批量MEMS陀螺的設計與實現.pdf_第1頁
已閱讀1頁,還剩88頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、MEMS(Micro-Electro-Mechanical System,MEMS)器件體積小、重量輕、成本低,能夠有效提高衛(wèi)星姿態(tài)測量單元功能密度,縮短研制周期。但由于工藝水平的限制,MEMS陀螺在精度和可靠性方面尚存在劣勢。因此,本文針對批量MEMS陀螺系統(tǒng)的設計制作、數據融合與故障診斷(Fault Detection and Isolation,FDI)問題進行了研究。具體內容如下:
  陳述了MEMS陀螺的誤差組成模式。針

2、對系統(tǒng)誤差,輸入多組相同絕對值的正負角速率,對每對輸出值求期望并做差,消除量測噪聲、零偏和地球自轉角速率的影響,通過最小二乘方法得到陀螺輸出的標定因數。針對隨機誤差,建立了ARMA(p,q)模型,并敘述了模型參數的確定方法。
  研究了批量MEMS陀螺的總體方案。將系統(tǒng)分為測量單元、控制單元和數據處理單元三個部分,并提出了批量MEMS陀螺系統(tǒng)的兩級、多小組的數據融合與FDI總體設計方案。研究了系統(tǒng)的可靠性、融合精度和算法的時間復雜

3、度,并提出了優(yōu)化陀螺數量的性能指標。利用商用MEMS陀螺及相關元器件,設計并制作了工程樣機,并使用C語言編制了相關程序,實現了測量單元和控制單元的功能。最后,在單軸氣浮轉臺上驗證了工程樣機的功能。
  研究了批量MEMS陀螺的數據融合方法。設計了基于具有可觀性的ARMA(p,q)狀態(tài)空間表達式的Kalman濾波器。針對較小的角加速度,提出了一種基于支持向量回歸機(Support Vecter Regression,SVR)的濾波趨

4、勢項預測補償算法。為了克服以樣本點序號為自變量時較弱的泛化能力,通過相空間重構,以樣本點的若干歷史值為自變量,有效地提高了SVR模型的泛化能力。預測補償算法在大角加速度下失效。為了融合各陀螺的處理結果,提出了一種基于KMOD核函數的改進數據加權融合算法。最后,使用工程樣機驗證了融合算法的性能。
  研究了批量MEMS陀螺的FDI方法。針對單故障系統(tǒng)中真實角速率對FDI的影響,設計了基于奇偶向量和支持向量分類機(Support Ve

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論