基于自适应Kalman滤波的MEMS陀螺随机误差分析
卡尔曼滤波算法在陀螺仪调校中的应用实践及其效果分析
卡尔曼滤波算法在陀螺仪调校中的应用实践及其效果分析随着现代科技的发展，许多新的设备和技术已经被应用于各种领域，包括机械、物流、电子等等。
其中，陀螺仪作为一种重要的设备，被广泛应用于惯性导航、惯性传感器、力矩传感器等场合中。
而如何调整陀螺仪，以适应各种不同的工作环境和应用场景，是陀螺仪使用中不可忽视的问题。
卡尔曼滤波算法是一种用于系统状态估计的算法，它具有优秀的滤波效果和计算精度。
在陀螺仪调校中，卡尔曼滤波算法可以被用于陀螺仪数据的滤波和修正，从而提高陀螺仪的精度和稳定性。
在本文中，我们将深入探讨卡尔曼滤波算法在陀螺仪调校中的应用实践，以及其效果分析。
一、卡尔曼滤波算法的原理卡尔曼滤波算法是一种递推滤波算法，其主要思想是利用系统的状态方程和观测方程，以最小均方误差为准则，对系统的状态进行估计和控制。
其原理具体如下：(1) 状态方程：用于描述系统状态变化的动态方程式，通常采用线性状态方程或非线性状态方程进行描述。
(2) 观测方程：用于描述系统状态的测量模型，通常采用线性方程进行描述，可以将系统的状态量通过观测量进行测量。
(3) 卡尔曼增益：用于评估观测数据的可靠性，以进行权衡。
(4) 状态预测：用于预测下一时刻的系统状态。
(5) 状态修正：用于修正当前时刻的系统状态。
以上五个环节，是卡尔曼滤波算法的核心。
通过对系统状态的预测和修正，可以保证系统的状态估计值贴近于真实值，从而提高系统的精度和稳定性。
二、卡尔曼滤波算法在陀螺仪调校中的应用实践在陀螺仪调校中，卡尔曼滤波算法可以被用于对陀螺仪数据进行修正和滤波。
具体步骤如下：(1) 设计状态方程：以陀螺仪输出的旋转角速度为状态，将其表示为状态变量，并构造状态方程。
(2) 设计观测方程：以陀螺仪的测量值为观测变量，构造观测方程。
(3) 调节控制参数：根据实际情况，调节卡尔曼滤波算法的控制参数，包括Q和R矩阵等。
(4) 进行滤波计算：利用上述设计的状态方程和观测方程，对陀螺仪的数据进行滤波计算，获得更为准确的陀螺仪输出值。
mems陀螺随机误差建模与补偿
mems陀螺随机误差建模与补偿近些年，MEMS（Micro-electromechanical Systems）技术的快速发展对工程领域的数据采集技术带来了普遍的影响。
随着MEMS技术的应用，陀螺传感器作为一种重要的传感器技术，广泛应用于航空、航天、汽车行业及陆域的水文测量等多个领域。
但是，MEMS陀螺传感器在使用过程中，会遭受来自环境影响、温度影响、电磁干扰等一系列外部因素对其精度造成影响，甚至会导致其测量数据出现一定程度的随机误差。
而由随机误差引起的系统失稳问题已经成为影响MEMS陀螺精度的主要原因之一。
为了克服MEMS陀螺随机误差，首先要建立它们的误差模型。
这使得信号处理系统能更准确地模拟真实环境中陀螺传感器受到随机影响的行为，从而更好地满足陀螺精度校准和传感器精度补偿的需求。
目前有很多可用于建立随机误差模型的方法，如差分培根谱法，基于时域均方根值的系统灵敏度分析，改进的统计函数建模和基于最大似然估计的方法等。
经过模型建立，就可以采用不同的补偿方法来解决MEMS陀螺随机误差问题，这其中包括在传感器输出端采用反馈补偿（Feedback compensation）、自适应补偿（Adaptive compensation）和一般带宽低通特性补偿（Low-pass filter）等。
首先，反馈补偿技术是一种经典的陀螺补偿方法，它通过不断的检测陀螺的转速信号，通过调整控制器的输入获取环路系统的反馈信号，从而达到陀螺精度补偿的效果。
其次，自适应补偿技术也可以有效地抵消MEMS陀螺随机误差。
它通过利用虚拟输入和虚拟输出的抽样时间来不断学习和更新陀螺传感器的误差模型，有效补偿其随机误差。
此外，还可以使用一般带宽低通特性补偿技术，其原理是通过利用低通滤波器对传感器输出数据进行滤波，以实现补偿MEMS陀螺传感器随机误差的目的。
最后，基于改进统计方法的补偿技术也是被广泛使用的一种补偿方式，它将多次采集的陀螺传感器的原始输出数据进行分析，利用改进的统计函数把随机噪声模型应用到陀螺传感器的原始数据中，从而补偿随机误差。
自适应卡尔曼滤波与pso-ga-bp算法的机器人误差补偿
自适应卡尔曼滤波与pso-ga-bp算法的机器人误差补偿自适应卡尔曼滤波与PSOGABP算法的机器人误差补偿机器人技术在现代工业和科学领域中发挥着越来越重要的作用。
然而，由于各种因素的干扰和非线性的特性，机器人的运动控制往往会受到误差的影响。
为了提高机器人的运动精度和控制性能，一些先进的算法被广泛应用于误差补偿，其中包括自适应卡尔曼滤波和PSOGABP算法。
自适应卡尔曼滤波（Adaptive Kalman Filter）是一种基于卡尔曼滤波原理的改进方法，通过实时调整测量噪声的协方差矩阵以适应系统动态变化的误差模型，从而提供更准确的状态估计。
在机器人中，自适应卡尔曼滤波通过不断更新状态估计值，不仅能够补偿传感器误差，还可以降低状态估计的方差，提高控制精度。
PSOGABP（Particle Swarm Optimization and Gradient Adaptive Back Propagation）算法结合了粒子群优化和渐变自适应反向传播算法的优点，用于优化神经网络的权重和阈值。
在机器人误差补偿中，PSOGABP 算法能够通过训练神经网络来建立机器人的误差补偿模型，并利用粒子群优化算法来搜索最优的权重和阈值参数，从而提高机器人的控制精度和鲁棒性。
为了实现机器人的误差补偿，首先需要获取机器人的运动状态和环境信息。
通常，机器人的运动状态可以通过传感器获得，如编码器、陀螺仪和加速度计等。
而环境信息则可以通过摄像机、激光扫描仪等传感器获取。
这些传感器测量的数据往往包含噪声和误差，需要通过特定的算法进行滤波和校正。
对于自适应卡尔曼滤波算法而言，它通过状态估计向量和卡尔曼增益两个关键变量来实现误差补偿。
首先，需要建立机器人的运动模型和测量模型，分别描述机器人的运动规律和传感器的测量关系。
然后，利用卡尔曼滤波原理和递推公式，通过不断更新卡尔曼增益和状态估计值来实现测量数据的误差补偿。
最后，将补偿后的状态估计值用于机器人的运动控制中，以提高机器人的动态性能和运动精度。
MEMS陀螺的模糊自适应卡尔曼滤波
W k - 1是系统过程噪声 , Vk 是观测噪声 , Xk 和 Zk 分别
是系统状态向量和观测向量 。卡尔曼方程如下 :
X^k k - 1 = <k k - 1 X^k - 1
(3)
< < = + Pk k - 1
PT
kk- 1 k- 1 kk- 1
Qk - 1
(4)
X^k = X^k k - 1 + Kk [ Zk - Hk X^k k - 1 ]
统噪声过大时 ,表现为信息方差增加过大 ,新息均值
出现跳变或新息均值变化率幅度过大 , 此时认为系 统出现故障 , 需要将加权因子 α值调整减小 , 从而
降低新息变化对滤波器的影响 。因此模糊自适应
Kalm an滤波器设计 [ 4 - 6 ]的主要问题就是怎样合理 调整参数 α值 , 使新的测量值得到更高的加权 , 防
从图 5中可以看出模糊自适应卡尔曼滤波更好 的反映了转台的转速实际变化 ,而且角速率的均值 更加稳定 。
图 2 输入角速率为 100°/ s时的 MEMS陀螺输出
图 5 摇摆实验时的 MEMS陀螺输出
(下转第 77页 )
第 1期 常 城等 :基于图象处理的布氏硬度测试系统研究
ρ vv
= Rδkj ,ρww
=Qδkj;互相关函数 :ρvv
= 0。
4 实验验证
通过 M EM S陀螺在两种工作状态下的输出数 据滤波来验证模糊自适应卡尔曼滤波的效果 。第一 种工作状态是 M EM S陀螺敏感单轴转台从 0°/ s到 转速为 100°/ s和 80°/ s的过程 ,每间隔 5 m s采集一 个 M EM S陀螺的输出数据 ,共采集 6 000个 ;另外一 种工作状态是 M EM S陀螺敏感单轴转台以振幅为 3°,频率为 20 Hz的摇摆运动过程 ,共采集 2 000个 数据 。从图 1和图 2中看出在模型精确的时候 ,常
基于卡尔曼滤波的陀螺仪数据处理
基于卡尔曼滤波的陀螺仪数据处理戴冬冰【摘要】摘要：随着惯性系统对陀螺仪精度要求的不断提高,对陀螺漂移的研究日显重要。
惯导系统的陀螺仪漂移包括系统性和随机性误差。
其中随机性漂移误差是系统的主要误差源。
建立陀螺仪随机时序模型,运用卡尔曼滤波算法来消除陀螺漂移中的随机噪声是提高捷联惯导精度的有效途径。
卡尔曼滤波是一套由计算机实现的实时递推算法,它所处理的对象是随机信号,在实时性方面有突出的性能。
本文将讨论卡尔曼滤波在陀螺仪漂移的滤波算法,并针对型号为ADXRS150的陀螺仪数据进行了处理,得到了较好的效果。
【期刊名称】数字技术与应用【年(卷),期】2014(000)005【总页数】2【关键词】卡尔曼滤波陀螺仪 ADXRS150 MEMS传统陀螺仪是一种不停转动的物体，转轴指向不随承载它的支架的旋转而变化，它的工作原理是利用角动量守恒原理。
但是MEMS陀螺仪的工作原理却非如此。
MEMS陀螺仪利用的是科里奥利力，即旋转物体在有径向运动时所受到的切向力。
导出科里奥利力的方法如下。
根据力学知识很容易理解：在空间设立动态坐标系。
用以下方程计算加速度可以得到三项，分别来自径向加速、科里奥利加速度和向心加速度。
相对于传统陀螺仪，MEMS陀螺仪价格便宜，但是漂移严重，需要算法校正。
Kalman滤波是一种高性能的递归滤波器，最大的特点是可以在一个不完全、甚至包含噪声的测量时间序列里估计出动态系统的状态。
Wiener滤波是以当前和过去全部的观测值为依据，对信号的当前状态进行估计，它的解是以均方误差最小为目的的系统的传递函数或单位脉冲响应。
而Kalman滤波器不需要过去全部的测量值。
它是根据前一个估计值和最近一个测量值来估计信号的当前值，它是用状态方程和递推方法进行估计的，因而Kalman滤波对信号的平稳性和时不变性不做要求。
[1]1 Kalman滤波器美国科学家Wiener和苏联科学家Kолмогоров等人是最早开始研究最佳线性滤波理论的，后来，人们把它称之为Wiener滤波理论。
Kalman滤波在MEMS陀螺仪测量船舶回转率中的应用
2021年第40卷第3期传感器与微系统（Transducer and MicrosystemTechnologies)157D O I：10. 13873/J.1 000-9787(2021)03-0157-04K a l m a n滤波在M E M S陀螺仪测量船舶回转率中的应用宰德广，周岗，陈永冰，李文魁(海军工程大学导航工程系，湖北武汉430033)摘要：针对实验室条件下微机电系统（M E M S)陀螺仪测得的船舶回转率数据波动较大的问题，对采集到的原始信号进行平均滤波和校正零偏等预处理,再利用设计的K a l m a n滤波器实现进一步滤波，实验发现船舶回转率发生变化的情况下,K a l m a n滤波器响应滞后不再适用，在此基础上改进并提出了一种简单有效的自适应K a l m a n滤波方法。
经实验验证:所设计的自适应K a l m a n滤波器是有效可行的，能够在实现数据滤波的同时较好地满足动态性能。
关键词：微机电系统（M E M S)陀螺仪；船舶回转率；平均滤波；K a l m a n滤波；自适应K a l m a n滤波中图分类号：U666.12 文献标识码：A文章编号：1000-9787(2021)03-0157-04A p p l i c a t i o n o f K a l i m a n f i l t e r i n g i n M E M S g y r o s c o p em e a s u r i n g t u r n i n g r a t e o f s h i p*Z A I D e g u a n g,Z H O U G a n g,C H E N Y o n g b i n g,LI W e n k u i(D e p a r t m e n t of Navigation Engineering，N a val University of Engineering，W u h a n430033,C h i n a)Abstract：Aiming at t he problem that the turning rate of ship measured by M E M S groscope under the laboratoryconditions fluctuated greatly,p r eprocess the original signal by average filtering and correct zero offset,and designedK a l m a n filter is used to realize further filtering,experiments show that once turnin K a l m a n filter is no longer applicable due to response lag,then improve the filter and propos adaptive K a l m a n filtering method.Experimental results prove that the designed adaptive K a l m a and feasible,it can achieve data filtering while satisfying the dynamic performance.K e y w o r d s：M E M S gyroscope;t urning rate of ship；average filtering;K a l m a n filtering；adaptive K a l m a n filtering〇引言目前微机电系统（micro-electro-mechanical system，M E M S)陀螺仪的应用越来越普遍，关于如何提高陀螺仪的测量精度也越来越引起人们的关注。
基于Kalman滤波算法的陀螺仪动态漂移补偿研究
基于Kalman滤波算法的陀螺仪动态漂移补偿研究马正华;卢成俊;戎海龙;贺小捧【摘要】应用MEMS陀螺仪测量人体手臂运动姿态时,针对陀螺仪受线加速度干扰导致测量姿态发散的问题,提出基于Kalman滤波算法的姿态误差补偿方法;该方法首先将陀螺仪采集到的角速度通过方向余弦算法解算得到姿态角,并将陀螺仪动态漂移造成的姿态角误差视为时变信号,通过建立姿态角漂移误差的状态方程及观测方程,应用卡尔曼滤波算法,实现对姿态角漂移误差的估计,最终达到对陀螺仪动态漂移误差的补偿;实验与仿真结果表明,应用该算法能够有效的抑制线加速度干扰导致的陀螺仪测量的姿态发散,适用于陀螺仪对人体手臂运动姿态的测量.【期刊名称】《计算机测量与控制》【年(卷),期】2016(024)009【总页数】4页(P191-194)【关键词】姿态测量;方向余弦算法;卡尔曼滤波算法;姿态补偿【作者】马正华;卢成俊;戎海龙;贺小捧【作者单位】常州大学信息科学与工程学院,江苏常州 213000;常州大学信息科学与工程学院,江苏常州 213000;常州大学信息科学与工程学院,江苏常州 213000;常州大学信息科学与工程学院,江苏常州 213000【正文语种】中文【中图分类】TP3获取真实准确的人体运动姿态信息是对人体开展生物力学方面的研究和对人体的各种运动信息进行检测、跟踪以及统计分析的基础。
MEMS惯导器件由于体积小、成本低、易于数字化和动态测量特性良好等优点成为人体姿态测量的理想选择[1-3]。
对陀螺仪输出进行积分便能得到姿态信息[4]，而由于本身特性的限制，MEMS陀螺仪的输出噪声以及随机漂移导致解算得到的姿态产生漂移误差[5-6]，并随时间推移而累积增大，因此陀螺仪通常与其他姿态传感器组合使用获得稳定可靠的姿态信息。
目前传统的方法是采用融合算法，以加速度传感器、地磁传感器输出姿态角来修正陀螺仪的输出。
Sabatini AM提出了一种VSD-EKF(variable-state imension extend kalman filter)算法,该算法假设目标物体在缓慢移动,即假设载体没有线加速度干扰,用MARG 传感器估计人体三维姿态信息,但该算法解算精度只排除了环境磁场影响和陀螺仪随机误差影响,没有考虑到人体姿态变化带来的加速度变化导致加速度计干扰的情况[7]。
MEMS陀螺随机误差特性研究及补偿
陀螺的各项随机误差性能指标， 同时还可以作为 滤波算法对陀螺随机误差补偿结果的评价依据。 本文依据 Ａ ｌ ｌ ａ ｎ方差分析原理， 以实际测试 中的零偏稳定性测试数据为例， 实现 Ｍ Ｅ Ｍ Ｓ陀螺 随机误差特性分析， 采用 Ａ Ｒ模型对陀螺输出数 据进 行 建 模， 对Ｍ Ｅ Ｍ Ｓ陀 螺 的 随 机 误 差 进 行 补 偿。随机误差补偿采用 Ｋ ａ ｌ ｍ ａ ｎ 滤波算法， 形成了 Ｍ Ｅ Ｍ Ｓ陀螺随机误差特性研究及补偿的系统方 法。
㊀㊀收稿日期： ２ ０ １ ６ ０ ２ ２ ９ ； 修订日期： ２ ０ １ ６ ０ ４ １ ４ ㊀㊀基金项目： 国家自然科学基金资助项目（ Ｎ ｏ ． ５ １ ３ ０ ５ ４ ２ １ ） Ｓ ｕ ｐ ｐ ｏ ｒ ｔ ｅ ｄｂ ｙＮ ａ ｔ ｉ ｏ ｎ ａ ｌ Ｎ ａ ｔ ｕ ｒ ａ ｌ Ｓ ｃ ｉ ｅ ｎ ｃ ｅＦ ｏ ｕ ｎ ｄ ａ ｔ ｉ ｏ ｎｏ ｆ Ｃ ｈ ｉ ｎ ａ （ Ｎ ｏ ． ５ １ ３ ０ ５ ４ ２ １ ）
１ ２ ］ 佳方法 ［ 。并且， Ａ ｌ ｌ ａ ｎ方差可以定量比较不同
ห้องสมุดไป่ตู้
， 在无人机、 精确制导导弹
等领域具有广泛的应用前景。 目前， 与光纤陀螺和激光陀螺相比， Ｍ Ｅ Ｍ Ｓ陀 螺的精度较低 误差
［ ５ ］ ［ ４ ］
， 由于传感器的噪声、 漂移及刻
度因数非线性等影响会造成陀螺输出产生较大的 ， 并且 Ｍ Ｅ Ｍ Ｓ陀螺的精度会随着时间的延 长而降低， 这些误差会作为捷联惯导系统中惯导 解算的误差源， 影响飞行器的姿态解算精度， 从而 引起较大的航向误差
Ｍ Ｅ Ｍ Ｓ 陀螺随机误差特性研究及补偿
张玉莲 ， 储海荣， 张宏巍， 张明月， 陈㊀阳， 李银海
MEMS陀螺正交误差分析与仿真
MEMS陀螺正交误差分析与仿真MEMS陀螺是一种基于微机电系统(MEMS)技术制造的陀螺仪，广泛应用于导航、飞行控制、惯导系统等领域。
然而，由于制造过程和外部环境的影响，MEMS陀螺存在一定的正交误差，对其性能和精度造成了一定的影响。
因此，对MEMS陀螺的正交误差进行分析与仿真，有助于进一步优化设计和提高性能。
首先，我们来介绍下MEMS陀螺的正交误差。
MEMS陀螺的正交误差主要包括三个方面：比例误差、零偏误差和比例零偏耦合误差。
比例误差是指完成一个旋转周期，陀螺输出的角度与实际旋转角度之间的偏差。
零偏误差是指在无旋转情况下，陀螺输出的角度不为零。
比例零偏耦合误差是指比例误差和零偏误差之间的相互影响。
为了准确分析和仿真MEMS陀螺的正交误差，首先需要建立相应的数学模型。
MEMS陀螺的运动方程可以由角速度和角位移之间的关系来描述。
常用的数学模型有马宏陀螺运动方程和欧拉利用方程。
马宏陀螺运动方程是通过陀螺输出信号和陀螺器件的几何参数来建立陀螺的数学模型。
它将陀螺的转动运动分解为三个轴向的旋转运动，即偏航、俯仰和横滚。
通过求解这些方程可以得到陀螺的输出角速度和角位移。
欧拉利用方程则是通过陀螺的角速度和初始条件来描述陀螺的转动运动。
根据欧拉利用方程，可以得到陀螺的转动角速度与初始条件之间的关系。
通过比较模型输出值与实际测量值，可以进一步分析陀螺的正交误差。
在实际的分析和仿真过程中，可以使用软件工具例如MATLAB或者Simulink来建立数学模型，并进行正交误差的仿真分析。
通过调整模型参数和输入条件，可以模拟不同工作状态下的MEMS陀螺性能和误差变化情况。
此外，为了更准确地分析MEMS陀螺的正交误差，还可以进行实验验证。
通过与实际测量数据进行比较，可以验证仿真模型的准确性，并优化模型参数，提高其精度和可靠性。
总结起来，MEMS陀螺的正交误差分析与仿真是对其性能和精度进行优化的重要步骤。
通过建立数学模型，利用仿真工具进行仿真分析，并结合实际实验验证，可以全面了解MEMS陀螺的正交误差特性，并为进一步的设计和优化提供参考依据。
基于卡尔曼滤波的陀螺仪数据处理
稿
基于卡尔曼滤波的陀螺仪数据处理
戴 冬 冰
（ 天津天狮 学院 天津 ３ ０ １ ７ ０ ０ ）
摘 要： 随着 惯性 系统对 陀螺仪精度 要 求的不 断提 高， 对 陀螺 漂移 的研 究 日显重要 。 ・ 喷导 系统 的陀螺仪 漂移 包括 系统性和 随机性误 差。 其 中随机 性 漂移误差是 系统的主要误差源。 建立陀螺仪随机时序模型， 运用卡尔曼滤波算法来消除陀螺漂移 中的随机噪声是提 高捷联惯导精度的有效途径。 卡 尔曼滤波是一套由计算机 实现的实时递推算法， 它所处理的对象是随机信号， 在实时性方面有突出的性能。 本文将讨论卡尔曼滤波在陀螺仪漂移的滤
携
墨 ０ ２
０ １
ｖ — Ｎ ｆ ０ Ｒ ） （ ４ ） 初始状 态以及每一时刻的噪声｛ Ｘ ｎ ， ｗ， ，… ， ｗ ， ｖ ． ． ． ． ｖ ｝ 都认
波算 法， 并针对 型号为Ａ Ｄ ＸＫ Ｓ １ ５ ０ 的陀螺仪 数据进 行 了处理， 得到 了较 好的效 果 。
关键词 ： 卡 尔曼滤波 陀螺仪 ＡＤⅪ １ ５ ０ ＭＥ ＭＳ
中图分 类号 ： Ｔ Ｎ ９ １ １ ． ７
文献标识 码： Ａ
文章 编号 ： １ ０ ０ ７ － ９ ４ １ ６ （ ２ ０ ｌ ４ ） ０ ５ － ０ ｌ １ ９ － ０ ２
用 以下方 程计 算加速度可 以得 到三项 ， 分别来 自径向加速 、 科里奥 法 ， 从而实现状态的预测。 它的基本思想为 ： 采用信号与噪声 的状态 利加 速度和 向心加速度 。 相对 于传 统陀螺仪 ， ＭＥ ＭＳ 陀螺仪价格便 空 间模型 ， 通过对前一时刻的估计值和现时刻的测量值完成对状态 宜， 但是漂移严重 ， 需要算法校正 。 变量估计的更新 ， 求出现时刻 的估计值 。 由于Ｋ ａ ｈ ｎ ａ ｎ ￣， 波对存储量 Ｋａ ｌ ｍａ ｎ 滤波是一种高性 能的递归滤波器 ， 最大的特点是可 以 和运算量 的要求较小 ， 因此它适合于实时处理和单片机运算。 Ｋａ ｌ ｍａ ｎ 滤波是以线性代数和隐马尔可夫模型为基 础的 。 可 以 在一个不完全 、 甚至包含噪声的测量 时间序列里估计出动态系统的 状态 。 Ｗｉ ｅ ｎ ｅ ｒ 滤波是 以当前和过去全部 的观测值 为依据 ， 对信号 的 用一个 马尔可夫链表示它 的最基本动态系统 ， 建立在一个含 有高斯 可以用一个实数向量来表示系统的状态 。 这个 当前状态进行估计 ， 它的解是 以均方误差最小为 目的的系统 的传递 噪声的线性算子上 。
mems陀螺随机误差建模与补偿
mems陀螺随机误差建模与补偿MEMS陀螺（微机电系统陀螺仪）是一种具有极高灵敏度以及精确度的设备，是现今微机电系统技术在航空、航天、自动控制等领域的一项重要应用。
传统陀螺仪在外界环境变化、测量量程较大时，随机误差会增大，而MEMS陀螺仪在采用微机电系统技术之后，其误差可控性及精确度得到了显著提高。
因此，MEMS陀螺仪在航空、航天及自动控制等领域的应用也显著增加。
可是，MEMS陀螺仪的误差并不能完全控制，其误差模型及补偿技术也在不断发展和完善。
本文研究了MEMS陀螺随机误差模型以及基于BLDC马达控制系统的MEMS陀螺随机误差补偿研究，为航空、航天及自动控制等陀螺仪应用提供技术支持。
1.MEMS陀螺的概述MEMS陀螺仪是一种新型的精密测量仪器，它相较于传统的陀螺仪，可以提供更高的精度和灵敏度，这种仪器的优点是其小巧的体积以及低成本的制造，这是由于其利用微机电系统技术，并运用了特定的晶体和显微结构，以及其他小型元件，来实现陀螺仪的检测功能。
MEMS陀螺仪是一种数字传感器，它可以较高精度的测量方向和角速度信号。
它可以用来测量角速度及其变化，从而获得某对象的运动轨迹状态，而且它也可以提供重力检测，和检测环境中占据主导地位的磁场改变等信号。
MEMS陀螺仪可用于实时指示物体在空间中的运动及角度，甚至能指示物体在水池中的游动以及在航空中的运动轨迹。
2.MEMS陀螺随机误差模型分析MEMS陀螺仪随机误差模型是对MEMS陀螺仪表征数据的重要计算。
它可以帮助我们理解陀螺仪的抗干扰能力以及它的精度和精确度。
MEMS陀螺仪的随机误差分为三个主要的模型，分别是抖动误差模型、备用度误差模型以及系统误差模型。
（1）抖动误差模型抖动误差是指MEMS陀螺的角位移和角速度的不稳定性，也就是随机的瞬时变化。
一般来说，抖动误差是由电子零件的静电失效和热分解作用产生的，可由噪声波动来表征。
（2）备用度误差模型备用度误差是由MEMS陀螺仪在温度变化时所产生的误差。
基于自适应Kalman滤波的MEMS陀螺随机误差分析
基于自适应Kalman滤波的MEMS陀螺随机误差分析王辛望;沈小林;刘新生【摘要】In order to improve performance of a certain type MEMS gyroscope,based on the principles of time series analysis,ARMA model is established and ARMA(2,1)is used to establish MEMS gyroscope random error model. The Kalman filter is designed and the result of static test and the constant rate test show that under the classic Kal-man filter,the mean and mean square deviation of the MEMS gyroscope random error is reduced by 32.62% and 66.31% in the static test;the mean is much smaller and the mean square deviation is decreased by an order of mag-nitude in the constant rate test. Based on the fact that the classic Kalman filter can not adapt to the vibration test of large amplitude,a new adaptive Kalman filter is proposed in this paper by looking for the adaptive calibration factors to deal with the problem of the divergence in the classic Kalman filter. The results of vibration test show that the mean and the mean square deviation after filtering is reduced by 8.25% and 8.36% when the amplitude is 100°.%针对某型MEMS陀螺随机误差较大、精度不高的问题,通过时间序列分析法,建立自回归滑动平均 ARMA(Auto-Regressive and Moving Average)模型,采用ARMA(2,1)模型将预处理后的MEMS陀螺随机误差进行建模.设计基于ARMA模型的经典Kalman滤波器.静态试验和恒定速率试验结果表明在经典Kalman滤波器作用下,静态试验下其均值与均方差下降32.62%和66.31%;恒定速率试验下,其均值有明显的降低,其均方差减小了一个数量级.针对经典Kalman 滤波器不能解决振动试验中大振幅时滤波发散问题,提出一种新的自适应Kalman滤波法,通过寻找合适的标定因子s解决滤波发散问题.振动试验结果表明,当振幅为100°时,滤波后的均值和均方差分别下降8.25%和8.36%.【期刊名称】《传感技术学报》【年(卷),期】2017(030)011【总页数】5页(P1666-1670)【关键词】MEMS陀螺;随机误差;自适应Kalman滤波;时间序列分析;自回归滑动平均;Allan方差【作者】王辛望;沈小林;刘新生【作者单位】中北大学计算机与控制工程学院,太原030051;中北大学计算机与控制工程学院,太原030051;江苏曙光光电有限公司,江苏扬州225009【正文语种】中文【中图分类】V241.5微机电系统(Micro-Electro-Mechanical System)惯性器件在无人机、精确制导武器、低成本惯导系统等领域得到大量应用。
基于MEMS陀螺仪的随机误差分析
基于MEMS陀螺仪的随机误差分析曹慧芳;吕洪波;孙启国【摘要】为了提高MEMS陀螺仪测量精度,减少随机误差的影响,对产生随机误差的噪声源及其随机误差模型进行了分析;通过分析MEMS陀螺仪自身结构的缺陷并且对其输出数据进行了相应的滤波处理与平稳性检验,确立了合适的误差模型并利用Kalman滤波进行误差补偿,验证了模型的有效性;同时运用Allan方差法对MEMS陀螺仪噪声项进行了分析,确定了影响MEMS陀螺仪测量性能的主要因素以及比较了滤波前后的各项噪声源系数,检验了滤波效果且实验结果证明误差模型显著提高了MEMS陀螺仪的测量精度.【期刊名称】《计算机测量与控制》【年(卷),期】2016(024)001【总页数】4页(P178-181)【关键词】MEMS陀螺仪;Kalman滤波;误差模型;Allan方差法【作者】曹慧芳;吕洪波;孙启国【作者单位】北方工业大学机械与材料工程学院,北京 100144;北方工业大学机械与材料工程学院,北京 100144;北方工业大学机械与材料工程学院,北京 100144【正文语种】中文【中图分类】TB114.3现今，惯性技术[1]凭借其独特的优势成为促进武器研发和提高作战水平的关键技术。
陀螺仪作为惯性技术的核心部件，在其研究工作中首先考虑的就是陀螺仪的使用和研究。
近年来，文献[2-5]是国内外学者对陀螺仪随机误差模型进行的相关研究。
美国德雷伯实验室[6]通过对重要的环境误差源进行研究,降低了环境对陀螺仪精度的影响。
加拿大Calgary大学[7]开展的基于捷联惯性导航系统的研究中,针对陀螺仪偏差的长期漂移进行了估计和补偿，显著提高了导航系统的准确度。
国防科技大学罗兵[8]结合微机械陀螺的动力学模型及工作原理，理论上推导了零偏与主要模态参数间的关系，为陀螺的结构优化和误差补偿提供了理论指导。
但是，我国开展惯性器件模型辨识及补偿技术的研究起步较晚,尤其微机械惯性传感器距世界先进水平还有一定的差距。
基于Kalman滤波的MEMS陀螺仪滤波算法
第3l卷第9期哈尔滨工程大学学报V01．3l№．92010年9月Journal of Har bin Engi neer ing Un iver sity Se p．2010d o i：10．3969／j．i s s n．1006-7043．2010．09．015基于Kalman滤波的MEMS陀螺仪滤波算法钱华明1，夏全喜2，阙兴涛1，张强1(1．哈尔滨工程大学自动化学院，黑龙ix．哈尔滨150001；2．解放军信息工程大学测绘学院，河南郑州450002)摘要：针对MEMS陀螺仪精度不高、随机噪声复杂的问题，研究了某MEMS陀螺仪的随机漂移模型．应用时问序列分析方法，采用AR(1)模型对经过预处理的MEMS陀螺仪测量数据噪声进行建模，进而基于该AR模型并采用状态扩增法设计Kalman滤波器．速率试验和摇摆试验仿真结果表明，在静态和恒定角速率条件下，采用该算法滤波后的MEMS 陀螺仪的误差均值和标准差都比滤波前有了明显的降低．针对摇摆基座下该算法随摆动幅度的增大效果变差的问题，从提高采样率和选择自适应Kalman滤波2个方面对算法进行改进．仿真结果表明，2种方法都能改善滤波效果，然而考虑到系统采样频率和CPU计算速度的限制，自适应滤波有更高的实用性．关键词：随机漂移；微机电系统；Kalman滤波；自适应Ka lman滤波；陀螺仪中图分类号：V241．5文献标志码：A文章编号：1006-7043(2010)09-1217-05Algorithm for a ME M S g y r o sc o p e b as e d on Kalman filterQIAN Hua．min91，XIA Quan．xi2，QUE Xing—ta01，ZHANG Qian91(1．College of A u t om a ti o n，Ha r bi n E n gi n ee r i ng U n iv e r si t y，Ha r bi n150001，Ch i na；2．I n st i t ut e of S ur v e yi n g and Ma pp ing，I nf or ma-tion Engineering University of PLA，Zh en gzh ou450002，Ch in a)A b s tr a c t：I n order t o imp rov e the performance of gyroscop es，the rando m drift of a mi cr o—e le ct ro—me cha ni ca l sy stem (MEM S)g yro w a s analyzed and modele d．Based the basic p ri nc ip le s of time series analysis，AR(1)was a-dop te d t o mod el the p r ep r o c e s s ed data mea sur ed b y M E MS gyroscope．An augmenti ng st at e v e c t o r w a s used to de—sign the Kal ma n filter．By si mu l at i ng r a t e t e s t a n d a n oscillating test，it w a s demonstrated that in the c a s e s of stat-ic s t a t e c o n s t a n t ang u l a r r a t e，t h e m ea u value a n d s t a n d a r d d e v i at i o n of the e r r o r s w e r e much s ma l l er after fihe—ring than before f i lt e r i n g．H o w ev e r，t h e effect decre ased w hen i t W as in a n oscillating state．With amplitude in—cr e a se，t h e m e a n values and s ta n da r d de v ia t io ns of elT o rs also increased．The problem Was analysed and tw o meth—ods wer e adop te d t o re du ce the e f fe c t．T h es e i n vo l ve d i nc r ea si n g the sample r at e and adopting a ll adaptive Ka l m a nfi lt er．Th e si m ul a t io n d em o n st r a t ed that both me tho ds could improve the performance of the f i lt e r．H ow e v er，c o n—sidering of practical limits to sampling r a t e s a s well the ca l c ul a ti o n s p e ed of the CPU，an adaptive Kalman fil te r is more practical．Ke yw or ds：ra nd o m dr if t；M E MS；Ka lm an f il ter；a da pti ve K a lm a n filt er；gyro scop e微机电系统(micro—electro—mechanical system，陀螺仪精度的主要因素．对其进行模型辨识并滤波ME M S)惯性器件在低成本惯性系统中获得越来越是提高陀螺仪性能的主要途径L11．采用神经网络、广泛的应用，但目前M EMS陀螺仪的精度仍然较小波分析等方法对陀螺仪的随机误差进行建模可以低，限制了其进一步应用．通过有效的降噪方法改善达到这个目的，但这些方法得到的模型通常具有较陀螺仪性能，以满足较高精度的应用需求，是目前研高的阶数，并不十分适合于低成本系统的实时在线究的重要问题．研究表明，随机噪声是影响MEMS估计旧引．通过时序分析方法，采用AR模型同样可以对陀螺随机误差进行建模，其使用条件要简单得收稿日期：2009-04-10．多．在正确地建立了陀螺的随机误差模型之后需要作者简介：钱华明(1964一)。
基于Kalman滤波的MEMS陀螺随机漂移补偿技术
基于Kalman滤波的MEMS陀螺随机漂移补偿技术
黄艳辉;董冀;杨侃
【期刊名称】《集成电路通讯》
【年(卷),期】2012(030)004
【摘要】介绍了几种补偿陀螺随机漂移的常用方法以及它们的优缺点，确定采用Kalman滤波技术补偿陀螺的随机漂移。
通过实际采集的MEMS陀螺数据建立模型，应用Kalman滤波技术处理MEMS陀螺随机噪声。
从仿真结果可以发现，Kalman滤波技术能够有效补偿随机漂移噪声。
【总页数】4页(P10-13)
【作者】黄艳辉;董冀;杨侃
【作者单位】北方通用电子集团有限公司微电子部,苏州215163
【正文语种】中文
【中图分类】TN929.11
【相关文献】
1.基于相关向量机的MEMS陀螺仪随机漂移补偿 [J], 沈强;刘洁瑜;王琪;王杰飞
2.基于支持向量机的MEMS陀螺仪随机漂移补偿 [J], 李泽民;段凤阳;马佳智
3.基于时间序列分析的Kalman滤波方法在MEMS陀螺仪随机漂移误差补偿中的应用研究 [J], 李杰;张文栋;刘俊
4.基于时间序列分析的Kalman滤波方法在MEMS陀螺仪随机漂移误差补偿中的应用研究 [J], 李杰;张文栋;刘俊
5.Kalman滤波在MEMS陀螺仪随机漂移误差补偿中的应用与实现 [J], 马幸;李杰;刘俊;曲芸;洪慧慧
因版权原因，仅展示原文概要，查看原文内容请购买。
基于卡尔曼滤波的MEMS陀螺仪漂移补偿_陈晨
基于卡尔曼滤波的MEMS 陀螺仪漂移补偿陈晨，赵文宏*，徐慧鑫，周芬芬，安平（浙江工业大学超精密加工实验室，浙江杭州310014）摘要：为解决MEMS 陀螺仪在测量过程中容易产生漂移的问题，将卡尔曼算法应用于陀螺仪的漂移补偿中。
分析了陀螺仪误差源，建立了陀螺仪误差模型，提出了用卡尔曼滤波算法处理陀螺仪零点随机误差的方法，通过运用Allan 方差分析法评价了卡尔曼滤波效果；最后，在转速测试平台上进行了陀螺仪测量试验。
研究结果表明，通过建立误差模型和采用卡尔曼滤波算法能有效减小陀螺仪测量过程中的漂移。
关键词：MEMS 陀螺仪；卡尔曼滤波；Allan 方差分析法中图分类号：TH161+.7；TH89文献标志码：A文章编号：1001-4551（2013）03-0311-03Compensation of MEMS gyroscope error based on Calman filterCHEN Chen ，ZHAO Wen-hong ，XV Hui-xin ，ZHOU Fen-fen ，AN Ping（Laboratory of Ultra-sophisticated Machining ，Zhejiang University of Technology ，Hangzhou 310014，China ）Abstract ：Aiming at solving the problem that it is easy to produce the error of MEMS gyroscope in the test ，the Calman algorithm was investigated.After the analysis of the cause of the error of the gyroscope ，the error model of gyroscope was established.The Calman filter algorithm was presented and the effect of Calman filter was evaluated on the Allan variance method ，the gyroscopes were tested on therotating speed device.The experimental results indicate that the combination of model and Calman filter can reduce the error of gyroscope in the test.Key words ：MEMS gyroscope ；Calman filter ；Allan variance method收稿日期：2012-09-25作者简介：陈晨（1987-），男，浙江余姚人，主要从事超精密加工相关设备方面的研究.E-mail ：ccdipan@通信联系人：赵文宏，男，教授级高级工程师，硕士生导师.E-mail ：whzhao6666@DOI ：10.3969/j.issn.1001-4551.2013.03.0150引言在球体研磨过程中，施加压力、磨粒颗粒大小、抛光液浓度以及设备本身的误差都会影响到球体运动轨迹，使球体偏离预期轨迹。
改进的MEMS陀螺随机噪声自适应滤波算法
改进的MEMS陀螺随机噪声自适应滤波算法唐晓红;赵鲁阳;李鲁明;何为;王沛【期刊名称】《传感器与微系统》【年(卷),期】2018(37)10【摘要】针对微机电系统(MEMS)陀螺仪随机噪声建模时,自回归滑动平均(ARMA)模型中有色噪声白化问题,提出了将有色噪声作为系统状态方程控制项,以改进解耦自适应Kalman滤波算法,从而提高MEMS陀螺仪的噪声补偿效果.实验结果表明:经改进算法滤波后,MEMS陀螺仪噪声均方差减小85.1％,随机误差项减小41.9％;与标准Kalman滤波算法、解耦自适应Kalman滤波算法相比,改进算法的随机误差项分别减小30.5％,10.1％,能更好地降低MEMS陀螺仪随机噪声.【总页数】4页(P133-136)【作者】唐晓红;赵鲁阳;李鲁明;何为;王沛【作者单位】中国科学院上海微系统与信息技术研究所宽带无线技术实验室,上海200050;上海师范大学信息与机电工程学院,上海200234;中国科学院上海微系统与信息技术研究所宽带无线技术实验室,上海200050;中国科学院上海微系统与信息技术研究所宽带无线技术实验室,上海200050;中国科学院大学,北京100049;中国科学院上海微系统与信息技术研究所宽带无线技术实验室,上海200050;上海师范大学信息与机电工程学院,上海200234【正文语种】中文【中图分类】TP212【相关文献】F在MEMS陀螺随机噪声补偿的应用 [J], 吴小文;李擎2.MEMS陀螺随机噪声的多尺度时间序列建模 [J], 赵世峰;张海;沈小蓉;范耀祖3.基于改进总方差法的MEMS陀螺随机误差分析 [J], 曹立佳;王国庆;刘洋;胡宇4.基于改进极限学习机的MEMS陀螺随机误差补偿方法研究 [J], 杨辉;杨川;姜湖海;王晶;毛锐5.改进的MEMS陀螺随机噪声自适应Kalman实时滤波方法 [J], 傅军;韩洪祥因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
（ 1．School of Computer and Control Engineering， North University of China， Taiyuan 030051， China； 2．Jiangsu Shuguang OptoElectronics Co． ， Ltd， Yangzhou Jiangsu 225009， China）
Ｒegressive and Moving Average） 模型， 1） 模型将预处理后的 MEMS 陀螺随机误差进行建模 。设计基于 AＲMA 模 采用 AＲMA（ 2， 型的经典 Kalman 滤波器。静态试验和恒定速率试验结果表明在经典 Kalman 滤波器作用下， 静态试验下其均值与均方差下降 32．62% 和 66．31% ； 恒定速率试验下， ， 。 其均值有明显的降低 其均方差减小了一个数量级 针对经典 Kalman 滤波器不能解决振 动试验中大振幅时滤波发散问题 ， 提出一种新的自适应 Kalman 滤波法， 通过寻找合适的标定因子 s 解决滤波发散问题。 振动 试验结果表明， 当振幅为 100ʎ 时， 滤波后的均值和均方差分别下降 8．25% 和 8．36% 。
关键词： MEMS 陀螺； 随机误差； 自适应 Kalman 滤波； 时间序列分析； 自回归滑动平均； Allan 方差 中图分类号： V241．5 文献标识码： A 文章编号： 1004 － 1699（ 2017） 11 － 1666 － 05 ElectroMechanical System ） 微机电系统 （ Micro惯性器件在无人机、 精确制导武器、 低成本惯导系统 等领域得到大量应用。 其中 MEMS 陀螺以其质量 小、 便于携带、 易于安装、 高可靠以及耐冲击等优势 得到大规模使用。相比于激光陀螺、 光纤陀螺、 静电 MEMS 陀螺精度比较低， 陀螺等， 阻碍了 MEMS 陀螺 的发展； 通过可行的措施降低 MEMS 陀螺的随机误 改善其精度是目前亟待解决的重要问题之 差，
第 30 卷 第 11 期 2017 年 11 月
传 感 技 术 学 报
CHINESE JOUＲNAL OF SENSOＲS AND ACTUATOＲS2017
Ｒandom Error Analysis of MEMS Gyroscope Based on Adaptive Kalman Filter
基于自适应 Kalman 滤波的 MEMS 陀螺随机误差分析
1 1* 2 王辛望 ， 沈小林 ， 刘新生
（ 1． 中北大学计算机与控制工程学院 ， 太原 030051； 2． 江苏曙光光电有限公司 ， 江苏 扬州 225009）
摘
要： 针对某型 MEMS 陀螺随机误差较大、 精度不高的问题， 通过时间序列分析法， 建立自回归滑动平均 AＲMA （ Auto-
Abstract： In order to improve performance of a certain type MEMS gyroscope， based on the principles of time series analysis， AＲMA model is established and AＲMA （ 2， 1 ） is used to establish MEMS gyroscope random error model． The Kalman filter is designed and the result of static test and the constant rate test show that under the classic Kalthe mean and mean square deviation of the MEMS gyroscope random error is reduced by 32．62% and man filter， 66．31% in the static test； the mean is much smaller and the mean square deviation is decreased by an order of magnitude in the constant rate test． Based on the fact that the classic Kalman filter can not adapt to the vibration test of large amplitude， a new adaptive Kalman filter is proposed in this paper by looking for the adaptive calibration factors to deal with the problem of the divergence in the classic Kalman filter． The results of vibration test show that the mean and the mean square deviation after filtering is reduced by 8．25% and 8．36% when the amplitude is 100ʎ． Key words： MEMS gyroscope； random error； adaptive Kalman filter； time series analysis； AutoＲegressive and Moving Average； Allan variance EEACC： 7120； 7230M； 7320E； 7630 doi： 10．3969 / j．issn．1004 － 1699．2017．11．009