【技术实现步骤摘要】
基于GRU神经网络与分段Hermit插值的MEMS三轴加速度计标定方法
[0001]本专利技术涉及惯性器件标定补偿
，特别是一种基于
GRU
神经网络与分段
Hermit
插值的
MEMS
三轴加速度计标定方法
。
技术介绍
[0002]近些年来，
MEMS
三轴加速度计的误差补偿一直是国内外惯性导航领域的研究热点
。MEMS
惯性器件的主要误差项包括零偏
、
标度因数
、
三轴非正交误差等，由于低成本
MEMS
三轴加速度计的器件性能与精度较差，其标度因数误差呈强非线性特点，常规方法无法精确补偿
。
在各类应用场景中，低成本
MEMS
三轴加速度计的标度因数非线性误差对于导航解算精度影响显著，会加剧导航误差的发散
。
因此，对于标度因数非线性误差的补偿具有关键意义
。
[0003]目前，提高
MEMS
三轴加速度计测量精度的办法主要分为两种：一种是提高硬件性能，比如使用更高精度的元器件
、
提高电子线路的性能
、
增强对外部电磁干扰的屏蔽等；另一种是对
MEMS
三轴加速度计的惯性器件进行误差建模和标定，然后通过误差分析对其进行补偿
。
受
MEMS
三轴加速度计的制造成本限制，一般采用第二种方法，其主要思路是利用高精
【技术保护点】
【技术特征摘要】
1.
一种基于
GRU
神经网络与分段
Hermit
插值的
MEMS
三轴加速度计标定方法，其特征在于，包括以下步骤：步骤
1、
对
MEMS
三轴加速度计进行误差建模；步骤
2、
设计智能标定试验，完成
GRU
神经网络建模与模型训练；步骤
3、
在三轴转台对
MEMS
三轴加速度计进行测试，将
MEMS
三轴加速度计经智能标校后的输出值与理论值作差，将结果作为标定残差；步骤
4、
设计标定残差拟合方法及对应的三轴转台标定编排方式，采集
MEMS
三轴加速度计在各位置处静止的输出数据；步骤
5、
使用
Hermit
插值法建立标定残差关于
MEMS
三轴加速度计输出的补偿模型；步骤
6、
根据建立的补偿模型，对
MEMS
三轴加速度计的标定残差进行实时补偿，并分析算法的有效性
。2.
根据权利要求1所述的基于
GRU
神经网络与分段
Hermit
插值的
MEMS
三轴加速度计标定方法，其特征在于，步骤1所述的对
MEMS
三轴加速度计进行误差建模，具体如下：
MEMS
三轴加速度计的误差包括安装误差
、
标度因数误差和零偏，采用三轴转台实现
MEMS
三轴加速度计敏感轴的正交化，在经过调平并使用陀螺经纬仪寻北后，三轴转台能够提供角位置基准，将平行于转台内环和中环转轴的右手坐标系定义为转台坐标系，则该坐标系是正交的；设定转台坐标系为正交坐标系
b
，惯导坐标系为非正交坐标系
a
，求解出
b
系到
a
系的坐标系变换矩阵则将加速度
f
在
a
系的非正交投影
f
a
转变为在
b
系的正交投影
f
b
；由于非正交系到正交系的坐标变换矩阵实际上只含6个变量，列向量的平方和为1，设
i
a
、j
a
、k
a
为
a
系坐标轴的轴向单位矢量，
i
b
、j
b
、k
b
为
b
系坐标轴的轴向单位矢量，
p
mn
(m,n
＝
x,y,z)
表示
a
系和
b
系的轴向单位矢量相乘的结果，则有
MEMS
三轴加速度计安装误差矩阵：
MEMS
三轴加速度计的输入输出关系满足如下的简单线性模型：其中，
N
A
＝
[N
x N
y N
z
]
T
，
K
＝
diag(K
x
,K
y
,K
z
)
，，
N
i
为加表
i
轴
(i
＝
x,y,z)
的输出，
K
i
为加表
i
轴
(i
＝
x,y,z)
的标度因数，
f
ia
、f
ib
分别为加表敏感到的加速度
f
在
a
系
、b
系的投影的
i
轴
(i
＝
x,y,z)
分量，分别为加表零偏在
a
系
、b
系的投影的
i
轴
(i
＝
x,y,z)
分量；
将式
(1)
展开，则得如式
(3)
所示的
MEMS
三轴加速度计误差模型：
3.
根据权利要求2所述的基于
GRU
神经网络与分段
Hermit
插值的
MEMS
三轴加速度计标定方法，其特征在于，步骤2所述的设计智能标定试验，完成
GRU
神经网络建模与模型训练，具体如下：步骤
2.1、
设计智能标定试验，完成
GRU
神经网络建模：采用
GRU
深度神经网络模型抑制
MEMS
三轴加速度计误差，
GRU
深度神经网络由输入门
、
重置门
、
更新门
、
候选隐藏状态
、
最终隐藏状态构成，其中输入门通过
Sigmoid
函数来控制输入信息的重要程度，重置门和更新门决定网络何时丢弃过去的信息以及何时将新的信息传递到下一步；候选隐藏状态根据输入和过去的隐藏状态生成的新的隐藏状态的候选值；通过重置门
、
更新门和候选隐藏状态的组合，
GRU
能够选择性地保留过去的信息，同时更新当前的隐藏状态；
GRU
网络模型如下式
(4)
～
(7)
所示：
r
t
＝
σ
(W
r
x
t
+U
r
h
t
‑1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)z
t
＝
σ
(W
z
x
t
+U
z
h
t
‑1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)(5)
其中，
x
t
代表
t
时刻的输入，
r
t
代表重置门，
z
t
代表更新门，代表
t
时刻候补的隐含层状态，
h
t
代表
t
时刻的隐含层状态，
σ
()
与
tanh()
为激活函数，
W
r
、W
z
、W
h
、U
r
、U
z
和
U
h
为权重矩阵；步骤
2.2、
模型训练：采用线运动
、
温度误差因素连续激励的模型训练数据采集过程，训练数据集的产生过程如下：步骤
2.2.1、
通过专用夹具将器件固定在带温箱转台上，启动转台
、
温箱，控制温度规律变化，变化规律为常温
→
60℃
→‑
40℃
→
常温，期间同步控制转台规律运动；步骤
2.2.2、
控制转台内
、
中
、
外环缓慢转动，使
MEMS
三轴加速度计三轴的理论输入值在
±
1g
之间完成充分遍历；步骤
2.2.3、
采集
MEMS
三轴加速度计的输出，根据转台实时输出的角位置信息构建
MEMS
三轴加速度计的测量基准，并作差，得到
MEMS
三轴加速度计的输出误差；步骤
2.2....
【专利技术属性】
技术研发人员：陈帅，卜泽峰，程玉，徐川，侯志宽，薛超，丁鹏飞，丁虎山，宋华，吴奕雯，王一，楚飞黄，陶银河，陈曦，
申请(专利权)人：东南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。