基于贝叶斯动态模型的激光干涉仪漂移误差预测

针对长时间测量时激光干涉仪产生的漂移问题,提出了一种基于贝叶斯动态模型的漂移误差预测方法。通过采集非测量阶段的漂移误差序列,分析了数据特征并据此建立了贝叶斯动态模型。然后,利用无信息先验分布法获取了递推所需的初始信息,运用贝叶斯递推算法训练并估计了模型状态参数。最后,基于实验室自制的迈克尔逊激光干涉仪对漂移误差预测效果进行了实验验证。结果表明:与常用的最小二乘拟合法和神经网络建模法相比,基于该方法预测补偿后的残余漂移误差的均方差分别减小了67.85%和99.08%;由重复实验的预测效果可知,残余漂移误差的均方差较补偿前都减小了82%以上。验证了提出的基于贝叶斯动态模型的漂移误差预测方法的有效性和稳健性。

单光子激光测距的漂移误差理论模型及补偿方法

单光子激光测距系统采用高灵敏度的单光子探测器作为接收器件,更易实现高密度、高覆盖率的目标采样,是未来激光测距系统的发展方向.漂移误差作为限制单光子激光测距精度提高的瓶颈问题,其主要由平均回波信号光子数的变化引起.以激光雷达方程、单光子探测器的概率与统计理论为基础,建立了漂移误差的理论模型,给出了漂移误差与平均信号光子数、均方根脉宽等系统参数之间的理论关系式.同时,结合单光子探测概率模型给出了一种漂移误差的修正方法,并搭建实验系统对漂移误差模型和修正方法进行了验证.在回波信号均方根脉宽为3.2 ns、平均回波信号光子数为0.03到4.3个情况下,未经修正的漂移误差最大达到46 cm,经修正后的均方根误差为1.16 cm,平均绝对误差为0.99 cm,达到1 cm量级,漂移误差对测距精度的影响基本可以忽略.该方法可以解决漂移误差制约单光子激光测距精度提高的瓶颈问题.

偏振调制测距系统频率漂移误差及其补偿

偏振调制测距方法中,频率测量的稳定性是影响测距精度的关键因素。为提高偏振调制测距系统中频率测量精度,提出一种双向扫频频率测量方法。分析了偏振调制测距原理及测频精度与测距精度的关系,探讨了频率漂移量的影响因素和频率漂移规律,证明调制深度和热致附加相位差是影响频率漂移的重要因素。利用正向扫频和反向扫频时频率漂移方向相反的特点,提出频率漂移误差补偿方法,可在低调制深度条件下补偿热致附加相位差引起的频率漂移。对距离为15.23m的目标进行测量,频率测量标准差从3.822 9×104 Hz减小到5.807 5×103 Hz,测距误差从7.513 7mm减小到0.866 7mm,验证了该方法的有效性。

基于时间序列分析的Kalman滤波方法在MEMS陀螺仪随机漂移误差补偿中的应用研究

从工程实用的角度出发,探讨了MEMS陀螺仪随机漂移误差的有效补偿方法.首先采用时间序列分析的方法建立了MEMS陀螺仪的随机漂移误差模型,然后阐述了用基于时间序列模型的Kalman滤波方法减小该漂移误差的具体方法.对某MEMS陀螺仪实测数据的误差补偿结果表明,所介绍的滤波方法能够有效地抑制其漂移误差,提高MEMS陀螺仪在实际系统中使用精度.

陀螺随机漂移误差模型建模方法研究

论述了自 60年代以来的几种主要陀螺仪漂移误差模型建模的方法 ,介绍了各种方法的特点及建模公式 。

Argo浮标电导率漂移误差检测及其校正方法探讨

文章引入位势电导比(potential conductivity ratio)的概念,对一个在西北太平洋上观测时间长达4a的Argo剖面浮标进行了诊断分析,并利用现场CTD资料和简单的误差消除法,对该浮标由电导率传感器漂移所产生的盐度误差进行了校正处理,且与目前同际上公认的WJO方法进行了比较,发现利用现场CTD资料校正Argo浮标长期观测所产生的盐度误差更直观、更简便,其校正结果也是可信的。

精密测试中的振动相位零点漂移误差及其减小方法

精密转子的功能需要通过严苛的动态运行精度来实现,这给振动测试的精度提出更高的要求。现有方法通过对快速傅里叶变换的改进,已经实现对振动幅值、相位等参数的精确提取,但对于振动相位零点漂移误差及其减小方法的研究还较少。通过对精密测试中振动相位零点漂移误差来源及其变化规律的深入分析,提出一种减小精密振动测试中相位零点漂移误差的方法。该方法依据相位序列变化步长搜索键相序列信号变化的周期数、以变化周期内信号的平均值估计相位零点漂移的中间值;在此基础上,结合信号的角度分辨率对初始相位序列的极值进行估计进而确定振动信号初始相位补偿量。该方法的有效性和可行性通过仿真试验和实际测试分析结果得到验证,为提高信号相位的测试精度提供一种可靠的解决方案。

MHD角速度传感器随机漂移误差补偿方法研究

为了补偿磁流体动力学(MHD)角速度传感器的随机漂移误差,在对其建立时间序列模型的基础上,采用卡尔曼滤波算法对MHD角速度传感器的漂移数据进行了处理,并用方差和Allan方差分析的方法,对滤波前后的数据进行了分析对比。实验结果表明此方法能有效地提高MHD角速度传感器的测量精度。

静电陀螺监控器中静电陀螺仪的漂移误差模型

本文推导了静电陀螺仪转子动量矩的运动方程,根据此方程并应用向量场理论,将造成静电陀螺漂移的外部干扰力矩划分为守恒力矩和非守恒力矩两部分。按照进动规律,最终得到静电陀螺监控器中陀螺仪漂移误差模型的全量形式。

神经网络在陀螺漂移误差模型辨识中的应用

神经网络具有很强的自学习、自适应能力及非线性变换特性，为模型的辨识提供了一条十分有效的途径。本文基于反向传播（Back-Propagation）网络的研究，将神经网络应用于陀螺漂移误差模型辨识，通过陀螺的实际测试数据对神经网络的加权进行训练，得到了较为满意的结果。

惯导平台漂移误差参数辨识的实验研究

本文给出了某型号惯导平台漂移误差参数辨识的一个工程实例。平台上陀螺输出的零位误差和质量不平衡误差是引起平台漂移的主要因素。为此，我们建立起描述平台漂移的数学模型，取框架角的测量值做为系统的输出，框架角和误差系数都被定义成了状态变量，这样参数辨识问题就转化成了对状态的估计。为使各误差系数都能受到重力的充分激励和便于工程应用，实验中我们采用了六位置伺服状态测漂方案。实验结果表明，应用ＥＫＦ 可以获得较好的辨识效果，明显优于力反馈法和光点测漂法。

主轴系统动态误差和热漂移误差的测试分析

主轴的动态误差和热漂移误差直接影响机床的定位精度和工件表面加工质量。运用API主轴动态误差及热变形分析仪和API主轴误差分析软件对加工中心的主轴进行动态误差和热漂移测试。通过测量系统采集到的机床主轴系统的温度变化及分布数据及主轴系统的热变形数据,可以了解及掌握机床在运转过程中主轴系统的实际工况,如热平衡时间、主轴系统不同时刻在各方向的变形量等信息,对以后主轴系统的优化设计和动态补偿提供了基础数据支撑。

捷联陀螺漂移误差系数预测方法研究

针对目前通用的均值估计法和AR(P)模型直接预测法对捷联陀螺漂移误差系数预测精度不高的情况,对AR(P)模型直接预测法进行了改进,建立了基于误差系数漂移量的AR(P)模型,首先预测漂移量,进而预测出漂移误差系数值。通过仿真实例对3种方法的预测效果进行比较分析,结果证明本文提出的预测方法优于目前通用的两种预测方法。

近似非线性滤波在陀螺漂移误差模型辨识中的应用

本文提出了一种基于近似非线性滤波技术的陀螺漂移误差模型辨识方法。它由三步组成:①由所获得的伺服台测试数据分离出漂移速度;②决定陀螺漂移误差模型的显著性系数,并用漂移速度曲线拟合求得这些参数的粗估计;③直接由所得测试数据求上述系数的精估计。这些方法已经成功地用于处理静电陀螺在双轴伺服台上的测试数据。文中提供了处理结果。这些结果表明,应用这些方法建立陀螺漂移误差模型是非常好的,建模残差均方根值小于1×10^(-3)度。

减小速率积分陀螺漂移误差的方法

分析了影响速率积分陀螺漂移误差的主要因素,通过对比试验提出了减小各种干扰力矩的措施:改变游丝形状、选用精密的轴承、减轻浮子重量、改进信号器和平衡夹具、磁钢进行稳磁处理等,使陀螺的漂移误差减小。对这些措施的实施,验证了方法的有效性。

陀螺稳定平台漂移误差参数的辨识方法研究

给出了一种平台工作在惯性稳定状态下的静态多位置测漂方案 ,建立了包含陀螺漂移、地球自转因素在内的平台漂移数学模型和系统状态方程 ,解决了三轴开路状态下的耦合问题。取框架角传感器的输出作为观测量 ,利用广义Kalman滤波器对含有噪声的测量数据进行处理 ,将参数辨识问题转化为状态估计 ,仿真结果表明 。

基于Allan方差分析的陀螺仪漂移误差辨识与仿真复现

针对传统阿伦(Allan)方差分析法中容易引起误差类型错误识别的问题,提出了一种新的Allan方差曲线拟合方法,开发了软件程序辅助人工操作,实现陀螺仪漂移误差类型识别并完成误差参数估计,曲线拟合过程可视化、直观简便。对一组实测的陀螺仪数据进行了Allan方差分析,求得它的漂移误差类型和相应的噪声参数,基于噪声参数进行了虚拟陀螺仪漂移的仿真复现,复现数据的误差特征与实测数据吻合,验证了Allan方差分析方法的正确性,研究结果可为提高陀螺仪性能提供参考。

Kalman滤波在MEMS陀螺仪随机漂移误差补偿中的应用与实现

本文从深空探测领域对惯性器件的实际需求出发，针对MEMS陀螺仪的随机漂移误差，采用时间序列分析的方法建立其误差模型，在此基础上，探讨用Kalman滤波降低该随机漂移误差的具体方法，最后在TI公司的32位浮点数字信号处理器TMS320VC33上实现了该滤波算法。实测滤波数据表明，该方法能够有效的提高MEMS陀螺仪在实际系统中的使用精度，具有很强的典型性和应用价值。

捷联系统姿态算法的漂移误差研究

本文对姿态计算四元数方法进行了研究，通过对计算矩阵的U－S分解，清楚地表达了不同算法的标度误差、歪斜误差和漂移误．

应用SVR的陀螺漂移误差系数预测

针对目前小样本容量的陀螺漂移误差系数预测精度不高的问题,文中采用支持向量回归算法对陀螺漂移误差系数进行了预测研究,并以某型陀螺某项漂移误差系数的历史数据为例进行了预测.结果表明,应用支持向量回归算法进行陀螺漂移误差系数预测,能够给出良好的预测结果,且预测值和实际值之间达到高度拟合。