【技术实现步骤摘要】
本专利技术涉及温度补偿，特别是涉及一种面向陀螺仪的温度补偿方法。
技术介绍
1、mems陀螺仪作为一种重要的微惯性器件，在航空航天、智能电子、虚拟现实等领域有着广泛的应用。它可以测量物体的角速度，为导航、姿态控制等应用提供数据支持。然而，内部热敏材料的温度变化会导致温度漂移现象，从而影响其输出信号的稳定性和准确性。温度补偿可以抵消温度对mems陀螺仪的影响，提高其精度和长期稳定性。温度补偿方法的研究与发展是当前mems陀螺仪研究的热点之一。mems陀螺仪的补偿方法大致可分为两种：硬件补偿和软件补偿。这些方法旨在减轻温度波动对陀螺仪性能的有害影响，最终提高其在不同操作场景中的准确性和稳定性。硬件补偿方法主要包括设计和集成陀螺仪系统中的物理结构或部件，以抵消温度引起的误差。这种方法通常包括将温度传感器直接嵌入到陀螺仪组件中，以监测环境温度的变化。通过测量这些波动，传感器提供反馈来实时调整陀螺仪的操作参数，如偏差和比例因子，以抵消温度影响。软件补偿算法可分为串行和并行两种结构，串行结构即先去噪后进行温度补偿，这会导致有用信号的丢失。相反，并行架构是首先对信号进行分解，然后针对不同的信号选择相应的处理手段，软件补偿算法通常依赖于自适应信号分解方法、去噪方法、神经网络等。
2、mems陀螺仪的温度补偿可以通过创新结构设计，如i型体声谐振器的设计，被用来提高温度稳定性和广谱动态频率调整能力。针对高q值mems陀螺仪，有学者设计了一种实时温度自感知硬件补偿算法，大大提高了陀螺仪的测量精度。虽然硬件补偿方法更加准确可靠，但是这种方法
3、主流的去噪算法包括小波变换、卡尔曼滤波、傅里叶变换等，这些算法都有不同程度的缺点。傅里叶变换缺乏时域定位能力，不适用于非平稳信号。卡尔曼滤波涉及矩阵运算，计算量大，信号失真严重。有研究人员探索了一种双闭环控制策略，其特征在于对谐振集成光学陀螺仪进行差分调制，提高检测精度并使噪声干扰最小化，这显着提高了陀螺仪的可靠性，并减少了不同条件下的控制不准确性。通过这一方法设计了一种具有独特设计的mems陀螺仪，增强了对制造和环境变化的适应能力。有学者通过采用单自由度驱动器和2自由度传感机制，使独立的频率和带宽调整，从而减轻以前的限制在陀螺仪健壮性。由于驱动器和产期的自由度都较小，技术要求很高，而且使用独立的频率和带宽调整会大大增加成本。
4、需要说明的是，在上述
技术介绍
部分公开的信息仅用于对本申请的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、本专利技术的主要目的在于克服上述
技术介绍
的缺陷，提供一种面向陀螺仪的温度补偿方法。
2、为实现上述目的，本专利技术采用以下技术方案：
3、一种面向陀螺仪的温度补偿方法，尤其是面向mems陀螺仪，包括如下步骤：
4、s1、在加入特定噪声后，将陀螺仪的输出信号分解为一系列固有模态函数imf；其中，所述特定噪声是从高斯白噪声序列中根据预定规则选择的子集；
5、s2、利用样本熵se对分解后的固有模态函数imf分为噪声段、混合段和特征段；其中所述噪声段主要包含大量噪声，所述混合段包含噪声和有用信号，而所述特征段主要由温度变化引起的漂移项组成；
6、s3、使用长窗时频峰值滤波tfpf对噪声段进行去噪处理，使用短窗时频峰值滤波tfpf对所述混合段去噪的同时保留有用信号；
7、s4、使用非支配排序遗传算法nsga ii优化的极限学习机elm对于含有温度漂移项的所述特征段进行温度补偿；
8、s5、将去噪后的噪声段和混合段以及补偿后的特征段结合起来，重建出最终的陀螺仪输出信号。
9、进一步地，步骤s1中，选择来源于高斯白噪声的第k个分量的白噪声ek[w(i)]作为特定噪声辅助，通过经验模态分解emd方法进行所述分解。
10、进一步地，步骤s1具体包括：
11、s11、向陀螺仪的输出信号中加入标准差为β0的特定噪声w(i)；
12、s12、利用经验模态分解emd算法对加入特定噪声的信号进行分解，依次计算得到第一至第k个imf值；
13、s13、将分解计算得到的k个imf值以及最后得到的残差项结合，重构出原始信号的近似表示。
14、进一步地，步骤s12中，对于原始信号x(i)，通过emd算法计算其局部平均值作为第一个残差r1，从原始信号x(i)中减去残差r1，得到的差值即为第一个imf值c1；对于剩余的信号，将当前残差作为新的原始信号，并计算新的局部平均值，然后从当前残差中减去新的局部平均值得到新的imf值，重复此过程，直到达到预定的imf值数量k为止。
15、进一步地，步骤s3中，使用基于wvd和瞬时频率参数估测原理的时频峰值滤波tfpf算法对信号进行滤波和去噪，其中在处理多分量信号时，整合伪wiener-ville分布pwvd进行信号处理。
16、进一步地，步骤s4中，使用极限学习机elm进行温度补偿之前，通过非支配排序遗传算法nsga ii优化隐层中神经元的数量、激活函数的类型和输入层连接权重的范围。
17、进一步地，步骤s4中，使用非支配排序遗传算法nsga ii优化极限学习机elm包括：
18、将elm中的待优化参数映射为nsga-ii算法中的种群个体，设置隐神经元的优化间隔，并为激活函数选择多种类型进行测试；引入比例因子λ来动态调整输入层连接权重的范围：
19、wij∈λ·[-1,1]λ∈[0,1]
20、其中，wij表示输入层连接权重，λ为比例因子。
21、进一步地，步骤s4中，使用非支配排序遗传算法nsga ii优化极限学习机elm包括：使用均方误差rmse和输出权重的2-范数作为目标函数，如下：
22、
23、其中，n是输入样本的个数，yp,i和yt,i是第一次训练样本的预测值和真值。
24、进一步地，步骤s4中，nsga ii的算法过程包括：首先，随机生成包含n个体的初始种群pt；然后，利用遗传算法的基本运算得到后代种群qt；然后，通过重构pt和qt，得到种群大小为2n的新种群rt；根据精英策略，通过选择rt中的最优n个体得到pt+1，并通过遗传算法再次得到其后代种群qt+1，构造新种群rt+1，迭代执行此过程直到满足停止条件。
25、一种计算机可读存储介质，存储有计算机程序，所述计算机程序由处理器执行时实现所述的面向陀螺仪的温度补偿方法。
26、本专利技术具有如下有益效果：
27、本专利技术提出一种面向陀螺仪的温度补偿方法，是一种新的并行温度补偿和降噪方案，有效地解决了陀螺仪输出信号中噪声和温度漂移的混合问题。首先对加入辅助噪声后的陀螺仪输出信号进行分解，之后利用自适应噪声对陀螺仪输出信号进行了改进的完全系综经验模态分解，提高了陀螺仪的识别率。然后，利用样本熵对一本文档来自技高网...
【技术保护点】
1.一种面向陀螺仪的温度补偿方法，尤其是面向MEMS陀螺仪，其特征在于，包括如下步骤：
2.如权利要求1所述的面向陀螺仪的温度补偿方法，其特征在于，步骤S1中，选择来源于高斯白噪声的第k个分量的白噪声Ek[w(i)]作为特定噪声辅助，通过经验模态分解EMD方法进行所述信号分解。
3.如权利要求2所述的面向陀螺仪的温度补偿方法，其特征在于，步骤S1具体包括：
4.如权利要求3所述的面向陀螺仪的温度补偿方法，其特征在于，步骤S12中，对于原始信号x(i)，通过EMD算法计算其局部平均值作为第一个残差r1，从原始信号x(i)中减去残差r1，得到的差值即为第一个IMF值c1；对于剩余的信号，将当前残差作为新的原始信号，并计算新的局部平均值，然后从当前残差中减去新的局部平均值得到新的IMF值，重复此过程，直到达到预定的IMF值数量k为止。
5.如权利要求1至4任一项所述的面向陀螺仪的温度补偿方法，其特征在于，步骤S3中，使用基于WVD和瞬时频率参数估测原理的时频峰值滤波TFPF算法对信号进行滤波和去噪，其中在处理多分量信号时，整合伪Wiene
6.如权利要求1至5任一项所述的面向陀螺仪的温度补偿方法，其特征在于，步骤S4中，使用极限学习机ELM进行温度补偿之前，通过非支配排序遗传算法NSGAII优化隐层中神经元的数量、激活函数的类型和输入层连接权重的范围。
7.如权利要求1至6任一项所述的面向陀螺仪的温度补偿方法，其特征在于，步骤S4中，使用非支配排序遗传算法NSGAII优化极限学习机ELM包括：
8.如权利要求1至7任一项所述的面向陀螺仪的温度补偿方法，其特征在于，步骤S4中，使用非支配排序遗传算法NSGAII优化极限学习机ELM包括：使用均方误差RMSE和输出权重的2-范数作为目标函数，如下：
9.如权利要求1至8任一项所述的面向陀螺仪的温度补偿方法，其特征在于，步骤S4中，NSGA II的算法过程包括：首先，随机生成包含N个体的初始种群Pt；然后，利用遗传算法的基本运算得到后代种群Qt；然后，通过重构Pt和Qt，得到种群大小为2N的新种群Rt；根据精英策略，通过选择Rt中的最优N个体得到Pt+1，并通过遗传算法再次得到其后代种群Qt+1，构造新种群Rt+1，迭代执行此过程直到满足停止条件。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序由处理器执行时实现如权利要求1-9任一项所述的面向陀螺仪的温度补偿方法。
...【技术特征摘要】
1.一种面向陀螺仪的温度补偿方法，尤其是面向mems陀螺仪，其特征在于，包括如下步骤：
2.如权利要求1所述的面向陀螺仪的温度补偿方法，其特征在于，步骤s1中，选择来源于高斯白噪声的第k个分量的白噪声ek[w(i)]作为特定噪声辅助，通过经验模态分解emd方法进行所述信号分解。
3.如权利要求2所述的面向陀螺仪的温度补偿方法，其特征在于，步骤s1具体包括：
4.如权利要求3所述的面向陀螺仪的温度补偿方法，其特征在于，步骤s12中，对于原始信号x(i)，通过emd算法计算其局部平均值作为第一个残差r1，从原始信号x(i)中减去残差r1，得到的差值即为第一个imf值c1；对于剩余的信号，将当前残差作为新的原始信号，并计算新的局部平均值，然后从当前残差中减去新的局部平均值得到新的imf值，重复此过程，直到达到预定的imf值数量k为止。
5.如权利要求1至4任一项所述的面向陀螺仪的温度补偿方法，其特征在于，步骤s3中，使用基于wvd和瞬时频率参数估测原理的时频峰值滤波tfpf算法对信号进行滤波和去噪，其中在处理多分量信号时，整合伪wiener-ville分布pwvd进行信号处理。
6.如权利要求1至5任一项所述的面向陀螺仪的温度补偿方法，其...
【专利技术属性】
技术研发人员：王学谦，张志豪，王晓浩，徐贺杰，孟得山，梁斌，
申请(专利权)人：清华大学深圳国际研究生院，
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。