简介：为提高光电平台的控制性能和稳定性,以平台反馈回路所用的光纤陀螺传感器为研究对象,对光纤陀螺角速率的历史输出、当前量测以及随机漂移进行融合补偿。采用双自回归模型确定了光纤陀螺时间序列输出的自回归多项式和光纤陀螺随机漂移的自回归关系。以陀螺当前输出为量测量,结合卡尔曼滤波算法将陀螺历史输出和历史随机漂移融合进状态方程,并进行随机漂移在线估计补偿。实验结果表明,光纤陀螺随机漂移的AR模型能达到90%拟合效果,经卡尔曼滤波补偿后随机漂移能降到1/10。该方法能很好地抑制光电平台三个框架轴光纤陀螺的随机漂移,补偿率为80%~90%。

简介：为了对微小型飞行器上的MIMU（微惯性测量单元）的随机漂移进行补偿，在比较了Mallat算法与átrous算法之后，基于小波变换与多尺度分析方法，提出了多尺度时间序列建模方法，它充分利用了átrous算法的快速性与时间平移不变性，将MEMS陀螺仪随机漂移进行多尺度分解。对各尺度上分解得到的信号进行重建，并对重建得到的各个信号进行时间序列建模。将各尺度时间序列模型的预测输出的和作为陀螺仪的随机噪声估计，对陀螺仪的随机漂移进行补偿。最后的实际数据建模表明该建模方法运算量小、建模速度快、精度高、模型适用性强，有很强的实际应用价值。

简介：Allan方差法是对光学陀螺随机误差频率稳定性进行分析的一种通用方法.根据光学陀螺信号零漂移的频率特性,提出了利用小波变换所具有的时频局部化的优点对其随机过程进行小波方差分析.由于小波方差可以更好地防止能量泄露,所以小波方差比Allan方差更为精确.经过对光学陀螺零漂数据的方差分析证明了Allan方差和小波方差法的一致性,并且小波方差更能准确地描述不同频率的方差变化.

简介：微机械陀螺广泛应用于组合导航系统。以插秧机GPS/INS组合导航系统为研究背景,针对微机械陀螺的误差进行了研究。为了提高插秧机组合导航系统的定位精度,首先通过分析微机械陀螺的工作原理对微机械陀螺的误差来源和分类进行了深入的分析,说明微机械陀螺的随机误差是影响插秧机组合导航系统定位精度的一个主要因素。然后基于时间序列的分析建立了微机械陀螺的AR随机误差模型,并利用此模型采用Kalman滤波算法对采集的试验数据进行处理。实验结果表明,在采用AR模型后,微机械陀螺的随机误差的方差减小了一个数量级,随机误差的幅值也明显减小。

简介：利用压力传感器测量扑翼的瞬时力,利用数字粒子测速仪（digitalparticleimagevelocimetry,DPIV）系统测量扑翼的前缘涡以及周围的流场,来揭示前缘涡在不同间距下对扑翼平均推力的影响.实验在-个低Reynolds数循环水洞中进行,两串列扑翼均做二维正弦平动.在固定的相位差下,当间距增加时,后翅前缘涡对前翅的影响具有相似性,均提高或者均降低前翅的平均推力.前翅平均推力的提高是由于后翅的前缘涡提高了前翅尾部的射流速度以及有效攻角.随着间距的增加,后翅前缘涡对前翅的影响急剧下降,使得前翅的平均推力快速接近于单翼值.在固定的相位差下,当间距增加时,前翅的脱落涡对后翅的影响变化非常大,后翅的平均推力可能先升高后降低,这是因为间距改变了前翅脱落涡作用于后翅的时间点.当前翅脱落涡遇到后翅,并且和后翅的前缘涡有相同的旋转方向时,前翅的脱落涡会抑制后翅前缘涡的形成,并且后翅的有效攻角减小,其平均推力降低.如果这两个涡的旋转方向相反,那么后翅有效攻角就会增大,平均推力值就会提高.

简介：本文针对陀螺随机漂移的弱非线性和非平稳性,提出了一种多项式NAR模型及其辨识方法。对陀螺随机漂移测试数据的仿真表明,该模型能很好地用来预报陀螺随机漂移。

简介：为了提高使用精度，研究了某型号MEMS陀螺仪的随机漂移模型。采用游程检验法分析了该陀螺仪随机漂移数据的平稳性，并根据该漂移为均值非平稳、方差平稳的随机过程的结论，采用梯度径向基（RBF）神经网络对漂移数据进行了建模。实验结果表明：相比经典RBF网络模型而言，这种方法建立的模型能更好地描则EMs陀螺仪的漂移特；相对于季节时间序列模型而言，其补偿效果提高了大约15％。

简介：针对随机时滞和异步相关噪声情况下的状态估计问题,提出了一种改进的高斯滤波算法（GF）,并给出了其适用于高维系统的实现形式—随机时滞和异步相关容积卡尔曼滤波器（CKF-RDCN）。首先,通过满足Bernoulli分布的互不相关随机序列,来描述系统观测数据中可能存在的随机时滞现象,将量测噪声作为状态变量用以实现对观测时滞后验概率密度的估计。其次,利用一阶斯特林插值公式来近似估计,由于过程噪声和量测噪声异步相关,而导致的含有随机变量的多维积分问题。最后,依据三阶球径容积法则,给出了CKF-RDCN滤波算法的详细设计。此外,经典GF算法是所提出的改进GF算法的特例,其作为一个通用的非线性滤波算法框架,根据不同的后验概率密度估计方法,可以有不同的实现形式。仿真结果表明,相比于扩展卡尔曼滤波算法（EKF）以及容积卡尔曼滤波算法（CKF）,CKF-RDCN在解决含有观测时滞和相关噪声系统的状态估计问题时,具有更高的精度和更好的数值稳定性。

简介：本文依据卡尔曼滤波器在使用最佳增益时，其余差序列互不相关的性质，开发了一种新的渐消滤波算法。该算法根据对象输出，在线自适应地调整遗忘因子，从而使滤波器在对象模型存在误差或对象受到外扰时，仍收敛并保持最佳性。该算法应用于陀螺随机常值漂移的标定，取得较好效果