CN115855016B - 一种光纤陀螺仪低温冲击误差补偿方法 - Google Patents
一种光纤陀螺仪低温冲击误差补偿方法 Download PDFInfo
- Publication number
- CN115855016B CN115855016B CN202310170514.0A CN202310170514A CN115855016B CN 115855016 B CN115855016 B CN 115855016B CN 202310170514 A CN202310170514 A CN 202310170514A CN 115855016 B CN115855016 B CN 115855016B
- Authority
- CN
- China
- Prior art keywords
- temperature
- optical fiber
- fiber gyroscope
- vector
- gyroscope
- 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
Images
Landscapes
- Gyroscopes (AREA)
Abstract
本发明一种光纤陀螺仪低温冲击误差补偿方法,属于导航仪器技术领域,包括以下步骤:对光纤陀螺仪分别进行低温冲击下的零偏漂移试验与标度因数误差试验,采集、计算低温冲击下的零偏漂移与标度因数误差;将零偏漂移试验与标度因数误差试验的光纤陀螺仪温度、温度梯度以及温度变化率等变量构成的温度向量作为LSTM神经网络的输入量,以标度因数误差、零偏漂移构成的误差向量,作为LSTM神经网络的输出量,进行训练,获得描述温度向量与误差向量关系的神经网络模型,对光纤陀螺仪的零偏漂移与标度因数误差进行补偿。本发明对光纤陀螺仪在低温冲击环境下的零偏漂移与标度因数误差进行建模,模型针对性强、变量全面,提高了角速度测量精度。
Description
技术领域
本发明属于导航仪器技术领域,尤其是涉及一种光纤陀螺仪低温冲击误差补偿方法。
背景技术
机载导航为安装在飞行器上的各种导航设备的统称,用于测量飞行器的实时姿态、速度以及位置等运动参数。是引导载机安全飞行、完成预定作战任务的重要电子设备,对飞行器预定轨迹、自身姿态检测具有关键作用。机载导航按照工作原理分为无线电导航设备、天文导航设备、惯性导航系统和组合导航系统。其中,惯性导航系统具有短期精度高、覆盖范围广、隐蔽性高等优点,相较于其他导航设备,惯性导航不依靠外界提供的信息,也不需要向外界辐射能量,只依靠自身的惯性器件完成工作。此外,惯性导航系统可以通过惯性原件输出角速度、角加速度、线速度、线加速度等数据,比卫星导航提供的数据更加丰富。
光纤陀螺仪是通过测量两束光的光程差来得到旋转角度或角速度的传感器,基于萨格奈克(Sagnac)效应,在闭合光路中,自同一个光源出发的两束光线,以相反方向相对传播,最终会汇合到同一个探测点,两光束会在该点产生干涉。若该闭合光路在光束传播的过程中有相对于惯性空间的旋转,则两光束将产生光程差,此差值与闭合光路旋转角速度成正比,通过探测器测量两光束的相位差即可计算出光路的旋转角速度。光纤陀螺仪具有结构简单、启动快、功耗低、耐冲击、精度覆盖面广和动态范围大等优点,主要用来精确测量载体的角速度,目前已被广泛应用于惯性导航系统和伺服跟踪系统等领域,包括近、中程导弹、舰艇、反潜武器以及卫星和宇宙飞船等航空、航天、航海和兵器等。
光纤环作为光纤陀螺仪中对温度最为敏感的器件,在外界温度变化时会偏离原来的工作状态。例如在飞行器从地面到高空爬升过程中,需要面临环境温度从常温急速下降到-40℃以下,再从低温到高温巨变的情况,由于光纤陀螺仪含有受温度影响较大的光电器件,在温度剧烈变化时,各光电器件的光电特性随之发生变化,进而影响到光纤陀螺仪的零偏与标度因数。零偏是指光纤陀螺仪在输入角速度为零时的输出,在外界温度变化或者陀螺内部元件产热时,零偏会发生变化从而影响光纤陀螺仪的输出精度,成为是光纤陀螺仪技术发展中被普遍关注的“瓶颈”问题。温度变化时,光纤环中的两束干涉光会产生非互易相移,当光纤环中存在某段光纤温度场不均匀分布的时候,表示有温度差存在。若有温度差的部分偏离光纤环的中心,当两束反射光传播时经过这段,则会导致非互易相移现象的出现,两束光产生的干涉响应无法分离开,因此会存在偏置误差,将严重影响到光纤陀螺仪的零偏稳定性。目前降低零位漂移的主要方法为降低零偏误差,通过采用从光纤长度的中点对称缠绕的方式制作光纤环,很大程度上解决了温度变化时产生的非互易性相移。但实际中,对称式缠绕只在一定程度上解决了光纤环几何长度上的对称,两束光的实际光程并不能做到完全对称,温变时产生的非互易性相移仍旧存在。对惯性级以上的高精度光纤陀螺仪而言,必须进行温度补偿,但现有工艺条件下,光纤陀螺仪的Shupe系数往往存在非线性,给温度补偿带来困难。
同时,光纤陀螺仪标度因数是通过检测相位得到载体旋转角速度,与真实的角速度二者之间的换算系数被称为标度因数,标度因数与光源的波长、光纤环的长度和直径相关。标度因数误差会与地球自转角速度耦合产生漂移误差,并在温变情况下产生短时动态误差,或出现逐次启动重复性引起的累积误差,限制了长时间航行导航精度。故在工程应用中,也需要对标度因数进行温度补偿,从而提高其稳定性。
为改善光纤陀螺仪性能,可通过增加温度控制模块和硬件补偿元件,将运行环境温度稳定在一定范围内,其偏移量取决于温度装置的控制精度,或采用数学建模方法,通过光纤陀螺仪的测试数据寻找规律,在软件中补偿温度误差。但上述方法具有以下缺点:(1)温控:加温过程慢,难以快速响应温度急剧降低的场合。另外,温度剧变激发温控系统快速加热,导致光纤陀螺仪局部温度偏高,形成温度梯度,带来新的无法预知的误差,(2)隔热材料:机载导航设备要求体积小、重量轻,额外的隔热材料除了增加成本,也增加了系统体积,有导致在紧凑的机舱空间无法安装的风险。另外,隔热材料会阻碍高温(地面暴晒)时热流通,器件内部热量无法散出去,(3)数字温补:通过软件实现,简单方便,但建模复杂、参数辨识困难。尤其在批量生产光纤陀螺仪时,需要找到共性的模型和准确的模型参数。
可见,现有温度补偿技术受低温冲击这种剧烈温变的环境制约较大,若仅考虑温度对陀螺零偏或者温度对陀螺标度因数的影响,可使用最小二乘法等线性拟合方法对陀螺的温度特性进行建模与补偿,但对非线性的温度漂移修正效果较差。
发明内容
本发明要解决的问题是提供一种光纤陀螺仪低温冲击误差补偿方法,主要解决机载导航系统在低温冲击(>10℃/min)环境下,光纤陀螺仪的零偏漂移与标度因数误差大的问题。本发明在低温冲击环境下,对光纤陀螺仪的零偏漂移与标度因数误差进行了建模与补偿,降低了成本,提升了光纤陀螺仪的精度与稳定性。
为解决上述技术问题,本发明采用的技术方案是:一种光纤陀螺仪低温冲击误差补偿方法,包括以下步骤:
S1、在低温冲击条件下,对光纤陀螺仪分别进行零偏漂移试验与标度因数误差试验,采集、计算低温冲击下的零偏漂移与标度因数误差,
S2、利用步骤S1中的一组零偏漂移试验与标度因数误差试验的光纤陀螺仪温度、光纤陀螺仪温度梯度以及光纤陀螺仪温度变化率构成的温度向量为LSTM神经网络的输入量,以标度因数误差、零偏漂移构成的误差向量作为LSTM神经网络的输出量,对LSTM神经网络进行训练,获得一组描述温度向量与误差向量关系的神经网络模型,利用所述神经网络模型对光纤陀螺仪的零偏漂移与标度因数误差进行补偿。
进一步地,在步骤S1中,所述零偏漂移试验,包括以下步骤:
S111、将光纤陀螺仪置于转台温箱的转台中,转动转台令光纤陀螺仪敏感轴指东,光纤陀螺仪通电,上位机开始采集光纤陀螺仪测量的角速度数据与光纤陀螺仪温度、光纤陀螺仪外部温度,
S112、设置转台温箱温度为室温,待光纤陀螺仪达到热平衡状态后,进行低温冲击试验,
S113、待低温冲击试验结束后,设置转台温箱温度为室温,待光纤陀螺仪达到热平衡状态后,上位机结束保存数据,所保存数据为低温冲击环境下光纤陀螺仪的零偏漂移数据,
S114、重复多次步骤S111至步骤S113,获得多组光纤陀螺仪温度与零偏漂移数据。
进一步地,在步骤S1中,所述标度因数误差试验,包括以下步骤:
S121、将光纤陀螺仪置于转台温箱的转台中,令光纤陀螺仪轴向沿竖直方向设置,设定转台转速为20°/s,光纤陀螺仪通电,上位机开始采集光纤陀螺仪测量的角速度数据与光纤陀螺仪温度、光纤陀螺仪外部温度,
S122、设置转台温箱温度为室温,待光纤陀螺仪达到热平衡状态后,进行低温冲击试验,
S123、待低温冲击试验结束后,设置转台温箱温度为室温,待光纤陀螺仪达到热平衡状态后,上位机结束保存数据,
S124、设定转台转速为-20°/s,上位机开始保存数据,转台温箱温度设置与步骤S122、步骤S123相同,
S125、设定转台转速为0°/s,上位机开始保存数据,转台温箱温度设置与步骤S122、步骤S123相同,
S126、利用平滑滤波对所得数据进行平滑滤波预处理,再利用最小二乘法求取每一个时间点的标度因数,所求标度因数与常温下的标度因数差值为低温冲击环境下陀螺的标度因数误差,
S127、重复多次步骤S121至步骤S126,获得多组光纤陀螺仪温度与标度因数误差数据。
进一步地,在步骤S2中,描述温度向量与误差向量关系的LSTM神经网络模型的建立与训练包括训练集数据预处理和训练LSTM神经网络。
进一步地,所述训练集数据预处理,包括以下步骤:
S211、分别对光纤陀螺仪温度、光纤陀螺仪外部温度以及零偏漂移、标度因数误差进行平滑均值滤波:设置平滑时间窗口为100s,
S212、求取光纤陀螺仪温度变化率:
ΔT in = T in (t)-T in (t-60s) (1)
式(1)中,T in (t)为光纤陀螺仪当前时刻温度值,T in (t-60s)为光纤陀螺仪60 s前的温度值,
对式(1)其进行平滑均值滤波,平滑时间窗口设为100 s,
S213、求取光纤陀螺仪温度梯度:
对式(2)进行平滑均值滤波,平滑时间窗口设为100s,
S214、分别对光纤陀螺仪温度、光纤陀螺仪温度梯度、光纤陀螺仪温度变化率以及零偏漂移、标度因数误差值通过下述公式进行归一化处理,
式(3)中,T in_nol为光纤陀螺仪温度归一化值,T in为光纤陀螺仪温度,T in_min为光纤陀螺仪温度最小值,T in_max为光纤陀螺仪温度最大值,
式(5)中,ΔT in_nol为光纤陀螺仪温度变化率归一化值,ΔT in为光纤陀螺仪温度变化率,ΔT in _min为光纤陀螺仪温度变化率最小值,ΔT in _max为光纤陀螺仪温度变化率最大值,
式(6)中,B e _nol为零偏漂移归一化值,B e为零偏漂移,B e _min为零偏漂移最小值,B e _max为零偏漂移最大值,
式(7)中,K e _nol为标度因数误差归一化值,K e为标度因数误差,K e _min为标度因数误差最小值,K e _max为标度因数误差最大值。
进一步地,所述训练LSTM神经网络,包括以下步骤:
S221、设置LSTM神经网络为三输入、双输出的三层神经元网络,其中,隐藏层由8个神经元构成,具体方法如下:
S222、利用归一化后的训练集,以温度向量作为神经网络的输入量,误差向量作为神经网络的输出量对LSTM神经网络进行训练,以获取网络的权重矩阵与偏置向量:
选用MSELoss作为训练时的损失函数:
选用AdaGrad作为训练时的参数优化器:
式(17)中,式中,为t步骤时刻第i个参数值、/>为t+1步骤时刻第i个参数值,为学习率,/>为t步骤时刻对角矩阵/>对角线上第i个元素值,/>为一个避免零除的最小量,/>为t步骤时刻第i个参数的梯度值;
S223、将上步计算得到的网络参数部署到LSTM神经网络中,对光纤陀螺仪的零偏漂移与标度因数误差进行补偿,利用采集的光纤陀螺仪温度与光纤陀螺仪温度梯度,计算光纤陀螺仪温度变化率后进行归一化、限幅并组成温度向量输入到LSTM神经网络模型中,获得当前时刻光纤陀螺仪的归一化标度因数误差、零偏漂移,则标度因数误差、零偏漂移/>陀螺输出的补偿值为:
式(20)中,K e _min为标度因数误差最小值,K e _max为标度因数误差最大值,
式(21)中,B e _min为零偏漂移最小值,B e _max为零偏漂移最大值,
本发明通过LSTM模型引入光纤陀螺仪温度梯度作为温度向量之一,进而在低温冲击中消除累积误差,提高光纤陀螺仪测量精度。
本发明具体的效果如下:
本发明利用LSTM神经网络对光纤陀螺仪的温度特性进行建模,克服了传统线性模型不能对温漂非线性部分建模的问题。同时,利用LSTM可以实现对序列数据中数据趋势和前后相关性的挖掘特性,提高数据输入量的数据维度。
本发明对光纤陀螺仪在低温冲击环境下的零偏漂移与标度因数误差进行建模,模型针对性强、变量全面,准确地描述了低温冲击时的误差,并提出了具体的误差补偿方法,提高了角速度测量精度。。
附图说明
下面通过参考附图并结合实例具体地描述本发明,本发明的优点和实现方式将会更加明显,其中附图所示内容仅用于对本发明的解释说明,而不构成对本发明的任何意义上的限制,在附图中:
图1是本发明的流程示意图,
图2是本发明的试验温度控制图,
图3是本发明LSTM神经网络神经元结构示意图。
具体实施方式
如图1所示,本发明一种光纤陀螺仪低温冲击误差补偿方法,包括以下步骤:
S1、在低温冲击条件下,对光纤陀螺仪(包括光纤环和电路)分别进行零偏漂移试验与标度因数误差试验,采集、计算低温冲击下的零偏漂移与标度因数误差,
S11、零偏漂移试验,包括以下步骤:
S111、将光纤陀螺仪置于单轴转台温箱的转台中,转动转台令光纤陀螺仪敏感轴指东,光纤陀螺仪通电,上位机开始采集光纤陀螺仪测量的角速度数据与光纤陀螺仪温度(即光纤陀螺仪内部温度)、光纤陀螺仪外部温度,
S112、设置转台温箱温度为室温,待光纤陀螺仪达到热平衡状态后,进行低温冲击试验,试验温度设置如图2所示,25℃热平衡后降温至-40℃,保持在-40℃ 4小时,然后升温至60℃,保持在60℃ 4小时,最后降温至25℃保持直至结束,
S113、待低温冲击试验结束后,设置转台温箱温度为室温,待光纤陀螺仪达到热平衡状态后,上位机结束保存数据,所保存数据即为低温冲击环境下光纤陀螺仪的零偏漂移数据,
S114、重复多次上述步骤,获得多组光纤陀螺仪温度与零偏漂移数据。
S12、标度因数误差试验,包括以下步骤:
S121、将光纤陀螺仪置于转台温箱的转台中,令光纤陀螺仪轴向沿竖直方向设置,设定转台转速为20°/s,光纤陀螺仪通电,上位机开始采集光纤陀螺仪测量的角速度数据与光纤陀螺仪温度、光纤陀螺仪外部温度,
S122、设置转台温箱温度为室温,待光纤陀螺仪达到热平衡状态后,进行低温冲击试验,试验温度图如图2所示,25℃热平衡后降温至-40℃,保持在-40℃ 4小时,然后升温至60℃,保持在60℃ 4小时,最后降温至25℃保持直至结束,
S123、待低温冲击试验结束后,设置转台温箱温度为室温,待光纤陀螺仪达到热平衡状态后,上位机结束保存数据,
S124、设定转台转速为-20°/s,上位机开始保存数据,转台温箱温度设置与步骤S122、步骤S123相同,
S125、设定转台转速为0°/s,上位机开始保存数据,转台温箱温度设置与步骤S122、步骤S123相同,
S126、利用平滑滤波对所得数据进行平滑滤波预处理,再利用最小二乘法求取每一个时间点的标度因数,所求标度因数与常温下的标度因数差值即为低温冲击环境下陀螺的标度因数误差,
S127、重复多次步骤S121至步骤S126,获得多组光纤陀螺仪温度与标度因数误差数据。
S2、利用步骤S1中的一组零偏漂移试验与标度因数误差试验的光纤陀螺仪温度、光纤陀螺仪温度梯度以及光纤陀螺仪温度变化率构成的温度向量为LSTM神经网络的输入量,以标度因数误差、零偏漂移构成的误差向量作为LSTM神经网络的输出量,对LSTM神经网络进行训练,获得一组描述温度向量与误差向量关系的神经网络模型,
其中,描述温度向量与误差向量关系的LSTM神经网络模型建立与训练步骤如下:
S21、训练集数据预处理,
S211、分别对光纤陀螺仪温度、光纤陀螺仪外部温度以及零偏漂移、标度因数误差进行平滑均值滤波:设置平滑时间窗口为100s,
S212、求取光纤陀螺仪温度变化率:
ΔT in = T in (t)-T in (t-60s) (1)
式(1)中,T in (t)为光纤陀螺仪当前时刻温度值,T in (t-60s)为光纤陀螺仪60 s前的温度值,
对式(1)其进行平滑均值滤波,平滑时间窗口设为100 s,
S213、求取光纤陀螺仪温度梯度:
对式(2)进行平滑均值滤波,平滑时间窗口设为100s,
S214、分别对光纤陀螺仪温度、光纤陀螺仪温度梯度、光纤陀螺仪温度变化率以及零偏漂移、标度因数误差值通过下述公式进行归一化处理,
式(3)中,T in_nol为光纤陀螺仪温度归一化值,T in为光纤陀螺仪温度,T in_min为光纤陀螺仪温度最小值,T in_max为光纤陀螺仪温度最大值,
式(5)中,ΔT in_nol为光纤陀螺仪温度变化率归一化值,ΔT in为光纤陀螺仪温度变化率,ΔT in _min为光纤陀螺仪温度变化率最小值,ΔT in _max为光纤陀螺仪温度变化率最大值,
式(6)中,B e _nol为零偏漂移归一化值,B e为零偏漂移,B e _min为零偏漂移最小值,B e _max为零偏漂移最大值,
式(7)中,K e _nol为标度因数误差归一化值,K e为标度因数误差,K e _min为标度因数误差最小值,K e _max为标度因数误差最大值。
S22、训练LSTM神经网络,
S221、设置LSTM神经网络为三输入、双输出的三层神经元网络,其中,隐藏层由8个神经元构成,其神经元结构如图3所示,具体方法如下:
S222、利用归一化后的训练集,即以温度向量作为神经网络的输入量,误差向量作为神经网络的输出量对LSTM神经网络进行训练,以获取网络的权重矩阵与偏置向量:
选用MSELoss作为训练时的损失函数:
选用AdaGrad作为训练时的参数优化器:
式(17)中,式中,为t步骤时刻第i个参数值、/>为t+1步骤时刻第i个参数值,为学习率,/>为t步骤时刻对角矩阵/>对角线上第i个元素值,/>为一个避免零除的最小量,/>为t步骤时刻第i个参数的梯度值。
S223、将上步计算得到的网络参数部署到LSTM神经网络中,对光纤陀螺仪的零偏漂移与标度因数误差进行补偿,利用采集的光纤陀螺仪温度与光纤陀螺仪温度梯度,计算光纤陀螺仪温度变化率后进行归一化、限幅并组成温度向量输入到LSTM神经网络模型中,获得当前时刻光纤陀螺仪的归一化标度因数误差、零偏漂移,则标度因数误差、零偏漂移/>陀螺输出的补偿值为:
式(20)中,K e _min为标度因数误差最小值,K e _max为标度因数误差最大值,
式(21)中,B e _min为零偏漂移最小值,B e _max为零偏漂移最大值,
可见,惯性导航中特征参数器件的非线性程度较高,而神经网络技术作为一种有效的非线性分类器,能够准确描述关系,直接映射非线性输出量之间的关系,可以避免恒定的测量,且具有良好的逼近复杂非线性函数的能力,可以较好地完成温度补偿的任务,为定位偏差提供参考。
本发明同时对低温冲击引起的零偏漂移与标度因数误差进行建模、补偿,并离线训练和模拟数据,并且使用LSTM长短期记忆神经网络代替线性拟合方法,从而对温度与零偏的复杂非线性关系进行建模,以提高光纤陀螺仪的测量精度和惯性导航系统的精度。
以上对本发明的实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明范围所作的均等变化与改进等,均应仍归属于本专利涵盖范围之内。
Claims (2)
1.一种光纤陀螺仪低温冲击误差补偿方法,其特征在于:包括以下步骤:
S1、在低温冲击条件下,对光纤陀螺仪分别进行零偏漂移试验与标度因数误差试验,采集、计算低温冲击下的零偏漂移与标度因数误差,
S2、利用步骤S1中的一组零偏漂移试验与标度因数误差试验的光纤陀螺仪温度、光纤陀螺仪温度梯度以及光纤陀螺仪温度变化率构成的温度向量作为LSTM神经网络的输入量,以标度因数误差、零偏漂移构成的误差向量作为LSTM神经网络的输出量,对LSTM神经网络进行训练,获得一组描述温度向量与误差向量关系的神经网络模型,利用所述神经网络模型对光纤陀螺仪的零偏漂移与标度因数误差进行补偿;
在步骤S1中,所述零偏漂移试验,包括以下步骤:
S111、将光纤陀螺仪置于转台温箱的转台中,转动转台令光纤陀螺仪敏感轴指东,光纤陀螺仪通电,上位机开始采集光纤陀螺仪测量的角速度数据与光纤陀螺仪温度、光纤陀螺仪外部温度;
S112、设置转台温箱温度为室温,待光纤陀螺仪达到热平衡状态后,进行低温冲击试验,试验温度设置为:25℃热平衡后降温至-40℃,保持在-40℃ 4小时,然后升温至60℃,保持在60℃ 4小时,最后降温至25℃保持直至结束;
S113、待低温冲击试验结束后,设置转台温箱温度为室温,待光纤陀螺仪达到热平衡状态后,上位机结束保存数据,所保存数据为低温冲击环境下光纤陀螺仪的零偏漂移数据;
S114、重复多次步骤S111至步骤S113,获得多组光纤陀螺仪温度与零偏漂移数据;
在步骤S1中,所述标度因数误差试验,包括以下步骤:
S121、将光纤陀螺仪置于转台温箱的转台中,令光纤陀螺仪轴向沿竖直方向设置,设定转台转速为20°/s,光纤陀螺仪通电,上位机开始采集光纤陀螺仪测量的角速度数据与光纤陀螺仪温度、光纤陀螺仪外部温度;
S122、设置转台温箱温度为室温,待光纤陀螺仪达到热平衡状态后,进行低温冲击试验,试验温度设置为:25℃热平衡后降温至-40℃,保持在-40℃ 4小时,然后升温至60℃,保持在60℃ 4小时,最后降温至25℃保持直至结束;
S123、待低温冲击试验结束后,设置转台温箱温度为室温,待光纤陀螺仪达到热平衡状态后,上位机结束保存数据;
S124、设定转台转速为-20°/s,上位机开始保存数据,转台温箱温度设置与步骤S122、步骤S123相同;
S125、设定转台转速为0°/s,上位机开始保存数据,转台温箱温度设置与步骤S122、步骤S123相同;
S126、利用平滑滤波对所得数据进行平滑滤波预处理,再利用最小二乘法求取每一个时间点的标度因数,所求标度因数与常温下的标度因数差值为低温冲击环境下陀螺的标度因数误差;
S127、重复多次步骤S121至步骤S126,获得多组光纤陀螺仪温度与标度因数误差数据;
在步骤S2中,描述温度向量与误差向量关系的LSTM神经网络模型的建立与训练包括训练集数据预处理和训练LSTM神经网络;
所述训练集数据预处理,包括以下步骤:
S211、分别对光纤陀螺仪温度、光纤陀螺仪外部温度以及零偏漂移、标度因数误差进行平滑均值滤波:设置平滑时间窗口为100s;
S212、求取光纤陀螺仪温度变化率:
ΔT in = T in (t)-T in (t-60s)(1)
式(1)中,T in (t)为光纤陀螺仪当前时刻温度值,T in (t-60s)为光纤陀螺仪60s前的温度值;
对式(1)其进行平滑均值滤波,平滑时间窗口设为100 s;
S213、求取光纤陀螺仪温度梯度:
对式(2)进行平滑均值滤波,平滑时间窗口设为100s;
S214、分别对光纤陀螺仪温度、光纤陀螺仪温度梯度、光纤陀螺仪温度变化率以及零偏漂移、标度因数误差值通过下述公式进行归一化处理,
式(3)中,T in_nol为光纤陀螺仪温度归一化值,T in为光纤陀螺仪温度,T in_min为光纤陀螺仪温度最小值,T in_max为光纤陀螺仪温度最大值;
式(6)中,B e _nol为零偏漂移归一化值,B e为零偏漂移,B e _min为零偏漂移最小值,B e _max为零偏漂移最大值;
式(7)中,K e _nol为标度因数误差归一化值,K e为标度因数误差,K e _min为标度因数误差最小值,K e _max为标度因数误差最大值。
2.根据权利要求1所述的光纤陀螺仪低温冲击误差补偿方法,其特征在于:所述训练LSTM神经网络,包括以下步骤:
S221、设置LSTM神经网络为三输入、双输出的三层神经元网络,其中,隐藏层由8个神经元构成,具体方法如下:
S222、利用归一化后的训练集,以温度向量作为神经网络的输入量,误差向量作为神经网络的输出量对LSTM神经网络进行训练,以获取网络的权重矩阵与偏置向量:
选用MSELoss作为训练时的损失函数:
选用AdaGrad作为训练时的参数优化器:
式(17)中,式中,为t步骤时刻第i个参数值、/>为t+1步骤时刻第i个参数值,/>为学习率,/>为t步骤时刻对角矩阵/>对角线上第i个元素值,/>为一个避免零除的最小量,为t步骤时刻第i个参数的梯度值;
S223、将上步计算得到的网络参数部署到LSTM神经网络中,对光纤陀螺仪的零偏漂移与标度因数误差进行补偿,利用采集的光纤陀螺仪温度与光纤陀螺仪温度梯度,计算光纤陀螺仪温度变化率后进行归一化、限幅并组成温度向量输入到LSTM神经网络模型中,获得当前时刻光纤陀螺仪的归一化标度因数误差和零偏漂移/>,则标度因数误差/>和零偏漂移/>的光纤陀螺仪输出的补偿值为:
式(20)中,K e_min为标度因数误差最小值,K e_max为标度因数误差最大值,
式(21)中,B e_min为零偏漂移最小值,B e_max为零偏漂移最大值,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310170514.0A CN115855016B (zh) | 2023-02-27 | 2023-02-27 | 一种光纤陀螺仪低温冲击误差补偿方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310170514.0A CN115855016B (zh) | 2023-02-27 | 2023-02-27 | 一种光纤陀螺仪低温冲击误差补偿方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115855016A CN115855016A (zh) | 2023-03-28 |
CN115855016B true CN115855016B (zh) | 2023-06-16 |
Family
ID=85659140
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310170514.0A Active CN115855016B (zh) | 2023-02-27 | 2023-02-27 | 一种光纤陀螺仪低温冲击误差补偿方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115855016B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116358545B (zh) * | 2023-05-24 | 2023-08-18 | 融感科技(北京)有限公司 | 一种惯性传感器零偏温度补偿方法 |
CN117057432B (zh) * | 2023-08-31 | 2024-04-19 | 广州计测检测技术股份有限公司 | 一种应用于工件温度冲击试验的方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110501009A (zh) * | 2019-08-07 | 2019-11-26 | 北京航空航天大学 | 一种用于微机电惯性测量单元温度误差补偿的方法 |
CN113865619A (zh) * | 2021-09-28 | 2021-12-31 | 中国船舶重工集团公司第七0七研究所 | 一种改善高精度光纤陀螺全温零偏稳定性的方法 |
CN114018234A (zh) * | 2021-09-23 | 2022-02-08 | 北京控制工程研究所 | 一种光纤陀螺标度因数快速自校正方法 |
CN114674343A (zh) * | 2022-01-22 | 2022-06-28 | 中国船舶重工集团公司第七0七研究所 | 一种光纤陀螺仪标度因数全温误差补偿方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19842702C1 (de) * | 1998-09-17 | 2000-03-30 | Litef Gmbh | Faseroptischer Kreisel mit geschlossener Regelschleife und Kompensation des Shupe-Effekts |
CN103593538B (zh) * | 2013-11-28 | 2017-03-22 | 东南大学 | 一种遗传算法优化动态递归神经网络的光纤陀螺温度漂移建模方法 |
CN105333888B (zh) * | 2015-11-26 | 2018-02-23 | 湖北三江航天红峰控制有限公司 | 一种利用一次温度实验同时补偿光纤陀螺标度因数及零偏的方法 |
CN113739779A (zh) * | 2021-08-31 | 2021-12-03 | 中国船舶重工集团公司第七0七研究所 | 基于bp神经网络半球谐振陀螺多元温度补偿系统及方法 |
CN114046802B (zh) * | 2021-09-28 | 2023-05-02 | 中国船舶重工集团公司第七0七研究所 | 一种光纤陀螺分步温度补偿方法 |
CN114459455B (zh) * | 2021-12-24 | 2023-02-14 | 浙江大学 | 一种基于lstm的光纤陀螺标度因数误差补偿方法 |
CN114754801B (zh) * | 2022-06-16 | 2022-08-26 | 北京理工导航控制科技股份有限公司 | 一种基于神经网络对光纤陀螺零偏温度补偿方法、装置及存储介质 |
CN115235511A (zh) * | 2022-07-04 | 2022-10-25 | 浙江大学 | 一种基于cwoa-mlp神经网络的光纤陀螺启动阶段标度因数误差补偿方法 |
-
2023
- 2023-02-27 CN CN202310170514.0A patent/CN115855016B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110501009A (zh) * | 2019-08-07 | 2019-11-26 | 北京航空航天大学 | 一种用于微机电惯性测量单元温度误差补偿的方法 |
CN114018234A (zh) * | 2021-09-23 | 2022-02-08 | 北京控制工程研究所 | 一种光纤陀螺标度因数快速自校正方法 |
CN113865619A (zh) * | 2021-09-28 | 2021-12-31 | 中国船舶重工集团公司第七0七研究所 | 一种改善高精度光纤陀螺全温零偏稳定性的方法 |
CN114674343A (zh) * | 2022-01-22 | 2022-06-28 | 中国船舶重工集团公司第七0七研究所 | 一种光纤陀螺仪标度因数全温误差补偿方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115855016A (zh) | 2023-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115855016B (zh) | 一种光纤陀螺仪低温冲击误差补偿方法 | |
CN110487301B (zh) | 一种雷达辅助机载捷联惯性导航系统初始对准方法 | |
Chang et al. | Strapdown inertial navigation system initial alignment based on modified process model | |
Bezick et al. | Inertial navigation for guided missile systems | |
Sun et al. | Line-of-sight rate estimation based on UKF for strapdown seeker | |
CN103363966B (zh) | 一种低成本组合型陀螺仪 | |
CN113804185A (zh) | 基于mems阵列式的新型惯性导航系统 | |
Liu et al. | Dynamic Modeling and Coupling Characteristic Analysis of Two‐Axis Rate Gyro Seeker | |
Lu et al. | A new calibration method of MEMS IMU plus FOG IMU | |
He et al. | Particle swarm optimization-based gyro drift estimation method for inertial navigation system | |
Wang et al. | Accurate Attitude Determination Based on Adaptive UKF and RBF Neural Network Using Fusion Methodology for Micro‐IMU Applied to Rotating Environment | |
Wang et al. | Virtual gyros construction and evaluation method based on BILSTM | |
Liu et al. | Line-of-sight estimation for missile with roll-pitch seeker | |
Sheng et al. | A transfer alignment algorithm based on combined double-time observation of velocity and attitude | |
RU2387056C2 (ru) | Способ формирования сигналов инерциального управления направлением зеркала антенного устройства на неподвижный объект визирования с одновременным формированием сигналов автономного самонаведения подвижного носителя на неподвижный объект визирования при круговом вращении основания антенного устройства, установленного жестко внутри корпуса вращающегося по крену подвижного носителя, и система для его осуществления | |
Wang et al. | Compounded calibration based on FNN and attitude estimation method using intelligent filtering for low cost MEMS sensor application | |
Su et al. | Friction compensation for an m-Level telescope based on high-precision LuGre parameters identification | |
Duan et al. | Pointing control design based on the PID type-III control loop for two-axis gimbal systems | |
Wang et al. | Integrated navigation method based on inertial and geomagnetic information fusion | |
CN111090830A (zh) | 一种高轨非合作目标在轨光压辨识方法 | |
McKelvie et al. | The evolution of the ship's inertial navigation system for the fleet Ballistic missile program | |
Hegazy et al. | Improved multi-position calibration method for mechanical inertia measurement units | |
Zhang et al. | Study on technology of orientation and north-finding based on fiber optic gyroscope | |
Meng et al. | A GNSS/INS integrated navigation compensation method based on CNN-GRU+ IRAKF hybrid model during GNSS outages | |
Yuan et al. | Multisensor Integrated Autonomous Navigation Based on Intelligent Information Fusion |
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 |