基于LSSVM的激光陀螺随机误差系数预测

激光陀螺是一种具有广阔应用前景的新型惯性器件。为了提高激光陀螺的性能,有效地补偿激光陀螺的随机误差,提出了最小二乘支持向量机预测激光陀螺随机误差系数的新方法。采用遗传算法进行支持向量机参数的自动选取,提出了基于遗传优化的最小二乘支持向量机回归预测算法,并对激光陀螺随机误差系数进行了预测实验。实验结果表明,基于遗传算法的最小二乘支持向量机的预测精度更高。另外,研究了回归步长对预测效果的影响。预测结果表明,不同的回归步长对预测结果有较大的影响。

基于TheoH方差的陀螺随机误差系数动态提取

针对运用动态Allan方差提取陀螺随机误差系数时,用截断窗截取原始信号造成方差估计置信度降低的问题,提出运用混合理论方差(Theo H方差)来代替Allan方差对截断窗内的数据进行分析,并提取出随时间变化的陀螺随机误差系数。Theo H方差改善了Allan方差计算时相关时间只能达到信号总时间的二分之一及长相关时间下方差估计置信度降低的问题,其计算的相关时间可以达到数据总时间的四分之三,有效改善了动态算法因数据截取造成误差系数估计置信度下降的缺陷。从对仿真信号和光学陀螺实测数据处理结果上来看,本文方法既能准确地对动态条件下陀螺量测信号的随机误差进行细化辨识,又能大幅提高中、长相关时间下方差估计的置信度。

MEMS陀螺随机漂移误差系数的动态提取

针对传统Allan方差提取微机电系统(MEMS)陀螺随机误差系数仅得到近似均值,与实际中其随时间在均值附近波动不相符的缺点,提出一种动态提取MEMS陀螺随机误差系数的方法。该方法将窗函数引入Allan方差计算,不仅能够正确提取MEMS陀螺随机误差系数,而且还能得到MEMS陀螺随机误差系数的时间变化曲线,这将有利于MEMS陀螺的性能分析和误差补偿。实验证明该方法提取的MEMS陀螺随机误差系数的时间变化曲线在以传统Allan方差得到的近似均值附近波动。由此可见,该方法具有一定的可信度。