作者：王辛望; 沈小林; 刘新生mems陀螺随机误差自适应kalman滤波时间序列分析自回归滑动平均allan方差
摘要：针对某型MEMS陀螺随机误差较大、精度不高的问题,通过时间序列分析法,建立自回归滑动平均ARMA（AutoRegressive and Moving Average）模型,采用ARMA（2,1）模型将预处理后的MEMS陀螺随机误差进行建模。设计基于ARMA模型的经典Kalman滤波器。静态试验和恒定速率试验结果表明在经典Kalman滤波器作用下,静态试验下其均值与均方差下降32.62%和66.31%;恒定速率试验下,其均值有明显的降低,其均方差减小了一个数量级。针对经典Kalman滤波器不能解决振动试验中大振幅时滤波发散问题,提出一种新的自适应Kalman滤波法,通过寻找合适的标定因子s解决滤波发散问题。振动试验结果表明,当振幅为100°时,滤波后的均值和均方差分别下降8.25%和8.36%。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
