基于神经网络的惯性测量单元误差标定

• 作者: 刘秉 邱岳恒 闫建国
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 多层前向神经网络 误差补偿 惯性测量单元
• 年，卷（期）: 2009,（11）
• 所属期刊栏目: 航空航天领域仿真
• 页码范围: 94-96,223
• 页数: 4页
• 分类号: TP183
• 字数: 3101字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2009.11.024

摘要

针对惯性测鼍单元非线性误差的标定问题,为保证导航精度,设计了多层前向神经网络的补偿模型.神经网络算法具有良好逼近非线性函数的能力,适合于非线性系统的建模.采用BP神经网络为主要逼近手段,对惯性测量单元的非线性误差函数进行精确逼近,弥补了常规建模方法的不足.将算法应用到某型MEMS惯性测量单元的非线性误差建模中,进行了仿真验证.结果表明,BP神经网络对原始信号的逼近误差在工程应用允许范围内,较传统的的最小二乘法建模方法有了显著的提高,保证有效地解决某型MEMS惯性测量单元误差大的问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	闫建国		131	1162	17.0	26.0
2	邱岳恒		10	38	4.0	5.0
3	刘秉		3	23	2.0	3.0