[發明專利]基于Allan方差與ARMA模型分析提高陀螺儀測量精度的方法

有效

• 申請號: 201310653427.7
• 申請日: 2013-12-05
• 公開（公告）號: CN103674062A
• 公開（公告）日: 2014-03-26
• 發明（設計）人: 麥曉明;程駿超;彭向陽;李建利;王柯;焦峰;徐曉剛;王文建;毛先胤
• 申請（專利權）人: 廣東電網公司電力科學研究院;北京航空航天大學
• 主分類號: G01C25/00
• 分類號: G01C25/00
• 代理公司: 廣州知友專利商標代理有限公司 44104
• 代理人: 周克佑

技術領域

本發明涉及一種精確建模慣性導航系統用陀螺儀隨機誤差的方法，具體是指基于Allan方差與ARMA模型分析提高陀螺儀測量精度的方法。

背景技術

陀螺儀作為慣性導航系統中角運動傳感器，其測量精度直接決定了導航系統的性能，目前得到廣泛應用的陀螺儀包括激光陀螺儀、光纖陀螺儀、機械轉子陀螺儀和微機電陀螺儀。陀螺儀的輸出數據中不可避免的包含了測量誤差，測量誤差可分為確定性誤差和隨機性誤差兩類；其中確定性誤差包括零偏誤差、刻度因子誤差、安裝誤差等，可通過高精度轉臺進行誤差標定，依據誤差模型進行補償；而隨機誤差則包括量化噪聲誤差、角度隨機游走誤差和速率隨機游走誤差等，通常無法根據實際物理模型進行建模，只能根據數據的統計規律建立統計誤差模型，再對各種誤差成分進行評估。實際應用中，在補償了陀螺儀確定性誤差的基礎上，隨機誤差成為了影響陀螺儀乃至慣性導航系統性能的主要因素。因此，建立陀螺儀隨機誤差的時域誤差模型并對其進行補償，是提高陀螺儀性能并增強其工程實用性的重要環節。

Allan方差方法最初是由美國國家標準局的David?Allan提出的。它是一種時域分析方法，可以利用它來確定數據噪聲中隨機過程的特性，有助于識別數據中特定噪聲項的來源。噪聲的Allan方差與功率譜密度之間存在某種定量關系，利用這個關系可以根據信號在時域上的輸出數據分析出各誤差源的類型，適用于對精密儀器的隨機噪聲研究，是一種強有力的時域分析工具。因此，利用Allan方差方法對陀螺儀輸出的隨機誤差數據進行分析，可得到對應于該類陀螺儀隨機誤差中各種誤差源的類型。

ARMA模型（Auto-Regressive?and?Moving?Average?Model）是由美國統計學家G.E.P.Box和英國統計學家G.M.Jenkins在二十世紀七十年代提出的時序分析模型，是研究時間序列的重要方法，由自回歸模型（簡稱AR模型）與滑動平均模型（簡稱MA模型）為基礎“混合”構成。ARMA模型描述了一組隨機時間序列中前后數據的相關性以及隨機白噪聲對該組數據的影響。因此，可將陀螺儀的隨機誤差表示成ARMA模型的形式，從而實現對隨機誤差的預測和補償。

本發明結合上述兩種方法的優點，首先利用Allan方差方法辨識出陀螺儀中隨機誤差的誤差源，根據誤差源的時域表達形式進一步確定該陀螺隨機誤差對應的ARMA模型的階數，然后再采用ARMA模型參數估計的格林函數法模型中各項系數，從而得到針對該陀螺儀的隨機誤差在時間域下的誤差模型。本發明能夠有效辨識出陀螺儀隨機誤差中的噪聲源，進而有針對性的建立隨機誤差的時間序列誤差模型，為提高陀螺儀性能設計及其隨機誤差的補償提供有利依據。

發明內容

本發明的目的是提供一種基于Allan方差與ARMA模型分析提高陀螺儀測量精度的方法，該方法能夠有效辨識出陀螺儀隨機誤差中的噪聲源，從而有針對性的建立隨機誤差的時間序列誤差模型，為提高陀螺儀性能設計及其隨機誤差的補償提供有利依據。

本發明的技術解決方案為：基于Allan方差與ARMA模型分析提高陀螺儀測量精度的方法，該方法包括如下步驟：

（1）采集陀螺儀在靜態環境下輸出的原始角速率隨機誤差數據：將陀螺儀安裝在三軸速率轉臺上，調整三軸速率轉臺使得陀螺儀的測量軸與當地東向重合，保持三軸速率轉臺靜止，從而保證陀螺儀的輸入角速度為0，記錄10小時陀螺儀輸出的原始角速率數據為x⁽⁰⁾(n)(n＝1,2,…,N)，N為數據量；

（2）陀螺儀原始角速率隨機誤差數據野值剔除：首先采用寬度為5的滑動窗口提取出陀螺儀輸出的原始角速率數據x⁽⁰⁾(n)中的中位數序列x⁽¹⁾(n)，然后再采用寬度為3的滑動窗口提取出序列x⁽¹⁾(n)中的中位數序列x⁽²⁾(n)，再由獲得的序列x⁽²⁾(n)構造海寧平滑濾波器，得到對原始角速率數據的平滑估計結果x⁽³⁾(n)，最后分析序列x⁽⁰⁾(n)-x⁽³⁾(n)，看是否有數據出現|x⁽⁰⁾(n)-x⁽³⁾(n)|＞ε，ε取值為x⁽⁰⁾(n)標準差的三倍，如果有，則用一內插值代替x⁽⁰⁾(n)，從而得到野值剔除后的陀螺儀角速率數據x(n)；