学位论文 > 优秀研究生学位论文题录展示

三轴磁通门传感器误差分析与校正

作　者: 庞鸿锋
导　师: 陈棣湘
学　校: 国防科学技术大学
专　业: 仪器科学与技术
关键词: 三轴磁通门传感器总量校正模型分量校正模型温度补偿模型神经网络自适应滤波卡尔曼滤波
分类号: TH762.3
类　型: 硕士论文
年　份: 2010年
下　载: 285次
引　用: 4次
阅　读: 论文下载

内容摘要

三轴磁通门传感器常用于磁场矢量测量,具有体积小、重量轻、结构简单、灵敏度高、耗电量小、使用方便等优点,在工程物探和以及地磁导航和导弹姿态测量等军事领域具有很重要的应用价值,在地磁分量测量领域有着不可替代的作用。但由于三轴磁通门传感器存在各轴零偏不一致、各轴刻度因子不一致、轴间非正交和温度漂移等多种误差,将严重影响地磁导航系统和其他磁场测量系统的精度。因此,需要对磁通门传感器的误差产生机理和测量数据的误差补偿与标定技术进行深入研究,解决误差标定与补偿技术中所涉及的理论和技术问题。结合实验设备和参数估计理论对三轴磁通门传感器的误差标定方法进行了研究。首先,阐述了对三轴磁通门传感器进行标定的意义及其国内外研究现状。其次,对传感器多种误差产生的原因及其对传感器性能的影响程度进行了深入分析。再次,基于线性神经网络的总量校正模型,研究并实现了磁通门传感器的转向差校正。基于自适应滤波的总量校正模型,研究并实现了转向差校正。提出了结合设备、自适应滤波、FIR数字滤波器的转向差校正方法。然后,基于扩展卡尔曼滤波的参数估计模型,提出分量校正模型,对传感器分量校正进行了研究。最后,对磁通门传感器进行了温度测试和建模,并对温度误差补偿进行了研究。研究了零偏、刻度因子、非正交性对转向差的影响程度,总结了导致转向差的主要因素;提出了分量输出模型,对旋转过程中的传感器输出值进行了描述,提出了刻度因子标定模型,为基于设备进行刻度因子标定奠定了基础;利用设备对零偏误差进行了标定,并验证了标定结果的可信度;分析了各轴的输出值线性度误差,验证了磁通门传感器的良好线性度。通过线性神经网络对传感器参数进行估计,明显抑制了传感器转向差。结合设备和自适应校正改进了双自适应算法进行参数估计的不足之处,抑制了传感器系统误差。在干扰磁场环境下,结合FIR数字滤波器优化了自适应滤波校正效果,并对不同滤波顺序对转向差校正效果的影响进行了详细分析。在传感器姿态任意变化情况下,对传感器转向差进行了校正,获取了收敛的校正权值,并验证了校正权值的通用性。应用扩展卡尔曼滤波方法校正了传感器分量,同时抑制了转向差。建立了通用的温度补偿模型,补偿了温度漂移误差。论文的最后,对本文的工作进行了总结,并对进一步的研究工作进行了展望。

全文目录

摘要  11-12
ABSTRACT  12-14
第一章绪论  14-21
  1.1 论文研究的背景和意义  14-17
    1.1.1 论文研究的背景  14-15
    1.1.2 论文研究的意义  15-17
  1.2 国内外研究动态  17-19
    1.2.1 国外研究现状  17-18
    1.2.2 国内研究现状  18-19
  1.3 论文的主要内容和结构安排  19-21
第二章三轴磁通门传感器误差分析  21-33
  2.1 三轴磁通门传感器转向差分析  21-24
    2.1.1 分量输出模型一  21-22
    2.1.2 分量输出模型二  22-23
    2.1.3 已知参数的转向差  23-24
  2.2 零偏因数分析  24-26
    2.2.1 零偏标定原理  24-25
    2.2.2 零偏标定的可信度检验  25-26
  2.3 各参数对转向差影响的对比分析  26-29
  2.4 线性度误差分析  29-30
  2.5 刻度因子标定模型及夹角误差分析  30-31
  2.6 温度误差分析  31-32
  2.7 本章小结  32-33
第三章基于线性神经网络的转向差校正  33-41
  3.1 线性神经网络原理  33-36
  3.2 线性神经网络校正转向差原理  36-38
    3.2.1 传感器校正模型一  36-37
    3.2.2 神经网络估计校正参数原理  37-38
  3.3 仿真与实验结果  38-40
    3.3.1 仿真结果  38-39
    3.3.2 实验结果  39-40
  3.4 本章小结  40-41
第四章基于自适应滤波的转向差校正  41-63
  4.1 自适应滤波原理  41-45
  4.2 自适应滤波校正转向差原理  45-48
    4.2.1 传感器校正模型二  45-46
    4.2.2 自适应滤波估计校正参数原理  46-47
    4.2.3 双层自适应算法原理  47-48
  4.3 自适应校正的仿真结果  48-50
  4.4 结合设备和LMS自适应的校正  50-53
    4.4.1 实验系统介绍  50-51
    4.4.2 零偏值的比较  51-52
    4.4.3 转向差校正效果  52-53
  4.5 干扰磁环境下的转向差校正  53-59
    4.5.1 仿真结果  54-56
    4.5.2 实验结果  56-59
  4.6 任意姿态下的转向差校正  59-62
    4.6.1 实验介绍及数据分析  59-60
    4.6.2 校正结果  60-61
    4.6.3 校正权值通用性的验证  61-62
  4.7 本章小结  62-63
第五章基于卡尔曼滤波的传感器分量校正  63-74
  5.1 卡尔曼滤波原理  63-65
  5.2 扩展卡尔曼滤波  65-66
  5.3 扩展卡尔曼滤波校正传感器原理  66-68
    5.3.1 传感器校正模型三  66-67
    5.3.2 扩展卡尔曼滤波估计校正参数原理  67-68
  5.4 仿真结果  68-73
  5.5 本章小结  73-74
第六章温度特性模型及误差补偿研究  74-91
  6.1 理论基础  74-78
    6.1.1 BP神经网络原理  74-75
    6.1.2 径向基神经网络原理  75-77
    6.1.3 曲线拟合原理  77-78
  6.2 零漂补偿的仿真结果  78-80
    6.2.1 BP神经网络补偿结果  79-80
    6.2.2 径向基神经网络补偿结果  80
  6.3 实验验证结果  80-90
    6.3.1 实验系统介绍  80-82
    6.3.2 BP神经网络补偿效果  82-83
    6.3.3 径向基神经网络对参数的补偿  83-86
    6.3.4 三种温度补偿模型的比较  86-87
    6.3.5 曲线拟合建立的通用性模型  87-90
  6.4 本章小结  90-91
第七章总结与展望  91-95
  7.1 总结  91-93
  7.2 工作展望  93-95
致谢  95-96
参考文献  96-100
作者在学期间取得的学术成果  100

三轴磁通门传感器误差分析与校正

内容摘要

全文目录

相似论文