重庆理工大学学报（自然科学）

重庆理工大学学报（自然科学） ›› 2021, Vol. 35 ›› Issue (1): 197-202.doi: 10.3969/j.issn.1674-8425(z).2021.01.025

• 电气·电子 • 上一篇    下一篇

基于RBF神经网络的MEMS惯性传感器误差补偿方法

刘 宇,付乐乐,邹新海,崔 巍,文丹丹   

  1. 重庆邮电大学智能传感技术与微系统重庆市高校工程研究中心,重庆 400065
  • 出版日期:2021-02-22 发布日期:2021-02-22
  • 作者简介:刘宇,男,博士,教授,主要从事传感器件与系统方面研究,Email:liuyu@cqupt.edu.cn;通讯作者邹新海,男,博士,讲师,主要从事微波光子传感方面研究,E-mail:zouxh@cqupt.edu.cn?
  • 基金资助:
    国家重点研发计划项目(2018YFF01010202,2018YFF01010201);重庆市科学技术委员会基础研究项目(CSTC2017csmsA40017,CSTC2018jcyjax0619);重庆市教委基础研究项目(KJZH17115,KJQN20800626)

  • Online:2021-02-22 Published:2021-02-22

PDF (PC)

538

赞

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?

关键词: 惯性传感器, 多元线性回归, RBF神经网络, 误差补偿模型

中图分类号: 

  • TP212.1