基于Kalman滤波和神经网络的MEMS陀螺温度漂移补偿

发布时间：2022-08-13 16:25

　　MEMS陀螺温度漂移严重影响系统的测量精度。传统的BP神经网络建模补偿容易使权值和阈值陷入局部极小值,导致网络训练失败。陀螺输出信号中的高频噪声也会影响模型精度。针对上述问题,该文提出一种Kalman滤波结合粒子群算法（PSO）优化BP神经网络的MEMS陀螺温度漂移补偿方法。首先对陀螺进行了温度漂移测试实验,然后采用Kalman滤波对实验数据进行降噪,最后建立陀螺温度漂移模型,从而实现温度漂移的补偿。实验结果表明,采用该方法补偿后MEMS陀螺在不同温度下的输出方差降低了65.09%,与传统的BP神经网络相比补偿精度明显提高。 

【文章页数】：5 页

【文章目录】：
1 MEMS陀螺测试实验及Kalman滤波
    1.1 温度漂移测试
    1.2 Kalman滤波
2 BP与PSO-BP神经网络建模及补偿效果对比
    2.1 BP神经网络与PSO-BP神经网络建模
    2.2 BP神经网络与PSO优化BP神经网络补偿效果对比
3 结语


【参考文献】：
期刊论文
[1]光纤陀螺零偏漂移的温度特性与补偿[J]. 侯宏录,李光耀,李媛.  自动化仪表. 2019(03)
[2]MEMS陀螺标度因数非线性误差补偿方法研究[J]. 杜仁杰,苏中,刘宁,李羚.  仪表技术与传感器. 2019(03)
[3]基于RBF神经网络的MEMS陀螺温度漂移补偿[J]. 徐小婷,沈小林.  微纳电子技术. 2018(11)
[4]基于神经网络的MEMS陀螺标定与补偿[J]. 程章,许江宁,许微,梁佩雷.  压电与声光. 2018(01)
[5]陀螺稳定平台自适应分层滑模速度控制[J]. 杨蒲,李奇.  兵工学报. 2008(07)
[6]陀螺稳定平台速度环的一种神经网络自适应控制方法[J]. 王连明,葛文奇,谢慕君.  光电工程. 2001(04)

硕士论文
[1]基于MEMS陀螺的两轴平台稳定机理研究[D]. 刘长征.天津大学 2014



本文编号：3677367