MEMS IMU随机误差建模在SAR运动补偿中的应用

随着SAR小型化发展趋势,低精度小型化微机电系统惯性测量系统（MEMS IMU）在SAR运动补偿中越来越受到重视。鉴于MEMS IMU 中随机误差较大,为提高其短时间内相对运动测量精度,从IMU测量误差对SAR成像的影响分析出发,采用基于时间序列分析方法对MEMS IMU中随机误差进行建模,并构建Kalman方程对IMU原始数据进行了滤波处理,减小了随机误差,从而降低随机误差在合成孔径时间内对SAR运动补偿的影响。机载SAR飞行试验数据处理结果表明,此方法能够有效的减小随机误差,提高SAR图像聚焦质量。     

无陀螺惯性测量系统的标定及误差补偿研究

本文针对旋转弹用弹旋基准问题,提出八加计惯性测量系统方案,并进行了加速度计静态标定实验,给出了静态标定算法及模型系数标定结果。在此基础上,设计了系统动态标定实验及误差补偿方案,在实验室自研高速转台上标出了转台加速过程的完整的动态误差补偿模型,实施了惯性测量系统的实验弹模拟实验。经标定补偿后的误差模型,解算滚转角在9S内最大累积误差为-4．071°。实验结果表明动态误差补偿模型能有效提高滚转角的解算精度,具有一定实际应用价值。     

微惯性测量单元研究

微惯性测量单元(Micro Inertial Measurement Unit, MIMU)具有体积小、功耗低、成本低、可靠性高等特点,在车辆/舰船稳定控制平台、导航控制系统、小型弹类武器制导系统中具有广阔的市场应用前景。陀螺仪及微机械加速度计是MIMU的主要元件,MIMU作为惯性制导系统的核心元件,其体积和性能不但直接影响惯性系统的精度,还决定了它在惯性制导系统的应用范围。主要介绍了基于三轴MEMS陀螺及三轴MEMS加速度计的小体积低成本微惯性测量单元的研究,通过对敏感器件的误差补偿和信号降噪等措施来提高MIMU系统指标精度,使其适用于较高要求的应用领域。     

加速传感器在高速列车服役安全监测中的应用

本文介绍了一种对高速列车姿态测定方法。首先分析惯性测量单元输出信号所包含的静、动态误差以及随机误差分量,建立关于惯性测量器件随机漂移数据的时间序列模型,采用自回归滑动模型ARMA拟合随机漂移数据。使用MEMS陀螺仪和加速度传感器组合采集加速和转弯的数据,使用卡尔曼滤波器处理随机漂移数据,有效地抑制随机误差。运用四元数法进行姿态解算,更新列车的姿态角,使用融合滤波进行误差补偿。根据补偿后的姿态角对加速度传感器数据,得到准确的列车行驶速度与走行距离,证明了本列车故障检测系统的适用性。     

半捷联惯性测量装置减旋控制电路设计

MEMS器件体积小、重量轻、性能稳定、响应时间快,通常用来测量高旋转弹药的飞行姿态参数。针对传统MEMS捷联惯性测量系统存在量程与精度相互矛盾的问题,本文介绍了半捷联MEMS惯性测量的概念,在此基础上重点设计半捷联惯性测量装置减旋控制电路,该电路为小量程、高精度的MEMS器件提供稳定的测试环境。通过试验证明:该减旋控制电路能够有效减小高旋转弹药对惯性测量装置姿态测量精度的影响。     

基于MGMA的随钻陀螺仪误差在线补偿

针对随钻测量MEMS陀螺仪输出精度低的问题,提出一种基于磁 重力蜉蝣算法(MGMA)的陀螺误差在线补偿方法。首先,分析随钻陀螺误差来源并推导出误差补偿模型;其次,利用MEMS加速度计无累积误差的特点,根据重力向量叉乘得到向量夹角作为目标函数;此外,考虑到实际钻进时强振动和冲击对加速度计输出的不利影响,利用MEMS磁强计抗振的特点,设计磁模值相对误差约束条件。然后,在MA基础上,针对随钻恶劣环境影响下的陀螺误差参数不断变化问题,根据陀螺和磁强计输出之间的关系自适应确定搜索上下界;并利用重力模值相对误差设计惯性权重,平衡算法的全局探索和局部开发能力;最后,利用磁 重力模值相对误差在子代中引入变异扰动策略,减小陷入局部最优的可能。实验结果表明,经MGMA补偿后的陀螺输出误差明显减小,井斜角误差由9.75°降低至1.52°,且相比于PSO和MA算法具有速度快、精度高的优势。     

捷联航姿系统加速度计振动噪声平滑技术

捷联航姿系统(AHRS)主要用于输出载体的姿态与航向信息,是现代机载航电系统的关键设备.航姿系统工作过程中,载体的振动会增大惯性测量器件(IMU)输出噪声,降低航姿解算精度.针对于此,研究了飞机振动环境下的捷联航姿系统惯性器件输出的特性,设计了一种基于模糊推理的自适应变步长平滑滤波器,最后通过线性随机振动试验对滤波器性能进行了验证.试验结果表明,设计的滤波器可以有效抑制振动环境加速度计测量噪声,提高航姿系统在机载飞行环境中的姿态输出精度.     

基于MEMS/GPS/地磁组合的弹体姿态解算

MEMS惯性器件由于具有自主性、连续性和隐蔽性等优点被广泛运用于载体的姿态解算中,但由于MEMS惯性器件的制作精度和误差积累等问题使得解算出的姿态信息并不准确.同时由于地磁传感器可以实现高精度的姿态测量,但不能独立解算出姿态信息.因此为了提高惯导姿态解算的精度,所以采用GPS、地磁辅助惯导进行姿态解算.设计的方案是在传统惯导姿态解算误差状态方程的基础上,将地磁和GPS解算的滚转、偏航和俯仰角与惯导解算出来的相应角的差值添加到传统惯导姿态解算误差状态方程中,以速度误差和滚转、偏航和俯仰角误差为量测值,估计出组合系统的姿态误差,并与惯导解算出的姿态误差进行对比,从而验证所提出的方法的可行性.     

旋转式感应同步器零位误差的自动检测方法

针对旋转式感应同步器中零位误差的检测和数据处理工作量大的问题,提出一种以高精度光学分度头作为角度基准的自动测量方法,首先对系统的前置放大器和相移电路进行误差分析,通过合理设计二级运放的增益提高输出信号的信噪比,采用移相网络的方法补偿参考信号与输出电势之间的相移,光学分度头的输出信号和感应同步器输出信号进行比较计算后得到误差信号,在感应同步器连续旋转工作时,实现对其零位误差的动态自动检测.实验结果表明,系统的误差检测精确度为峰-峰值1.1",该方法可以实现旋转式感应同步器零位误差的高精确度检测.     

基于 BP 神经网络的无人机IMU 多传感器冗余的补偿算法

针对无人机多传感器数据决策时存在的数据可靠性不足以及资源浪费的问题,提出一种基于 BP 神经网络的无人机惯 性测量单元(IMU)多传感器冗余的补偿算法。 将低精度的 IMU 传感器数据输入到 BP 神经网络,利用 BP 神经网络的非线性拟 合能力,补偿低精度 IMU 数据的误差,然后利用基于置信度的数据仲裁算法对多个较高精度数据进行仲裁,输出经过数据融合 后的传感器数据,此过程还可以进行传感器故障判断和定位。 通过改变同类型传感器安装方式解决奇点问题。 实验结果表明, 经过神经网络误差补偿后,误差比原来减小了 55. 2%,比使用卡尔曼滤波算法进行误差补偿后的误差小 53. 9%。 此算法充分发 挥了冗余传感器设计的优势,提高了传感器系统的可靠性。     

BP神经网络和SVD算法联合的地震数据去噪方法

传统的地震数据去噪方法,由于过多依赖数据的先验信息而使得去噪效果不佳。为了更有效地压制地震数据噪声,结合BP网络和奇异值分解(SVD)算法的各自特点,提出了联合去噪方法。该方法分别对BP网络的拓扑结构和实验方案的选取进行了深入探讨,最终确定实验方法为:首先将含噪地震数据经过BP网络分离,然后将输出的噪声经过SVD算法重构,得到联合算法输出的噪声,最后将含噪地震数据与输出噪声相减,即可得去噪后数据。叠前和叠后地震数据实验均表明该方法的可行性与有效性。通过与传统去噪算法对比,该方法去噪后的均方误差更低,信噪比更高,表明其对实际地震数据去噪效果更佳。     

GIS设备局部放电图谱噪声抑制方法

针对GIS设备典型缺陷的局部放电图谱主要受白噪声干扰的问题,提出一种空域修正阈值的小波去噪方法。首先对小波变换的各种去噪算法进行了比较分析,由于小波去噪中的阈值算法存在着固有缺陷的使去噪效果并不十分理想,也不够稳定,然后本文提出将小波阈值算法与空域相关算法有机结合,同时给出一种新的阈值选择方法,对信号进行联合去噪。实验结果表明,本文提出的方法与传统方法具有明显优势,不但能在较强干扰情况下有效地将PD信号提取出来,且去噪后能量损失小,反映原始信号的特征尖峰点得到了较好的保留,波形峰值下降比较小。     

基于加速度变噪声EKF的无人机姿态融合算法

针对传统无人机姿态解算方法过程复杂、计算量大、动态性能差的缺点,建立无人机姿态模型;采用陀螺仪对加速度计直接进行滤波的方法,设计出新的基于扩展kalman滤波的加速度滤波器;并且考虑到无人机非重力加速度的影响,对常规kalman滤波器进行了变噪声的改进。利用STM32微控制器和MEMS惯性单元搭建硬件平台进行对比实验。结果表明:在168 MHz时钟频率下,一次传感器数据读取和姿态解算总共耗时3.27 ms,数据更新率可达100 Hz。新算法飞行动态误差小于1°,而传统四元数法动态误差为2°左右;变噪声处理后静态瞬时偏差由4°降到1°。说明新算法的抗震效果和解算精度更好,可以为无人机自主飞行提供更准确的姿态信息。     

多MEMS陀螺数据融合方法性能比较

MEMS陀螺的体积小、成本低,便于集成,但其低精度极大的限制了MEMS陀螺在实际中的应用。利用多传感器融合技术进行误差补偿可提高MEMS陀螺的测量精度,人们提出了多种数据融合方法用于改进MEMS陀螺的测量精度。对多尺度融合方法、卡尔曼滤波融合和小波阈值融合方法进行比较分析。理论分析与实验结果表明,多尺度融合算法相比卡尔曼滤波融合和小波阈值融合方法在标准差、信噪比、功率谱及Allan方差等方面性能获得了较好的效果,其适用范围更宽。     

基于PLM编码的泥浆脉冲信号提取算法研究

无线随钻测量(measurement while drilling,MWD)中泥浆脉冲信号的提取和正确识别是石油钻井施工中的一个关键技术,它决定着石油钻井过程中井眼轨迹是否正确。对泥浆脉冲信号进行了数值模拟,阐明了它的信号特征。针对PLM(pulse location management)编码的泥浆脉冲信号提取和识别问题,采用二次相关去噪算法,对泥浆脉冲信号的噪声去除进行了研究;在此基础上,运用局部特征和波形特征识别相结合算法,对PLM编码的泥浆脉冲信号位置进行了准确识别;为泥浆脉冲信号的提取和准确识别奠定了基础。最后现场试验结果表明:该算法简单实用,符合工程应用要求。     

基于经验模态分解法的桥梁应变信号降噪方法研究

针对桥梁应变信号的特点,提出了一种基于经验模态分解法的降噪方法。当信号中噪声分布在某些特定频段且与信号混叠时,现有的降噪方法如小波阈值法无法很好地对其进行处理。本文在对桥梁应变信号进行经验模态分解的基础上,具体分析分解后的本征模函数分量,对含噪较大的本征模函数分量进行特定的阈值滤波处理,并将处理后的本征模函数分量与含噪较小的本征模函数分量以及残余分量进行信号重构,得到降噪后的桥梁应变信号。将此方法用于实际测得的数据,实验结果表明,其能在保留原始信号特征的前提下,消除桥梁应变信号中的噪声,从而达到降噪的目的。     

行人导航系统设计与IMU模块数据预处理

设计了一种具有数据采集、数据处理以及显示终端的行人导航系统，其中的惯性测量模块采用了基于微机电系统的传感器，它包括三轴加速度传感器、三轴陀螺和三轴磁阻传感器。这种惯性测量模块具有体积小、功耗低、成本低的优点。详细分析了行人导航系统的误差来源，提出了三轴加速度传感器和三轴磁场传感器的非正交误差模型。并运用基于最小二乘的方法实现了一种自动初始校准算法。实验结果表明，这种自动初始校准算法可以有效地消除了该模块的固定偏差、比例误差以及非正交误差。     

基于UWB和IMU紧组合的室内定位导航算法

针对超宽带(UWB)在室内复杂环境中定位导航精度低,受非视距(NLOS)误差影响严重,且无法提供目标姿态信息的问题,提出一种基于UWB和惯性测量单元(IMU)紧组合的室内定位导航算法。以位置、速度、四元数、加速度计偏差和陀螺仪偏差为状态向量,通过扩展卡尔曼滤波算法融合UWB和IMU测量信息,加速度计偏差校正速度和位置,陀螺仪偏差校正四元数;用测量残差计算量测噪声因子,组成残差矩阵,动态调整量测噪声协方差矩阵,抑制NLOS误差对定位导航的影响。结果表明,在室内复杂环境下,基于UWB和IMU紧组合的定位导航算法比仅使用UWB定位时LS-Taylor算法精度提高了88.6%,增强了系统抗NLOS误差的能力,提高了动态定位精度,并能得到较准确的姿态信息,具有良好的实用性和鲁棒性。