团体标准网
(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111673355.3 (22)申请日 2021.12.31 (71)申请人 北京理工大 学 地址 100081 北京市海淀区中关村南大街5 号 (72)发明人 汪进文 董捷飔 邓志红 宋新宇  (74)专利代理 机构 北京理工大 学专利中心 11120 专利代理师 袁瑞霞 (51)Int.Cl. G01C 21/16(2006.01) G06N 3/08(2006.01) (54)发明名称 基于神经网络的九轴姿态传感器一体化智 能误差补偿方法 (57)摘要 本发明提供了一种基于神经网络的九轴姿 态传感器一体化智能误差补偿方法, 能够保证误 差补偿精度的同时减少误差补偿所需时间, 提高 误差补偿效率。 本发明引入神经网络建立智能误 差模型, 其中神经网络的输入值为误差较大的九 轴姿态传感器的测量值, 输出值为精度较高即误 差较小的九轴姿态传感器的测量值。 运用神经网 络的九轴姿态传感器一体化误差补偿方法, 适用 于无高精度转台的现场标定环境, 标定精度优于 基于最小二乘法的传统标定方法, 标定时间短。 权利要求书1页 说明书6页 附图1页 CN 114705184 A 2022.07.05 CN 114705184 A 1.一种基于神经网络的九轴姿态传感器一体化智能误差补偿方法, 其特征在于, 所述 神经网络为BP神经网络, 所述补偿方法包括以下步骤: S1: 首先分别对陀螺仪、 加速度计和磁阻传感器进行误差补偿, 融合三种传感器误差补 偿方法及结果; 采集不同精度的九轴姿态传感器的测量输出值, 将精度高的传感器输出值作为真值, 精度低的输出值作为带误差的测量值, 将两组信号分别进行空间对准和时间对准, 将信号 划分为神经网络的训练集和 测试集; S2: 采用训练集训练BP神经网络, 输入为低精度九轴姿态传感器输出测量值; 输出为高 精度九轴姿态传感器输出测量 值; S3: 采用误差曲线最大值和平均值以及RMSE作为评价补偿效果指标; 其中陀螺仪X轴 RMSE为: 其中, 指陀螺仪x轴误差补偿前后误差的RMSE指 标, ωx(i)和 指陀螺仪第i 次测量x轴输出的测量 值和误差补偿得到的x轴输入 估计值。 2.如权利要求1所述的方法, 其特征在于, 所述神经网络训练算法为levenberg   marquardt, 损失函数为Mean  Square Error。 3.如权利要求1或2所述的方法, 其特征在于, 所述神经网络的隐藏层层数、 神经元节点 数以及迭代次数根据训练集确定 。 4.一种基于神经网络的九轴姿态传感器一体化智能误差补偿方法, 其特征在于, 所述 神经网络为RBF神经网络; 所述补偿方法包括以下步骤: S1: 首先分别对陀螺仪、 加速度计和磁阻传感器进行误差补偿, 融合三种传感器误差补 偿方法及结果; 采集不同精度的九轴姿态传感器的测 量输出值, 将精度高的传感器输出值 作为真值, 精度低的输出值作为带误差的测量值, 将两组信号分别进行空间对准和时间对 准, 将信号划分为神经网络的训练集和 测试集; S2: 采用训练集训练RBF神经网络, 输入为低精度九轴传感器输出测量值, 输出为九轴 传感器输出测量 值; S3: 采用误差曲线最大值和平均值以及RMSE作为评价补偿效果指标。 5.如权利要求3所述的方法, 其特征在于, 所述神经网络的分散度参数根据训练集不同 进行调整。权 利 要 求 书 1/1 页 2 CN 114705184 A 2基于神经 网络的九轴姿态传感器一体 化智能误差补偿方 法 技术领域 [0001]本发明属于姿态传感器误差补偿技术领域, 具体涉及一种基于神经网络的  九轴 姿态传感器一体化智能误差补偿方法。 背景技术 [0002]九轴姿态传感器由三轴陀螺仪、 三轴加速度计和三轴磁阻传感器 组成, 是 获取载 体姿态的核心组件。 九轴姿态传感器误差补偿技术已经成为制约载体获  取高精度姿态的 关键因素之一。 传统九轴姿态传感器误差补偿方法: 陀螺仪敏  感载体三轴方向上的角 速 率。 陀螺仪误差补偿的思路在于给予陀螺仪激励信号,  通过采集得到的陀螺仪输入 ‑输出 值进行误差模型辨识。 陀螺仪传统误差补偿实  验通常采用转台按一定路径运动进行误差 激励, 并采用最小二乘法辨识误差模  型系数。 加速度计敏感载体三轴 方向上的加速度。 在 常规使用场景中以重力加  速度作为激励信号, 不需要额外输入激励信号, 多为多位置静态 实验。 除去传  统的以6位置为基础 展开的12位置、 2 4位置等多位置静态实验, 结合几何约束   条件的同时考虑零偏等静态误差的因素, 发展了基于椭球拟合的动态实验以及  基于三轴 转台的球内接多面体的多位置静态实验。 磁阻传感器敏感载体所受磁  场。 常规使用场景中 以地磁为激励, 不需要额外激励信号, 也多采用静态实验  的形式。 与加速度计误差补偿类 似, 也有以6位置为基础的静态多位置方法,  也能够采用基于椭球拟合的办法。 传统误差补 偿实验需要高精度转台的支持,  标定之前需要制 定详细的误差补偿路径, 耗时较长。 同时 存在误差补偿结果难  以迁移到不同环境、 每次应用前都需要依赖其他传感器或外部参考 转台进行误  差补偿以及精度不高等问题。 发明内容 [0003]为解决上述问题, 本发明提供了一种基于神经网络 的九轴姿态传感器一体  化智 能误差补偿方法, 能够保证误差补偿精度的同时减少误差补偿所需时间,  提高误差补偿效 率。 [0004]为实现上述目的, 本发明技 术方案为: [0005]一种基于神经网络 的九轴姿态传感器一体化智能误差补偿方法, 所述神经  网络 为BP神经网络, 所述补偿方法包括以下步骤: [0006]S1: 首先分别对陀螺仪、 加速度计和磁阻传感器进行误差补偿, 融合三种  传感器 误差补偿方法及结果; [0007]采集不同精度的九轴姿态传感器的测量输出值, 将精度 高的传感器输出值  作为 真值, 精度低的输出值作为带误差的测量值, 将两组信号分别进行空间对  准和时间对准, 将信号划分为神经网络的训练集和 测试集; [0008]S2: 采用训练集训练BP神 经网络, 输入为低精度九轴姿态传感器输出测量  值; 输 出为高精度九轴姿态传感器输出测量 值; [0009]S3: 采用误差曲线最大值和平均值以及RMSE作为评价补偿效果指标; 其  中陀螺仪说 明 书 1/6 页 3 CN 114705184 A 3

.PDF文档 专利 基于神经网络的九轴姿态传感器一体化智能误差补偿方法

文档预览
中文文档 9 页 50 下载 1000 浏览 0 评论 309 收藏 3.0分
温馨提示:本文档共9页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
专利 基于神经网络的九轴姿态传感器一体化智能误差补偿方法 第 1 页 专利 基于神经网络的九轴姿态传感器一体化智能误差补偿方法 第 2 页 专利 基于神经网络的九轴姿态传感器一体化智能误差补偿方法 第 3 页
下载文档到电脑,方便使用
本文档由 人生无常 于 2024-03-18 21:50:31上传分享
友情链接
站内资源均来自网友分享或网络收集整理,若无意中侵犯到您的权利,敬请联系我们微信(点击查看客服),我们将及时删除相关资源。