基于自适应小波回声神经网络的光纤陀螺测角仪温度误差补偿技术

基于光纤陀螺的测角仪可以实现对各项角运动参数的一体化动态精密测量,但在实际应用中,光纤陀螺测角仪受到温度变化的影响,导致测量精度下降。针对这一问题,本文提出了一种基于自适应小波回声神经网络的光纤陀螺测角仪温度误差补偿技术。为了提高温度误差建模的进度,提高传统神经网络的逼近能力,通过自适应前向线性预测滤波器对建模用测角仪温度漂移数据进行预处理,并采用自适应小波回声神经网络建立温度漂移模型,能够避免传统神经网络结构设计的盲目性和局部最优等问题,增强了网络学习能力和泛化能力,并利用自适应律代替神经网络梯度进行网络训练,提升神经网络的逼近精度和收敛速度。实验结果表明,该模型可以提高光纤陀螺测角仪的测量精度和环境适应性,为光纤陀螺测角仪的性能优化和实际应用提供了可靠的技术支撑。

利用三轴转台的MEMS陀螺仪温度误差研究综述

本文通过研究分析相关研究领域的文献,阐述了MEMS陀螺仪的工作机理以及产生温度误差的原因,并总结了当前MEMS陀螺仪温度误差研究领域所使用的测试方法和取得的一些成果,为后续的课题研究奠定基础。

全光纤电流互感器温度误差分析与温度误差补偿

全光纤电流互感器(FOCT)温度误差的主要来源是λ/4波片引起的温度误差和传感光纤维尔德常数引起的温度误差。通过综合分析环境温度对λ/4波片和维尔德常数的影响,推导出了总的温度误差与λ/4波片引起的温度误差和维尔德常数引起的温度误差之间的关系,利用曲线拟合的方法得到了λ/4波片相位延迟角初始值的合理取值为86°,搭建了FOCT温度误差测试系统对理论分析结果进行了试验验证。理论分析结果和试验测试结果都表明当λ/4波片的初始相位延迟角为86°时,在绝大部分温度变化范围内电流测量值的相对误差都小于0.2%的误差极限,实现了FOCT的温度误差补偿。

ELM-AdaBoost模型在光纤陀螺温度误差补偿中的应用

针对光纤陀螺零偏与温度之间复杂的非线性关系,引入极限学习机(extreme learning machines,ELM)模型补偿光纤陀螺的零偏温度误差;针对单个ELM在预测准确性和稳定性不足及其对奇异样本敏感的问题,引入自适应增强算法(adaptive boosting,AdaBoost)建立ELM-AdaBoost预测模型改善光纤陀螺性能,分析光纤陀螺的温度误差机理及模型参数对预测精度的影响,给出ELM算法隐含层神经元个数及AdaBoost算法迭代次数的确定方法。仿真结果表明:基于ELM-AdaBoost预测模型的补偿效果优于多元线性回归模型和单个ELM神经网络模型,并具有良好的泛化性能和温度适用性,补偿后陀螺零偏均方根误差降低93%以上,显著改善了光纤陀螺零偏稳定性能。

基于RBF神经网络的数字闭环光纤陀螺温度误差补偿

设计了基于径向基函数(RBF)神经网络的温度误差补偿方案,并对该方案所采用的标度因数误差模型和偏置误差模型进行研究。根据光纤陀螺的温度误差分布情况设计了标度因数误差和偏置误差联合补偿的方案,将基于多尺度分析的噪声和趋势项分离算法应用于建模数据预处理,以提高建模数据的准确性。建立了RBF神经网络模型,并改进模型的学习方法以防止网络的过拟合。最后,讨论模型输入向量对神经网络规模的影响。温度补偿的结果表明:标度因数误差模型的残差均方(RMS)达到0.73(bit/((°)/s))2,偏置误差模型的RMS达到0.051(bit/((°)/s))2。该建模方法可以消除数字闭环光纤陀螺温度误差,满足中、高精度光纤陀螺实时温度补偿的要求。

光纤电流互感器λ/4波片温度误差补偿

λ/4光纤波片温度位相差误差是光纤电流互感器最主要误差源之一。本文研究偏振光在非理想波片处偏振态的变换过程,分析波片位相差温度稳定性对互感器测量准确度影响机理,导出波片温度误差模型。在互感器闭环信号检测方案基础上,通过不等占空比方波相位调制,展宽零相位差干涉尖峰值;进而应用第二A/D转换器,提取干涉结果中直流信息,以此设计波片温度误差补偿方案。实验结果表明,通过补偿,在?40～60℃范围内,互感器测量电流比变化量从±0.75%降低到了±0.25%。

基于多元线性回归模型的光纤陀螺温度误差建模

在-40℃～60℃温度范围内测试了数字闭环光纤陀螺的标度因数、偏置和噪声，基于对测试数据的分析指出，零偏稳定性大于0．3°／h的光纤陀螺的温度误差主要来源于标度因数误差和偏置误差。利用逐步回归法分析了零偏与温度、温度梯度之间的线性关系和标度因数与温度之间的线性关系，建立了零偏误差和标度因数误差的多元线性回归模型。在模型中引入到达探测器的光功率作为新变量，提高了标度因数模型精度，并使计算量减小40％。建模结果表明，标度因数误差回归模型的残差均方（RMS）达到1（bit／（°／s））^2，偏置误差回归模型的残差均方达到0．067（°／h）^2。

数字闭环光纤陀螺温度误差分析

分析了数字闭环光纤陀螺温度误差的来源,指出温度误差主要包括温度噪声、标度因数漂移、偏置漂移。提出一种基于离散小波变换的分离陀螺温度噪声和温度漂移的方法,利用该方法对测试数据进行了分析,证实了在零偏稳定性大于0.3(°)/h的光纤陀螺中,温度漂移是主要温度误差。将简化的光纤陀螺等效相位模型与温度敏感参数模型结合得到光纤陀螺温度漂移误差分布模型,利用该模型分析了影响温度漂移误差的各因素,并对主要因素进行了测试和分析。最后总结了抑制温度漂移误差的几点措施。

磁力仪温度误差的径向基神经网络补偿模型

磁通门磁力仪参数受温度影响明显,直接影响传感器测量精度,需要研究补偿方法,提高测量精度。采用无磁高低温试验箱测量磁通门传感器温度特性;提出基于径向基神经网络的温度误差补偿方法,分别建立磁通门磁力仪零漂误差补偿模型和刻度因子误差补偿模型。结果表明,径向基神经网络能良好逼近磁通门传感器参数的温度特性;与BP神经网络相比,径向基神经网络在零漂补偿中训练时间更短,精度更高,重复性更好,零漂误差的抑制能力更强。补偿后,磁通门磁力仪零漂误差从7.105 5 nT减少到0.766 1 nT;刻度因子误差从6.3E-3减少到7.2E-5;测量值温度误差由213.6 nT补偿到9.1 nT。提出建立通用的温度补偿模型,在不同磁场环境下经过反复测试,采用训练过的模型补偿后,温度误差均降低一个数量级,提高了磁通门磁力仪温度性能和精度。

全光纤电流互感器的温度误差补偿技术

分析了全光纤电流互感器(FOCT)温度误差的主要来源,理论计算了温度变化下光纤λ/4波片与维尔德(Verdet)常数引入的误差,提出了一种温度误差补偿技术。通过在制作光纤λ/4波片时选择合适的初始相位延迟角,使λ/4波片引入误差与维尔德常数引入误差正好相反,从而达到相互补偿的目的。试验结果表明,通过补偿,FOCT能够满足0.2s级测量用电子式电流互感器的温度循环准确度要求。

基于SVM的激光陀螺温度误差建模与补偿方法

激光陀螺误差决定了机载全成孔径雷达(SAR)运动补偿用位置姿态测量系统(POS)的测量精度。针对激光陀螺测量精度受环境温度影响严重的问题进行了研究,分析了激光陀螺的温度误差模型,结合支持向量机SVM的函数拟合功能,提出一种新的陀螺温度误差建模与补偿方法。与基于线性回归以及神经网络的补偿方法相比,该方法具有精度高、泛化能力强等优点。实验结果表明,激光陀螺的温度误差减小约75%,提高了激光陀螺对环境温度的适应能力。

声表面波压力传感器温度误差及补偿方法研究

要提高声表面波压力传感器的测量精确度 ,温度补偿是主要难题。尽管目前有许多补偿方法 ,但其效果不佳。采用软件方法进行温度补偿的研究在国内外已成热点 ,但选用神经网络对SAW压力传感器进行温度补偿尚罕见报道。本文以CSF - 10型SAW压力传感器为研究对象 ,通过理论分析和实验 ,得到了SAW压力传感器的温度特性曲线 ,又经现场实际操作 ,BP神经网络对SAW压力传感器温度补偿的效果良好 。

一种隐式结构MIMU设计及标度因数温度误差分析

高动态、恶劣温度环境的微型飞行器应用中,由温度引起的MIMU标度因数误差与结构安装误差的耦合问题非常突出,常规MIMU及其标度因数温度误差标定补偿方法不再适用。提出并设计了一种隐式结构MIMU,分析了温度对MIMU结构及标度因数的影响机理,建立了与温度二次项有关的MIMU角速度通道和加速度通道标度因数温度误差模型,并提出了"多温度点三方位正反速率和双方位正反角度"标定方法,解决了MIMU误差耦合问题。标定与补偿试验结果表明,隐式结构MIMU结构安装误差受温度影响非常小,而标度因数是与温度的二次项有关的;标度因数温度误差补偿后,MIMU角速度通道、加速度通道动态精度都得到了显著提高,验证了隐式结构MIMU设计及标定方法的有效性和优越性。

MEMS惯性测量组件的温度误差补偿模型研究

为了减少温度对MEMS惯性测量组件测量精度的影响,将MEMS加速度计、陀螺的零偏和标度因数统一进行温度建模,再用非线性回归法辨识出模型中的各项参数,然后采用逐步回归分析法对模型进行优化,对优化的模型方程和方程中各系数做进一步的显著性检验.对比温度误差补偿前后的试验结果表明,经过补偿后的加速度计和陀螺在全温范围内误差分别保持在10mg和0.04(°)/s以内,尤其是低温时补偿效果明显,最大约10倍,验证了温度误差补偿方法的有效性.采用该补偿方法,能有效降低温度的非线性对精度的影响,从而提高全温范围的测量精度.

改进的内框架驱动式硅MEMS陀螺温度误差模型

温度误差是MEMS(M icro E lectronic Mechanical System)陀螺仪的主要误差源之一,为了消除温度对内框架驱动式硅MEMS陀螺仪性能的影响,提出了一种改进的温度误差模型.基于硅材料的赛贝克(Seebeek)效应,结合表头温度变形,分析了陀螺仪零偏误差;利用温度引起的干扰力矩,分析了陀螺仪输出与比力及角加速度有关项误差;针对温度引起系统谐振频率的变化,分析了陀螺仪标度因数误差.试验结果表明:在温度变化过程中,比力引起的干扰力矩是导致陀螺仪温度误差的主要因素,验证了改进的温度误差模型的正确性,补偿后陀螺仪的零偏稳定性提高了53.75倍,标度因数精度提高了19.6倍,改进的温度误差模型也适用于其它MEMS陀螺仪.

论精密测试中温度误差的现代研究分析

由于温度对仪器和测量精度的影响极其复杂,传统的理论和研究方法又存在严重不足,使减小温度的影响受到了很大限制,急待建立更加科学的温度误差理论。本文对此进行了较系统的分析,初步研究了现代高精度测量中温度误差理论的几个基本问题。

基于光电振荡器的长度测量方法温度误差

基于光电振荡器的距离测量方法将包含待测长度的空间光路耦合入光学谐振腔,通过测量振荡频率得到被测距离,借助振荡频率对谐振腔长的高敏感特性,具有实现大尺度高精度距离测量的潜力。但是长光纤作为谐振腔中的高Q值器件,容易受环境温度影响,导致测量精度及稳定性严重恶化。文中理论分析了温度变化对距离测量的影响,建立并分析了温度误差与温度变化、光纤长度的关系。针对温度误差提出了系统参数优化方法,进行了不同长度光纤与温度误差的实验,实验结果与误差模型相符,为测量误差补偿奠定了基础。

声表面波CO气体传感器温度误差补偿方法研究

要提高声表面波(SAW)气体传感器的测量精确度,温度补偿是主要难题。目前有许多补偿方法,但其效果不佳。采用软件方法进行温度补偿的研究在国内外已成热点,但选用神经网络对声表面波气体传感器进行温度补偿罕见报道。该文以西北工业大学研发的声表面波CO气体传感器为研究对象,通过理论分析和实验,得到了声表面波CO气体传感器的温度特性曲线。提出了一种利用BP人工神经网络对声表面波CO气体传感器温度误差进行修正的新方法。计算机仿真和试验结果表明,该法能有效改善传感器的输出特性,且速度快,精度高,鲁棒性强,便于用硬件实现,具有较高的推广应用价值。

基于BP神经网络的磁通门传感器温度误差补偿

三轴磁通门传感器受温度影响明显,严重影响其测量准确度,需要研究补偿方法,提高测量准确性.在不同磁场环境下,利用无磁高低温试验箱对传感器输出值温度特性进行了测试,并采用BP神经网络的方法进行温度补偿.分别阐述了设备操作过程及数据处理方式.采集传感器在不同温度下的测量数据样本;将BP神经网络应用于温度误差模型的非线性辨识,训练出了有效的温度补偿网络;在不同外加激励磁场下分别进行补偿;对BP神经网络、径向基神经网络和曲线拟合的逼近效果进行了对比.结果表明,传感器温度误差从195.6 nT,203.2 nT,213.6 nT分别补偿到17.18 nT,18.89 nT,18.04 nT.温度误差明显减少,证明了BP神经网络在磁通门传感器校正中的良好性能;经过对比,证明了BP神经网络具有更高的逼近精度.

基于RBFNN的称重传感器温度误差补偿

称重传感器存在因环境温度不同导致的非线性误差,需要进行补偿。阐述了称重传感器的温度误差机理,提出了一种基于径向基函数神经网络(RBFNN)的称重传感器温度误差补偿方法,并给出了训练算法。采用该方法,利用量程为100 kg的称重传感器,在0～60℃范围内进行温度误差补偿实验。实验表明:采用这种方法补偿后,称重传感器温度误差大大减少,提高了称重准确度。