10.3969/j.issn.1671-7449.2021.06.006
基于变分模态分解和神经网络算法的微机械陀螺温度补偿
微机械陀螺仪在不同温度下工作体现出的性能有很大的不同,温度特征的存在,阻碍着陀螺的发展和应用,是误差的主要来源.为此本文提出了一种基于样本熵(SE)、变分模态分解(VMD)、BP神经网络、粒子群算法(PSO)以及时间频率峰值滤波(TFPF)的温度补偿方法.温度实验结果证明了该方法的优越性,经过算法处理后,补偿信号的零偏稳定性为1.089°/h,角速度随机游走为0.01815°/h/Hz,相比于原始信号的25.07°/h和角速度随机游走信号的0.94867°/h/Hz,该方法分别优化了95.66%和98.09%.该方法是平行处理方法,将陀螺输出中不同程度噪声和漂移进行分别处理,有效降噪的同时为神经网络提供了良好的数据学习.
MEMS陀螺仪;温度补偿;变分模态分解;BP神经网络;粒子群优化
35
V241.554(航空仪表、航空设备、飞行控制与导航)
国家自然科学基金资助项目51705477
2021-12-23(万方平台首次上网日期,不代表论文的发表时间)
共8页
495-502