摘要
传统的微机电系统(MEMS)惯性传感器误差补偿技术通常采用多元线性回归误差模型,未考虑传感器误差的非线性特性,不能实现精确的误差补偿.针对以上问题,提出了一种基于径向基函数神经网络的微惯性测量单元误差补偿模型,将MEMS惯性传感器三轴测量值和真实值作为样本,对网络进行训练,利用训练好的网络对MEMS加速度计和陀螺仪进行误差补偿.实验结果表明:与多元线性回归误差模型相比,神经网络对惯性传感器具有更好的降噪滤波效果;且基于径向基函数神经网络的惯性传感器误差补偿精度较另外2种模型提升了1～2个数量级.所提方案能够有效地补偿MEMS惯性传感器误差.
基金项目
国家重点研发计划项目(2018YFF01010202)
国家重点研发计划项目(2018YFF01010201)
重庆市科学技术委员会基础研究项目(CSTC-2017csmsA40017)
重庆市科学技术委员会基础研究项目(CSTC-2018jcyjax0619)
重庆市教委基础研究项目(KJZH17115)
重庆市教委基础研究项目(KJQN201800626)
国家科技期刊平台
NSTL
万方数据