摘要：针对温度、振动等环境载荷导致石英挠性加速度计参数随着时间发生非线性变化,难以进行准确描述的问题,提出一种加速度计参数长期稳定性多尺度混合建模方法,并利用所建模型对参数变化进行预测。首先,采用经验模态分解对参数长期变化序列进行多尺度分解,使其平稳化以降低其复杂度,为多尺度混合建模奠定基础;然后,在单核向量机的基础上,应用多核最小二乘支持向量机数据拟合算法,以提高多尺度混合建模算法的准确性与适应性;而且为了提升多核向量机的性能,设计一种自适应人工鱼群寻优算法对多核向量机的相关参数进行寻优;最后,建立石英挠性加速度计参数长期稳定性模型,并通过实例进行模型适用性验证与预测性能验证。结果表明,所提出的建模方法相比于传统最小二乘方法,模型更加精确,预测精度更高,零偏K0与标度因数K1的预测均方根误差分别降低了88.65%、86.49%。

摘要：针对石英挠性加速度计因外界温度变化导致输出发生复杂漂移,而传统温度建模由于分别对零偏与标度因数建模补偿而造成重复误差的情况,提出了一种新的基于减法聚类(SCM)与自适应神经模糊推理系统(ANFIS)的温度建模与补偿方法。首先,分析了石英挠性加速度计温度漂移机理,设计了多位置全温域实验,建立了一个整体温度补偿模型;其次,将多位置全温域实验数据作为训练数据,建立了基于改进SCM与ANFIS的组合温度漂移模型;最后利用实验数据进行模型适用性验证与加速度计温度漂移补偿。结果表明:该方法建模相比于单一方法建模准确度高,精度能提高1到2个数量级;经过该模型补偿后,加速度计温度漂移在全温域范围内能够保持在1μg n量级。