论文部分内容阅读
MEMS航姿参考系统主要是由微惯性测量单元,三轴磁强计和嵌入式处理器所组成,惯性测量单元,以及磁强计向嵌入式处理器输出测量数据,处理器依据姿态解算算法对数据进行计算,解算出载体的当前的姿态信息。如今,MEMS技术日益成熟,由于其具有体积小,功耗低,成本低等优点,已经广泛应用于民用和军用领域。磁强计是MEMS航姿参考系统中的重要组成部分,其主要的作用是输出地磁场信息,参与系统的姿态解算,其精度直接影响到航姿参考系统的精度。由于地球磁场分量数值比较小,而磁强计又容易受周边磁场变化的影响,从而其误差会影响融合信息的准确性。本文基于航姿参考系统中磁误差分析和误差模型,提出了基于最小二乘算法的差分进化算法和BP神经网络算法,用于磁强计的标定校准。与传统方法相比,该方法无需借助相关的校准仪器,利用有效的大量数据通过迭代和学习求得泊松模型参数。通过三种算法的对比试验验证可知,遗传算法和BP神经网络算法明显优于传统的算法,使航姿参考系统的精度得到进一步提高。微机械陀螺是航姿参考系统的关键器件,通过利用其所输出的角速度计算当前载体的姿态角。在动态情况下,随机噪声的累加会造成陀螺的输出误差的累加,从而影响系统的精度。本文提出将小波分析和快速小波变换应用于陀螺仪的随机误差消除,并通过实验验证了该方法的有效性,为陀螺动态误差补偿提供了新思路。