企业官网建设流程全解析

上海建设工程协会网站,二次开发英文,现工作室专做网站建设等应用程序项目，但工作室名暂为,网盟推广费陀螺和加表allan方差分析#xff0c;并拟合出5个系数结果。实验室里刚测完一批光纤陀螺的原始数据#xff0c;老张甩给我个U盘说#xff1a;这组加表和陀螺数据赶紧跑个Allan方差#xff0c;下班前把拟合系数给我。我看了眼墙上的挂钟——得#xff0c;又得跟…陀螺和加表allan方差分析并拟合出5个系数结果。实验室里刚测完一批光纤陀螺的原始数据老张甩给我个U盘说这组加表和陀螺数据赶紧跑个Allan方差下班前把拟合系数给我。我看了眼墙上的挂钟——得又得跟MATLAB死磕两小时。Allan方差这玩意儿说白了就是传感器噪声的照妖镜。双击mat文件加载数据时瞄了眼采样率200Hz。先给陀螺数据上个硬核预处理from allantools import allantools import numpy as np gyro_z data[gyro_z][::10] # 降采样到20Hz fs 20.0 tau np.logspace(-1, 3, 50) # 0.1s到1000s的时间序列这里有个骚操作——原始数据降采样。200Hz的陀螺数据在分析长周期误差时纯属浪费算力特别是当我们需要观察几十分钟量级的零偏稳定性时。不过得注意别把婴儿和洗澡水一起倒掉降采样前的抗混叠滤波可不敢省。跑Allan方差的核心就三行(taus, adev, _, _) allantools.oadev(gyro_z, ratefs, data_typefreq, taustau) logtau np.log10(taus) logadev np.log10(adev)但实际运行时会发现曲线在长tau段像抽风似的乱抖。这时候得祭出滑动平均大法window_size 5; smoothed_adev movmean(adev, window_size);拟合环节才是重头戏。五参数模型对应着五种噪声源def allan_model(tau, Q, N, B, K, R): return np.sqrt(Q**2/tau**2 N**2/tau B**2 (K**2)*tau/3 (R**2)*tau**2/2)初始参数猜测直接影响拟合成败。这里有个经验公式——把log-log曲线从右往左看最右边的上升段对应R项平缓区对应B项左边的下降段对应N和Q。拿鼠标在图上戳几个点估算初始值比无脑设全1靠谱多了。最终拟合结果出来时老张端着枸杞茶晃过来系数准不准我把屏幕一转Q: 2.3e-4 rad/s N: 0.017 deg/√hr B: 3.1e-5 deg/hr K: 8.9e-7 deg/hr^1.5 R: 4.2e-9 deg/hr^2比上次那批货强零偏稳定性进1e-5量级了。老张的茶杯停在嘴边不过这随机游走项咋比规格书高我俩对视一眼——得产线工艺又该排查了。