论文部分内容阅读
MEMS惯性器件以体积小、功耗低、可靠性高且成本低等优点广泛应用于导航制导系统中,但由于精度低,性能相比于机械及光学惯性器件较差,导致MEMS惯性器件在实际工程应用中存在一定的局限性。本文基于现有条件通过标定试验和误差分析补偿来提高低成本MEMS惯性器件的实际使用精度,具有非常重要的意义。首先,对实验室自制低成本MEMS惯性器件系统误差项进行分析,该误差项是导致系统精度差的重要原因。针对实验室现有设备,确定静态十二位置法和动态六位置的方法分别对于陀螺仪与加速度计进行标定,建立系统误差模型并进行补偿,通过验证试验证明了常温环境下误差模型的准确性。其次,将微惯性测量单元MIMU进行全温测试,针对惯性器件各项误差系数在不同测试条件下的呈强非线性的特点,设计RBF径向基神经网络。通过对MEMS陀螺与加速度计零偏、刻度因子等训练,确定各条件下更为准确的模型系数。经过补偿提高各动态环境条件下微惯性系统的使用精度。再次,根据MEMS惯性器件输出随机信号的特点,确定采用Allan variance方法进行随机误差的辨识与表征。通过噪声源的辨识与Allan方差分析结果,为下文对器件随机误差项的滤波做好一定的基础,提高了系统误差与随机漂移误差补偿的精度。最后,对系统误差进行Kalman随机漂移的滤波处理,检验并处理惯性器件实测随机数据,用时间序列分析法建立ARMA随机漂移误差模型,经过线性Kalman、自适应Kalman滤波最终实现对动态随机漂移信号的滤波。经测试补偿后,其结果在全温动态条件达到了器件实际精度要求,证明了Kalman滤波的有效性。