基于Kalman滤波和神经网络的MEMS陀螺温度漂移补偿

摘要：

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.

关键词：温度漂移补偿、Kalman滤波、粒子群算法、BP神经网络、MEMS陀螺

所属期刊栏目：35

分类号：TH741;V241.5+33(仪器、仪表)

资助基金：陕西省工业科技攻关项目2016GY-051;陕西省教育厅重点实验室科研计划项目15JS035

在线出版日期：2020-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1-4,9