CN104330079A - 一种多陀螺仪的角速度测量方法及系统 - Google Patents

Abstract

本发明适用于测量领域，公开了一种多陀螺仪的角速度测量方法及系统，所述方法包括采集安装在转台上的多个陀螺仪的测量数据x_j(i)；根据采集的测量数据x_j(i)，选取学习率参数；根据预先获取的多个陀螺仪的权值的初值采集的测量数据x_j(i)和所述选取的学习率参数η，对陀螺的权值进行训练；根据所述训练的权值和采集的测量数据，根据y(i)=x^T(i)w(i)得到测量值的估计值。本发明实施例通过使用多个陀螺仪对同一转速进行测量，对多个陀螺仪的测量数据进行融合处理，可有效提高测量值的估计值的精度，而且其实时性高；使用多个商用陀螺仪即可得到精确度高的测量值，有利于节省成本。

Description

一种多陀螺仪的角速度测量方法及系统

技术领域

本发明属于测量领域，尤其涉及一种多陀螺仪的角速度测量方法及系统。

背景技术

陀螺是卫星姿态控制系统的重要的测量部件之一，随着微小卫星应用的发展，要求陀螺重量轻、体积小、成本低。目前的小型化的陀螺的研制尚不够成熟，使高性能微小型陀螺引的价格非常昂贵。商用微机械陀螺重量轻、体积小、成本低、可获得性好，有利于缩短微小卫星的研制周期、提高卫星技术水平、降低研制成本。然而商用微机械陀螺精度低、漂移大直接使用其数据无法达到航天任务的应用需求，因此有必要对陀螺数据进行进一步处理，提高测量精度和可靠性。

现有技术大多针对单个微机械陀螺进行数据处理。如天津大学学报第2003年3月第36卷第二期公开的一种基于平稳小波变换的陀螺仪信号去噪方法，针对传统小波去噪效果的局限性，分析了平稳小波与经典小波之间的关系，将平稳小波用于陀螺仪信号去噪，并与经典小波的去噪结果进行比较；陀螺仪信号经平稳小波去噪后的寻北精度明显优于经典小波，验证了平稳小波具有较好的去噪效果。但是，其测量方法仍然不能够满足对测量高精度的要求。

发明内容

本发明实施例的目的在于提供一种多陀螺仪的角速度测量方法及系统，以解决现有技术中使用陀螺仪测量的角速度精度不高的问题，从而使商用微机械陀螺仪能够应用于卫星应用，并且降低其测量成本。

第一方面，本发明实施例提供了一种多陀螺仪的角速度测量方法，所述方法包括：

采集安装在转台上的多个陀螺仪的测量数据x_j(i)，所述陀螺仪的个数为m，所述数据采集的个数为n，其中i=1,2,……n，j=1,2,……m；

根据采集的测量数据x_j(i)，按照如下要求选取学习率参数，其中η为学习率参数；

$\mathrm{\&eta;}\&le;\left\{\begin{array}{c}\frac{1}{\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}\left|x_j\left(i\right)\right|},x_j\left(i\right)<1\\ \frac{1}{\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_j^2\left(i\right)},x_j\left(i\right)\&GreaterEqual;1\end{array}\right.$

根据预先获取的多个陀螺仪的权值的初值、采集的测量数据x_j(i)和所述选取的学习率参数η，根据对陀螺的权值进行训练，其中i=1,2,……n，w(i)=[w₁(i),w₂(i),…w_m(i)]^T；

根据所述训练的权值和采集的测量数据，根据y(i)=x^T(i)w(i)得到测量值的估计值。

第二方面，本发明实施例提供了一种多陀螺仪的角速度测量系统，所述系统包括电转台、多个陀螺仪、陀螺仪数据采集卡、数据处理器，其中，所述电转台上固定设置有陀螺仪且陀螺仪的转速输入轴平行于电转台转轴，陀螺仪数据采集卡采集陀螺仪数据并发送至数据处理器，所述数据处理器根据采集的陀螺仪数据x_j(i)，其中，陀螺仪的个数为m，所述数据采集的个数为n，其中i=1,2,……n，j=1,2,……m；按照如下要求选取学习率参数，其中η为学习率参数； $\mathrm{\&eta;}\&le;\left\{\begin{array}{c}\frac{1}{\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}\left|x_j\left(i\right)\right|},x_j\left(i\right)<1\\ \frac{1}{\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_j^2\left(i\right)},x_j\left(i\right)\&GreaterEqual;1\end{array}\right.$ 根据预先获取的多个陀螺仪的权值的初值采集的测量数据x_j(i)和所述选取的学习率参数η，根据对陀螺的权值进行训练，其中i=1,2,……n，w(i)=[w₁(i),w₂(i),…w_m(i)]^T；根据所述训练的权值和采集的测量数据，根据y(i)=x^T(i)w(i)得到测量值的估计值。

在本发明实施例中，通过使用多个陀螺仪对同一转速进行测量，对多个陀螺仪的测量数据进行融合处理，可有效提高测量值的估计值的精度；而且本发明通过对多个陀螺仪的数据进行权值的训练学习并选择合适的学习率参数，对于采集的测量数据可以进行实时的处理，可以避免多次采集再取平均值而产生时延的问题，其实时性高；并且使用多个商用陀螺仪即可得到精确度高的测量值，有利于节省成本。

附图说明

图1是本发明第一实施例提供的多陀螺仪的角速度测量的实现流程图；

图2是本发明第二实施例提供的多陀螺仪的角速度测量的实现流程图；

图3是本发明第三实施例提供的多陀螺仪的角速度测量系统的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例所述多陀螺仪的角速度测量方法，包括：采集安装在转台上的多个陀螺仪的测量数据x_j(i)，所述陀螺仪的个数为m，所述数据采集的个数为n，其中i=1,2,……n，j=1,2,……m；根据采集的测量数据x_j(i)，按照如下要求选取学习率参数，其中η为学习率参数； $\mathrm{\&eta;}\&le;\left\{\begin{array}{c}\frac{1}{\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}\left|x_j\left(i\right)\right|},x_j\left(i\right)<1\\ \frac{1}{\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_j^2\left(i\right)},x_j\left(i\right)\&GreaterEqual;1\end{array}\right.$ 根据预先获取的多个陀螺仪的权值的初值采集的测量数据x_j(i)和所述选取的学习率参数η，根据对陀螺的权值进行训练，其中i=1,2,……n，w(i)=[w₁(i),w₂(i),…w_m(i)]^T；根据所述训练的权值和采集的测量数据，根据y(i)=x^T(i)w(i)得到测量值的估计值。通过使用多个陀螺仪对同一转速进行测量，对多个陀螺仪的测量数据进行融合处理，可有效提高测量值的估计值的精度；而且本发明通过对多个陀螺仪的数据进行权值的训练学习并选择合适的学习率参数，对于采集的测量数据可以进行实时的处理，可以避免多次采集再取平均值而产生时延的问题，其实时性高；并且使用多个商用陀螺仪即可得到精确度高的测量值，有利于节省成本。

实施例一：

图1为本发明第一实施例多陀螺仪的角速度测量方法的实现流程，详述如下：

在步骤S101中，采集安装在转台上的多个陀螺仪的测量数据x_j(i)，所述陀螺仪的个数为m，所述数据采集的个数为n，其中i=1,2,……n，j=1,2,……m。

其中，陀螺仪可以采用微机械陀螺仪、音叉陀螺仪，在同一测量中，最好采用相同型号和相同类型的陀螺仪，以提高测量结果融合后的准确度。

在步骤S102中，根据采集的测量数据x_j(i)，按照如下要求选取学习率参数，其中η为学习率参数；

$\mathrm{\&eta;}\&le;\left\{\begin{array}{c}\frac{1}{\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}\left|x_j\left(i\right)\right|},x_j\left(i\right)<1\\ \frac{1}{\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_j^2\left(i\right)},x_j\left(i\right)\&GreaterEqual;1\end{array}\right.$

学习率参数的选择直接影响到结果的稳定性，而最小均方算法均方收敛的条件为：

在对数据的实时处理过程中，数据输入均方值之和难于计算，本发明给出一种学习参数的确定方法，以保证最小均方算法收敛。

1)当|x_j(i)|<1时，

$\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}\left[\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{x}_j^2\left(i\right)\right]<\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}\left[\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}\right|x_j\left(i\right)\left|\right]=\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}\left[\right|x_j\left(i\right)|+{\mathrm{err}}_j\left(i\right)]$

errj(n)是小量，故：

2)当|x_j(i)|≥1时,

$\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}[x_j^2\left(i\right)+\mathrm{err}{2}_j\left(i\right)]=\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}\left[\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{x}_j^2\left(i\right)\right]>\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}\left[\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}\right|x_j\left(i\right)\left|\right]$

err2j(n)是小量，故：

j=1

$\mathrm{\&eta;}\&le;\left\{\begin{array}{c}\frac{1}{\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}\left|x_j\left(i\right)\right|},x_j\left(i\right)<1\\ \frac{1}{\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_j^2\left(i\right)},x_j\left(i\right)\&GreaterEqual;1\end{array}\right.$

在步骤S103中，根据预先获取的多个陀螺仪的权值的初值采集的测量数据x_j(i)和所述选取的学习率参数η，根据对陀螺的权值进行训练，其中i=1,2,……n，w(i)=[w₁(i),w₂(i),…w_m(i)]^T。

在步骤S104中，根据所述训练的权值和采集的测量数据，根据y(i)=x^T(i)w(i)得到测量值的估计值。

本发明实施例是在获取陀螺仪权值的初值的基础上完成对陀螺仪权值的训练和获取学习率参数，从而得到测量值的估计值，通过使用多个陀螺仪对同一转速进行测量，对多个陀螺仪的测量数据进行融合处理，可有效提高测量值的估计值的精度；而且本发明通过对多个陀螺仪的数据进行权值的训练学习并选择合适的学习率参数，对于采集的测量数据可以进行实时的处理，可以避免多次采集再取平均值而产生时延的问题，其实时性高；并且使用多个商用陀螺仪即可得到精确度高的测量值，有利于节省成本。

实施例二：

图2为本发明第二实施例提供的多陀螺仪的角速度测量方法的实现流程，详述如下：

在步骤S201中，采集多个陀螺仪的测量数据x'_j(i)，所述陀螺仪的个数为m，所述数据采集的个数为n，其中i=1,2,……n，j=1,2,……m。

具体包括：转台上电，使转台按照恒定转速转动。

在转台转速稳定后，陀螺仪开机，使陀螺的转速输入基准轴平行于被测量的角速度方向，待陀螺仪有稳定输出后，采集多个陀螺的多组数据x_j(i),i=1,2,...n;j=1,2,...m，陀螺仪个数为m，采集数据点数为n，使采集的数据的估计值能够达到参考值的98%。

在步骤S202中，根据得到学习率参数η'。

在步骤S203中，根据得到学习率参数，利用对陀螺的权值进行训练，所述w(i)=[w₁(i),w₂(i),…w_m(i)]^T，所述d(i)为转台转速参考值。

在步骤S204中，由y'(i)=x'^T(i)w(i)得到测量值的估计值，当测量值的估计值达到稳态时，选取测量值对应的权值作为权值的初值。

所述测量值的估计值达到稳态为测量值的估计值达到98%d(i)，其中，所述所述d(i)为转台转速参考值。

上述步骤S201至步骤S204，为对多个陀螺仪的权值的初值根据最小均方算法进行训练。作为一种可选的实施方式，还可以对多个陀螺仪的权值的初值采用根据基于正交基的神经网络算法对权值的初值进行训练。

在步骤S205中，采集安装在转台上的多个陀螺仪的测量数据x_j(i)，所述陀螺仪的个数为m，所述数据采集的个数为n，其中i=1,2,……n，j=1,2,……m。

在步骤S206中，采用零偏补偿算法或者小波降噪算法对采集的测量数据进行预处理。

在步骤S207中，根据采集的测量数据x_j(i)，按照如下要求选取学习率参数，其中η为学习率参数；

$\mathrm{\&eta;}\&le;\left\{\begin{array}{c}\frac{1}{\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}\left|x_j\left(i\right)\right|},x_j\left(i\right)<1\\ \frac{1}{\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_j^2\left(i\right)},x_j\left(i\right)\&GreaterEqual;1\end{array}\right.$

在步骤S208中，根据预先获取的多个陀螺仪的权值的初值采集的测量数据x_j(i)和所述选取的学习率参数η，根据对陀螺的权值进行训练，其中i=1,2,……n，w(i)=[w₁(i),w₂(i),…w_m(i)]^T。

在步骤209中，根据所述训练的权值和采集的测量数据，根据y(i)=x^T(i)w(i)得到测量值的估计值。

本发明实施例在陀螺仪第一次进行数据测量时，对陀螺仪的权值的初值进行训练，在得到陀螺仪权值的初值的基础上，进一步根据选择的学习率参数和权值的初值对采集的数据进行训练，根据训练的权值计算得到陀螺仪测量值的估计值。与实施例一不同之处在于本发明实施例包括对权值初值的训练，可用于第一次的数据测量计算，另外在数据融合前还包括对测量数据进行预处理，进一步提高陀螺仪测量值的估计值的准确性。

实施例三：

图3示出了本发明第一实施例提供的一种多陀螺仪的角速度测量系统的结构示意图，详述如下：

本发明实施例所述系统包括电转台1、多个陀螺仪2、陀螺仪数据采集卡3、数据处理器4，其中，所述电转台1上固定设置有陀螺仪2且陀螺仪2的转速输入轴平行于电转台1转轴，陀螺仪数据采集卡3采集陀螺仪数据并发送至数据处理器4。

其中，所述电转台1可以为单轴电转台，所述单轴电转台可以设置于隔震台上，通过隔震台进行防震隔离，进一步减少干扰数据的产生。另外，所述陀螺仪2可以为微机械陀螺仪、音叉陀螺仪，商用的微机械陀螺仪具有重量轻、体积小、成本低、可获取性好，有利于缩短微小卫星的研制周期、提高卫星技术水平、降低研制成本。

作为一种可能实施的方式，所述数据处理器包括数据处理上位机41和转台控制上位机42，陀螺仪数据采集卡3采集陀螺仪数据并发送至数据处理上位机41，转台上位机42控制单轴电转台的转速。当然，作为另一种实施方式，也可以由同一台上位机或者处理器完成控制处理。

其中，数据处理上位机主要用于根据采集的陀螺仪数据x_j(i)，其中，陀螺仪的个数为m，所述数据采集的个数为n，其中i=1,2,……n，j=1,2,……m；根据采集的测量数据x_j(i)，按照如下要求选取学习率参数，其中η为学习率参数； $\mathrm{\&eta;}\&le;\left\{\begin{array}{c}\frac{1}{\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}\left|x_j\left(i\right)\right|},x_j\left(i\right)<1\\ \frac{1}{\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_j^2\left(i\right)},x_j\left(i\right)\&GreaterEqual;1\end{array}\right.$ 根据预先获取的多个陀螺仪的权值的初值采集的测量数据x_j(i)和所述选取的学习率参数η，根据对陀螺的权值进行训练，其中i=1,2,……n，w(i)=[w₁(i),w₂(i),…w_m(i)]^T；根据所述训练的权值和采集的测量数据，根据y(i)=x^T(i)w(i)得到测量值的估计值。

关于数据处理上位机对陀螺测量值的估计值的计算处理过程，与实施例一和实施例二所述的处理流程相同，在此不作重复赘述。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种多陀螺仪的角速度测量方法，其特征在于，所述方法包括：

采集安装在转台上的多个陀螺仪的测量数据x_j(i)，所述陀螺仪的个数为m，所述数据采集的个数为n，其中i=1,2,……n，j=1,2,……m；

根据采集的测量数据x_j(i)，按照如下要求选取学习率参数，其中η为学习率参数；

$\mathrm{\&eta;}\&le;\left\{\begin{array}{c}\frac{1}{\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}\left|x_j\left(i\right)\right|},x_j\left(i\right)<1\\ \frac{1}{\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_j^2\left(i\right)},x_j\left(i\right)\&GreaterEqual;1\end{array}\right.$

根据预先获取的多个陀螺仪的权值的初值采集的测量数据x_j(i)和所述选取的学习率参数η，根据对陀螺的权值进行训练，其中i=1,2,……n，w(i)=[w₁(i),w₂(i),…w_m(i)]^T；

根据所述训练的权值和采集的测量数据，根据y(i)=x^T(i)w(i)得到测量值的估计值。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对多个陀螺仪的权值的初值根据最小均方算法进行训练。

3.根据权利要求2所述的方法，其特征在于，所述对多个陀螺仪的权值的初值根据最小均方算法进行训练的步骤包括：

采集多个陀螺仪的测量数据x'_j(i)，所述陀螺仪的个数为m，所述数据采集的个数为n，其中i=1,2,……n，j=1,2,……m；

根据得到学习率参数η'；

根据得到学习率参数，利用对陀螺的权值进行训练，所述w(i)=[w₁(i),w₂(i),…w_m(i)]^T，所述d(i)为转台转速参考值；

由y'(i)=x'^T(i)w(i)得到测量值的估计值，当测量值的估计值达到稳态时，选取测量值对应的权值作为权值的初值。

4.根据权利要求3所述的方法，其特征在于，所述测量值的估计值达到稳态为测量值的估计值达到98%d(i)，其中，所述d(i)为转台转速参考值。

5.根据权利要求3所述的方法，其特征在于，所述多个陀螺仪设置于转台上，所述采集多个陀螺仪的测量数据x'_j(i)的步骤包括：

转台上电，使转台按照恒定转速放置，转台转速记为参考值d；

在转台转速稳定后，陀螺仪开机，使陀螺的转速输入基准轴平行于被测量的角速度方向，待陀螺仪有稳定输出后，采集多个陀螺的多组数据x_j(i),i=1,2,...n;j=1,2,...m，陀螺仪个数为m，采集数据点数为n，使采集的数据的估计值能够达到参考值的98%。

6.根据权利要求2所述方法，其特征在于，所述方法还包括：

对多个陀螺仪的权值的初值根据基于正交基的神经网络算法对权值的初值进行训练。

7.根据权利要求1所述方法，其特征在于，所述陀螺仪为微机械陀螺仪、音叉陀螺仪。

8.根据权利要求1所述方法，其特征在于，在所述根据预先获取的多个陀螺仪的权值的初值采集的测量数据x_j(i)和所述选取的学习率参数η，根据对陀螺的权值进行训练之前，所述方法还包括：

采用零偏补偿算法或者小波降噪算法对采集的测量数据进行预处理。

9.一种多陀螺仪的角速度测量系统，其特征在于，所述系统包括电转台、多个陀螺仪、陀螺仪数据采集卡、数据处理器，其中，所述电转台上固定设置有陀螺仪且陀螺仪的转速输入轴平行于电转台转轴，陀螺仪数据采集卡采集陀螺仪数据并发送至数据处理器，所述数据处理器根据采集的陀螺仪数据x_j(i)，其中，陀螺仪的个数为m，所述数据采集的个数为n，其中i=1,2,……n，j=1,2,……m；按照如下要求选取学习率参数，其中η为学习率参数； $\mathrm{\&eta;}\&le;\left\{\begin{array}{c}\frac{1}{\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}\left|x_j\left(i\right)\right|},x_j\left(i\right)<1\\ \frac{1}{\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_j^2\left(i\right)},x_j\left(i\right)\&GreaterEqual;1\end{array}\right.$ 根据预先获取的多个陀螺仪的权值的初值采集的测量数据x_j(i)和所述选取的学习率参数η，根据对陀螺的权值进行训练，其中i=1,2,……n，w(i)=[w₁(i),w₂(i),…w_m(i)]^T；根据所述训练的权值和采集的测量数据，根据y(i)=x^T(i)w(i)得到测量值的估计值。

10.根据权利要求8所述的系统，其特征在于，所述电转台为单轴电转台，所述单轴电转台设置于隔震台上，所述陀螺仪为微机械陀螺仪、音叉陀螺仪。