CN117664117A - 一种光纤陀螺的漂移数据分析及优化补偿方法 - Google Patents
一种光纤陀螺的漂移数据分析及优化补偿方法 Download PDFInfo
- Publication number
- CN117664117A CN117664117A CN202410133911.5A CN202410133911A CN117664117A CN 117664117 A CN117664117 A CN 117664117A CN 202410133911 A CN202410133911 A CN 202410133911A CN 117664117 A CN117664117 A CN 117664117A
- Authority
- CN
- China
- Prior art keywords
- temperature
- node
- network
- optic gyroscope
- compensation
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000005457 optimization Methods 0.000 title claims abstract description 52
- 239000000835 fiber Substances 0.000 title claims abstract description 42
- 238000007405 data analysis Methods 0.000 title claims abstract description 33
- 238000012360 testing method Methods 0.000 claims abstract description 90
- 230000008859 change Effects 0.000 claims abstract description 47
- 238000013507 mapping Methods 0.000 claims abstract description 40
- 238000004458 analytical method Methods 0.000 claims abstract description 34
- 230000007613 environmental effect Effects 0.000 claims abstract description 21
- 238000012544 monitoring process Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000012795 verification Methods 0.000 claims description 25
- 238000010276 construction Methods 0.000 claims description 20
- 238000011156 evaluation Methods 0.000 claims description 12
- 230000035945 sensitivity Effects 0.000 claims description 12
- 238000009499 grossing Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000000737 periodic effect Effects 0.000 claims description 6
- 230000006978 adaptation Effects 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 239000013307 optical fiber Substances 0.000 abstract description 24
- 230000003044 adaptive effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 3
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Gyroscopes (AREA)
Abstract
本发明公开了一种光纤陀螺的漂移数据分析及优化补偿方法，应用于数据处理技术领域，该方法包括：通过建立标准时序节点，并建立阶梯环境温度，以阶梯环境温度配置环境特征。将测试光纤陀螺分时置入环境特征中。对测试光纤陀螺进行测试，并进行内部环境温度监测，建立温度变化数据集。读取测试光纤陀螺的时序输出数据，进行噪声剔除，建立时序输出数据集合。依据启动周期节点和稳态周期节点进行启动周期和稳态周期的温度影响漂移数据分析，建立温度与漂移的映射数据集。基于映射数据集进行线性拟合分析，构建补偿网络，进行优化补偿。解决了现有技术中会受到温度变化的影响，导致光纤陀螺产生漂移数据，导致光纤陀螺的精度下降的技术问题。
Description
技术领域
本发明涉及数据处理领域，尤其涉及一种光纤陀螺的漂移数据分析及优化补偿方法。
背景技术
光纤陀螺又称光纤角速度传感器，光纤陀螺具备精度高、体积小、启动迅速等优点，被广泛应用于各类惯性导航场景。然而，在现有技术中光纤陀螺在运行过程中会受到温度变化的影响，导致光纤陀螺产生漂移数据，从而影响光纤陀螺的精度。
因此，在现有技术中光纤陀螺在运行过程中会受到温度变化的影响，导致光纤陀螺产生漂移数据，导致光纤陀螺的精度下降的技术问题。
发明内容
本申请通过提供一种光纤陀螺的漂移数据分析及优化补偿方法，解决了在现有技术中会受到温度变化的影响，导致光纤陀螺产生漂移数据，导致光纤陀螺的精度下降的技术问题。
本申请提供一种光纤陀螺的漂移数据分析及优化补偿方法，所述方法包括：建立标准时序节点，并建立阶梯环境温度，以所述阶梯环境温度配置环境特征，其中，所述阶梯环境温度的阶梯步长由补偿精度确定；将测试光纤陀螺分时置入所述环境特征中，其中，所述测试光纤陀螺的置入节点为内部环境标准温度节点，并将置入节点记作零点节点；对所述测试光纤陀螺进行测试，并通过温度传感器执行光纤陀螺的内部环境温度监测，建立温度变化数据集，其中，所述温度变化数据集以所述标准时序节点为对齐节点构建而成；读取测试光纤陀螺的时序输出数据，并对所述时序输出数据进行时序输出数据的噪声剔除，建立时序输出数据集合；基于所述时序输出数据集合和所述温度变化数据集进行映射分割，配置启动周期节点和稳态周期节点；依据所述启动周期节点和所述稳态周期节点进行启动周期和稳态周期的温度影响漂移数据分析，并基于分析结果建立温度与漂移的映射数据集；基于所述映射数据集进行线性拟合分析，构建补偿网络；依据所述补偿网络进行光纤陀螺的优化补偿。
本申请还提供了一种光纤陀螺的漂移数据分析及优化补偿系统，所述系统包括：环境温度配置模块，用于建立标准时序节点，并建立阶梯环境温度，以所述阶梯环境温度配置环境特征，其中，所述阶梯环境温度的阶梯步长由补偿精度确定；置入测试模块，用于将测试光纤陀螺分时置入所述环境特征中，其中，所述测试光纤陀螺的置入节点为内部环境标准温度节点，并将置入节点记作零点节点；温度监测模块，用于对所述测试光纤陀螺进行测试，并通过温度传感器执行光纤陀螺的内部环境温度监测，建立温度变化数据集，其中，所述温度变化数据集以所述标准时序节点为对齐节点构建而成；噪声剔除模块，用于读取测试光纤陀螺的时序输出数据，并对所述时序输出数据进行时序输出数据的噪声剔除，建立时序输出数据集合；周期节点获取模块，用于基于所述时序输出数据集合和所述温度变化数据集进行映射分割，配置启动周期节点和稳态周期节点；漂移数据分析模块，用于依据所述启动周期节点和所述稳态周期节点进行启动周期和稳态周期的温度影响漂移数据分析，并基于分析结果建立温度与漂移的映射数据集；补偿网络构建模块，用于基于所述映射数据集进行线性拟合分析，构建补偿网络；优化补偿模块，用于依据所述补偿网络进行光纤陀螺的优化补偿。
本申请还提供了一种电子设备，包括：
存储器，用于存储可执行指令；
处理器，用于执行所述存储器中存储的可执行指令时，实现本申请提供的一种光纤陀螺的漂移数据分析及优化补偿方法。
本申请提供一种计算机可读存储介质，存储有计算机程序，该程序被处理器执行时，实现本申请提供的一种光纤陀螺的漂移数据分析及优化补偿方法。
拟通过本申请提出的一种光纤陀螺的漂移数据分析及优化补偿方法，通过建立标准时序节点，并建立阶梯环境温度，以阶梯环境温度配置环境特征。将测试光纤陀螺分时置入环境特征中。对测试光纤陀螺进行测试，并进行内部环境温度监测，建立温度变化数据集。读取测试光纤陀螺的时序输出数据，进行噪声剔除，建立时序输出数据集合。依据启动周期节点和稳态周期节点进行启动周期和稳态周期的温度影响漂移数据分析，建立温度与漂移的映射数据集。基于映射数据集进行线性拟合分析，构建补偿网络，进行优化补偿。实现了在不同环境温度下对光纤陀螺进行时序数据补偿，进一步降低了温度变化对光纤陀螺产生的影响，提高了光纤陀螺的输出精度。解决了现有技术中会受到温度变化的影响，导致光纤陀螺产生漂移数据，导致光纤陀螺的精度下降的技术问题。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对本公开实施例的附图作简单地介绍。明显地，下面描述中的附图仅仅涉及本公开的一些实施例，而非对本公开的限制。
图1为本申请实施例提供的一种光纤陀螺的漂移数据分析及优化补偿方法的流程示意图；
图2为本申请实施例提供的一种光纤陀螺的漂移数据分析及优化补偿方法执行数据集的窗口平滑去噪的流程示意图；
图3为本申请实施例提供的一种光纤陀螺的漂移数据分析及优化补偿方法构建稳态补偿网络的流程示意图；
图4为本申请实施例提供的一种光纤陀螺的漂移数据分析及优化补偿方法的系统的结构示意图；
图5为本发明实施例提供的一种光纤陀螺的漂移数据分析及优化补偿方法的系统电子设备的结构示意图。
附图标记说明：环境温度配置模块11，置入测试模块12，温度监测模块13，噪声剔除模块14，周期节点获取模块15，漂移数据分析模块16，补偿网络构建模块17，优化补偿模块18，处理器31，存储器32，输入装置33，输出装置34。
具体实施方式
实施例一
为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，所描述的实施例不应视为对本申请的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
在以下的描述中，所涉及的术语“第一\第二\第三”仅仅是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的。
虽然本申请对根据本申请的实施例的系统中的某些模块做出了各种引用，然而，任何数量的不同模块可以被使用并运行在用户终端和/或服务器上，所述模块仅是说明性的，并且所述系统和方法的不同方面可以使用不同模块。
本申请中使用了流程图来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，根据需要，可以按照倒序或同时处理各种步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
如图1所示，本申请实施例提供了一种光纤陀螺的漂移数据分析及优化补偿方法，所述方法包括：
建立标准时序节点，并建立阶梯环境温度，以所述阶梯环境温度配置环境特征，其中，所述阶梯环境温度的阶梯步长由补偿精度确定；
将测试光纤陀螺分时置入所述环境特征中，其中，所述测试光纤陀螺的置入节点为内部环境标准温度节点，并将置入节点记作零点节点；
对所述测试光纤陀螺进行测试，并通过温度传感器执行光纤陀螺的内部环境温度监测，建立温度变化数据集，其中，所述温度变化数据集以所述标准时序节点为对齐节点构建而成；
建立标准时序节点，其中，标准时序节点为统一的时间序列节点，并建立阶梯环境温度，以所述阶梯环境温度配置环境特征，其中，所述阶梯环境温度的阶梯步长由补偿精度确定，补偿精度越高对应的阶梯步长越小。随后，将测试光纤陀螺分时置入所述环境特征中，其中，所述测试光纤陀螺的置入节点为内部环境标准温度节点，并将置入节点记作零点节点。在置入所述环境特征后，对所述测试光纤陀螺进行测试，并通过温度传感器执行光纤陀螺的内部环境温度监测，获取光纤陀螺的内部环境温度随时间变化的监测数据，建立温度变化数据集，其中，所述温度变化数据集以所述标准时序节点为对齐节点构建而成，即在温度变化数据集中将零点节点与标准时序节点进行时序对齐。
读取测试光纤陀螺的时序输出数据，并对所述时序输出数据进行时序输出数据的噪声剔除，建立时序输出数据集合；
基于所述时序输出数据集合和所述温度变化数据集进行映射分割，配置启动周期节点和稳态周期节点；
依据所述启动周期节点和所述稳态周期节点进行启动周期和稳态周期的温度影响漂移数据分析，并基于分析结果建立温度与漂移的映射数据集；
基于所述映射数据集进行线性拟合分析，构建补偿网络；
依据所述补偿网络进行光纤陀螺的优化补偿。
读取测试光纤陀螺的时序输出数据，并对所述时序输出数据进行时序输出数据的噪声剔除，即完成时序输出数据中噪声的去除，从而建立时序输出数据集合。基于所述时序输出数据集合和所述温度变化数据集进行映射分割，即根据时序对所述时序输出数据集合和所述温度变化数据集进行对应，由于设备在运行至稳态时温度变化数据趋于平稳，当连续的多个时间节点内温度变化处于预设的浮动范围内时，则认定设备温度到达稳态，因此可以将温度到达稳态之后的节点作为稳态周期节点，在温度到达稳态之前的节点作为启动周期节点，完成配置启动周期节点和稳态周期节点。依据所述启动周期节点和所述稳态周期节点进行启动周期和稳态周期的温度影响漂移数据分析，在进行漂移数据分析时基于人工进行温度影响分析，并基于分析结果建立温度与漂移的映射数据集。基于所述映射数据集进行线性拟合分析，构建补偿网络，所述补偿网络为时段补偿网络，补偿时段为启动时段以及稳态时段，最后，依据所述补偿网络进行光纤陀螺输出数据的优化补偿。实现了在不同环境温度下对光纤陀螺进行时序数据补偿，进一步降低了温度变化对光纤陀螺产生的影响，提高了光纤陀螺的输出精度。
如图2所示，本申请实施例提供的方法还包括：
对所述时序输出数据进行数据复杂度评价，建立噪声的野值噪声分布；
通过所述野值噪声分布配置自适应残差剔除因子，执行第一噪声剔除，获得初始剔除后的数据集；
根据数据复杂度评价结果配置滤波窗口，执行数据集的窗口平滑去噪；
根据窗口平滑去噪结果建立时序输出数据集合。
在进行噪声剔除时，对所述时序输出数据进行数据复杂度评价，在进行数据复杂度评价时可以采用现有技术中常用的信号复杂度处理方法，示例性的采用熵值分析法获取熵值数据，根据熵值数据来获取数据的复杂度，熵值越大离散程度越高数据越复杂，且不同熵值区间对应不同的复杂度评价结果等级，建立噪声的野值噪声分布。由于系统的噪声多数由压缩机振动产生，其噪声为随机噪声，因此，对于输出数据中存在的随机噪声，通过所述野值噪声分布配置自适应残差剔除因子，即利用3西格玛法则配置自适应残差剔除因子，剔除数据中数据与数据均值差值的绝对值大于3倍标准差的数据，执行第一噪声剔除，获得初始剔除后的数据集。随后，根据数据复杂度评价结果配置滤波窗口，即根据复杂度评价结果的等级配置滤波窗口，其中，配置滤波窗口为现有技术中的信号平滑方法，示例性的采用移动平均滤波窗口，根据复杂度评价结果的等级配置平均值采样长度，越复杂的数据对应的平均值采样长度越小，根据配置完成的滤波窗口执行数据集的窗口平滑去噪。
本申请实施例提供的方法还包括：
建立初始温度误差子网络，所述初始温度误差子网络通过如下公式建立：
；
其中，K为温度误差，为漂移速率温度敏感系数，/>为绝对温度值，/>为温度斜坡漂移速率敏感系数，/>为温变速率，/>为时变温度梯度漂移率敏感系数，/>为温度梯度变化率， />、/>、/>为自适应更新系数；
基于所述映射数据集进行所述初始温度误差子网络的网络自适应更新补偿，调整自适应更新系数，完成初始温度误差子网络优化；
基于优化完成的初始温度误差子网络完成补偿网络的构建。
构建补偿网络包括，建立初始温度误差子网络，基于运行过程中已知的数据进行初始温度误差子网络的构建，获取各环境温度区间的自适应更新系数。所述初始温度误差子网络通过如下公式建立：
；
其中，K为温度误差，即在对应温度下光纤陀螺产生的漂移数据，为漂移速率温度敏感系数，/>为绝对温度值，/>为温度斜坡漂移速率敏感系数，/>为温变速率，为时变温度梯度漂移率敏感系数，/>为温度梯度变化率， />、/>、/>为自适应更新系数。随后，基于所述映射数据集进行所述初始温度误差子网络的网络自适应更新补偿，调整自适应更新系数，其中，自适应更新系数基于运行过程中已知的数据进行计算获取，完成初始温度误差子网络优化，且不同环境温度区间对应不同的自适应更新系数。基于优化完成的初始温度误差子网络完成补偿网络的构建。
本申请实施例提供的方法还包括：
建立自适应线性拟合子网络；
当初始温度误差子网络建立完成后，通过所述自适应线性拟合子网络进行初始温度误差子网络的阶梯环境温度间隔拟合，其中，拟合过程包括：
a.定位阶梯空间，并提取阶梯空间的预设步长下的相邻自适应线性拟合子网络；
b.以提取结果进行组合拟合，并以所述阶梯空间作为衰减中心，执行拟合结果的衰减均值分析，建立增强约束；
c.以所述增强约束和所述阶梯空间建立映射，完成自适应线性拟合子网络构建；
依据所述初始温度误差子网络和所述自适应线性拟合子网络完成补偿网络的构建。
建立自适应线性拟合子网络，所述线性拟合子网络用于对阶梯空间的自适应更新系数进行线性拟合。由于在构建初始温度误差子网络时不同的相邻温度区间之间存在阶梯空间，而阶梯空间处的温度误差由于系统采样原因可能导致数据缺失，造成阶梯空间处温度误差获取准确性降低，为了提高温度误差获取的准确性，当初始温度误差子网络建立完成后，通过所述自适应线性拟合子网络进行初始温度误差子网络的阶梯环境温度间隔拟合，其中，拟合过程包括：a.定位阶梯空间，确定需要进行拟合的温度阶梯空间，所述阶梯空间为不同环境温度区间构成的环境温度阶梯空间，并提取阶梯空间的预设步长下的相邻自适应线性拟合子网络，其中，预设步长为预设的不同环境温度区间的搜索数量，一般以阶梯空间为中心获取处于阶梯空间前后的两个环境温度区间。b.以提取结果进行组合拟合，并以所述阶梯空间作为衰减中心，执行拟合结果的衰减均值分析，建立增强约束，即按照提取的环境温度区间对应的初始温度误差子网的自适应更新系数进行组合，获取组合拟合结果，并以所述阶梯空间作为衰减中心，按照环境温度区间的距离进行组合拟合结果的权重获取，具体权重数据可以基于实际情况进行设置，且距离较近的环境温度区间权值越高，执行拟合结果的衰减均值分析时，基于各环境温度区间的权重进行所有自适应更新系数的加权平均计算，获取最终阶梯空间处的自适应更新系数，建立增强约束。c.以所述增强约束和所述阶梯空间建立映射，完成自适应线性拟合子网络构建，即将增强约束和阶梯空间进行对应。最后，依据所述初始温度误差子网络和所述自适应线性拟合子网络完成补偿网络的构建，所述初始温度误差子网络和所述自适应线性拟合子网络为补偿网络中启动时段的补偿网络。
如图3所示，本申请实施例提供的方法还包括：
对所述温度变化数据集进行温度的稳态分析，确定温度稳态值，并建立温度稳态值与环境特征映射；
以标准时序节点提取时序输出数据，其中，提取的时序输出数据为与温度稳态值同时间节点的数据；
对提取的时序输出数据进行稳态值计算，并根据稳态值计算结果进行线性拟合分析，构建稳态补偿网络，其中，所述稳态补偿网络为补偿网络的时段处理网络。
对所述温度变化数据集进行温度的稳态分析，所述温度的稳态分析为，获取多个时间节点内温度变化，判断温度变化是否处于预设的浮动范围内，当温度变化处于预设的浮动范围内时，确定温度稳态值，所述温度稳态值为温度区间的均值，并建立温度稳态值与环境特征映射，即获取该温度稳态值与环境温度的对应关系。随后，以标准时序节点提取时序输出数据，其中，提取的时序输出数据为与温度稳态值同时间节点的数据，即提取稳态结果下的设备时序输出数据。对提取的时序输出数据进行稳态值计算，稳态值计算为设备时序输出数据的稳态均值，并根据稳态值计算结果进行线性拟合分析，从而构建稳态补偿网络，即稳态补偿网络根据稳态值计算结果对输出数据进行拟合补偿，其中，所述稳态补偿网络为补偿网络的时段处理网络。
本申请实施例提供的方法还包括：
对光纤陀螺进行验证测试，读取验证测试数据，并确定测试环境温度；
以所述补偿网络依据测试环境温度执行测试结果补偿，并基于补偿结果进行测试验证；
记录测试验证误差，并依据测试验证误差的特征提取结果生成预警指令；
基于预警指令进行补偿网络的局部优化。
基于已知的运行数据，对光纤陀螺进行验证测试，读取验证测试数据，并确定测试环境温度。随后，以所述补偿网络依据测试环境温度执行测试结果补偿，并基于补偿结果进行测试验证。获取测试验证结果与运行数据对应的标识结果的验证误差，记录测试验证误差，判断测试验证误差是否小于等于预设阈值，当小于等于预设阈值时则验证结果较为准确，反之验证结果误差较大，并依据测试验证误差的特征提取结果生成预警指令。最后，基于预警指令进行补偿网络的局部优化，补偿网络的局部优化为对对应的子网络进行再次拟合，获取新的子网络完成局部优化。
本申请实施例提供的方法还包括：
提取测试光纤陀螺的特征集合，并设定增量判定条件；
当任意光纤陀螺与所述特征集合的相似度满足所述增量判定条件，则执行对应光纤陀螺的增量学习；
建立增量学习补偿网络，根据所述增量学习补偿网络进行对应光纤陀螺的优化补偿。
提取测试光纤陀螺的特征集合，所述测试光纤陀螺的特征集合包括，型号特征、设备品牌特征等，并设定增量判定条件，增量判定条件包含各特征集合的具体判断条件，如型号特征相似度、设备品牌特征相似度。当任意光纤陀螺与所述特征集合的相似度满足所述增量判定条件，此时，光纤陀螺与已经构建的光纤陀螺的相似度较高，则执行对应光纤陀螺的增量学习，即在原有光纤陀螺的补偿网络的基础上进行新数据的增量学习。建立增量学习补偿网络，根据所述增量学习补偿网络进行对应光纤陀螺的优化补偿。
本发明实施例所提供的技术方案，通过建立标准时序节点，并建立阶梯环境温度，以所述阶梯环境温度配置环境特征。将测试光纤陀螺分时置入所述环境特征中。对所述测试光纤陀螺进行测试，并通过温度传感器执行光纤陀螺的内部环境温度监测，建立温度变化数据集。读取测试光纤陀螺的时序输出数据，并对所述时序输出数据进行时序输出数据的噪声剔除，建立时序输出数据集合。基于所述时序输出数据集合和所述温度变化数据集进行映射分割，配置启动周期节点和稳态周期节点。依据所述启动周期节点和所述稳态周期节点进行启动周期和稳态周期的温度影响漂移数据分析，并基于分析结果建立温度与漂移的映射数据集。基于所述映射数据集进行线性拟合分析，构建补偿网络。依据所述补偿网络进行光纤陀螺的优化补偿。实现了在不同环境温度下对光纤陀螺进行时序数据补偿，进一步降低了温度变化对光纤陀螺产生的影响，提高了光纤陀螺的输出精度。解决了现有技术中会受到温度变化的影响，导致光纤陀螺产生漂移数据，导致光纤陀螺的精度下降的技术问题。
实施例二
基于与前述实施例中一种光纤陀螺的漂移数据分析及优化补偿方法同样发明构思，本发明还提供了一种光纤陀螺的漂移数据分析及优化补偿方法的系统，系统可以由硬件和/或软件的方式来实现，一般可集成于电子设备中，用于执行本发明任意实施例所提供的方法。如图4所示，所述系统包括：
环境温度配置模块11，用于建立标准时序节点，并建立阶梯环境温度，以所述阶梯环境温度配置环境特征，其中，所述阶梯环境温度的阶梯步长由补偿精度确定；
置入测试模块12，用于将测试光纤陀螺分时置入所述环境特征中，其中，所述测试光纤陀螺的置入节点为内部环境标准温度节点，并将置入节点记作零点节点；
温度监测模块13，用于对所述测试光纤陀螺进行测试，并通过温度传感器执行光纤陀螺的内部环境温度监测，建立温度变化数据集，其中，所述温度变化数据集以所述标准时序节点为对齐节点构建而成；
噪声剔除模块14，用于读取测试光纤陀螺的时序输出数据，并对所述时序输出数据进行时序输出数据的噪声剔除，建立时序输出数据集合；
周期节点获取模块15，用于基于所述时序输出数据集合和所述温度变化数据集进行映射分割，配置启动周期节点和稳态周期节点；
漂移数据分析模块16，用于依据所述启动周期节点和所述稳态周期节点进行启动周期和稳态周期的温度影响漂移数据分析，并基于分析结果建立温度与漂移的映射数据集；
补偿网络构建模块17，用于基于所述映射数据集进行线性拟合分析，构建补偿网络；
优化补偿模块18，用于依据所述补偿网络进行光纤陀螺的优化补偿。
进一步地，所述噪声剔除模块14还用于：
对所述时序输出数据进行数据复杂度评价，建立噪声的野值噪声分布；
通过所述野值噪声分布配置自适应残差剔除因子，执行第一噪声剔除，获得初始剔除后的数据集；
根据数据复杂度评价结果配置滤波窗口，执行数据集的窗口平滑去噪；
根据窗口平滑去噪结果建立时序输出数据集合。
进一步地，所述补偿网络构建模块17还用于：
建立初始温度误差子网络，所述初始温度误差子网络通过如下公式建立：
；
其中，K为温度误差，为漂移速率温度敏感系数，/>为绝对温度值，/>为温度斜坡漂移速率敏感系数，/>为温变速率，/>为时变温度梯度漂移率敏感系数，/>为温度梯度变化率， />、/>、/>为自适应更新系数；
基于所述映射数据集进行所述初始温度误差子网络的网络自适应更新补偿，调整自适应更新系数，完成初始温度误差子网络优化；
基于优化完成的初始温度误差子网络完成补偿网络的构建。
进一步地，所述补偿网络构建模块17还用于：
建立自适应线性拟合子网络；
当初始温度误差子网络建立完成后，通过所述自适应线性拟合子网络进行初始温度误差子网络的阶梯环境温度间隔拟合，其中，拟合过程包括：
a.定位阶梯空间，并提取阶梯空间的预设步长下的相邻自适应线性拟合子网络；
b.以提取结果进行组合拟合，并以所述阶梯空间作为衰减中心，执行拟合结果的衰减均值分析，建立增强约束；
c.以所述增强约束和所述阶梯空间建立映射，完成自适应线性拟合子网络构建；
依据所述初始温度误差子网络和所述自适应线性拟合子网络完成补偿网络的构建。
进一步地，所述补偿网络构建模块17还用于：
对所述温度变化数据集进行温度的稳态分析，确定温度稳态值，并建立温度稳态值与环境特征映射；
以标准时序节点提取时序输出数据，其中，提取的时序输出数据为与温度稳态值同时间节点的数据；
对提取的时序输出数据进行稳态值计算，并根据稳态值计算结果进行线性拟合分析，构建稳态补偿网络，其中，所述稳态补偿网络为补偿网络的时段处理网络。
进一步地，所述优化补偿模块18还用于：
对光纤陀螺进行验证测试，读取验证测试数据，并确定测试环境温度；
以所述补偿网络依据测试环境温度执行测试结果补偿，并基于补偿结果进行测试验证；
记录测试验证误差，并依据测试验证误差的特征提取结果生成预警指令；
基于预警指令进行补偿网络的局部优化。
进一步地，所述优化补偿模块18还用于：
提取测试光纤陀螺的特征集合，并设定增量判定条件；
当任意光纤陀螺与所述特征集合的相似度满足所述增量判定条件，则执行对应光纤陀螺的增量学习；
建立增量学习补偿网络，根据所述增量学习补偿网络进行对应光纤陀螺的优化补偿。
所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
实施例三
图5为本发明实施例三提供的电子设备的结构示意图，示出了适于用来实现本发明实施方式的示例性电子设备的框图。图5显示的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。如图5所示，该电子设备包括处理器31、存储器32、输入装置33及输出装置34；电子设备中处理器31的数量可以是一个或多个，图5中以一个处理器31为例，电子设备中的处理器31、存储器32、输入装置33及输出装置34可以通过总线或其他方式连接，图5中以通过总线连接为例。
存储器32作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的一种光纤陀螺的漂移数据分析及优化补偿方法对应的程序指令/模块。处理器31通过运行存储在存储器32中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述一种光纤陀螺的漂移数据分析及优化补偿方法。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种光纤陀螺的漂移数据分析及优化补偿方法，其特征在于，所述方法包括：
建立标准时序节点，并建立阶梯环境温度，以所述阶梯环境温度配置环境特征，其中，所述阶梯环境温度的阶梯步长由补偿精度确定；
将测试光纤陀螺分时置入所述环境特征中，其中，所述测试光纤陀螺的置入节点为内部环境标准温度节点，并将置入节点记作零点节点；
对所述测试光纤陀螺进行测试，并通过温度传感器执行光纤陀螺的内部环境温度监测，建立温度变化数据集，其中，所述温度变化数据集以所述标准时序节点为对齐节点构建而成；
读取测试光纤陀螺的时序输出数据，并对所述时序输出数据进行时序输出数据的噪声剔除，建立时序输出数据集合；
基于所述时序输出数据集合和所述温度变化数据集进行映射分割，配置启动周期节点和稳态周期节点；
依据所述启动周期节点和所述稳态周期节点进行启动周期和稳态周期的温度影响漂移数据分析，并基于分析结果建立温度与漂移的映射数据集；
基于所述映射数据集进行线性拟合分析，构建补偿网络；
依据所述补偿网络进行光纤陀螺的优化补偿。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
对所述时序输出数据进行数据复杂度评价，建立噪声的野值噪声分布；
通过所述野值噪声分布配置自适应残差剔除因子，执行第一噪声剔除，获得初始剔除后的数据集；
根据数据复杂度评价结果配置滤波窗口，执行数据集的窗口平滑去噪；
根据窗口平滑去噪结果建立时序输出数据集合。
3.如权利要求1所述的方法，其特征在于，所述方法还包括：
建立初始温度误差子网络，所述初始温度误差子网络通过如下公式建立：
；
其中，K为温度误差，为漂移速率温度敏感系数，/>为绝对温度值，/>为温度斜坡漂移速率敏感系数，/>为温变速率，/>为时变温度梯度漂移率敏感系数，/>为温度梯度变化率，/> 、/>、/>为自适应更新系数；
基于所述映射数据集进行所述初始温度误差子网络的网络自适应更新补偿，调整自适应更新系数，完成初始温度误差子网络优化；
基于优化完成的初始温度误差子网络完成补偿网络的构建。
4.如权利要求3所述的方法，其特征在于，所述方法还包括：
建立自适应线性拟合子网络；
当初始温度误差子网络建立完成后，通过所述自适应线性拟合子网络进行初始温度误差子网络的阶梯环境温度间隔拟合，其中，拟合过程包括：
a.定位阶梯空间，并提取阶梯空间的预设步长下的相邻自适应线性拟合子网络；
b.以提取结果进行组合拟合，并以所述阶梯空间作为衰减中心，执行拟合结果的衰减均值分析，建立增强约束；
c.以所述增强约束和所述阶梯空间建立映射，完成自适应线性拟合子网络构建；
依据所述初始温度误差子网络和所述自适应线性拟合子网络完成补偿网络的构建。
5.如权利要求1所述的方法，其特征在于，所述方法还包括：
对所述温度变化数据集进行温度的稳态分析，确定温度稳态值，并建立温度稳态值与环境特征映射；
以标准时序节点提取时序输出数据，其中，提取的时序输出数据为与温度稳态值同时间节点的数据；
对提取的时序输出数据进行稳态值计算，并根据稳态值计算结果进行线性拟合分析，构建稳态补偿网络，其中，所述稳态补偿网络为补偿网络的时段处理网络。
6.如权利要求1所述的方法，其特征在于，所述方法还包括：
对光纤陀螺进行验证测试，读取验证测试数据，并确定测试环境温度；
以所述补偿网络依据测试环境温度执行测试结果补偿，并基于补偿结果进行测试验证；
记录测试验证误差，并依据测试验证误差的特征提取结果生成预警指令；
基于预警指令进行补偿网络的局部优化。
7.如权利要求1所述的方法，其特征在于，所述方法还包括：
提取测试光纤陀螺的特征集合，并设定增量判定条件；
当任意光纤陀螺与所述特征集合的相似度满足所述增量判定条件，则执行对应光纤陀螺的增量学习；
建立增量学习补偿网络，根据所述增量学习补偿网络进行对应光纤陀螺的优化补偿。
8.一种光纤陀螺的漂移数据分析及优化补偿系统，其特征在于，所述系统包括：
环境温度配置模块，用于建立标准时序节点，并建立阶梯环境温度，以所述阶梯环境温度配置环境特征，其中，所述阶梯环境温度的阶梯步长由补偿精度确定；
置入测试模块，用于将测试光纤陀螺分时置入所述环境特征中，其中，所述测试光纤陀螺的置入节点为内部环境标准温度节点，并将置入节点记作零点节点；
温度监测模块，用于对所述测试光纤陀螺进行测试，并通过温度传感器执行光纤陀螺的内部环境温度监测，建立温度变化数据集，其中，所述温度变化数据集以所述标准时序节点为对齐节点构建而成；
噪声剔除模块，用于读取测试光纤陀螺的时序输出数据，并对所述时序输出数据进行时序输出数据的噪声剔除，建立时序输出数据集合；
周期节点获取模块，用于基于所述时序输出数据集合和所述温度变化数据集进行映射分割，配置启动周期节点和稳态周期节点；
漂移数据分析模块，用于依据所述启动周期节点和所述稳态周期节点进行启动周期和稳态周期的温度影响漂移数据分析，并基于分析结果建立温度与漂移的映射数据集；
补偿网络构建模块，用于基于所述映射数据集进行线性拟合分析，构建补偿网络；
优化补偿模块，用于依据所述补偿网络进行光纤陀螺的优化补偿。
9.一种电子设备，其特征在于，所述电子设备包括：
存储器，用于存储可执行指令；
处理器，用于执行所述存储器中存储的可执行指令时，实现权利要求1至7任一项所述的一种光纤陀螺的漂移数据分析及优化补偿方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的一种光纤陀螺的漂移数据分析及优化补偿方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410133911.5A CN117664117B (zh) | 2024-01-31 | 2024-01-31 | 一种光纤陀螺的漂移数据分析及优化补偿方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410133911.5A CN117664117B (zh) | 2024-01-31 | 2024-01-31 | 一种光纤陀螺的漂移数据分析及优化补偿方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117664117A true CN117664117A (zh) | 2024-03-08 |
| CN117664117B CN117664117B (zh) | 2024-04-23 |
Family
ID=90082891
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410133911.5A Active CN117664117B (zh) | 2024-01-31 | 2024-01-31 | 一种光纤陀螺的漂移数据分析及优化补偿方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117664117B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB957163A (en) * | 1959-02-27 | 1964-05-06 | Graseby Instruments Ltd | Improvements relating to apparatus for testing gyroscopes |
| CN102650527A (zh) * | 2012-05-25 | 2012-08-29 | 北京航空航天大学 | 一种基于时间序列分析消噪的光纤陀螺温度补偿方法 |
| RU2011138683A (ru) * | 2011-09-21 | 2013-03-27 | Закрытое акционерное общество "Инерциальные технологии "Технокомплекса" (ЗАО "ИТТ") | Способ алгоритмической компенсации температурной скорости дрейфа твердотельного волнового гироскопа |
| US20150114112A1 (en) * | 2013-10-30 | 2015-04-30 | Stmicroelectroncs S.R.L. | Microelectromechanical gyroscope with compensation of quadrature error drift |
| CN107621269A (zh) * | 2016-07-15 | 2018-01-23 | 北京计算机技术及应用研究所 | 光纤陀螺温度漂移误差补偿方法 |
| CN109297509A (zh) * | 2018-08-28 | 2019-02-01 | 北京航天时代激光导航技术有限责任公司 | 一种基于三态理论的激光陀螺零偏漂移误差建模与补偿方法 |
| CN109740738A (zh) * | 2018-12-29 | 2019-05-10 | 腾讯科技（深圳）有限公司 | 一种神经网络模型训练方法、装置、设备和介质 |
| CN112797967A (zh) * | 2021-01-31 | 2021-05-14 | 南京理工大学 | 一种基于图优化的mems陀螺仪随机漂移误差补偿方法 |
| CN114061559A (zh) * | 2021-11-16 | 2022-02-18 | 湖北三江航天万峰科技发展有限公司 | 光纤陀螺零偏漂移的补偿方法、系统和计算机存储介质 |
-
2024
- 2024-01-31 CN CN202410133911.5A patent/CN117664117B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB957163A (en) * | 1959-02-27 | 1964-05-06 | Graseby Instruments Ltd | Improvements relating to apparatus for testing gyroscopes |
| RU2011138683A (ru) * | 2011-09-21 | 2013-03-27 | Закрытое акционерное общество "Инерциальные технологии "Технокомплекса" (ЗАО "ИТТ") | Способ алгоритмической компенсации температурной скорости дрейфа твердотельного волнового гироскопа |
| CN102650527A (zh) * | 2012-05-25 | 2012-08-29 | 北京航空航天大学 | 一种基于时间序列分析消噪的光纤陀螺温度补偿方法 |
| US20150114112A1 (en) * | 2013-10-30 | 2015-04-30 | Stmicroelectroncs S.R.L. | Microelectromechanical gyroscope with compensation of quadrature error drift |
| CN107621269A (zh) * | 2016-07-15 | 2018-01-23 | 北京计算机技术及应用研究所 | 光纤陀螺温度漂移误差补偿方法 |
| CN109297509A (zh) * | 2018-08-28 | 2019-02-01 | 北京航天时代激光导航技术有限责任公司 | 一种基于三态理论的激光陀螺零偏漂移误差建模与补偿方法 |
| CN109740738A (zh) * | 2018-12-29 | 2019-05-10 | 腾讯科技（深圳）有限公司 | 一种神经网络模型训练方法、装置、设备和介质 |
| CN112797967A (zh) * | 2021-01-31 | 2021-05-14 | 南京理工大学 | 一种基于图优化的mems陀螺仪随机漂移误差补偿方法 |
| CN114061559A (zh) * | 2021-11-16 | 2022-02-18 | 湖北三江航天万峰科技发展有限公司 | 光纤陀螺零偏漂移的补偿方法、系统和计算机存储介质 |
Non-Patent Citations (4)
| Title |
|---|
| CHAO ZHUO等: "Special Thermal Compensation Experiment and Algorithm Design for Inertial Navigation System", 《2019 DGON INERTIAL SENSORS AND SYSTEMS (ISS)》, 30 December 2019 (2019-12-30) * |
| TU, YH等: "An ARMA-Based Digital Twin for MEMS Gyroscope Drift Dynamics Modeling and Real-Time Compensation", 《IEEE SENSORS JOURNAL》, 15 February 2021 (2021-02-15) * |
| 刘世昌: "光纤陀螺温度特性与补偿方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, 15 March 2018 (2018-03-15), pages 136 - 1506 * |
| 邓春林;周凤岐;蔡伟;邓红;陈颖;: "环形激光陀螺测试技术的研究与设计", 测控技术, no. 12, 31 December 2010 (2010-12-31) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117664117B (zh) | 2024-04-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107330149B (zh) | 基于arma和bpnn组合模型的mimu陀螺随机漂移预测方法 | |
| Narasimhappa et al. | A modified Sage-Husa adaptive Kalman filter for denoising Fiber Optic Gyroscope signal | |
| CN114061559B (zh) | 光纤陀螺零偏漂移的补偿方法、系统和计算机存储介质 | |
| Diao et al. | Analysis and compensation of MEMS gyroscope drift | |
| CN109211219B (zh) | 一种光纤陀螺仪温度补偿方法 | |
| US20180180420A1 (en) | Method and System for Improving Inertial Measurement Unit Sensor Signals | |
| CN109916388A (zh) | 基于小波降噪和神经网络的光纤陀螺温度漂移补偿方法 | |
| CN108225374A (zh) | 一种融合遗传算法的Allan方差分析法 | |
| CN112762962A (zh) | 基于温度滞后模型的微机电系统加速度计零偏补偿方法 | |
| CN104280047A (zh) | 一种多传感器融合的陀螺漂移滤波系统及方法 | |
| CN117664117B (zh) | 一种光纤陀螺的漂移数据分析及优化补偿方法 | |
| CN108120452B (zh) | Mems陀螺仪动态数据的滤波方法 | |
| CN106153046B (zh) | 一种基于自适应Kalman滤波的陀螺随机噪声AR建模方法 | |
| CN109598371B (zh) | 一种飞行器载电子设备的温度预测方法及系统 | |
| CN112747773B (zh) | 基于Allan方差和随机多项式提高陀螺仪精度的方法 | |
| Unsal et al. | Implementation of identification system for IMUs based on Kalman filtering | |
| CN102679984B (zh) | 基于极小化矢量距离准则的有限模型滤波方法 | |
| CN115688924A (zh) | 一种多样本联合多元自适应回归样条模型 | |
| WO2021092872A1 (zh) | 一种基于智能手机传感器的设备指纹提取方法 | |
| CN111795696A (zh) | 一种基于零速修正的多惯导冗余系统初始结构优选方法 | |
| CN111400931A (zh) | 一种车辆横摆角速度的确定方法及系统 | |
| CN118067155A (zh) | 陀螺仪的温度补偿方法及装置 | |
| Wang et al. | Time-serial Modeling and Kalman Filter of MEMS Gyroscope Random drift Compensation | |
| CN108332751B (zh) | 一种多源融合定位方法、装置、电子设备及存储介质 | |
| Liu et al. | Modeling of mems gyroscope random error based on Kalman filter |
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 |