论文部分内容阅读
陀螺仪是惯性测量系统的核心,随着惯性测量系统对陀螺仪精度要求的不断提高,陀螺漂移的研究日显重要。微机械陀螺与传统的机电类和光电类陀螺相比,具有成本低、尺寸小、重量轻、可靠性高等优点。目前微机械陀螺的应用仍然受到其低精度的制约,只能用于低端导航领域,提高微机械陀螺精度快速、可靠的方法之一是对其进行误差特性分析、建模和补偿。惯性测量系统的陀螺漂移包括系统性和随机性误差,其中随机性漂移误差是系统的主要误差源。以智能车辆姿态确定和导航为背景的估计问题,可看作是对非线性系统的滤波。目前业内广泛采用的是卡尔曼滤波方法,卡尔曼滤波是一套由计算机实现的实时递推算法,它所处理的对象是随机信号,在实时性方面有突出的性能。但卡尔曼滤波需要将所处理的信号进行线性化、高斯、平稳的预处理,这存在一定的难度而且也可能引起发散。粒子滤波通过非参数化的蒙特卡罗模拟方法来实现递推贝叶斯滤波,适用于任何能用状态空间模型表示的非线性系统,以及传统卡尔曼滤波无法表示的非线性系统,精度可以逼近最优估计。粒子滤波方法使用灵活,容易实现,当前已成为目标跟踪,信号处理和惯性导航等领域的一大研究热点。本文结合智能车辆惯性导航的应用背景,选择低精度压电振动式微机械陀螺芯片,针对当前陀螺无法满足智能车辆姿态确定和导航需求的现实问题,结合电路设计方法和微机械陀螺的基本原理,采用Allan方差辨识陀螺的零漂误差种类,提出了粒子滤波技术用于减少陀螺静态漂移的方案。一方面对陀螺芯片进行预处理电路设计,另一方面对比运用卡尔曼滤波、粒子滤波方法提高陀螺精度。实验证明,通过硬件和软件两个层次的设计有效地减少了陀螺芯片的静态漂移,粒子滤波方法对于处理非线性信号要优于卡尔曼滤波,这为低精度微陀螺的高端应用提供了一种新的思路。