火箭军工程大学导弹工程学院, 陕西 西安 710025
基于静态Allan方差分析方法无法有效分析和辨识动态工况下激光陀螺仪的随机误差,也无法给动态工况下激光陀螺仪的随机误差补偿提供准确依据。为此,提出时间框动态Allan方差分析方法,利用分段建模对随机误差项进行动态Allan方差分析和辨识。建立灰色GM(1,1)预测模型,对辨识出的随机误差参数项进行预测,针对传统GM(1,1)预测模型因数据不全存在波动大的问题,基于小波滤波平滑处理原始数据,并利用残差修正模型改进GM(1,1)预测模型。实验结果表明,针对激光陀螺仪在同一工况下的随机误差系数,改进GM(1,1)模型预测算法的预测精度高于传统GM(1,1)模型预测算法的预测精度。
探测器 Allan方差分析 激光陀螺仪 随机误差 灰色预测 GM(1 1)预测模型 小波 光学学报
2020, 40(12): 1204001
1 军械工程学院,河北,石家庄,050003
2 北京航空航天大学,北京,100083
针对高精度光纤陀螺随机误差,在分析其一般时间序列模型的基础上,提出了一种改进型二阶自回归AR(2)模型,可以在线建立光纤陀螺随机误差模型.根据该模型,采用卡尔曼滤波算法,实现了光纤陀螺惯导系统在对准与导航过程中光纤陀螺随机误差的实时滤波.滤波结果和Allan方差分析证明,光纤陀螺信号中角随机游走、零偏不稳定性、速率随机游走、速率斜坡和量化噪声五项噪声源误差系数都小于滤波前的二分之一,有效减小了光纤陀螺随机误差,提高了光纤陀螺精度.
光纤陀螺 AR(2)模型 卡尔曼滤波器 Allan方差分析
