(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