基于时变ARMA模型的MEMS陀螺随机误差补偿技术

作者：宋金龙; 石志勇; 王律化; 王海亮

来源：光子学报, 2018, 47(07): 115-124.

• 传感器技术
• 微机电系统陀螺
• 自回归滑动平均模型
• 随机漂移
• 遗忘因子递推最小二乘法

为了提高微机电系统(MEMS)陀螺的测量精度,提出了一种基于遗忘因子递推最小二乘估计的时变自回归滑动平均(ARMA)模型补偿方法.针对实测MEMS陀螺去除趋势项后的随机漂移信号,采用分段检验方式进行了平稳性分析,选取合适的基函数以及子空间维数进行时变ARMA模型建模.采用遗忘因子递推最小二乘估计的方式进行模型参数估计,通过设置遗忘因子,使得更新后的模型参数能够反映信号的动态变化.针对存在轻微波动的时变参数,采用5阶多项式对时变模型参数进行拟合,并提出一种解析法进行参数寻优,从而建立最优随机漂移模型.将建模结果应用于卡尔曼滤波,进行随机漂移补偿,将补偿结果与时不变ARMA模型建模补偿方式的补偿结果进行对比发现,所提方法补偿后的残差方差比时不变ARMA模型补偿后的残差方差降低了近40%,有效提高了MEMS陀螺随机漂移的补偿精度.

• 单位
  中国人民解放军陆军工程大学