基于多尺度多参量硅MEMS陀螺仪漂移预测.pdf

第 30卷第 2期 宇 　航 　学 　报 Vo l. 30 No. 2 2009年 3月 　 Jou rnal of A stronautics M arch 　2009 基于多尺度多参量的硅 M EM S陀螺仪漂移预测 孙宏伟 , 房建成 (北京航空航天大学仪器科学与光电工程学院 , 新型惯性仪表与导航系统技术国防重点学科实验室 , 北京 100083) 　　摘 　要 : 针对硅 M EM S陀螺仪误差因素多 ,输出为非线性非平稳的特点 ,采用传统方法难以对其建立精确的 误差模型 。在对小波神经网络方法改进的基础上 ,提出了多尺度去噪的平稳化方法及多参量非线性预测方法并将 其用于硅 M EM S陀螺仪漂移预测 。试验结果表明 ,采用多尺度多参量校准方法 ,硅 M EM S陀螺仪精度由 1°/ s提高 到 0. 02 °/ s。 关键词 : M EM S陀螺仪 ; 漂移预测 ; 小波分析 ; RB F神经网络 中图分类号 : V448. 2　　　文献标识码 : A 　　　文章编号 :(2009) 02 059 106 DO I: 10. 3873 / j. issn. 2009. 00. 033 收敛 。 0　引言 神经网络对非线性系统的辨识非常有效 ,但辨 随着 M EM S技术的发展 ,硅 M EM S陀螺仪以其 识参数的精度受噪声影响很大 。本文对上述的小波 体积小 、成本低 、动态范围大的特点 ,成为惯性导航 神经网络方法进行改进 ,在分析 M EM S陀螺仪误差 系统发展的趋势 。但硅 M EM S 陀螺仪受到 自身加 的基础上 ,充分发挥小波多尺度分析在时频域 良好 工工艺及环境的影响 , 陀螺仪漂移严重地制约了惯 的局部化特性 ,消除硅 M EM S陀螺仪输出的高频噪 导系统的精度 。因此 ,对硅 M EM S陀螺仪漂移的分 声 。同时结合神经网络在非线性系统辨识方面的优 析预测成为业界研究的热点问题 。 势 ,将去噪后的硅 M EM S陀螺仪输出值与外界影响 在陀螺仪漂移预测方面 ,前人做了大量的研究 因素作为 RB F神经网络的输入 , 以实际的敏感轴向 工作 。1960年 , H ammon 采用 自相关函数来建立陀 角速度作为标称值进行多参量漂移预测 。试验结果 螺仪的漂移模型 [ 1 ] 。此外 , A llan 方差 [ 2 ] 、kalm an 滤 表明 ,经过多尺度多参量校准后 的陀螺仪精度 由 波 [ 3 ] 、小波分析 [ 4 ] 等方法也被用于陀螺仪漂移的建 1 °/ s提高到 0. 02 °/ s。 模研究 ,但是这些方法的应用都是以陀螺仪漂移为 1　硅 M EM S陀螺仪误差分析 线性平稳过程为前提条件 。在非线性非平稳的陀螺 仪漂移研究方面 ,有 AR MI A 模型 [ 5 ] 、自适应 kalm an 硅 M EM S陀螺仪 由于受到当前制造工艺的限 滤波 [ 6 ] 、神经网络 [ 7 ] 、灰度理论 [ 8 ] 等建模方法 。由 制 ,造成自身精度较低 。硅 M EM S陀螺仪误差归结 于 M EM S陀螺仪的制造属于微加工工艺 ,受到 自身 为机械加工误差 、检测 电路误差和环境误差三 工作原理和加工精度的限制 , 同时硅材料受温度 、湿 类 [ 10, 11 ] ,各类误差因素有很多种 , 虽然每种误差对 度等外界环境影响较大 ,采用单一的上述方法进行 输出的影响原理上都可以通过力学方程推导出来 , 漂移预测 ,效果并不理想 。