CN109443333B - 一种陀螺阵列反馈加权融合方法 - Google Patents
一种陀螺阵列反馈加权融合方法 Download PDFInfo
- Publication number
- CN109443333B CN109443333B CN201811291172.3A CN201811291172A CN109443333B CN 109443333 B CN109443333 B CN 109443333B CN 201811291172 A CN201811291172 A CN 201811291172A CN 109443333 B CN109443333 B CN 109443333B
- Authority
- CN
- China
- Prior art keywords
- gyro
- array
- angular speed
- micromechanical
- sampling instant
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C19/00—Gyroscopes; Turn-sensitive devices using vibrating masses; Turn-sensitive devices without moving masses; Measuring angular rate using gyroscopic effects
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Gyroscopes (AREA)
Abstract
本发明公开了一种陀螺阵列反馈加权融合方法,包括以下步骤:一、实际角速率的获取;二、除去零偏值陀螺阵列矩阵模型的建立;三、陀螺阵列噪声方差估计值的获取;四、陀螺阵列的加权融合角速率的获取。本发明步骤简单,设计合理且实现方便,将加权融合角速率反馈以实时获取陀螺的零偏估计值,并反向校正陀螺阵列测量的实际角速率,然后依据最小二乘原理推导各微机械陀螺的加权融合系数,从而得到精确的加权融合角速率,具有更高的融合精度和较小的零偏漂移,准确度高。
Description
技术领域
本发明属于微惯性航姿技术领域,尤其是涉及一种陀螺阵列反馈加权融合方法。
背景技术
微机械陀螺(即MEMS陀螺)因具有成本低、体积小和便于批量生产等优点,在机器人、无人机等领域具有广泛的应用前景。然而,与激光陀螺和光纤陀螺相比,微机械陀螺存在较大的误差,在许多对精度要求相对较高的领域很难得到应用。
目前,国内外均已投入了大量的研发力量进行高精度MEMS陀螺的研发,但高精度MEMS陀螺的研发是一个较为复杂的系统,很难在短时间内取得巨大突破,且需要投入极大的人力及物力。目前一般采用是在同一个敏感轴上将多个同类型微机械陀螺组成阵列,通过冗余技术提高精度和可靠性。目前提出“虚拟陀螺”技术,用N个独立的微机械陀螺测量同一个角速率,并采用Kalman滤波进行数据融合后输出,其噪声为单个陀螺噪声的但上述方法需要依赖先验知识,需要建立微机械陀螺的状态方程,并且确定各微机械陀螺的统计特性和相关性,忽略了外界环境引入的干扰。
另一种是支持度算法,基于各个陀螺的置信距离来计算加权融合系数,通过支持度函数定量衡量陀螺间的一致性,将陀螺间的相互支持程度定量描述为置信距离,置信距离越大,表明该陀螺与其余陀螺间的差别较大,相应分配的加加权融合系数越小。该方法建立在现有数据所包含的信息基础上,不要求测量噪声分布的先验知识,但支持度函数和相关参数的选取对融合效果影响较大,且计算量较大。
第三是最小二乘算法,依据最小二乘原理,在均方误差最小的准则下,加权融合系数与传感器的噪声方差成反比,因此加权融合系数的确定可以转化为传感器噪声方差的估计问题。但上述方法往往假设各传感器的测量噪声为相互独立的白噪声,忽略各微机械陀螺的零偏漂移误差,融合效果没有达到最优。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足,提供一种陀螺阵列反馈加权融合方法,其方法步骤简单,设计合理且实现方便,将加权融合角速率反馈以实时获取陀螺的零偏估计值,并反向校正陀螺阵列测量的实际角速率,然后依据最小二乘原理推导各微机械陀螺的加权融合系数,从而得到精确的加权融合角速率,具有更高的融合精度和较小的零偏漂移,准确度高。
为解决上述技术问题,本发明采用的技术方案是:一种陀螺阵列反馈加权融合方法,包括设置在X轴正方向上的第一陀螺阵列、设置在Y轴正方向上的第二陀螺阵列和设置在Z轴正方向上的第三陀螺阵列,所述第一陀螺阵列、所述第二陀螺阵列和所述第三陀螺阵列均包括多个微机械陀螺,多个所述微机械陀螺均与数据处理器相接,其特征在于,分别对所述第一陀螺阵列、所述第二陀螺阵列和所述第三陀螺阵列进行反馈加权融合的方法均相同,则对任一个陀螺阵列进行反馈加权融合的方法包括以下步骤:
步骤一、实际角速率的获取:多个所述微机械陀螺按照预先设定的采样频率分别对载体的实际角速率进行检测,并将检测到的实际角速率发送至数据处理器;其中,第i个微机械陀螺在第k个采样时刻检测到的实际角速率为Zi(k),k为正整数;i为正整数,且i的取值范围为1≤i≤n,n表示陀螺阵列中微机械陀螺的数量;
步骤二、陀螺阵列除去零偏的角速率的获取:
步骤201、采用所述数据处理器根据公式得到第i个微机械陀螺在第k个采样时刻的零偏估计值b′i(k);其中,b′i(1)表示第i个微机械陀螺在第一个采样时刻的零偏估计值,b′i(k-1)表示第i个微机械陀螺在第k-1个采样时刻的零偏估计值,Zr(k-1)表示陀螺阵列在第k-1个采样时刻的加权融合角速率;
步骤202、采用所述数据处理器根据公式Yi(k)=Zi(k)-b′i(k),得到第i个微机械陀螺在第k个采样时刻的去零偏的角速率;
步骤三、陀螺阵列噪声方差估计值的获取:
步骤301、采用所述数据处理器根据公式Di(k)=[Yi(k)-Zr(k-1)]2,得到第i个微机械陀螺在第k个采样时刻的噪声方差近似值Di(k);
步骤302、采用数据处理器根据公式得到第i个微机械陀螺在第k个采样时刻的噪声方差估计值Di′(k);其中,Di′(k-1)表示第i个微机械陀螺在第k-1个采样时刻的噪声方差估计值;
步骤四、陀螺阵列的加权融合角速率的获取:
步骤401、采用所述数据处理器根据公式得到第i个微机械陀螺的加权融合系数ωi;
步骤402、采用所述数据处理器根据公式得到陀螺阵列在第k个采样时刻的加权融合角速率;其中,
上述的陀螺阵列反馈加权融合方法,其特征在于:步骤201中陀螺阵列在第一个采样时刻的加权融合角速率为
其中,Zi(1)表示第i个微机械陀螺在第一个采样时刻检测到的实际角速率。
上述的陀螺阵列反馈加权融合方法,其特征在于:步骤一中所述预先设定的采样频率的取值范围为50Hz~200Hz。
上述的陀螺阵列反馈加权融合方法,其特征在于:所述微机械陀螺的数量n的取值范围为n>3。
上述的陀螺阵列反馈加权融合方法,其特征在于:所述X轴正方向为过所述载体的重心且指向所述载体前进方向,所述Y轴正方向为过所述载体的重心且垂直于所述载体纵切面指向所述载体右侧方向,所述Z轴正方向为过载体的重心且垂直于X轴和Y轴所在平面且指向所述载体下方。
本发明与现有技术相比具有以下优点:
1、所采用的陀螺阵列反馈加权融合方法步骤简单、实现方便且操作简便,获取陀螺阵列的加权融合角速率精度高,误差小。
2、所采用的陀螺阵列反馈加权融合方法操作简便且使用效果好,将陀螺阵列加权融合角速率反馈以实时获取陀螺的零偏估计值,抑制外界环境引入的干扰,并反向校正陀螺阵列测量的实际角速率,然后依据最小二乘原理推导各微机械陀螺的加权融合系数,从而得到精确的加权融合角速率,具有更高的融合精度和较小的零偏漂移,准确度高。
3、所采用的陀螺阵列反馈加权融合方法中获取陀螺阵列零偏的角速率,是因为最小二乘用于多传感器融合时要求噪声是零均值白噪声,而微机械陀螺一般存在零偏,需要除去除零偏值后才进行加权融合,提高了加权融合系数的准确性。
4、所采用的陀螺阵列反馈加权融合方法中零偏估计值通过前一时刻的陀螺的零偏估计值与反馈的加权融合角速率进行加权作为陀螺当前时刻的零偏值估计值,提高了零偏值估计值的准确性。
5、所采用的陀螺阵列反馈加权融合方法中各微机械陀螺的加权融合系数仅由其噪声方差决定,能否准确确定各微机械陀螺的噪声方差,将从根本上影响融合算法的性能及融合结果。由于微机械陀螺方差是自身精度、测量误差和环境干扰综合作用结果,在实际工程中并非保持不变,因此不能简单地等同于传感器自身方差参数或通过经验指定,因此通过前一时刻噪声方差估计值和当前时刻的噪声方差近似值的加权作为陀螺阵列当前时刻的噪声方差估计值,有效反映陀螺阵列噪声方差的过程属性,提高测量估计值的精度,从而提高加权融合系数的精度。
综上所述,本发明步骤简单,设计合理且实现方便,将加权融合角速率反馈以实时获取陀螺的零偏估计值,并反向校正陀螺阵列测量的实际角速率,然后依据最小二乘原理推导各微机械陀螺的加权融合系数,从而得到精确的加权融合角速率,具有更高的融合精度和较小的零偏漂移,准确度高。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明的结构示意图。
图2为本发明的电路原理框图。
图3为本发明的方法流程框图。
附图标记说明:
1—微机械陀螺; 2—数据处理器。
具体实施方式
如图1、图2和图3所示的一种陀螺阵列反馈加权融合方法,包括设置在X轴正方向上的第一陀螺阵列、设置在Y轴正方向上的第二陀螺阵列和设置在Z轴正方向上的第三陀螺阵列,所述第一陀螺阵列、所述第二陀螺阵列和所述第三陀螺阵列均包括多个微机械陀螺1,多个所述微机械陀螺1均与数据处理器2相接,其特征在于,分别对所述第一陀螺阵列、所述第二陀螺阵列和所述第三陀螺阵列进行反馈加权融合的方法均相同,则对任一个陀螺阵列进行反馈加权融合的方法包括以下步骤:
步骤一、实际角速率的获取:多个所述微机械陀螺1按照预先设定的采样频率分别对载体的实际角速率进行检测,并将检测到的实际角速率发送至数据处理器2;其中,第i个微机械陀螺1在第k个采样时刻检测到的实际角速率为Zi(k),k为正整数;i为正整数,且i的取值范围为1≤i≤n,n表示陀螺阵列中微机械陀螺1的数量;
步骤二、陀螺阵列除去零偏的角速率的获取:
步骤201、采用所述数据处理器2根据公式得到第i个微机械陀螺1在第k个采样时刻的零偏估计值b′i(k);其中,b′i(1)表示第i个微机械陀螺1在第一个采样时刻的零偏估计值,b′i(k-1)表示第i个微机械陀螺1在第k-1个采样时刻的零偏估计值,Zr(k-1)表示陀螺阵列在第k-1个采样时刻的加权融合角速率;
步骤202、采用所述数据处理器2根据公式Yi(k)=Zi(k)-b′i(k),得到第i个微机械陀螺1在第k个采样时刻的去零偏的角速率;
步骤三、陀螺阵列噪声方差估计值的获取:
步骤301、采用所述数据处理器2根据公式Di(k)=[Yi(k)-Zr(k-1)]2,得到第i个微机械陀螺1在第k个采样时刻的噪声方差近似值Di(k);
步骤302、采用数据处理器2根据公式得到第i个微机械陀螺1在第k个采样时刻的噪声方差估计值D′i(k);其中,D′i(k-1)表示第i个微机械陀螺1在第k-1个采样时刻的噪声方差估计值;
步骤四、陀螺阵列的加权融合角速率的获取:
步骤401、采用所述数据处理器2根据公式得到第i个微机械陀螺1的加权融合系数ωi;
步骤402、采用所述数据处理器2根据公式得到陀螺阵列在第k个采样时刻的加权融合角速率;其中,
本实施例中,步骤201中陀螺阵列在第一个采样时刻的加权融合角速率为
其中,Zi(1)表示第i个微机械陀螺1在第一个采样时刻检测到的实际角速率。
本实施例中,步骤一中所述预先设定的采样频率的取值范围为50Hz~200Hz,以适应于载体姿态的测量需求。
本实施例中,所述微机械陀螺1的数量n的取值范围为n>3。
本实施例中,所述X轴正方向为过所述载体的重心且指向所述载体前进方向,所述Y轴正方向为过所述载体的重心且垂直于所述载体纵切面指向所述载体右侧方向,所述Z轴正方向为过载体的重心且垂直于X轴和Y轴所在平面且指向所述载体下方。
本实施例中,分别在所述X轴正方向、所述Y轴正方向和所述Z轴正方向上安装陀螺阵列,是为了满足载体在X轴、Y轴和Z轴方向上的角速率的获取,从而便于对载体姿态的检测。
本实施例中,获取陀螺阵列除去零偏的角速率,是因为最小二乘用于多传感器融合时一般假设噪声满足零均值白噪声,而微机械陀螺一般存在零偏,需要除去除零偏值后才进行反馈加权融合,提高了加权融合系数的准确性。
本实施例中,微机械陀螺1的零偏估计值是将前一时刻的陀螺的零偏估计值b′i(k-1)与反馈的加权融合角速率进行加权作为陀螺当前时刻的零偏值估计值b′i(k),一方面实现了实现考虑了加权融合角速率的反馈,另一方面考虑前一时刻的陀螺的零偏估计值,实现零偏值估计值的实时估计,提高了零偏值估计值的准确性。
本实施例中,各微机械陀螺1的加权融合系数仅由其噪声方差决定,能否准确确定各微机械陀螺1的噪声方差,将从根本上影响融合算法的性能及融合结果。由于陀螺方差是自身精度、测量误差和环境干扰综合作用结果,在实际工程中并非保持不变,因此不能简单地等同于传感器自身方差参数或通过经验指定,因此通过前一时刻噪声方差估计值Di′(k-1)和当前时刻的噪声方差近似值Di(k)的加权值作为陀螺阵列当前时刻的噪声方差估计值D′i(k),有效反映陀螺阵列噪声方差的过程属性,提高测量估计值的精度,从而提高加权融合系数的精度。
本实施例中,所述微机械陀螺1为CRS03微机械陀螺。
本实施例中,所述数据处理器2为单片机、DSP微控制器、ARM微控制器或者计算机。
本实施例中,所述数据处理器2为STM32系列ARM微控制器。
本实施例中,任一个陀螺阵列设置六个微机械陀螺1,则微机械陀螺1的数量n=6。
本实施例中,将六个所述微机械陀螺1均水平置于试验台,且六个所述微机械陀螺1均位于同一方向上,预先设定的采样频率为100Hz,在0至2000秒内静态采集20万个数据。
本实施例中,需要说明的是:因为陀螺阵列静态下,陀螺阵列的角速率变化很小,因此通过陀螺阵列的角速率积分得到陀螺阵列的角度来判断。
本实施例中,利用本发明的方法、平均值方法、支持度算法和最小二乘算法分别进行处理得到各个采样时刻的角速率,然后采用数据处理器2根据得到载体在第k个采样时刻的角度;其中,t1表示第一个采样时刻,t2表示第二个采样时刻,tk表示第k个采样时刻,并对角度进行误差统计如表1。
表1各个方法得到的角度误差统计表
从表2可知,在载体静态过程中,通过本发明的方法根据获取的加权融合角速率而得到角度的最大误差和标准差都最小,从而验证了加权融合角速率的获取的准确性。
实施例2
本实施例中,与实施例不同的是,将六个所述微机械陀螺1安装在单轴速率转台上,且六个所述微机械陀螺1均位于同一方向上,设置所述单轴速率转台为摇摆状态,且所述单轴速率转台的输入角速率为-12.5×cos(0.2πt-0.2π),摇摆时间为100s,t表示时间,π表示圆周率,预先设定的采样频率为50Hz,在0至100秒内动态采集5000个数据,并利用本发明的方法、平均值方法、支持度算法和最小二乘算法分别进行处理得到各个采样时刻的角速率,并对角速率进行误差统计如表2。
表2各个方法得到的角速率误差统计表
从表2可知,在载体动态过程中,通过本发明的方法根据获取的加权融合角速率的最大误差和标准差最小,从而验证了加权融合角速率的获取的准确性。
综上所述,本发明步骤简单,设计合理且实现方便,将加权融合角速率反馈以实时获取陀螺的零偏估计值,并反向校正陀螺阵列测量的实际角速率,然后依据最小二乘原理推导各微机械陀螺的加权融合系数,从而得到精确的加权融合角速率,具有更高的融合精度和较小的零偏漂移,准确度高。
以上所述,仅是本发明的较佳实施例,并非对本发明作任何限制,凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化,均仍属于本发明技术方案的保护范围内。
Claims (5)
1.一种陀螺阵列反馈加权融合方法,包括设置在X轴正方向上的第一陀螺阵列、设置在Y轴正方向上的第二陀螺阵列和设置在Z轴正方向上的第三陀螺阵列,所述第一陀螺阵列、所述第二陀螺阵列和所述第三陀螺阵列均包括多个微机械陀螺(1),多个所述微机械陀螺(1)均与数据处理器(2)相接,其特征在于,分别对所述第一陀螺阵列、所述第二陀螺阵列和所述第三陀螺阵列进行反馈加权融合的方法均相同,则对任一个陀螺阵列进行反馈加权融合的方法包括以下步骤:
步骤一、实际角速率的获取:多个所述微机械陀螺(1)按照预先设定的采样频率分别对载体的实际角速率进行检测,并将检测到的实际角速率发送至数据处理器(2);其中,第i个微机械陀螺(1)在第k个采样时刻检测到的实际角速率为Zi(k),k为正整数;i为正整数,且i的取值范围为1≤i≤n,n表示陀螺阵列中微机械陀螺(1)的数量;
步骤二、陀螺阵列除去零偏的角速率的获取:
步骤201、采用所述数据处理器(2)根据公式得到第i个微机械陀螺(1)在第k个采样时刻的零偏估计值b′i(k);其中,b′i(1)表示第i个微机械陀螺(1)在第一个采样时刻的零偏估计值,b′i(k-1)表示第i个微机械陀螺(1)在第k-1个采样时刻的零偏估计值,Zr(k-1)表示陀螺阵列在第k-1个采样时刻的加权融合角速率;
步骤202、采用所述数据处理器(2)根据公式Yi(k)=Zi(k)-bi′(k),得到第i个微机械陀螺(1)在第k个采样时刻的去零偏的角速率;
步骤三、陀螺阵列噪声方差估计值的获取:
步骤301、采用所述数据处理器(2)根据公式Di(k)=[Yi(k)-Zr(k-1)]2,得到第i个微机械陀螺(1)在第k个采样时刻的噪声方差近似值Di(k);
步骤302、采用数据处理器(2)根据公式得到第i个微机械陀螺(1)在第k个采样时刻的噪声方差估计值D′i(k);其中,D′i(k-1)表示第i个微机械陀螺(1)在第k-1个采样时刻的噪声方差估计值;
步骤四、陀螺阵列的加权融合角速率的获取:
步骤401、采用所述数据处理器(2)根据公式得到第i个微机械陀螺(1)的加权融合系数ωi;
步骤402、采用所述数据处理器(2)根据公式得到陀螺阵列在第k个采样时刻的加权融合角速率;其中,
2.按照权利要求1所述的陀螺阵列反馈加权融合方法,其特征在于:步骤201中陀螺阵列在第一个采样时刻的加权融合角速率为
其中,Zi(1)表示第i个微机械陀螺(1)在第一个采样时刻检测到的实际角速率。
3.按照权利要求1所述的陀螺阵列反馈加权融合方法,其特征在于:步骤一中所述预先设定的采样频率的取值范围为50Hz~200Hz。
4.按照权利要求1所述的陀螺阵列反馈加权融合方法,其特征在于:所述微机械陀螺(1)的数量n的取值范围为n>3。
5.按照权利要求1所述的陀螺阵列反馈加权融合方法,其特征在于:所述X轴正方向为过所述载体的重心且指向所述载体前进方向,所述Y轴正方向为过所述载体的重心且垂直于所述载体纵切面指向所述载体右侧方向,所述Z轴正方向为过载体的重心且垂直于X轴和Y轴所在平面且指向所述载体下方。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811291172.3A CN109443333B (zh) | 2018-10-31 | 2018-10-31 | 一种陀螺阵列反馈加权融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811291172.3A CN109443333B (zh) | 2018-10-31 | 2018-10-31 | 一种陀螺阵列反馈加权融合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109443333A CN109443333A (zh) | 2019-03-08 |
CN109443333B true CN109443333B (zh) | 2019-08-27 |
Family
ID=65550052
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811291172.3A Active CN109443333B (zh) | 2018-10-31 | 2018-10-31 | 一种陀螺阵列反馈加权融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109443333B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110631605B (zh) * | 2019-09-29 | 2020-08-28 | 中国人民解放军火箭军工程大学 | 一种陀螺阵列标定方法及系统 |
CN111504963B (zh) * | 2020-04-10 | 2023-07-07 | 上海蓝长自动化科技有限公司 | 一种应用于叶绿素、蓝绿藻荧光检测的数据时空融合方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102654403A (zh) * | 2012-05-07 | 2012-09-05 | 扬州蓝剑电子系统工程有限公司 | 一种基于小波熵的微机电陀螺信息融合系统及方法 |
CN103162678A (zh) * | 2013-03-11 | 2013-06-19 | 哈尔滨工业大学 | 批量mems陀螺信息融合方法 |
CN106342175B (zh) * | 2010-01-14 | 2013-11-13 | 西北工业大学 | 一种提高陀螺精度的数据融合方法 |
CN106767805A (zh) * | 2017-01-08 | 2017-05-31 | 上海拓攻机器人有限公司 | 基于mems传感器阵列的高精度惯性量测量方法及测量系统 |
CN108168549A (zh) * | 2018-03-24 | 2018-06-15 | 陕西博实测控科技有限公司 | 一种卫星动中通姿态检测装置及方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6882964B2 (en) * | 2002-03-06 | 2005-04-19 | California Institute Of Technology | High accuracy inertial sensors from inexpensive components |
CN102679983B (zh) * | 2012-04-26 | 2015-07-15 | 北京航空航天大学 | 一种余度惯性测量单元测量噪声估计和数据融合方法 |
CN108225337B (zh) * | 2017-12-28 | 2020-12-15 | 西安空间无线电技术研究所 | 基于sr-ukf滤波的星敏感器和陀螺组合定姿方法 |
-
2018
- 2018-10-31 CN CN201811291172.3A patent/CN109443333B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106342175B (zh) * | 2010-01-14 | 2013-11-13 | 西北工业大学 | 一种提高陀螺精度的数据融合方法 |
CN102654403A (zh) * | 2012-05-07 | 2012-09-05 | 扬州蓝剑电子系统工程有限公司 | 一种基于小波熵的微机电陀螺信息融合系统及方法 |
CN103162678A (zh) * | 2013-03-11 | 2013-06-19 | 哈尔滨工业大学 | 批量mems陀螺信息融合方法 |
CN106767805A (zh) * | 2017-01-08 | 2017-05-31 | 上海拓攻机器人有限公司 | 基于mems传感器阵列的高精度惯性量测量方法及测量系统 |
CN108168549A (zh) * | 2018-03-24 | 2018-06-15 | 陕西博实测控科技有限公司 | 一种卫星动中通姿态检测装置及方法 |
Non-Patent Citations (5)
Title |
---|
"An Integrated MEMS Gyroscope Array with Higher Accuracy Output";Honglong Chang 等,;《Sensors》;20080428;第8卷(第4期);2886-2899页 * |
"Signal Processing of MEMS Gyroscope Arrays to Improve Accuracy Using a 1st Order Markov for Rate Signal Modeling";Chengyu Jiang 等,;《Sensors》;20120202;第12卷(第2期);1720-1737页 * |
"基于优化KF的MEMS陀螺阵列信号融合方法";刘洁瑜 等,;《系统工程与电子技术》;20161231;第38卷(第12期);2705-2710页 * |
"基于支持度的MEMS陀螺信息融合方法";张华强 等,;《宇航计测技术》;20120430;第32卷(第2期);18-21页 * |
"虚拟陀螺随机误差分析研究";郑浩 等,;《火力与指挥控制》;20180331;第43卷(第3期);54-57,62页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109443333A (zh) | 2019-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200326389A1 (en) | Method for Making a Magnetic Gradiometer with High Detection Accuracy and Success Rate | |
CN109813336B (zh) | 惯性测量单元标定方法 | |
CN107167131B (zh) | 一种微惯性测量信息的深度融合与实时补偿的方法及系统 | |
CN109443333B (zh) | 一种陀螺阵列反馈加权融合方法 | |
CN107132587B (zh) | 航空超导全张量磁梯度测量系统安装误差标定方法及装置 | |
CN106842080B (zh) | 一种磁场测量装置姿态摆动干扰去除方法 | |
CN107390155B (zh) | 一种磁传感器校准装置和方法 | |
CN104913775B (zh) | 无人机对地高度的测量方法、无人机定位方法及装置 | |
CN109827545A (zh) | 一种基于双mems加速度计的在线倾角测量方法 | |
CN108168549B (zh) | 一种卫星动中通姿态检测方法 | |
CN109459585A (zh) | 一种加速度计零位偏置修正方法 | |
CN109737968A (zh) | 基于二维LiDAR和智能手机的室内融合定位方法 | |
CN105737793B (zh) | 滚转角测量单元及测量方法 | |
CN105910593A (zh) | 一种校准终端的地磁传感器的方法及装置 | |
CN109633540B (zh) | 一种磁源的实时定位系统及实时定位方法 | |
CN110736484A (zh) | 基于陀螺仪及磁传感器融合的背景磁场标定方法 | |
CN108362493B (zh) | 一种数控机床直线轴转角误差快速检测方法 | |
CN103105160B (zh) | 一种利用三轴加速度计检测倾角的处理方法 | |
CN209623725U (zh) | 一种光纤线圈动态仿真测试装置 | |
CN110030991B (zh) | 融合陀螺和磁强计的飞行物高速旋转角运动测量方法 | |
CN109916399A (zh) | 一种阴影下的载体姿态估计方法 | |
CN105758422B (zh) | 一种积分式闭环光纤陀螺的测试方法 | |
CN106092140A (zh) | 一种陀螺仪零偏估计方法 | |
CN108716925A (zh) | 一种九轴传感器的标定方法及装置 | |
Zhang et al. | Implementation and complexity analysis of orientation estimation algorithms for human body motion tracking using low-cost sensors |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |