基于变分模态分解和神经网络算法的微机械陀螺温度补偿

V241.554; 微机械陀螺仪在不同温度下工作体现出的性能有很大的不同,温度特征的存在,阻碍着陀螺的发展和应用,是误差的主要来源.为此本文提出了一种基于样本熵(SE)、变分模态分解(VMD)、BP神经网络、粒子群算法(PSO)以及时间频率峰值滤波(TFPF)的温度补偿方法.温度实验结果证明了该方法的优越性,经过算法处理后,补偿信号的零偏稳定性为1.089°/h,角速度随机游走为0.01815°/h/Hz,相比于原始信号的25.07°/h和角速度随机游走信号的0.94867°/h/Hz,该方法分别优化了95.66％和98.09％.该方法是平行处理方法,将陀螺输出中不同程度噪声和漂移进行分别处理...

Full description

Saved in:
Bibliographic Details
Published in测试技术学报 Vol. 35; no. 6; pp. 495 - 502
Main Authors 郭文静, 曹慧亮
Format Journal Article
LanguageChinese
Published 太原工业学院 电子工程系,山西 太原 030008%中北大学 仪器与电子学院,山西 太原 030051 2021
Subjects
MEMS陀螺仪;温度补偿;变分模态分解;BP神经网络;粒子群优化
Online AccessGet full text
ISSN1671-7449
DOI10.3969/j.issn.1671-7449.2021.06.006

Cover

More Information
Summary:V241.554; 微机械陀螺仪在不同温度下工作体现出的性能有很大的不同,温度特征的存在,阻碍着陀螺的发展和应用,是误差的主要来源.为此本文提出了一种基于样本熵(SE)、变分模态分解(VMD)、BP神经网络、粒子群算法(PSO)以及时间频率峰值滤波(TFPF)的温度补偿方法.温度实验结果证明了该方法的优越性,经过算法处理后,补偿信号的零偏稳定性为1.089°/h,角速度随机游走为0.01815°/h/Hz,相比于原始信号的25.07°/h和角速度随机游走信号的0.94867°/h/Hz,该方法分别优化了95.66％和98.09％.该方法是平行处理方法,将陀螺输出中不同程度噪声和漂移进行分别处理,有效降噪的同时为神经网络提供了良好的数据学习.
ISSN:1671-7449
DOI:10.3969/j.issn.1671-7449.2021.06.006