深度学习下MEMS陀螺温度误差补偿方法
Chinese Journal of Sensors and Actuators（2022）
Abstract
针对MEMS陀螺仪因材质特性,制造工艺等差异导致输出数据受温度影响的问题.本文在传统温度误差补偿的基础上,提出将深度学习与神经网络相结合,通过LSTM神经网络进行温度误差补偿,从而减小温度变化引起的陀螺的温度漂移.分析了MEMS陀螺仪的温度特性,并在RNN神经网络模型的基础上,建立多层LSTM神经网络模型,利用基于ADAM的优化算法和时间反向传播BPTT算法对LSTM网络进行训练.将训练好的网络模型植入到STM32硬件中,进而实现对MEMS陀螺仪输出的实时温度补偿.实验表明,LSTM模型与RBF温度补偿模型相比,陀螺仪补偿后的零偏稳定性、零偏不稳定性和角度随机游走等性能指标,以及MAE、MSE、RMSE三个模型评价指标提高了90％以上.
MoreAI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined