基于Kalman滤波和神经网络的MEMS陀螺温度漂移补偿

• 作者: 侯宏录 李光耀 郭宏伟
• 来源期刊: 自动化与仪表
• 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
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 专题研究与综述
• 页码范围: 1-4,9
• 页数: 5页
• 分类号: TH741|V241.5+33
• 语种: 中文
• DOI: 10.19557/j.cnki.1001-9944.2020.01.001

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	侯宏录	西安工业大学光电工程学院	72	466	11.0	18.0
2	郭宏伟	西安工业大学光电工程学院	1	0	0.0	0.0
3	李光耀		1	0	0.0	0.0