Eksperymentalna walidacja metod kompensacji błędów żyroskopów światłowodowych w warunkach półnaturalnych
##plugins.themes.bootstrap3.article.sidebar##
Numer Tom 16 Nr 3 (2026)
-
Podejście oparte na głębokim uczeniu do automatycznego wykrywania raka skóry z analizą porównawczą różnych wielkości partii w klasyfikacji obrazów dermatologicznych
Abini M.A.5-13
-
Modelowanie i zasady zarządzania produkcją pasz granulowanych mieszanych z wykorzystaniem systemów informacyjno-analitycznych
Mahil Mammadov, Tural14-22
-
Inteligentny system automatycznego sterowania oparty na technologii IoT do energetycznie efektywnego suszenia zboża
Ainur Rustemova, Maria Yukhymchuk, Vladyslav Lesko, Marat Orynbet, Yurii Ivanov23-30
-
Projekt i walidacja eksperymentalna inteligentnego systemu zarządzania zapasami w lodówce opartego na technologii IoT-RPA
Lyudmila Samchuk, Yuliia Povstiana, Nataliia Lishchyna, Mykyta Ponomarenko31-38
-
Inteligentny system monitorowania gleby na rzecz zrównoważonego rolnictwa z wykorzystaniem TinyML i sieci czujników bezprzewodowych o bardzo niskim zużyciu energii
Muhammad Ovais Akhter39-48
-
Modelowanie działania dynamicznego systemu zarządzania kolejkami w supermarketach
Larysa Gumeniuk, Volodymyr Lotysh, Pavlo Humeniuk49-58
-
Eksperymentalna walidacja metod kompensacji błędów żyroskopów światłowodowych w warunkach półnaturalnych
Nurzhigit Smailov, Ainur Kuttybayeva, Yerlan Tashtay, Zhandos Dosbayev, Aruzhan Nazarova, Beibarys Sekenov, Aida Serbayeva, Akezhan Sabibolda59-63
-
Symulacja pracy czterokanałowego przepływomierza ultradźwiękowego o identycznych trajektoriach sygnału w kanałach akustycznych
Yosyp Bilynsky, Andrii Stetsenko64-68
-
Linia do grawerowania z zintegrowaną regeneracją elektrochemiczną służącą do odzyskiwania miedzi i ograniczania ilości osadu
Anatoliy Nester, Vadim Romanuke, Tetiana Yakovyshyna69-76
-
Metoda identyfikacji operatorów HCI w oparciu o ich „portrety wieloczynnikowe” subiektywizacji postrzegania obiektu HCI
Andrii Pukach, Vasyl Teslyuk, Artem Kazarian77-87
-
Udoskonalanie systemów diagnostycznych do analizy i sterowania trybami pracy w sieciach elektroenergetycznych
Igor Khomenko, Ruslan Lozhkin, Andrii Shkrebela, Oleksandr Miroshnyk, Anatolii Sereda, Taras Shchur, Mariana Bohach88-94
-
Modułowa architektura monolityczna dla oprogramowania zarządzającego stacjami ładowania pojazdów elektrycznych o wysokiej dostępności
Volodymyr Horshkov, Nataliia Lishchyna, Andrii Yashchuk, Olena Surynovych, Valerii Lishchyna95-102
-
Badanie wielopoziomowego falownika opartego na tranzystorach IGBT do zasilania bezzałogowego statku powietrznego na uwięzi z telemetrycznym monitorowaniem parametrów mocy
Kyrmyzy Taissariyeva, Kuanysh Muslimov, Gulim Jobalayeva, Ingkar Issakozhayeva, Zhansaya Ayapbergen103-107
-
Dynamiczne omijanie przeszkód przez bezpilotowe statki powietrzne z wykorzystaniem sterowania opartego na logice rozmytej i sieci neuronowej
Anton Makohonov, Ivan Marynych108-113
-
Hybrydowa platforma symulacyjno-eksperymentalna do wykrywania usterek w czasie rzeczywistym w przetwornikach podwyższających napięcie w instalacjach fotowoltaicznych z wykorzystaniem logiki rozmytej i łączności LoRa
Oussama Sait, Mabrouk Khemliche, Samia Latreche, Sait Belkacem, Hamza Khemliche114-122
-
Porównanie algorytmów uczenia maszynowego do wysoko precyzyjnego prognozowania mocy elektrowni fotowoltaicznych na skalę przemysłową
Ahmed Saidi, Abdelghani Draoui, Touhami Abdelouahed123-128
-
Badanie dynamicznych zmian poziomu bezpieczeństwa systemu ochrony informacji
Olha Saliieva, Yurii Yaremchuk129-133
-
Nowy generator hiperchaotyczny: realizacja obwodu i analiza
Volodymyr Rusyn, Petro Kindrachuk, Bogdan Markovych134-138
-
Strategie zapewnienia funkcjonalnej stabilności złożonej sieci sensorowej na podstawie badan dynamiki zachowania równań ewolucyjnych
Valentyn Sobchuk, Yurii Kravchenko, Mykhaylo Sharapov, Oleksandr Laptiev, Andrii Sobchuk139-143
-
Opracowanie odpornej transmisji DVB-T2 OFDM: ocena BER i ograniczanie zakłóceń kanałowych dla niezawodnej transmisji wysokiej rozdzielczości
Olarewaju Peter Ayeoribe144-149
-
Wykrywanie anomalii sieciowych w czasie rzeczywistym w O-RAN z wykorzystaniem głębokiego uczenia się na dużych danych przesyłanych strumieniowo
Satya Sumanth Vanapalli, Rajesh Polepogu, Parish Venkata Kumar K, Vijayasankar Anumala, Vinodh Babu Panguluri, Lakshmi Narayana Jammula, Brahmaiah Madamanchi, Sravani Duvvu, Bhanusree Nanduri, Syam Sundar Musinala150-158
-
Techniczna analiza predykcyjna dużych zbiorów danych do planowania zasobów w oparciu o Apache Spark
Bakhshali Bakhtiyarov, Aynur Jabiyeva, Ulkar Musavi159-166
-
Konwersja modeli wokselowych na siatki poligonowe z zachowaniem integralności strukturalnej i możliwości edycji
Semen Duvanov, Iryna Baranowa167-172
-
Metoda Fuzzy Delphi do identyfikacji kluczowych parametrów w optymalizacji inteligentnych systemów sterowania w procesach rafinacji ropy naftowej
Kamala Aliyeva173-179
-
Metoda określania podstaw klasyfikacji danych jako informacji służbowych oraz stopnia ograniczenia dostępu "Do użytku służbowego"
Yurii Dreis, Oleh Harasymchuk180-183
-
Model i narzędzia do tworzenia i publikowania treści w oparciu o duże modele językowe
Artem Kazarian, Vasyl Teslyuk, Andrii Pukach184-190
-
Ocena użyteczności serwisów internetowych zawierających mapy interaktywne
Łukasz Sendecki, Sergiusz Skalski, Mariusz Dzieńkowski191-197
-
Model rozmyty do oceny poziomu kompetencji w zakresie bezpieczeństwa cyfrowego w populacjach o różnych profilach społecznych
Volodymyr Polishchuk, Vasyl Sehlianyk, Inna Polishchuk, Andrii Shafar198-203
-
Inteligentny moduł do oceny produktywności pracowników zdalnych w systemach monitorowania czasu pracy
Aigul Moldakalykova, Maria Yukhymchuk, Gulzhan Kashaganova, Vladyslav Lesko, Yurii Ivanov, Natalia Sachaniuk-Kavets’ka204-209
-
Hybrydowy model uczenia maszynowego do prognozowania i oceny rankingów uniwersytetów
Nurzhigit Smailov, Nursultan Kuldeyev, Akezhan Sabibolda, Raigul Ustemirova210-216
Archiwum
-
Tom 16 Nr 3
2026-09-30 30
-
Tom 16 Nr 2
2026-06-30 27
-
Tom 16 Nr 1
2026-03-30 27
-
Tom 15 Nr 4
2025-12-20 27
-
Tom 15 Nr 3
2025-09-30 24
-
Tom 15 Nr 2
2025-06-27 24
-
Tom 15 Nr 1
2025-03-31 26
-
Tom 14 Nr 4
2024-12-21 25
-
Tom 14 Nr 3
2024-09-30 24
-
Tom 14 Nr 2
2024-06-30 24
-
Tom 14 Nr 1
2024-03-31 23
-
Tom 13 Nr 4
2023-12-20 24
-
Tom 13 Nr 3
2023-09-30 25
-
Tom 13 Nr 2
2023-06-30 14
-
Tom 13 Nr 1
2023-03-31 12
-
Tom 12 Nr 4
2022-12-30 16
-
Tom 12 Nr 3
2022-09-30 15
-
Tom 12 Nr 2
2022-06-30 16
-
Tom 12 Nr 1
2022-03-31 9
##plugins.themes.bootstrap3.article.main##
Authors
Abstrakt
Żyroskopy światłowodowe (FOG) znajdują szerokie zastosowanie w inercyjnych systemach nawigacyjnych, jednak na ich dokładność mogą znacząco wpływać wahania temperatury i drgania mechaniczne, co prowadzi do dryftu odchylenia i długoterminowej niestabilności. Niniejsze badanie przedstawia eksperymentalną weryfikację kompleksowego podejścia do kompensacji błędów strukturalnych w interferometrycznych żyroskopach FOG klasy nawigacyjnej, działających w półrealistycznych warunkach środowiskowych. Opracowano specjalnie zaprojektowane stanowisko badawcze w celu symulacji zsynchronizowanych zakłóceń termicznych i wibracyjnych, odzwierciedlających te występujące w rzeczywistych scenariuszach nawigacyjnych. Skuteczność metody kompensacji oceniono za pomocą kluczowych wskaźników wydajności, w tym dryfu odchylenia, niestabilności odchylenia, losowego dryftu kątowego oraz wrażliwości na zmiany temperatury. Wyniki eksperymentów wskazują na znaczną poprawę wydajności żyroskopu po zastosowaniu strategii kompensacji: dryft odchylenia i niestabilność odchylenia zostały zmniejszone odpowiednio o około 66% i 61%, natomiast losowy dryft kątowy zmniejszył się o ponad 50%. Znacznie zminimalizowano również wrażliwość na temperaturę. Wyniki te pokazują praktyczną wartość proponowanej metody kompensacji, zwłaszcza w zastosowaniach w systemach autonomicznych oraz w środowiskach, w których sygnały GNSS są zawodne lub niedostępne.
Słowa kluczowe:
Cele Zrównoważonego Rozwoju (SDG)
- Innowacyjność, Przemysł, Infrastruktura
Bibliografia
[1] Abdulrahman, T. A., Isiwekpeni, O. H., Surajudeen-Bakinde, N. T., & Otuoze, A. O. (2016). Design, Specification and Implementation of a Distributed Home Automation System. Procedia Computer Science, 94, 473–478. https://doi.org/10.1016/j.procs.2016.08.073 DOI: https://doi.org/10.1016/j.procs.2016.08.073
[2] Abulkhanova, M., Smailov, N., Tashtay, Y., Yussupova, G., Khabay, A., Sekenov, B., & Sabibolda, A. (2026). Models for assessing accuracy and reliability of fibre-optic gyroscope-based navigation systems. Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, 16(2), 56–60. https://doi.org/10.35784/iapgos.9111 DOI: https://doi.org/10.35784/iapgos.9111
[3] Campanella, C. E., Cuccovillo, A., Campanella, C., Yurt, A., & Passaro, V. M. N. (2018). Fibre Bragg Grating Based Strain Sensors: Review of Technology and Applications. Sensors, 18(9), 3115. https://doi.org/10.3390/s18093115 DOI: https://doi.org/10.3390/s18093115
[4] Chen, X., & Shen, C. (2013). Study on temperature error processing technique for fiber optic gyroscope. Optik, 124(9), 784–792. https://doi.org/10.1016/j.ijleo.2012.02.008 DOI: https://doi.org/10.1016/j.ijleo.2012.02.008
[5] Hu, K., & Liu, Y. (2012). Adaptive Noise Cancellation Method for Fiber Optic Gyroscope. Procedia Engineering, 29, 1338–1343. https://doi.org/10.1016/j.proeng.2012.01.137 DOI: https://doi.org/10.1016/j.proeng.2012.01.137
[6] Huang, C., Li, A., Qin, F., Tong, L., & Wang, Z. (2019). Temperature Error Compensation Method for Fiber Optic Gyroscope Considering Heat Transfer Delay. 2019 3rd International Conference on Electronic Information Technology and Computer Engineering (EITCE), 1061–1067. https://doi.org/10.1109/EITCE47263.2019.9094814 DOI: https://doi.org/10.1109/EITCE47263.2019.9094814
[7] Ilgaz, M. A., & Batagelj, B. (2021). Opto-Electronic Oscillators for Micro- and Millimeter Wave Signal Generation. Electronics, 10(7), 857. https://doi.org/10.3390/electronics10070857 DOI: https://doi.org/10.3390/electronics10070857
[8] Kurbatov, A. M., & Kurbatov, R. A. (2013). The vibration error of the fiber-optic gyroscope rotation rate and methods of its suppression. Journal of Communications Technology and Electronics, 58(8), 840–846. https://doi.org/10.1134/S1064226913070085 DOI: https://doi.org/10.1134/S1064226913070085
[9] Lefèvre, H. C. (1997). Fundamentals of the interferometric fiber-optic gyroscope. Optical Review, 4(1), A20. https://doi.org/10.1007/BF02935984 DOI: https://doi.org/10.1007/BF02935984
[10] Lefèvre, H. C. (2014). The fiber-optic gyroscope, a century after Sagnac’s experiment: The ultimate rotation-sensing technology? Comptes Rendus. Physique, 15(10), 851–858. https://doi.org/10.1016/j.crhy.2014.10.007 DOI: https://doi.org/10.1016/j.crhy.2014.10.007
[11] Li, T., Tan, Y., & Zhou, Z. (2016). A Fiber Bragg Grating Sensing-Based Micro-Vibration Sensor and Its Application. Sensors, 16(4), 547. https://doi.org/10.3390/s16040547 DOI: https://doi.org/10.3390/s16040547
[12] Li Xuyou, He Zhou, Zhang Chen, & Wang Gang. (2009). Application of adaptive filtering to digital closed-loop fiber optic gyroscope. 2009 International Conference on Mechatronics and Automation, 443–447. https://doi.org/10.1109/ICMA.2009.5246656 DOI: https://doi.org/10.1109/ICMA.2009.5246656
[13] Liang, C., Zhou, Y., Zhang, D., She, X., Huang, T., & Shu, X. (2018). Research on the temperature characteristic of magnetic sensor in the magnetic drift compensation fiber-optic gyroscope. Optik, 172, 91–96. https://doi.org/10.1016/j.ijleo.2018.07.015 DOI: https://doi.org/10.1016/j.ijleo.2018.07.015
[14] Lim, S.-H., Oh, I.-K., & Lee, J.-R. (2009). Ultrasonic Active Fiber Sensor based on Pulse-echo Method. Journal of Intelligent Material Systems and Structures, 20(9), 1035–1043. https://doi.org/10.1177/1045389X08098769 DOI: https://doi.org/10.1177/1045389X08098769
[15] Lu, P., Lalam, N., Badar, M., Liu, B., Chorpening, B. T., Buric, M. P., & Ohodnicki, P. R. (2019). Distributed optical fiber sensing: Review and perspective. Applied Physics Reviews, 6(4), 041302. https://doi.org/10.1063/1.5113955 DOI: https://doi.org/10.1063/1.5113955
[16] Savage, P. G. (1998). Strapdown Inertial Navigation Integration Algorithm Design Part 1: Attitude Algorithms. Journal of Guidance, Control, and Dynamics, 21(1), 19–28. https://doi.org/10.2514/2.4228 DOI: https://doi.org/10.2514/2.4228
[17] Shen, C., Chen, X., Yu, J., & Wu, J. (2011). Random drift modeling and compensation for fiber optic gyroscope under vibration. 2011 IEEE International Instrumentation and Measurement Technology Conference, 1–5. https://doi.org/10.1109/IMTC.2011.5944202 DOI: https://doi.org/10.1109/IMTC.2011.5944202
[18] Smailov, N., Tashtay, Y., Sabibolda, A., Kuttybayeva, A., Baigulbayeva, M., & Nussupov, Y. (2025). Performance Analysis of Fiber-Optic Gyroscopes under Vibration and Temperature Effects. 2025 International Conference on Electrical Engineering and Photonics (EExPolytech), 379–382. https://doi.org/10.1109/EExPolytech66949.2025.11253752 DOI: https://doi.org/10.1109/EExPolytech66949.2025.11253752
[19] Sushynskyi, O., Vistak, M., & Dmytrah, V. (2016). The sensitive element of primary transducer of protein optical sensor. 2016 13th International Conference on Modern Problems of Radio Engineering, Telecommunications and Computer Science (TCSET), 418–421. https://doi.org/10.1109/TCSET.2016.7452075 DOI: https://doi.org/10.1109/TCSET.2016.7452075
[20] Tang, H., Yang, C., Qin, L., Liang, L., Lei, Y., Jia, P., Chen, Y., Wang, Y., Song, Y., Qiu, C., Zheng, C., Li, X., Li, D., & Wang, L. (2023). A Review of High-Power Semiconductor Optical Amplifiers in the 1550 nm Band. Sensors, 23(17), 7326. https://doi.org/10.3390/s23177326 DOI: https://doi.org/10.3390/s23177326
[21] Tashtay, Y., Smailov, N., Naubetov, D., Sabibolda, A., Nussupov, Y., Kashkimbayeva, N., Mailybayev, Y., & Batyrgaliyev, A. (2025). Fiber-Optic Gyroscopes: Architectures, Signal Processing, Error Compensation, and Emerging Trends. Journal of Sensor and Actuator Networks, 15(1), 3. https://doi.org/10.3390/jsan15010003 DOI: https://doi.org/10.3390/jsan15010003
[22] Titterton, D., & Weston, J. (2004). Strapdown Inertial Navigation Technology. Institution of Engineering and Technology. https://doi.org/10.1049/PBRA017E DOI: https://doi.org/10.1049/PBRA017E
[23] Vali, V., & Shorthill, R. W. (1976). Fiber ring interferometer. Applied Optics, 15(5), 1099. https://doi.org/10.1364/AO.15.001099 DOI: https://doi.org/10.1364/AO.15.001099
[24] Wei Wang, & Chen, X. (2016). The temperature compensation method of fiber optic gyroscope based on EEMD, B-Spline and SVM. 2016 IEEE Chinese Guidance, Navigation and Control Conference (CGNCC), 512–516. https://doi.org/10.1109/CGNCC.2016.7828838 DOI: https://doi.org/10.1109/CGNCC.2016.7828838
[25] Xu, X., Zhang, C., & Pan, X. (2010). Study of reflection error in closed-loop polarization-maintained interferometric fiber optic gyroscope. Optik, 121(13), 1170–1175. https://doi.org/10.1016/j.ijleo.2008.12.019 DOI: https://doi.org/10.1016/j.ijleo.2008.12.019
[26] Zhang, E. (2018). Compensation for the temperature dependency of fiber optic gyroscope scale factor via Er-doped superfluorescent fiber source. Optical Engineering, 57(08), 1. https://doi.org/10.1117/1.OE.57.8.085106 DOI: https://doi.org/10.1117/1.OE.57.8.085106
[27] Zhang, Y., & Gao, Z. (2012). Fiber optic gyroscope vibration error due to fiber tail length asymmetry based on elastic-optic effect. Optical Engineering, 51(12), 124403. https://doi.org/10.1117/1.OE.51.12.124403 DOI: https://doi.org/10.1117/1.OE.51.12.124403
[28] Zhao, S., Zhou, Y., & Huang, T. (2022). A Novel Method for AI-Assisted INS/GNSS Navigation System Based on CNN-GRU and CKF during GNSS Outage. Remote Sensing, 14(18), 4494. https://doi.org/10.3390/rs14184494 DOI: https://doi.org/10.3390/rs14184494
[29] Zhao, S., Zhou, Y., & Shu, X. (2022a). Analysis of fiber optic gyroscope dynamic error based on CEEMDAN. Optical Fiber Technology, 69, 102835. https://doi.org/10.1016/j.yofte.2022.102835 DOI: https://doi.org/10.1016/j.yofte.2022.102835
[30] Zhao, S., Zhou, Y., & Shu, X. (2022b). Compensation of fiber optic gyroscope vibration error based on VMD and FPA-WT. Measurement Science and Technology, 33(11), 115104. https://doi.org/10.1088/1361-6501/ac7849 DOI: https://doi.org/10.1088/1361-6501/ac7849
[31] Zheng, S., Ren, M., Luo, X., Zhang, H., & Feng, G. (2023). Real-Time Compensation for SLD Light-Power Fluctuation in an Interferometric Fiber-Optic Gyroscope. Sensors, 23(4), 1925. https://doi.org/10.3390/s23041925 DOI: https://doi.org/10.3390/s23041925
[32] Zhou, C.-L., Zhang, Q., Yan, S.-H., Gao, L., & Wang, G.-C. (2009). Modeling and compensation for temperature errors of interferometric fiber optic gyroscope. 2009 International Conference on Information and Automation, 1443–1446. https://doi.org/10.1109/ICINFA.2009.5205143 DOI: https://doi.org/10.1109/ICINFA.2009.5205143
##plugins.themes.bootstrap3.article.details##
Abstract views: 6
Downloads: 5

