论文部分内容阅读
微机电陀螺与传统的机电类陀螺和光电类陀螺相比，具有成本低、体积小、重量轻、测量范围大等一系列优点，对微机电陀螺的研究与开发己经成为近十几年内的研究热点，但是由于目前的工艺水平，微机电惯性器件仍然存在测量精度低，噪声大等缺点，需要采取一些必要的措施来提高精度。本文通过对微机电陀螺产品进行误差分析和建模，在此基础上，重点研究了由多个微机电陀螺通过小波分解、加权构成的单轴组合微机电陀螺，从而提出一种多尺度数据融合模型，即从应用的角度对微机电惯性器件进行误差分析及补偿，以达到提高系统测量精度的目的。
因此，本文研究了微机电陀螺的误差分析、建模和补偿，以及在小波域中多尺度多传感器数据融合技术的应用。主要研究内容包括以下几个方面：
(1)以不同类型陀螺仪的不同工作机理来对产生的噪声进行研究，建立不同的噪声模型。详细论述了微机电陀螺的确定性误差模型和随机误差模型，以及相应的模型建立方法，着重分析了随机误差建模方法中的时间序列分析法和阿伦方差技术。针对某型号微机电陀螺，分别利用时间序列分析法和阿伦方差技术对其静态采集数据进行建模和分析，得出适合于该类微机电陀螺的误差模型，验证了这两种方法的有效性。
(2)基于当前应用于陀螺误差补偿的理论进行了分析和比较，重点阐述了属于当前研究热点的粒子滤波器理论。在分析粒子滤波和卡尔曼滤波对微机电陀螺误差估计效果的基础上，提出基于阿伦方差的粒子滤波参数估计方法，可以提高粒子滤波器参数的准确性，以及降低滤波器的计算量，同时提高滤波器的鲁棒性，进而对微机电陀螺仪进行误差补偿。
(3)提出小波域多尺度多传感器数据融合方案，从数学上统计学的角度严格推导了小波域数据融合的优势。“多尺度数据融合模型”采用多个传感器对同一物理量同时进行测量，对各个传感器的测量结果进行小波变换，在不同小波尺度对各个传感器的测量值进行最优加权融合，最后通过逆小波变换得到待测物理量的真值估计。在研究中，加入了对传感器信号中所含噪声的分析，通过小波熵在不同尺度上的变化情况，来对微机电陀螺仪中的不同噪声进行识别。
(4)讨论了多尺度卡尔曼滤波和多尺度粒子滤波。粒子密度和粒子区间之间的矛盾，可以用多尺度粒子滤波来解决这个问题。多尺度粒子滤波首先在较大区间范围产生粒子，对微机电陀螺的误差进行估计。当估计值趋于稳定后在较小的区间重新产生粒子，对误差进行更精确的估计。这种由粗到精的过程体现了多尺度分析的思想。
(5)对小波域分析的技术问题进行研究，重点是小波基函数和分解层数的选择两个方面。先分析不同小波基函数的特性，通过数据融合后零偏误差的小波熵值来选择适合的小波基函数。然后基于小波分析的白化功能，提出改进的自适应最优小波分解层算法。最后由于多尺度小波分析得不到多小波分析的有效快速变换，所以进一步提出基于多小波多传感器的数据融合方案。