识研究

  更多相关文章： 石英挠性加速度计 多方向振动测试 高阶误差系数辨识 特征提取 状态辨识软件

【摘要】：石英挠性加速度计具有较高的测量精度以及良好的稳定性,在现代惯性导航系统中得到广泛应用。就目前国内外研究现状来看,石英挠性加速度计的制造水平已经达到一定的技术高度,因此,单纯地提高加速度计本身的绝对精度受到了很大限制。所以,本课题从提高石英挠性加速度计的使用精度与稳定性入手,融合多种有效信号处理与分析的方式,帮助提高其性能质量。本文针对石英挠性加速度计测量精度失稳问题,对其进行多方向振动台测试,从其模型方程以及振动测试信号入手,融合多种信号处理方法,挖掘加速度计不同工作状态下的信号特征,利用智能学习算法对加速度计工作状态进行精确辨识。同时,还对加速度计高阶误差系数进行辨识研究,一方面完善加速度计模型方程,提高加速度计测量精度,另一方面,探讨加速度计工作状态和其高阶误差系数间的关系,寻求通过其系数变化辨识加速度计工作状态的方法。针对石英挠性加速度计多方向振动测试信号,在传统时、频域基础上提出多尺度熵和模糊熵进行特征提取,建立丰富的石英挠性加速度计工作状况特征表征集,融合聚类及神经网络学习算法对加速度计不同工作状态进行智能辨识。同时,采用总体最小二乘算法辨识加速度计高阶误差系数,建立较高精度的数学模型方程。最后,为在实际应用中快速辨识加速度计的工作状态,开发出加速度计工作状态辨识软件,通过获取加速度计电压信号即可快速辨识其工作状态。课题研究结果表明,本文针对石英挠性加速度计所进行的相关研究,可精确辨识加速度计的工作状态,能有效帮助提高石英挠性加速度计的制造质量及其成品率,有助于形成提高石英挠性加速度计性能质量的技术途径。
【关键词】：石英挠性加速度计 多方向振动测试 高阶误差系数辨识 特征提取 状态辨识软件
【学位授予单位】：西南科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TH824.4
【目录】：

• 摘要4-5
• Abstract5-10
• １ 绪论10-15
• 1.1 引言10
• 1.2 研究背景与意义10-11
• 1.3 国内外研究现状11-13
• 1.3.1 国外研究现状11-12
• 1.3.2 国内研究现状12-13
• 1.4 主要研究内容13-14
• 1.5 论文整体结构14-15
• 2 石英挠性加速度计15-22
• 2.1 引言15
• 2.2 石英挠性加速度计结构及其工作原理15-17
• 2.2.1 基本结构15
• 2.2.2 工作原理15-16
• 2.2.3 测量精度失稳辨识原理16-17
• 2.3 石英挠性加速度计多方向振动测试17-21
• 2.3.1 多方向振动台测试18-21
• 2.4 本章小结21-22
• 3 石英挠性加速度计高阶误差系数辨识22-40
• 3.1 引言22
• 3.2 高阶误差系数辨识22-26
• 3.2.1 加速度计多方向振动台测试22-24
• 3.2.2 石英挠性加速度计振动模型方程24
• 3.2.3 高阶误差系数辨识方法24-25
• 3.2.4 辨识精度评价参数25-26
• 3.3 加速度计高阶误差系数辨识分析26-35
• 3.3.1 高阶误差系数辨识26-27
• 3.3.2 有效性验证27-31
• 3.3.3 高阶误差系数辨识结果分析31-35
• 3.4 高阶误差系数聚类分析35-38
• 3.4.1 K-means聚 类算法35-36
• 3.4.2 加速度计高阶误差系数聚类分析36-38
• 3.5 本章小结38-40
• 4 加速度计信号特征提取40-68
• 4.1 引言40
• 4.2 时域特征提取40-44
• 4.2.1 时域特征参数40-41
• 4.2.2 加速度计时域特征参数分析41-44
• 4.3 频域特征提取44-47
• 4.3.1 频域特征44-45
• 4.3.2 频域特征分析45-47
• 4.4 熵特征提取47-59
• 4.4.1 熵特征提取原理48-50
• 4.4.2 多尺度熵50-52
• 4.4.3 加速度计多尺度熵特征提取52-54
• 4.4.4 模糊熵54-57
• 4.4.5 加速度计模糊熵特征提取57-59
• 4.5 加速度计辨识分析59-66
• 4.5.1 BP神 经网络分类的基本原理59-61
• 4.5.2 加速度计种类辨识61-66
• 4.6 本章小结66-68
• 5 加速度计数据采集分析软件设计68-93
• 5.1 引言68
• 5.2 加速度计数据采集分析软件68-71
• 5.2.1 软件功能简介68-69
• 5.2.2 软件核心架构69-71
• 5.3 用户管理模块71-72
• 5.3.1 用户登录模块71-72
• 5.3.2 成员管理模块72
• 5.4 数据采集模块72-75
• 5.5 数据分析模块75-80
• 5.5.1 高阶误差系数辨识模块76-77
• 5.5.2 传统信号特征提取77-79
• 5.5.3 熵特征分析79-80
• 5.6 加速度计辨识80-86
• 5.6.1 K-means聚 类81-83
• 5.6.2 BP神 经网络辨识83-86
• 5.7 数据管理模块86-90
• 5.7.1 数据库基本操作86-88
• 5.7.2 加速度计数据管理88-90
• 5.8 报表打印模块90-92
• 5.8.1 加速度计报表功能90-92
• 5.9 本章小结92-93
• 结论93-96
• 致谢96-97
• 参考文献97-102
• 攻读学位期间发表的与学位论文内容相关的学术论文及研究成果102

，

本文编号：888045