微惯性测量单元标定与温度补偿技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-19页 |
| ·课题的研究背景和意义 | 第11-12页 |
| ·微惯性系统概述 | 第12-14页 |
| ·微机械陀螺及其特点 | 第12-13页 |
| ·微机械陀螺的发展现状 | 第13-14页 |
| ·相关技术国内外的发展状况 | 第14-17页 |
| ·微惯性测量单元标定 | 第14-16页 |
| ·微惯性测量单元温度补偿 | 第16-17页 |
| ·课题的研究内容和组织结构 | 第17-19页 |
| 第2章 微惯性测量单元的工作原理及特性 | 第19-25页 |
| ·微惯性测量单元的工作原理 | 第19-23页 |
| ·MIMU 陀螺仪 | 第19-21页 |
| ·MIMU 加速度计 | 第21-23页 |
| ·微惯性测量单元的主要性能指标 | 第23页 |
| ·MIMU 温度特性 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 人工神经网络原理及算法 | 第25-37页 |
| ·人工神经网络简介 | 第25-28页 |
| ·人工神经网络的工作原理 | 第25-26页 |
| ·人工神经网络的信息处理能力 | 第26页 |
| ·人工神经网络的特点 | 第26-27页 |
| ·人工神经网络的分类 | 第27-28页 |
| ·人工神经网络的模型结构 | 第28-29页 |
| ·生物神经网络模型 | 第28-29页 |
| ·人工神经网络的模型 | 第29页 |
| ·BP 神经网络 | 第29-32页 |
| ·BP 网络算法 | 第29-31页 |
| ·BP 网络算法改进 | 第31-32页 |
| ·径向基函数神经网络 | 第32-36页 |
| ·RBF 网络的基本原理 | 第33-34页 |
| ·RBF 网络学习算法 | 第34-36页 |
| ·基于 RBF 网络的非线性滤波 | 第36页 |
| ·本章小结 | 第36-37页 |
| 第4章 微惯性测量单元标定系数误差补偿 | 第37-60页 |
| ·微惯性测量单元的模型分析以及建立模型 | 第37-43页 |
| ·微惯性测量单元陀螺仪误差分析 | 第37-40页 |
| ·微惯性测量单元加速度计误差分析 | 第40-41页 |
| ·微惯性测量单元误差数学模型 | 第41-43页 |
| ·三轴转台组合标定方法设计 | 第43-51页 |
| ·微惯性测量单元陀螺仪速率实验设计 | 第44-48页 |
| ·微惯性测量单元加速度计位置实验设计 | 第48-51页 |
| ·MIMU 陀螺仪标度因数非线性标定 | 第51-58页 |
| ·非线性插值标定法 | 第51-53页 |
| ·BP 神经网络的标定方法 | 第53-56页 |
| ·陀螺仪标度因数非线性标定的结果 | 第56-58页 |
| ·标定验证试验与分析 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 微惯性测量单元温度补偿 | 第60-80页 |
| ·实验数据的采集以及分析 | 第61-68页 |
| ·采集实验数据的方案设计 | 第61-63页 |
| ·实验数据分析 | 第63-67页 |
| ·MIMU 的输出与各温度的相关特性 | 第67-68页 |
| ·多项式的拟合法误差建模 | 第68-74页 |
| ·多项式拟合建模 | 第68-69页 |
| ·非线性回归的运用 | 第69-71页 |
| ·验证试验 | 第71-74页 |
| ·基于 RBF 神经网络温度补偿方法 | 第74-78页 |
| ·RBF 神经网路的设计 | 第74-75页 |
| ·网络的训练 | 第75页 |
| ·验证实验 | 第75-78页 |
| ·小结 | 第78页 |
| ·两种方法的比较 | 第78-79页 |
| ·本章小结 | 第79-80页 |
| 结论 | 第80-82页 |
| 参考文献 | 第82-87页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第87-88页 |
| 致谢 | 第88页 |
