mems陀螺误差补偿算法的研究

《mems陀螺误差补偿算法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、沈阳理工大学硕士学位论文摘要MEMS(MicroE1ectroMechanicalsystems)陀螺仪具有低成本、高性能、可批量化等特点，在军事和民用领域有广阔应用空间。但由于其精度低，极大的限制了MEMS陀螺仪的应用领域和应用深度。本论文针对提高MEMS陀螺仪精度进行了误差补偿的算法研究。在分析MEMS陀螺仪的结构、：：[作原理、工作环境等因素的基础上，探讨了小波理论在MEMS陀螺仪信号去噪中的应用。随机漂移误差是影响MEMS陀螺精度的重要因素，并且其随时间增加，没有线性规律可遵循。基于支持向量机(SVM)在非线性系统建模中的成功应用，本文就支持向量回归建模方法应用于

2、陀螺随机漂移预测进行研究，分别采用传统SVM、遗传算法优化SVM和最小二乘支持向量机对MEMS陀螺仪漂移数据进行回归建模，仿真结果表明经遗传算法优化SVM预测精度最高，可达97％以上。在以上研究的基础上，对MEMs陀螺仪的主要应用平台．惯性导航系统中的MEMS陀螺仪的补偿算法设计展开研究。设计了采用MEMS陀螺仪的微惯性导航系统，并就其中陀螺仪误差补偿进行了半实物仿真实验，包括对零偏等确定性误差进行标定补偿，对MEMs陀螺仪去除确定性误差影响后的随机漂移序列进行小波去噪和支持向量机建模预测。经上述处理后MEMS陀螺仪零偏稳定性由2．534de∥s降为0．011de∥s，整

3、体精度提高了3个数量级；随机漂移预测精度达99％，验证了小波分析和支持向量机组合建模思想应用于随机漂移预测的可行性和有效性。关键词：MEMS陀螺仪；误差补偿；小波去噪；支持向量机；建模AbstractMEMS(MicroElectroMechailicalsystems)gyroscopeswithlowcost，hi曲perf．om孤ce，haVebeenusedinmilitarya11dcivilianareasandhaVebroad印plicationspace．However，duetoitslowaccuracy，seVerelylimitstheMEMSg

4、yroscopesapplicationfieldofapplicationandd印th．ThisthesisaimstoimproVeMEMSgyroscopesprecisioncarr)，one啪rcoInpensationalgorimmresearch．BasedontheanalysisofMEMSgyroscopestlllcture，working埘nciplea11denviroIlIIlentandotherfactors，mep印erdiscussesthe印plicationofwaVelettheoryinMEMSgyroscopesi盟a1d

5、enoising．RandomdriRen．orisanimportantfactorinmeaccuracyofMEMSgyroscopeincreasesastimepassing，andno1inearlawscaJlbef0110wed．Thesupportvectormachine(SVM)hasasuccess如l印plicationinthenonlinearsyst锄modeling．BasedonthesupportVectormachine(SVM)，thepaperhasaresearchonthegyrorandomdriRprediction．R

6、espectiVelyusingmetraditionalSVM，LS．SVMa11dgeneticalgorithm1eastsquaressupportVectormachined埘ngthemodeling，meresultsshowSVMpredictionbymegeneticalgorithmisbetter，precisioncanachievedmorethan97％．Asam旬orterraceofMEMSgyroscope，thepaperhasaresearchoncompensate撕thmeticofIn酣ialNavigationSystemM

7、EMSgyroscope．Thepaperadoptsmicro．gyroscopeinertialnaVigationsystemofMEMSgyroscope．Perfbmlingsemi—physicalsimulationexperiments，includingthecalibrationcompensationtoitszero-biaserrorsandothercertainerror，havingwaveletdenoisingandsupportingVectormachinemodelingpredict