基于小波去噪与DRNN的光纤陀螺随机误差建模研究

针对具有复杂特性的光纤陀螺随机误差的建模问题,采用具有良好时域和频域局部化性质的小波阈值去噪和具有局部内递归特性的对角神经网络(DRNN)进行降噪建模研究。首先给出小波阈值去噪和DRNN的相关理论;然后,组合利用小波阈值去噪和DRNN对实测数据进行建模研究。仿真结果表明,在利用小波阈值去噪去除陀螺随机误差高频噪声的基础上,DRNN能够有效地对低频噪声建模,组合运用这两种理论方法取得了理想的建模效果。

对角神经网络陀螺随机误差建模研究

首先,采用对角神经网络(DRNN)对陀螺的随机误差进行建模。给出DRNN的结构与数学模型,说明DRNN作为内递归网络在建模时不必知道模型阶次;然后,利用LM算法优化BP算法,导出DRNN适用的LMBP算法对网络进行训练;最后,利用DRNN对光纤陀螺随机误差建模,并与陀螺随机误差建模常用的ARMA模型和外递归BP网络进行对比,通过仿真定量分析DRNN的建模效果。仿真结果表明,DRNN比其他方法更加有效便捷。

基于MS-IMMIKF的MEMS陀螺输出信号消噪处理

陀螺用于感知稳定平台相对于惯性空间的角速率,进而得到稳定平台在惯性空间的姿态,通过反馈稳定平台伺服控制机构相应的控制量来实现对稳定平台的稳定控制。通过分析陀螺随机误差对稳定平台精度影响,提出了一种新的陀螺随机漂移处理方法。首先针对机动跟踪领域的Singer模型中人为设定机动频率α的不合理性,对机动频率α进行在线估计,提出基于Modified Singer(MS)模型直接对陀螺输出进行建模的方法;在此基础上建立基于交互式多模型(IMM)的改进卡尔曼滤波算法(MS-IMMIKF)对陀螺输出随机误差进行处理,并对交互式多模型的改进卡尔曼滤波(IKF)进行理论分析和推导;通过数值仿真分析和稳定平台中某型号陀螺试验验证和仿真计算得出,静态滤波后均方根误差达到0.022 7°/s,证明了该方法对陀螺漂移处理的有效性与可行性;最后通过稳定平台动静态稳定试验表明,MS-IMMIKF滤波算法对提高稳定平台精度有效且实用。