张琬琳
(无锡商业职业技术学院 物联网技术学院, 江苏 无锡 214153)
惯性测量单元(Inertial Measurement Unit,IMU)传感器用于测量运动体的运动姿态并广泛应用于航空、航海以及陆地导航领域[1-2]。MEMS(micro-electro-mechanical system,微机电系统)技术的发展推动了微惯性器件和IMU 技术的发展,新一代微机械惯性传感器(MEMS IMU)应运而生。石英音叉微机械陀螺仪又称为QMEMS 陀螺[3-4],受加工工艺限制,其系统输出误差较大,使惯性导航系统的精度降低。标度因数表示陀螺仪输出量与输入角速度的比值,直接影响着QMEMS陀螺的动态输出。理想情况下,标度因数应为一恒定系数,但由于QMEMS 陀螺内部各元器件具有温敏特性,标度因数会随温度发生变化。为研究标度因数温度补偿的有效方法,有研究者建立了温度变化引起的陀螺标度因数误差漂移模型,从软件方面对误差建模分析以寻求有效的补偿方法。针对陀螺温度漂移模型,罗超等[5]提出用BP 神经网络描述陀螺的随机误差的温度特性,但未对陀螺的标度因数进行非线性建模;席绪奇等[6]提出基于多项式模型和BP 神经网络的光纤陀螺温度补偿法,即应用BP 神经网络处理由温度引起的陀螺零偏误差,采用多项式模型处理标度因数的非线性问题。由于多项式模型属于线性估计,回归的关联式不能全部通过每个回归数据点,因此模型的建立存在一定的局限性。本文采用BP神经网络对QMEMS 陀螺的标度因数温度特性进行建模,并与最小二乘法构成的多项式模型进行对比,研究不同方法对QMEMS 陀螺标度因数温度补偿的效果。……