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)

基于自适应Kalman滤波的MEMS陀螺随机误差分析

王辛望1,沈小林1*,刘新生2

(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)

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%。

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

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。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、静电陀螺等,MEMS陀螺精度比较低,阻碍了MEMS陀螺的发展;通过可行的措施降低MEMS陀螺的随机误差,改善其精度是目前亟待解决的重要问题之一[1]。目前针对降低MEMS陀螺随机误差方法有很多种,通常使用神经网络、小波分析等方法[2-3],但是上述方法获得的模型总是带有很高的阶数,在低成本惯导系统实时在线估计与预测中并不适用。……