批量MEMS陀螺的設計與實現.pdf

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