基于物理模型的MEMS陀螺温漂特性神经网络建模方法技术

本发明专利技术提供了一种基于物理模型的MEMS陀螺温漂特性神经网络建模方法，首先采集多组学习样本建立MEMS陀螺温度补偿模型，然后依次建立并训练基于温度补偿模型的神经网络、建立并训练RBF神经网络，最终得到MEMS陀螺输出补偿。本发明专利技术提高了神经网络的训练速度，降低了信号中噪声抖动的影响，模型相对简单，缩短了陀螺的准备时间，提高了工作效率。

【技术实现步骤摘要】

本专利技术涉及一种MEMS陀螺温漂特性神经网络建模方法，是惯性导航、组合导航等 领域的关键技术。
技术介绍
MEMS陀螺具有体积小、重量轻、成本低、功耗小以及可靠性高等特点，在微小型飞 行器导航制导中得到了广泛的应用，在未来中低精度导航领域具有较大的发展前景。然而 MEMS陀螺也有两大缺陷，首先MEMS陀螺对温度变化比较敏感，主要表现在陀螺零位随温度 变化有很大的漂移，严重影响其测量精度。其次MEMS陀螺开机工作到工作温度需要长时间 的预热，一般需要1~2h的预热，很多情况下陀螺用于测量的时间远小于陀螺的预热时间， 这严重的制约了MEMS陀螺的适用范围。 温度变化包括外界环境温度变化和上电后陀螺自身发热引起的温度变化。目前已 有很多对外界环境温度变化引起陀螺零位发生漂移做了研宄。如：专利CN103256941A《一 种MEMS陀螺仪高阶温度补偿的使用方法》中将温度漂移模型表达为一个含有21个参数的 5阶多项式【主权项】1. 一种基于物理模型的MEMS陀螺温漂特性神经网络建模方法，其特征在于包括下述 步骤： (1) 等间隔获取不同环境温度下的MEMS陀螺输出，以及对应该环境温度的MEMS陀螺 内部温度值作为学习样本，使学习样本覆盖整个MEMS工作温度区间范围，每个环境温度点 下，采集3组数据，每组数据包括一个MEMS陀螺输出和对应的一个MEMS陀螺内部温度值， 每组数据采集30分钟，且相邻两组数据之间间隔1小时； (2) 针对环境温度T不变的情况，建立基于MEMS陀螺内部温度增量的温度补偿模型 A? =K2ATiK1AT+K。，其中，MEMS陀螺输出补偿值A? = ?m-'，《m为当前时刻的 MEMS陀螺实测值，'为MEMS陀螺输出真实值;MEMS陀螺内部的温度增量AT=T^Tci,Ttl 为MEMS上电后达到稳定状态时的内部温度，Tin为MEMS当前时刻的内部温度；Ki、1(2为MEMS 陀螺温度补偿模型参数，Ktl为MEMS陀螺初始零位； (3) 取AT为输入量，目标向量来构建三层结构的前向神经网络wwI^-Kci=K2A!^+K1AT，所述的二层为输入层、隐层、输出层， 采用最小二乘法训练神经网络，修正神经网络权值的反馈信号为网络的输出与目标向 量差值的积分值；训练时用每个环境温度点下采集的数据训练网络，得到各个不同环境温 度点下MEMS陀螺温度补偿模型参数KpK2的具体值，K^取MEMS陀螺稳定输出30秒的平均 值； (4) 针对不同环境温度的情况，以每个环境温度点为输入量，MEMS陀螺温度补偿模型 的模型参数I、K2为目标向量，建立单输入、双输出的RBF神经网络；利用步骤（3)得到的 不同温度点下的I、K2作为目标向量训练RBF神经网络； (5) 将环境温度值T代入步骤（4)中训练好的RBF神经网络，得到对应温度下MEMS陀 螺温度补偿模型中的KpK2值；将Kda2以及AT代入步骤（3)中的温度补偿模型，求得 补偿值A?，得到修正的MEMS陀螺输出?m-A?。2. 根据权利要求1所述的基于物理模型的MEMS陀螺温漂特性神经网络建模方法，其特 征在于：所述的间隔选取为:TC~5°C。【专利摘要】本专利技术提供了一种基于物理模型的MEMS陀螺温漂特性神经网络建模方法，首先采集多组学习样本建立MEMS陀螺温度补偿模型，然后依次建立并训练基于温度补偿模型的神经网络、建立并训练RBF神经网络，最终得到MEMS陀螺输出补偿。本专利技术提高了神经网络的训练速度，降低了信号中噪声抖动的影响，模型相对简单，缩短了陀螺的准备时间，提高了工作效率。【IPC分类】G06N3-02, G06F17-50【公开号】CN104820757【申请号】CN201510253133【专利技术人】颜开思, 张锐, 陈楸, 李涛, 党进伟 【申请人】中国电子科技集团公司第二十研究所【公开日】2015年8月5日【申请日】2015年5月18日本文档来自技高网...

【技术保护点】
一种基于物理模型的MEMS陀螺温漂特性神经网络建模方法，其特征在于包括下述步骤：(1)等间隔获取不同环境温度下的MEMS陀螺输出，以及对应该环境温度的MEMS陀螺内部温度值作为学习样本，使学习样本覆盖整个MEMS工作温度区间范围，每个环境温度点下，采集3组数据，每组数据包括一个MEMS陀螺输出和对应的一个MEMS陀螺内部温度值，每组数据采集30分钟，且相邻两组数据之间间隔1小时；(2)针对环境温度T不变的情况，建立基于MEMS陀螺内部温度增量的温度补偿模型Δω＝K2ΔT2+K1ΔT+K0，其中，MEMS陀螺输出补偿值Δω＝ωm‑ωr，ωm为当前时刻的MEMS陀螺实测值，ωr为MEMS陀螺输出真实值；MEMS陀螺内部的温度增量ΔT＝Tin‑T0，T0为MEMS上电后达到稳定状态时的内部温度，Tin为MEMS当前时刻的内部温度；K1、K2为MEMS陀螺温度补偿模型参数，K0为MEMS陀螺初始零位；(3)取ΔT为输入量，ωm‑ωr‑K0为目标向量来构建三层结构的前向神经网络ωm‑ωr‑K0＝K2ΔT2+K1ΔT，所述的三层为输入层、隐层、输出层，采用最小二乘法训练神经网络，修正神经网络权值的反馈信号为网络的输出与目标向量差值的积分值；训练时用每个环境温度点下采集的数据训练网络，得到各个不同环境温度点下MEMS陀螺温度补偿模型参数K1、K2的具体值，K0取MEMS陀螺稳定输出30秒的平均值；(4)针对不同环境温度的情况，以每个环境温度点为输入量，MEMS陀螺温度补偿模型的模型参数K1、K2为目标向量，建立单输入、双输出的RBF神经网络；利用步骤(3)得到的不同温度点下的K1、K2作为目标向量训练RBF神经网络；(5)将环境温度值T代入步骤(4)中训练好的RBF神经网络，得到对应温度下MEMS陀螺温度补偿模型中的K1、K2值；将K0、K1、K2以及ΔT代入步骤(3)中的温度补偿模型，求得补偿值Δω，得到修正的MEMS陀螺输出ωr＝ωm‑Δω。...

【技术特征摘要】

【专利技术属性】
技术研发人员：颜开思，张锐，陈楸，李涛，党进伟，
申请(专利权)人：中国电子科技集团公司第二十研究所，
类型：发明
国别省市：陕西;61