论文部分内容阅读
微机电(MEMS)陀螺仪是一种用于测量角速率或姿态角的惯性传感器。微机电陀螺具有体积小、成本低、重量轻及功耗小等优点,在民用汽车业、工业控制、消费电子,在军用无人机、导弹、火控等领域均有着广泛且重要的应用。武器系统向着小型化、便携式、智能化方向飞速发展,就要求MEMS陀螺能够在小体积、低功耗的基础上,实现高精度、高稳定的测量。受到制造工艺误差、材料分散性、封装可靠性等问题的限制,MEMS陀螺达到一定的测量精度之后,如需进一步提升其测量精度及稳定性,技术难度及成本控制受到极大的挑战。近年来MEMS陀螺数字化测控技术得到了较快的发展,其具有高稳定、高精度、可重构的特点,体现出了极大的技术发展优势。基于MEMS陀螺数字化测控技术,通过研究智能化的自校准算法,可突破既定工艺技术的制约,实现高精度、高稳定的智能化MEMS陀螺,极大的拓宽MEMS陀螺应用场景。具有重大的科研与应用价值。本论文通过基于MEMS陀螺加工工艺和接口电路误差的零偏误差模型,提出了基于模态反转与神经网络学习的零偏自校准方法,通过基于多目标参数优化的MEMS陀螺测控系统设计方法,突破了 MEMS陀螺零偏自校准测控系统关键技术,研制了 MEMS陀螺自校准系统硬件平台,验证了零偏自校准系统理论模型及算法,实现了 MEMS陀螺零偏自校准,有效提升了 MEMS陀螺的零偏稳定性。本文主要研究内容如下:通过包含工艺误差和接口电路误差导致的刚度不均衡、阻尼不均衡、质量不均衡、静电激励力不均衡,寄生电容耦合以及相位误差等在内的MEMS陀螺零偏误差模型,本文以课题组自研的正交模态全对称式MEMS陀螺为例,分析讨论了上述问题对MEMS陀螺输出信号的影响,并得到的零偏误差信号特征,为后续零偏自校准方法的研究和测控系统的设计提供了理论基础。提出了基于模态反转与神经网络学习的零偏自校准方法,对MEMS陀螺的偏误差进行了校准。具体而言,该零偏自校准方法通过模态反转技术实时校准模型,对零偏误差信号实现了初步校准;通过基于CEEMDAN信号特征提取的阈值滤波算法,消除了模态反转校准后零偏信号中的随机噪声,而后采用基于Bagging-ELM的神经网络算法,对零偏误差信号中的缓变漂移量进行了校准补偿。该零偏自校准方法显著提升了 MEMS陀螺的零偏稳定性。提出了基于多目标参数优化的MEMS陀螺测控系统设计方法,设计得到了 MEMS陀螺的驱动和检测闭环控制环路。通过基于遗传算法和蒙特卡洛分析的多环路优化方法,缩短了闭环控制环路的设计时间,提升了控制环路对陀螺敏感结构参数变化的鲁棒性;通过基于自适应矩估计优化的最小均方解调算法,提升了检测环路的解调信噪比。最后,采用本文提出的基于模态反转与神经网络学习零偏自校准方法和基于多目标参数优化的MEMS陀螺测控系统设计方法,以课题组自研的全对称式MEMS陀螺为对象,研制了 MEMS陀螺零偏在线自校准系统硬件平台。测试实验结果显示,MEMS陀螺的零偏不稳定性由23.76°/h和19.8°/h降低为2.7072°/h,角度随机游走分别为0.0071°/(?)和 0.0122°/(?)降低至 0.0013°/(?),刻度因子从 17.7mV/(°/s)提高到23mV/(°/s),刻度因子的非线性度从84.52ppm降低到61.56ppm,带宽从23Hz提高至101Hz。本文的工作为提升MEMS陀螺的零偏稳定性提供了一条全新有效的技术手段,对高精度MEMS陀螺的后续研究也具有一定参考价值。