深度学习下MEMS陀螺温度误差补偿方法

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

深度学习下MEMS陀螺温度误差补偿方法
宋一平;刘宁;刘福朝;雷明;戚文昊
【期刊名称】《传感技术学报》
【年(卷),期】2022(35)1
【摘要】针对MEMS陀螺仪因材质特性,制造工艺等差异导致输出数据受温度影
响的问题。

本文在传统温度误差补偿的基础上,提出将深度学习与神经网络相结合,
通过LSTM神经网络进行温度误差补偿,从而减小温度变化引起的陀螺的温度漂移。

分析了MEMS陀螺仪的温度特性,并在RNN神经网络模型的基础上,建立多层LSTM神经网络模型,利用基于ADAM的优化算法和时间反向传播BPTT算法对LSTM网络进行训练。

将训练好的网络模型植入到STM32硬件中,进而实现对MEMS陀螺仪输出的实时温度补偿。

实验表明,LSTM模型与RBF温度补偿模型相比,陀螺仪补偿后的零偏稳定性、零偏不稳定性和角度随机游走等性能指标,以及MAE、MSE、RMSE三个模型评价指标提高了90%以上。

【总页数】7页(P92-98)
【作者】宋一平;刘宁;刘福朝;雷明;戚文昊
【作者单位】北京信息科技大学高动态导航技术北京市重点实验室
【正文语种】中文
【中图分类】TH701;TN306
【相关文献】
1.MEMS陀螺标度因数非线性误差补偿方法研究
2.振动环境下MEMS陀螺动态误差补偿方法
3.MEMS惯性陀螺仪随机误差自适应补偿方法
4.基于改进极限学习机的MEMS陀螺随机误差补偿方法研究
5.一种新的MEMS陀螺温度误差建模与补偿方法
因版权原因,仅展示原文概要,查看原文内容请购买。

相关文档
最新文档