[發明專利]一種基于組合算法的MEMS陀螺隨機誤差補償方法

在審

• 申請號: 202010747389.1
• 申請日: 2020-07-29
• 公開（公告）號: CN111896029A
• 公開（公告）日: 2020-11-06
• 發明（設計）人: 周冠武;閆效鶯;李皎;康磊
• 申請（專利權）人: 西安石油大學
• 主分類號: G01C25/00
• 分類號: G01C25/00;G06F17/16;G06F17/18;G06N3/04;G06N3/08
• 代理公司: 西安智大知識產權代理事務所 61215
• 代理人: 弋才富

一種基于組合算法的MEMS陀螺隨機誤差補償方法，包括以下步驟：步驟1：采樣MEMS陀螺連續時間輸出的角速率數據作為原始輸出數據；步驟2：選取部分采樣數據，轉換為樣本數據；從中選取訓練樣本和驗證樣本，設置極限學習機算法參數；步驟3：以訓練樣本作為極限學習機隨機誤差模型的輸入，進行模型學習；步驟4：以驗證樣本對步驟3得到的極限學習機隨機誤差模型進行改進驗證；步驟5：判斷模型輸出值與驗證樣本真實值的均方根誤差RMSE是否滿足要求；步驟6：建立基于上述隨機誤差模型的極大后驗卡爾曼濾波，并對陀螺?漂移數據進行濾波；本發明具有誤差模型非線性、濾波噪聲自適應的優點，可適用于MEMS單軸或多軸陀螺動靜態系統的隨機誤差補償。

技術領域

本發明屬于MEMS傳感器技術領域，特別涉及一種基于組合算法的MEMS陀螺隨機誤差補償方法。

背景技術

MEMS陀螺是一種能夠敏感載體角速度的傳感器，具有體積小、重量輕、成本低、可靠性高、功耗低等優點，目前被廣泛應用于航空、航天、航海、兵器、汽車、環境監控等領域。作為慣性導航領域的重要組成部分，MEMS陀螺的精度直接影響整個導航系統的性能，因此提高MEMS陀螺的精度至關重要。

MEMS陀螺測量誤差主要來自加工誤差、自身結構和外界干擾。依據MEMS陀螺誤差產生機理，分析可知MEMS陀螺的漂移誤差主要由確定性漂移誤差和非確定性隨機漂移誤差組成。確定性漂移誤差有零偏誤差、刻度因子誤差、溫度敏感誤差、交叉耦合誤差。對于確定性漂移誤差可以通過標定實驗，從而建立正確的數學模型來消除；而對于非確定性隨機漂移誤差一般不能通過補償消除。目前，針對MEMS陀螺隨機漂移誤差修正技術，通常是在陀螺輸出誤差數據的基礎上，分析其統計規律，建立隨機漂移誤差數學模型，最后通過濾波對誤差進行修正。

目前，常用于陀螺隨機漂移誤差建模的方法有Allan方差、時間序列、灰色模型法、神經網絡和支持向量機等。常用于陀螺隨機漂移誤差濾波或者降噪主要有維納濾波、卡爾曼濾波、小波分析、粒子濾波等方法。上述所提出的誤差建模及濾波方法各有優劣，并沒有一種普遍適用的修正技術。在MEMS陀螺隨機漂移誤差修正中，目前最常采用的建模與濾波方法是AR模型與卡爾曼濾波，即要求誤差模型為線性，系統噪聲和量測噪聲為高斯白噪聲，而實際工程應用中不僅誤差模型具有弱非線性，同時濾波中高斯白噪聲的設定也很難滿足要求，因此傳統的基于AR模型與卡爾曼濾波方法存在自身難以克服的非線性與噪聲估計不準確而造成隨機誤差補償效果不理想的缺陷。

發明內容

為滿足弱非線性建模，避免算法出現過擬合、陷入局部極小問題，以及需要對數據預處理與高斯白噪聲設定等過程，本發明的目的在于提供一種基于組合算法的MEMS陀螺隨機誤差補償方法，通過極限學習機算法建立隨機誤差模型，根據自適應卡爾曼濾波算法，計算實際模型的系統噪聲和量測噪聲，大大降低MEMS陀螺隨機誤差，同時提高了其補償方法的適用范圍。

為了實現上述目的，本發明采用的技術方案為：

一種基于組合算法的MEMS陀螺隨機誤差補償方法，包括以下步驟：

步驟1：基于旋轉試驗臺，采樣MEMS陀螺連續時間輸出的角速率數據作為原始輸出數據；

步驟2：選取部分采樣數據，轉換為樣本數據；從中選取訓練樣本和驗證樣本，設置極限學習機算法參數；

步驟3：以訓練樣本作為極限學習機隨機誤差模型的輸入，進行模型學習；

步驟4：以驗證樣本對步驟3得到的極限學習機隨機誤差模型進行改進驗證；

步驟5：判斷模型輸出值與驗證樣本真實值的均方根誤差RMSE是否滿足要求；若滿足誤差要求，則結束；否則，增加一個隱層節點且轉向步驟3。

步驟6：建立基于上述隨機誤差模型的極大后驗卡爾曼濾波，并對陀螺-漂移數據進行濾波。