MEMS陀螺阵列RCC-OBE估计融合技术研究

"MEMS 陀螺阵列的RCC-OBE估计融合方法" 本文主要探讨了如何提升微机电系统（MEMS）陀螺仪的精度，特别是在多传感器阵列环境中的应用。研究聚焦于一种基于松弛Chebyshev中心（RCC）的最优定界椭球（OBE）算法，并将其应用于MEMS陀螺阵列的信号融合技术。 在MEMS陀螺仪的精度提升方面，研究者们建立了一个基于单个陀螺仪误差输出模型的阵列系统机动融合模型。阵列系统能够通过集成多个传感器的数据来提高整体性能，尤其是在存在噪声的情况下。然而，由于噪声的统计特性通常难以精确预知，这会导致传统的融合方法在精度上有所下降。 为解决这个问题，研究中引入了集员估计理论，这是一种处理噪声不确定性但假设噪声有界的方法。在这种理论框架下，OBE算法被用来进行角速率信号的稳健估计。OBE算法能有效地包容所有可能的真值，即便是在噪声存在且其特性不完全已知的情况下。 在OBE算法的具体实现中，研究者指出，通常情况下，椭球几何中心被用作真实值的点估计。然而，这个中心并不具备最优性质。相反，Chebyshev中心——集员中与所有半径向量距离之和最小的点，具有许多理论上的优点，比如对噪声的鲁棒性和对不确定性更好的适应性。 通过使用RCC-OBE估计融合方法，可以提高MEMS陀螺阵列的角速率估计精度，这对于需要高精度姿态控制的系统，如导弹工程、航天器导航或高级机器人系统来说，具有重要的实际应用价值。此外，这种方法还能帮助处理传感器故障或数据丢失情况，增强了系统的可靠性。 该研究由北京航空航天大学学报发表，得到了国家自然科学基金的支持。作者包括沈强、刘洁瑜、赵乾和王琪，其中刘洁瑜是通信作者。文章详细介绍了RCC-OBE算法的原理、实施步骤以及其在实际MEMS陀螺阵列系统中的应用效果，为后续的相关研究提供了理论基础和技术参考。