CN116500300A - 石英挠性加速度计的标定方法 - Google Patents
石英挠性加速度计的标定方法 Download PDFInfo
- Publication number
- CN116500300A CN116500300A CN202211576272.7A CN202211576272A CN116500300A CN 116500300 A CN116500300 A CN 116500300A CN 202211576272 A CN202211576272 A CN 202211576272A CN 116500300 A CN116500300 A CN 116500300A
- Authority
- CN
- China
- Prior art keywords
- quartz flexible
- flexible accelerometer
- linear regression
- regression model
- quartz
- 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.)
- Pending
Links
- 239000010453 quartz Substances 0.000 title claims abstract description 111
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 title claims abstract description 111
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012417 linear regression Methods 0.000 claims abstract description 81
- 238000012360 testing method Methods 0.000 claims description 44
- 238000005259 measurement Methods 0.000 claims description 38
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 14
- 238000000692 Student's t-test Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 4
- 238000009434 installation Methods 0.000 description 4
- 238000012353 t test Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 238000013112 stability test Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
- G01P15/02—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration by making use of inertia forces using solid seismic masses
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明公开了一种石英挠性加速度计的标定方法,包括如下步骤:S100获取石英挠性加速度计在若干个时间节点的原始数据;S200根据原始数据,建立线性回归模型;S300根据线性回归模型,前向预测石英挠性加速度计若干个目标时间节点的性能参数的预测数值。本申请方案中通过线性回归模型的建立,提高了石英挠性加速度计的标定效率,并且专用设备的使用次数减少,节约了成本。
Description
技术领域
本发明涉及传感器的技术领域,尤其涉及一种石英挠性加速度计的标定方法。
背景技术
石英挠性加速度计的标定方法是惯性导航系统中一种核心的惯性传感器,它通常用于测量载体的线加速度,经导航计算机解算后,能够得到载体相对于导航坐标系的速度和位置信息。
相关技术中,石英挠性加速度计的标定方法通常在一个月内进行6次四位置的翻转标定,每次得到石英挠性加速度计的性能参数的实测数值。然而,石英挠性加速度计通常需要在专用的设备上进行1个月、3个月、6个月、12个月甚至更长时间的标定测试,因此,需要投入大量的专用设备,造成成本高昂。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种石英挠性加速度计的标定方法,根据本发明实施例的石英挠性加速度计的标定方法,包括如下步骤:
S100获取石英挠性加速度计在若干个时间节点的原始数据;
S200根据原始数据,建立线性回归模型;
S300根据所述线性回归模型,前向预测石英挠性加速度计若干个目标时间节点的性能参数的预测数值。
根据本发明实施例的石英挠性加速度计的标定方法,至少具有如下有益效果:在初始几个月以后,石英挠性加速度计在各个时间节点可通过线性回归模型完成标定测试。由上可见,本申请方案中石英挠性加速度计的标定方法,提高了石英挠性加速度计的标定效率,并且专用设备的使用次数减少,节约了成本。
根据本发明的一些实施例,步骤S300包括如下步骤:
S310获取石英挠性加速度计当前一个时间节点的原始数据,并做为所述线性回归模型的变量值;
S320结合线性回归模型,前向预测石英挠性加速度计若干个目标时间节点的性能参数的预测数值;
S330循环步骤S310与步骤S320,直至石英挠性加速度计的标定结束。
根据本发明的一些实施例,步骤S300包括如下步骤:
S310获取石英挠性加速度计标定测试的原始数据;
S320采用插值法计算获得所述线性回归模型的变量值;
S330结合线性回归模型,前向预测石英挠性加速度计若干个目标时间节点的性能参数的预测数值;
S340循环步骤S310、步骤S320与步骤S330,直至石英挠性加速度计的标定结束。
根据本发明的一些实施例,步骤S300还包括如下步骤:
获取步骤S100中若干个时间节点的性能参数的实测数值,并计算得到所述性能参数的实测标准差;
获取步骤S300中若干个时间节点的性能参数的数据,并计算得到所述性能参数的预测标准差;
对比分析所述实测标准差与所述预测标准差,若两者差值在第一设定值或第一设定值以上,在步骤S320中,减少相邻所述时间节点之间的间隔天数,和/或减少步骤S320中的预测次数。
根据本发明的一些实施例,所述线性回归模型的特征变量至少包括IDorder与Vni270du,其中,IDorder为当前目标时间节点距离参照时间节点的天数,Vni270du为石英加速度计在标定测试时产生的原始数据。
根据本发明的一些实施例,在步骤S300之前还包括如下步骤:验证所述线性回归模型的精确性,具体包括如下步骤:
根据步骤S100中各个时间节点的原始数据,计算得到步骤S100中各个时间节点的性能参数的实测数值,并计算得到所述性能参数的实测平方根;
结合线性回归模型与步骤S100中各个时间节点的原始数据,计算得到步骤S100中各个个时间节点的所述性能参数的预测数值,并计算得到所述性能参数的预测平方根;
对比分析所述实测平方根与所述预测平方根,若两者差值在第二设定值或第二设定值以下,则进行步骤S300。
根据本发明的一些实施例,步骤S200包括如下步骤:
根据时间序列算法预处理原始数据,获取新的特征变量;
基于R语言中的stepAIC函数,淘汰部分特征变量;
基于多元线性回归算法,建立所述线性回归模型。
根据本发明的一些实施例,步骤S200还包括如下步骤:根据相关性矩阵,剔除多重共线性的所述特征变量。
根据本发明的一些实施例,还包括如下步骤:
判断石英绕性加速度计的各类性能参数的自相关性,若所述性能参数的自相关性大于第三设定值,则符合预测要求;
其中,在步骤S300中,根据所述线性回归模型,前向预测符合要求的所述性能参数的预测数值。
根据本发明的一些实施例,判断石英绕性加速度计的各类性能参数的自相关性之前还包括如下步骤:
获取石英挠性加速度计的原始数据;
根据时间序列算法预处理原始数据,获取特征列,筛选所述特征列;
结合自相关分析函数,计算得到各类所述性能参数的自相关性的数据。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
下面结合附图和实施例对本发明做进一步的说明,其中:
图1为本发明实施例石英挠性加速度计的标定方法的流程示意图;
图2为本发明实施例的步骤S300的一种流程示意图;
图3为本发明实施例的步骤S300的另一种流程示意图;
图4为本发明实施例的步骤S300的调整流程示意图;
图5为本发明实施例的判定线性回归模型的精确性的流程示意图;
图6为本发明实施例的步骤S200的流程示意图;
图7为本发明实施例的判定性能参数的自相关性的流程示意图。
图8为本发明实施例的判定自相关性的准备工作流程示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,涉及到方位描述,例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,若干的含义是一个以上,多个的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本发明的描述中,除非另有明确的限定,设置、安装、连接等词语应做广义理解,所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
本发明的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
为便于描述本申请方案,以下介绍与本公开有关的概念。
石英挠性加速度计是惯性导航系统中一种核心的惯性传感器,它通常用于测量载体的线加速度,经导航计算机解算后,能够得到载体相对于导航坐标系的速度和位置信息。因其具有体积小、测量精度高、成本低等优点,被广泛应用于航天、航空、航海的导航系统和各种武器型号。
在评价石英挠性加速度计长期稳定性时,石英挠性加速度计通常需要在专用的设备上进行1个月、3个月、6个月、12个月甚至更长时间的连续标定测试,测得石英挠性加速度计的各类性能参数的实测数值,例如K0(零偏)、K1(标度因数)、δ(安装误差角)和K2(二次非线性系数)等性能参数。石英挠性加速度计前后两次标定测试的时间节点一般在3天至8天之间,任意相邻两个时间节点的间隔时间可以相同,也可以不同,根据实际情况,合理安排两个时间节点的间隔天数。
本发明公开了一种石英挠性加速度计的标定方法,参照图1,包括如下步骤:
S100获取石英挠性加速度计在若干个时间节点的原始数据;
S200根据原始数据,建立线性回归模型;
S300根据线性回归模型,前向预测石英挠性加速度计若干个目标时间节点的性能参数的预测数值。
在步骤S100中,在起始几个月内的各个时间节点,采用专用设备对石英挠性加速度计进行标定测试,获取对应时间节点的原始数据。根据原始数据,计算得到石英挠性加速度计在各个时间节点的性能参数的实测数值。例如,在起始的3个月内,大概14个时间节点,需要采用专用设备标定测试石英挠性加速度计。在起始的6个月内,大概29个时间节点,需要采用专用设备标定测试石英挠性加速度计。在步骤S200中,根据起始3个月或6个月标定测试获取的数据,建立准确度符合预测要求的线性回归模型。在步骤S300中,在起始几个月之后,例如自第4个月或第7个月开始,石英挠性加速度计在各个时间节点的标定测试,可以通过上述的线性回归模型计算获得。为了保证预测的精准率,少部分的时间节点需要采用专用设备完成标定测试。
综上可见,相比于现有技术中石英挠性加速度计在各个时间节点的标定测试,均需要采用专用设备进行石英挠性加速度计的标定测试。在本申请方案中,在初始的几个月内,各个时间节点均需要采用专用设备完成石英挠性加速度计的标定测试。在初始几个月以后,石英挠性加速度计在各个时间节点可通过线性回归模型完成标定测试。由上可见,本申请方案中石英挠性加速度计的标定方法,提高了石英挠性加速度计的标定效率,并且专用设备的使用次数减少,节约了成本。
在一些实施例中,线性回归模型的特征变量至少包括IDorder与Vni270du,例如:线性回归模型的公式设置为:pred=2.267e+05+85.3-6.336e-02*IDorder+2.149e+05*Vni270du+4.167e-01*Huanzhi180du;
其中,pred为性能参数的预测数值;IDorder为当前目标时间节点距离参照时间节点的天数,Vni270du与Huanzhi180du为石英挠性加速计标定测试时产生的原始数据。
具体说明:以一个时间节点为参照时间节点,在参照时间节点,采用专用设备对石英绕行加速计进行标定测试,并获取原始数据Vni270du与Huanzhi180du;当需要前向预测一个时间节点的性能参数的预测数值,例如,参照时间节点为2月8号,目标时间节点设置为2月14号,IDorder设置为6天,此时,上述Vni270du与Huanzhi180du的数值与IDorder的数值带入上述的线性回归模型,从而计算获得2月14号性能参数的预测数值。同理,目标时间节点设置为2月18号,IDorder设置为10天,上述Vni270du与Huanzhi180du的数值与IDorder的数值带入上述的线性回归模型,从而计算获得2月18号性能参数的预测数值。
综上可见,本申请方案以一个时间节点作为参照时间节点,根据参数时间节点标定测试获得的Vni270du与Huanzhi180du的数值,从而能够前向预测多个目标时间节点的性能参数的预测数值。
为了验证模型中IDorder、Vni270du、Huanzhi180du这三个自变量不存在多重共线性,我们采用t检验和VIF值检验(即方差膨胀因子)的方式来验证。
以下是t检验的结果,可以看出,三个自变量系数的pr(>|t|)都小于0.05,所以都通过了t检验。下图中pr(>|t|)越小,星号越多,说明t检验越显著。另外,多重R2值为0.9062,说明这三个自变量对于K0ug的准确预测可以贡献90.62%的信息。
以下是对三个自变量的VIF值检验,它们的vif值都小于5,说明已经不存在多重共线性。
需要说明的是,本申请方案线性回归模型并不限定上述一种形式,需要结合石英加速度计在标定测试时原始数据,从而建立能够用于精确前向预测石英加速度计的性能参数的数值的模型,因此,标定测试的原始数据不同,线性回归模型也存在不同,例如,pred=-0.06692*IDorder-98.42933*Vni270du。
在一些实施例中,参照图1与图2,步骤S200包括如下步骤:
S210根据时间序列算法预处理原始数据,获取新的特征变量;
S220基于R语言中的stepAIC函数,淘汰部分特征变量;
S230基于多元线性回归算法,建立线性回归模型。
具体的,在步骤S100中,通过专用设备标定测试石英挠性加速度计,获取三个月或六个月内各个时间节点的原始数据。在步骤S210中,采用时间序列的算法预处理原始数据,获取新的特征变量;在步骤S220中,利用R语言中的stepAIC函数的特性,可以自动淘汰不合适的特征变量,剩下的特征变量就是模型所需要的特征变量;在步骤S230中,基于多元线性回归算法,可建立线性回归模型,经测试,通过线性回归模型计算目标时间节点的性能参数的预测数值,稳定性没有超过《加速度计规格要求》中规定,预测误差可以被接受。
进一步地,步骤S200还包括如下步骤:S221根据相关性矩阵,剔除多重共线性的特征变量;该步骤可以设置在S210与S220之间,也可设置在S220与S230之间。
具体的,特征变量之间存在严重的多重共线性,通过具有多重共线性的特征变量建立线性回归模型,线性回归模型计算获得的预测数值的稳定性较差。通过步骤S221的设置,可以发现很多特征变量之间存在的强相关关系,剔除具有多重共线性的特征变量,只保留不存在严重多重共线性的特征变量。剩下的特征变量均是与性能参数具有较强的相关性,但是相互之间又没有共线性的特征变量,由此,步骤S230基于多元线性回归算法,能够建立精确的线性回归模型。
在一些实施例中,参照图1与图3,在步骤S300之前还包括如下步骤:验证线性回归模型的精确性,该步骤具体包括如下步骤:
S201根据步骤S100中各个时间节点的原始数据,计算得到步骤S100中各个时间节点的性能参数的实测数值,并计算得到性能参数的实测平方根;
S202结合线性回归模型与步骤S100中各个时间节点的原始数据,计算得到步骤S100中各个时间节点的性能参数的预测数值,并计算得到性能参数的预测平方根;
S203对比分析实测平方根与预测平方根,若两者差值在第二设定值值或第二设定值值以下,则进行步骤S300。
具体分析如下:在步骤S100中的起始6个月内,6个月中设置有29个时间节点,因此,采用专用设备标定测试获得29组原始数据。根据上述的29组原始数据,计算获得6个月内29个时间节点的性能参数的实测数值。结合平方根公式与上述的性能参数的实测数值,计算获得性能参数的实测平方根。同理,根据29组原始数据中的Vni270du与Huanzhi180du的数值,以及IDorder的数值设置为0,并利用上述的线性回归模型,计算获得6个月内29个时间节点的性能参数的预测数值。结合平方根公式与上述的性能参数的预测数值,计算获得性能参数的预测测平方根。对比分析实测平方根与预测平方根,实测平方根与预测平方根之间的差值在第二设定值值或第二设定值值以下,说明预测6个月数据的稳定性与实测6个月数据的稳定性相差不大,步骤S200建立的线性回归模型符合要求,石英挠性加速度计在第七个月、第八个月.....的标定测试可以采用线性回归模型前向预测。反之,则需要重新调整线性回归模型。
结合数据说明:预测值与实测数据的K0值的偏离度(abspnct列),29次预测中,最大的偏离度为6.49%(5.44ug),最小的偏离度为0.054%(0.05ug)。实测数据的K0的6个月稳定性为6.97ug,预测数值的K0的6个月稳定性为6.636ug,偏差为0.334ug,这与石英挠性加速度计6个月K0稳定性的指标要求15ug相差较大,所以预测值可以用于评价石英挠性加速度计的长期稳定性。
同理,K1与δ也可以用相同的方法训练模型和预测长期稳定性。
计算数据与结构如上图所示,K0ug是K0真实值,pred是原有数据上的预测值,因为线性回归,小样本量只有29个,故可以用训练数据来做预测精度检验。
diff是K0ug–pred的差;
absdiff是diff的绝对值;
abspnct是:{(真实值–预测值)/真实值}的绝对值,即偏离度;
K0ug的均值:K0ug的平均值;
(pred-K0ug均值)的平方:为预测值和K0ug的均值的平方,因为预测值不能偏离K0ug真实值的均值太远;
H列的求和:对(pred-K0ug均值)的平方求和;
总共29个数值:共有测量值个数,29个测量值;
I2/J2值:先计算(pred-K0ug均值)平方,再求和,然后除以测量值个数,即平均方差;
K2平方根:对I2/J2的计算结果(平均方差)求平方根,计算结果为预测数据6个月的K0稳定性值(即1σ)6.636368,而实测数据6个月的K0稳定性(B列的1σ)为:6.970757674。
在一些实施例中,参照图1与图4,步骤S300包括如下步骤:
S310获取石英挠性加速度计当前一个时间节点的原始数据;
S320结合线性回归模型与步骤S310中获取的所述原始数据,前向预测石英挠性加速度计若干个目标时间节点的性能参数的预测数值;
S330循环步骤S310与步骤S320,直至石英挠性加速度计的标定结束。
结合实例具体分析如下:参照下表,2月8日设置为第一次时间节点,该时间节点也为参照时间节点。在第一时间节点,采用专用设备对石英挠性加速度计进行标定测试,获得了Vni270du和Huanzhi180du的实测数值(原始数据),IDorder设置为0;
2月14日设置为第二次时间节点,Vni270du和Huanzhi180du的数据为第一次时间节点的原始数据,IDorder设置为6天,将Vni270du、Huanzhi180du和IDorder的数据带人上述的线性回归模型,计算获得该时间节点的性能参数的预测数值。其中,性能参数可以是K0、K1和δ(表中的K2)。
2月18日设置为第三次时间节点,Vni270du和Huanzhi180du的数据为第一次时间节点的原始数据,IDorder设置为10天,将Vni270du、Huanzhi180du和IDorder的数据带人上述的线性回归模型,计算获得该时间节点的性能参数的预测数值。其中,性能参数可以是K0、K1和δ(表中的K2)。
2月22日设置为第四次时间节点,Vni270du和Huanzhi180du的数据为第一次时间节点的原始数据,IDorder设置为14天,将Vni270du、Huanzhi180du和IDorder的数据带人上述的线性回归模型,计算获得该时间节点的性能参数的预测数值。其中,性能参数可以是K0、K1和δ(表中的K2)。
循环上述步骤:
2月28日设置为第五次时间节点,该时间节点也为参照时间节点,采用专用设备对石英挠性加速度计进行标定测试,获得了Vni270du和Huanzhi180du的实测数值,IDorder设置为0;
3月5日设置为第六次时间节点,Vni270du和Huanzhi180du的数据为第五次时间节点的原始数据,IDorder设置为5天,将Vni270du、Huanzhi180du和IDorder的实测数值带人上述的线性回归模型,计算获得该时间节点的性能参数的预测数值。其中,性能参数可以是K0、K1和δ(表中的K2)。
3月10日设置为第七次时间节点,Vni270du和Huanzhi180du的数据为第五次时间节点的原始数据,IDorder设置为10天,将Vni270du、Huanzhi180du和IDorder的数据带人上述的线性回归模型,计算获得该时间节点的性能参数的预测数值。其中,性能参数可以是K0、K1和δ(表中的K2)。
3月16日设置为第八次时间节点,Vni270du和Huanzhi180du的数据为第五次时间节点的原始数据,IDorder设置为16天,将Vni270du、Huanzhi180du和IDorder的数据带人上述的线性回归模型,计算获得该时间节点的性能参数的预测数值。其中,性能参数可以是K0、K1和δ(表中的K2)。
循环上述步骤,直至第二十九次时间节点(参照下表)。
通过以上方法得到29个预测值,结果如下图所示:
由上表可见,每间隔3次标定(每次标定间隔约6天,4次标定间隔约20天左右)进行一次实际标定测试所得到的数据,计算前向预测结果。预测的6个月K0稳定性为6.209ug,实际的稳定性为6.97ug,两者之差为0.761ug,其占实际稳定性的10.91%,也即误差为10.76%,说明准确率约为90%。
代替上述步骤S300,在一些实施例中,参照图1与图5,步骤S300包括如下步骤:
S310获取石英挠性加速度计标定测试的原始数据;
S320采用插值法计算获得所述线性回归模型的变量值;
S330结合线性回归模型,前向预测石英挠性加速度计若干个目标时间节点的性能参数的预测数值;
S340循环步骤S310、步骤S320与步骤S330,直至石英挠性加速度计的标定结束。
具体分析如下:在计算目标时间节点的性能参数的预测数值时,标定测试的原始数据直接应用于上述的线性回归模型,从而获得性能参数的预测数值。代替上述方案,采用插值法计算获得各个目标时间节点的变量值,很明显,计算获得的变量值作为线性回归模型的变量值,线性回归模型能够更精确地预测出性能参数的预测数值。
在一些实施例中,参照图1与图6,在步骤S300过程中,还包括如下步骤:
S301获取步骤S100中若干个时间节点的性能参数的实测数值,并计算得到性能参数的实测标准差;
S302获取步骤S300中若干个时间节点的性能参数的数据,并计算得到性能参数的预测标准差,其中,性能参数的数据至少部分为预测数值;
S303对比分析实预测标准差与预测标准差,若两者差值在第一设定值或第一设定值以上,在步骤S320中,减少相邻时间节点之间的间隔天数,和/或减少步骤S320中的预测次数。
具体分析如下:在步骤S100中的起始6个月内,6个月设置有29个时间节点。根据其中连续的六组原始数据,计算获得6个时间节点的性能参数的实测数值。结合标准差公式与上述的性能参数的实测数值,计算获得性能参数的实测标准差。同理,在步骤S310至步骤S330中,获取6个时间节点的性能参数的数据,由于采用测一算三的方式,所以6次的性能参数的数据至少有一次为性能参数的实测数值。结合标准差公式与上述的性能参数的预测数值,计算获得性能参数的预测标准差。对比分析实测标准差与预测标准差,实测标准差与预测标准差之间的差值在第一设定值值或第一设定值值以上,说明预测数值的稳定性与实测数值的稳定性相差较大,需要减少相邻时间节点之间的间隔天数,和/或减少步骤S320中的预测次数,如此,提高性能参数的预测数值的精度。反之,无需调节预测次数或间隔天数。
在上述说明中,起始时间段设置为六个月,根据石英挠性加速度计在六个月内标定测试的原始数据建立线性回归模型,在后续时间时,均可以采用线性回归模型前向预测石英挠性加速度计在目标时间节点时性能参数的数值。需要说明的是,起始时间段并不一定设置为六个月,例如,起始时间段设置为三个月,根据石英挠性加速度计在三个月内标定测试的原始数据建立线性回归模型,在后续的三个月,可通过线性回归模型前向预测石英挠性加速度计在后续三个月内目标时间节点的性能参数的数值,具体分析方法如下:
在前三个月内的各个时间节点,采用专用设备对石英绕性加速度计进行标定测试,其中,相邻时间节点之间在5至6天之间,三个月内共设定16个时间节点,专用设备对石英绕性加速计标定测试获取16组原始数据,根据上述的16组原始数据训练一个线性回归模型(回归数学公式)。
在后三个月的第一个时间节点,采用专用设备对石英挠性加速度计进行标定测试,测得石英挠性加速度计在第一个时间节点的原始数据;在第一个时间节点之后的各多个时间节点(目标时间节点),根据第一个时间节点的原始数据(Vni270du)、IDorder(当前目标时间节点距离第一个时间节点的天数)以及线性回归模型,预测石英挠性加速计在各个时间时性能参数的数值,例如,在第一个时间节点之后,预测石英挠性加速度计在后续4个时间节点的性能参数的数值。以此类推,再次在一个时间节点(后三个月的第六个时间节点)采用专用设备对石英挠性加速度计进行标定测试,测得石英挠性加速度计在该时间节点的原始数据。在该时间节点之后的多个时间节点(目标时间节点),根据该时间节点(后三个月的第六个时间节点)的原始数据(Vni270du)、IDorder(当前目标时间节点距离第六个时间节点的天数)以及线性回归模型,预测石英挠性加速计在各个时间时性能参数的数值,例如,在第六个时间节点之后,预测石英挠性加速度计在后续7个时间节点的性能参数的数值,且刚好满后三个月。
综上可见,第一方面,本申请方案可以节省大量实际测量的成本,尤其是从第三个月后,总共需要测量13次,实际只需测量2次,其它11次均通过线性回归函数预测;第二方面,本申请方案可以压缩测量周期,原本需要测量6个月时间,现在只需要测量2次,并能把实际测量周期压缩1.5个月~2个月左右(对于6个月稳定性测试而言)。如果是一年的稳定性测试,可以将实际测量周期压缩3~4个月。
在一些实施例中,在步骤S300中,根据线性回归模型,前向预测石英挠性加速度计的性能参数的预测数值,直至石英挠性加速度计标定测试结束。
具体分析:石英绕性加速度计的标定测试包括两个时间段,分别为第一时间段与第二时间段,在第一时间段的各个时间节点,步骤S100采用专用设备对石英挠性加速度计进行标定测试,并计算获得性能参数的实测数值;在第二时间段的各个时间节点,步骤300采用线性回归模型预测石英挠性加速度计的性能参数的预测数值。最后,结合第一时间段性能参数的实测数值与第二时间节段性能参数的预测数值,论证石英绕性加速度计的稳定性。例如,在现有技术中,在一年时间内,石英挠性加速度计在1至12月均需要采用专用设备进行标定测试,本申请方案仅需要在1至10月(第一时间段)采用专用设备对石英挠性加速度计进行标定测试,11至12月(第二时间段)可以采用线性回归模型预测石英加速度计性能参数的数值。由上可见,本申请方案进需要采用专用设备对石英挠性加速度计标定测试10个月,就能够验证石英绕性加速计一年的稳定性。又例如,在半年时间内,本申请方案仅需要在1至4月(第一时间段)采用专用设备对石英挠性加速度计进行标定测试,5至6月(第二时间段)可以采用线性回归模型预测石英加速度计性能参数的数值。由上可见,本申请方案进需要采用专用设备对石英挠性加速度计标定测试4个月,就能够验证石英绕性加速计半年的稳定性。
在一些实施例中,参照图1与图7,在步骤S100之前还包括如下步骤:判断石英绕性加速度计的各类性能参数的自相关性,若性能参数的自相关性大于第三设定值,则符合预测要求;其中,在步骤S300中,根据线性回归模型,前向预测符合要求的性能参数的预测数值。
具体的,各类性能参数分别为K0(零偏)、K1(标度因数)、δ(安装误差角)和K2(二次非线性系数)等,对K0(零偏)、K1(标度因数)、δ(安装误差角)和K2的自相关性进行分析,K0、K1、K2和δ的自相关性分别为77.9%,65.6%,18.3%,86.6%。又由于第一设定值在百分之三十至百分之五十之间,所以K0、K1和δ符合预测要求。由于参数K0、K1和δ符合预测要求,所以在步骤S200中,仅对K0、K1和δ(K3)建立线性回归模型,并根据线性回归模型前向预测石英挠性加速度计的性能参数的预测数值。
进一步分析:在步骤结合自相关分析函数之前,还包括如下步骤:
S10获取石英挠性加速度计的原始数据;
S20根据时间序列算法预处理原始数据,获取特征列,并筛选特征列;
S30结合自相关分析函数,计算得到各类性能参数的自相关性的数据;
S40判断石英绕性加速度计的各类性能参数的自相关性,若性能参数的自相关性大于第三设定值,则符合预测要求。
具体分析如下:步骤S10与步骤20参照下图:
/>
/>
在步骤S20中,根据时间序列算法预处理原始数据,获取特征列,筛选特征列,即去除无用的列,保留有用的列(表中末尾带lag的特征名称都是新生成的特征列)。
上述图中的K0uglag、K1mA.glag、K2ug.g2lag、K3uradla是基于实测数据的K0ug、K1mA.g、K2ug.g2、K3urad,使用lag函数(一种自相关分析的函数),生成的自相关结果。计算方法是把上一时刻的值放在当前时刻,作为计算当前时刻K0值的一个变量(参数)。IDorder、diffDays是基于实际标定日期计算出来的。diffDays是当前标定距离上一次标定的间隔天数;IDorder是当前标定距离第一次标定(2022年2月8日)的天数。得出较强的自相关性的分析结果如下所示,K0、K1、K2和δ的自相关性分别为77.9%,65.6%,18.3%,86.6%,所以K0、K1和δ具有较强的自相关性。
上面结合附图对本发明实施例作了详细说明,但是本发明不限于上述实施例,在所属技术领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。此外,在不冲突的情况下,本发明的实施例及实施例中的特征可以相互组合。
Claims (10)
1.石英挠性加速度计的标定方法,其特征在于,包括如下步骤:
S100、获取石英挠性加速度计在若干个时间节点的原始数据;
S200、根据原始数据,建立线性回归模型;
S300、根据所述线性回归模型,前向预测石英挠性加速度计若干个目标时间节点的性能参数的预测数值。
2.根据权利要求1所述的石英挠性加速度计的标定方法,其特征在于,步骤S300包括如下步骤:
S310、获取石英挠性加速度计当前一个时间节点的原始数据,并作为所述线性回归模型的变量值;
S320、结合线性回归模型,前向预测石英挠性加速度计若干个目标时间节点的性能参数的预测数值;
S330、循环步骤S310与步骤S320,直至石英挠性加速度计的标定结束。
3.根据权利要求2所述的石英挠性加速度计的标定方法,其特征在于,步骤S300还包括如下步骤:
获取步骤S100中若干个时间节点的性能参数的实测数值,并计算得到所述性能参数的实测标准差;
获取步骤S300中若干个时间节点的性能参数的数据,并计算得到所述性能参数的预测标准差;
对比分析所述实测标准差与所述预测标准差,若两者差值在第一设定值或第一设定值以上,在步骤S320中,减少相邻所述时间节点之间的间隔天数,和/或减少步骤S320中的预测次数。
4.根据权利要求1所述的石英挠性加速度计的标定方法,其特征在于,所述线性回归模型的特征变量至少包括IDorder与Vni270du,其中,IDorder为当前目标时间节点距离参照时间节点的天数,Vni270du为石英加速度计在标定测试时产生的原始数据。
5.根据权利要求1所述的石英挠性加速度计的标定方法,其特征在于,在步骤S300之前还包括如下步骤:验证所述线性回归模型的精确性,具体包括如下步骤:
根据步骤S100中各个时间节点的原始数据,计算得到步骤S100中各个时间节点的性能参数的实测数值,并计算得到所述性能参数的实测平方根;
结合线性回归模型与步骤S100中各个时间节点的原始数据,计算得到步骤S100中各个个时间节点的所述性能参数的预测数值,并计算得到所述性能参数的预测平方根;
对比分析所述实测平方根与所述预测平方根,若两者差值在第二设定值或第二设定值以下,则进行步骤S300。
6.根据权利要求1所述的石英挠性加速度计的标定方法,其特征在于,步骤S200包括如下步骤:
根据时间序列算法预处理原始数据,获取新的特征变量;
基于R语言中的stepAIC函数,淘汰部分特征变量;
基于多元线性回归算法,建立所述线性回归模型。
7.根据权利要求6所述的石英挠性加速度计的标定方法,其特征在于,步骤S200还包括如下步骤:根据相关性矩阵,剔除多重共线性的所述特征变量。
8.根据权利要求1所述的石英挠性加速度计的标定方法,其特征在于,还包括如下步骤:
判断石英绕性加速度计的各类性能参数的自相关性,若所述性能参数的自相关性大于第三设定值,则符合预测要求;
其中,在步骤S300中,根据所述线性回归模型,前向预测符合要求的所述性能参数的预测数值。
9.根据权利要求8所述的石英挠性加速度计的标定方法,其特征在于,判断石英绕性加速度计的各类性能参数的自相关性之前还包括如下步骤:
获取石英挠性加速度计的原始数据;
根据时间序列算法预处理原始数据,获取特征列,筛选所述特征列;
结合自相关分析函数,计算得到各类所述性能参数的自相关性的数据。
10.石英挠性加速度计的预测系统,其特征在于,所述预测系统根据线性回归模型前向预测石英挠性加速度计目标时间节点的性能参数的预测数值;其中,所述线性回归模型由石英绕性加速度计的标定测试的多组数据建立而成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211576272.7A CN116500300A (zh) | 2022-12-09 | 2022-12-09 | 石英挠性加速度计的标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211576272.7A CN116500300A (zh) | 2022-12-09 | 2022-12-09 | 石英挠性加速度计的标定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116500300A true CN116500300A (zh) | 2023-07-28 |
Family
ID=87323661
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211576272.7A Pending CN116500300A (zh) | 2022-12-09 | 2022-12-09 | 石英挠性加速度计的标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116500300A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109188026A (zh) * | 2018-10-25 | 2019-01-11 | 北京航空航天大学 | 适用于mems加速度计的自动标定的深度学习方法 |
CN114216558A (zh) * | 2022-02-24 | 2022-03-22 | 西安因联信息科技有限公司 | 一种无线振动传感器电池剩余寿命预测方法及系统 |
-
2022
- 2022-12-09 CN CN202211576272.7A patent/CN116500300A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109188026A (zh) * | 2018-10-25 | 2019-01-11 | 北京航空航天大学 | 适用于mems加速度计的自动标定的深度学习方法 |
CN114216558A (zh) * | 2022-02-24 | 2022-03-22 | 西安因联信息科技有限公司 | 一种无线振动传感器电池剩余寿命预测方法及系统 |
Non-Patent Citations (1)
Title |
---|
黄小凯 等: "加速度计参数变化建模方法", 《北京航空航天大学学报》, vol. 36, no. 10, 15 October 2010 (2010-10-15), pages 1229 - 1233 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109990712B (zh) | 一种测宽仪在线校准方法 | |
CN111998919A (zh) | 燃气表校准方法及装置 | |
CN105205237A (zh) | 一种基准弹道动态确定方法 | |
CN110907883A (zh) | 一种电能表自动化检定系统的计量监督方法和系统 | |
CN105471455A (zh) | 一种宽温条件下信号接收通道频率响应的补偿方法 | |
CN109358095A (zh) | 一种混合气体各组分气体浓度的定量测量方法和系统 | |
IE46337B1 (en) | Error correction in electrical meters | |
CN110501458A (zh) | 一种浓度测量仪器校准方法、装置及浓度测量仪器 | |
CN116500300A (zh) | 石英挠性加速度计的标定方法 | |
CN115855165B (zh) | 一种用于火电设备的多维度精密点检方法及系统 | |
AU2019100348A4 (en) | A specified gas sensor correction method based on locally weighted regression algorithm | |
CN111983200A (zh) | 一种早期龄混凝土强度确定方法 | |
CN101793620A (zh) | 有支座沉降时的基于索力监测的索系统的健康监测方法 | |
CN114459523B (zh) | 一种在线质量检测仪器的标定预警方法 | |
US20230266158A1 (en) | Method and system for eccentric load error correction | |
CN114266006A (zh) | 一种加速退化试验测量不确定度的评定方法 | |
CN109858699B (zh) | 水质定量模拟方法、装置、电子设备及存储介质 | |
Krndija et al. | Measuring equipment calibration and determination of the initial calibration interval | |
JP2979365B2 (ja) | 基準信号補正装置 | |
CN111580045A (zh) | 一种混凝土振捣质量监控基站的内部自定位方法 | |
RU2306592C1 (ru) | Способ активной идентификации линейных объектов управления | |
CN113848453A (zh) | 一种i/f电路线性度校准方法及系统 | |
Hiti | Reducing the uncertainty of strain gauge amplifier calibration | |
RU2199089C1 (ru) | Способ коррекции статических характеристик измерительных преобразователей | |
DE102018220543A1 (de) | Verfahren zum Kalibrieren eines zumindest zweiachsigen 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 |