一种应用于MEMS陀螺仪的温度补偿方法与流程

本发明属于惯性，尤其涉及一种应用于mems陀螺仪的温度补偿方法。

背景技术：

1、微电子(mems)陀螺仪由于其能耗低、体积小、性价比高、环境适应能力强等优点，在各领域得到广泛应用，但mems陀螺仪的主要物质为硅材料，而温度对硅材料影响较大，因而mems陀螺仪容易发生温度漂移，需要对其进行温度补偿提高精度。

2、目前陀螺仪温度补偿方法一般采用采集多个恒定温度点下陀螺仪的输出，通过多项式拟合方法构建多项式模型，通过模型对陀螺仪进行补偿；但仅采用单一的多项式拟合方法在实际补偿中存在一定的缺陷；其数据采集及温度补偿过程中，不考虑极限温度对陀螺仪的影响，因陀螺仪在极限温度时，有可能出现异常的温度漂移，而在存在异常温度漂移时，通过采集的数据获得统一的温度补偿模型进行温度补偿时，会导致温度补偿误差较大；且现有的建模过程中，通常采用最小二乘拟合，其精度有限，而陀螺仪的温度特性的影响因素较多，非线性特征复杂。而神经网络具有较好的非线性函数逼近能力，使其补偿精度更高。且目前的神经网络收敛速度较慢，容易陷入局部最优。

技术实现思路

1、本发明的目的在于提供一种应用于mems陀螺仪的温度补偿方法，以解决上述现有技术中存在的问题，实现mems陀螺仪的实时、精确温度补偿。

2、本发明的技术方案如下：

3、一种应用于mems陀螺仪的温度补偿方法，包括如下步骤：步骤1，采集mems陀螺仪的数据，根据预设温度区间，获得不同温度区间mems陀螺仪的温度及输出数据，定义为第一、第二和第三数据集；

4、步骤2，建立神经网络模型，将mems陀螺仪的温度、温度变化率作为神经网络的输入，当前时刻陀螺仪的输出作为神经网络的输出，建立3层神经网络模型；

5、步骤3，通过粒子群算法优化神经网络模型，获得最优的神经网络的权值和阈值；并将该权值和阈值作为神经网络的初始权值和阈值；

6、步骤4，对神经网络模型进行训练，将步骤1采集的第一、第二和第三数据集作为神经网络的训练数据，对神经网络进行训练，建立第一、第二和第三神经网络误差模型；

7、步骤5，通过步骤4得到的神经网络误差模型对mems陀螺仪进行温度补偿，判断陀螺仪温度是否大于等于过高温阈值或小于等于过低温阈值，若是，则采用第二神经网络误差模型进行温度补偿；若否，则判断陀螺仪温度所在的温度区间，若在设定温度与高温阈值区间，则采用第一神经网络误差模型进行温度补偿；否则采用第三神经网络误差模型进行温度补偿。

8、进一步的，所述步骤1中，采集mems陀螺仪的数据的步骤具体包括：将mems陀螺仪放在温箱中，设定低温阈值、高温阈值及预设温度值，若mems陀螺仪温度未达到过高温阈值，采集预设温度值至高温阈值间的mems陀螺仪的温度及输出数据记为第一数据集；在mems陀螺仪已达到过高温阈值时，采集高温阈值到低温阈值间的mems陀螺仪的温度及输出数据记为第二数据集；重置mems陀螺仪及温箱，使其达到初始状态，采集预设温度值到低温阈值间的mems陀螺仪的温度及输出数据记为第三数据集。

9、进一步的，在步骤1中，将陀螺仪放置在温箱中，将温箱温度置于预设温度值，预热一定时间，设定温箱温度变化率为1℃/min，将温箱温度从预设温度值上升至高温阈值，同时基于额定采集频率采集陀螺仪的温度及陀螺仪的输出数据记为第一数据集；当温箱温度达到高温阈值时，保温一定时间，此时陀螺仪的温度已达到过高温阈值，将温箱温度从高温阈值下降至低温阈值，同时采集陀螺仪的温度及输出数据记为第二数据集；重置陀螺仪及温箱，使其达到初始状态，设定温箱温度为设定温度，预热一定时间，设定温度变化率为1℃/min，将温箱温度从设定温度下降至低温阈值，同时采集陀螺仪的温度及输出数据记为第三数据集；其中，低温阈值小于预设温度值，设定温度值小于高温阈值。其中额定采集频率为200hz。

10、进一步的，所述步骤2中，建立神经网络模型的步骤为：1)初始化神经网络，设置神经网络为二输入，单输出的三层神经网络，隐含层个数为h；2)建立神经网络数学模型：3)权值更新公式为：4)阈值更新公式为：其中，hj为第j个隐含层的加权输出；y为输出层的输出；e为误差目标函数；ωij为输入层和隐含层间的权值；t、δt分别为温度及温度变化率；aj为输入层和隐含层间的阈值；ω′j为隐含层和输出层间的权值；b为隐含层和输出层间的阈值；γi为学习速率；α为动量因子，其中0＜α＜1；是对误差目标函数求偏导；δωij、δω′j分别为ωij和ω′j的增量；y′为的陀螺仪的期望输出值。

11、进一步的，所述步骤3中，所述通过粒子群算法优化神经网络模型步骤具体包括：将神经网络中的权值和阈值作为粒子群算法中的位置向量，利用粒子群算法完成对神经网络的权值和阈值的更新，得到最优的神经网络的权值和阈值。

12、进一步的，低温阈值的取值范围为：-30度至-40度；高温阈值的取值范围为：60度至70度；预设温度值的取值范围为：-10度至30度。

13、本发明提供的一种应用于mems陀螺仪的温度补偿方法，具有如下有益效果：1、本发明对不同的温度区间，获得不同的数据集，由于不同的温度区间可能会存在不同的异常温度漂移，采用同一个模型进行温度补偿，会导致温度补偿不准确；本发明对于不同的温度区间，分别采集数据，并针对不同温度区间训练神经网络误差模型，生成相应区间的神经网络误差模型对陀螺仪进行补偿，可根据不同温度区间，构建不同的神经网络误差模型，提高温度补偿效果；2、本发明在温度补偿过程中，考虑极限温度情况对陀螺仪的影响，设置在陀螺仪温度达到过极限温度时，采用特定神经网络误差模型对陀螺仪进行补偿，在陀螺仪温度未达到过极限温度时，根据其所在的温度区间，采用相应区间的神经网络误差模型对陀螺仪进行补偿，极大提高陀螺仪在不同温度下的温度补偿精度；3、本发明对神经网络进行改进，对其权值更新过程添加动量因子，提高神经网络的收敛速度；并采用粒子群算法对神经网络参数进行优化，避免陷入局部最优解，进一步提高神经网络误差模型的输出精度，进而提高mems陀螺仪的补偿精度。

技术特征：

1.一种应用于mems陀螺仪的温度补偿方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的应用于mems陀螺仪的温度补偿方法，其特征在于，所述步骤1中，采集mems陀螺仪的数据的步骤具体包括：将mems陀螺仪放在温箱中，设定低温阈值、高温阈值及预设温度值，若mems陀螺仪温度未达到过高温阈值，采集预设温度值至高温阈值间的mems陀螺仪的温度及输出数据记为第一数据集；在mems陀螺仪已达到过高温阈值时，采集高温阈值到低温阈值间的mems陀螺仪的温度及输出数据记为第二数据集；重置mems陀螺仪及温箱，使其达到初始状态，采集预设温度值到低温阈值间的mems陀螺仪的温度及输出数据记为第三数据集。

3.根据权利要求2所述的应用于mems陀螺仪的温度补偿方法，其特征在于，将陀螺仪放置在温箱中，将温箱温度置于预设温度值，预热一定时间，设定温箱温度变化率为1℃/min，将温箱温度从预设温度值上升至高温阈值，同时基于额定采集频率采集陀螺仪的温度及陀螺仪的输出数据记为第一数据集；当温箱温度达到高温阈值时，保温一定时间，此时陀螺仪的温度已达到过高温阈值，将温箱温度从高温阈值下降至低温阈值，同时采集陀螺仪的温度及输出数据记为第二数据集；重置陀螺仪及温箱，使其达到初始状态，设定温箱温度为设定温度，预热一定时间，设定温度变化率为1℃/min，将温箱温度从设定温度下降至低温阈值，同时采集陀螺仪的温度及输出数据记为第三数据集；其中，低温阈值小于预设温度值，设定温度值小于高温阈值。

4.根据权利要求1所述的应用于mems陀螺仪的温度补偿方法，其特征在于，所述步骤4中，对神经网络模型进行训练，建立基于神经网络的mems陀螺仪误差模型；将步骤1采集的第一数据集作为神经网络的训练数据，对神经网络进行训练，得到第一神经网络误差模型；将第二数据集作为神经网络的训练数据，对神经网络进行训练，得到第二神经网络误差模型；将第三数据集作为神经网络的训练数据，对神经网络进行训练，得到第三神经网络误差模型；将步骤1采集的第一、第二和第三数据集作为神经网络的训练数据，对神经网络进行训练，建立第一、第二和第三神经网络误差模型。

5.根据权利要求1所述的应用于mems陀螺仪的温度补偿方法，其特征在于，所述步骤2中，建立神经网络模型的步骤为：1)初始化神经网络，设置神经网络为二输入，单输出的三层神经网络，隐含层个数为h；2)建立神经网络数学模型：3)权值更新公式为：4)阈值更新公式为：其中，hj为第j个隐含层的加权输出；y为输出层的输出；e为误差目标函数；ωij为输入层和隐含层间的权值；t、δt分别为温度及温度变化率；aj为输入层和隐含层间的阈值；ω′j为隐含层和输出层间的权值；b为隐含层和输出层间的阈值；γi为学习速率；α为动量因子，其中0＜α＜1；是对误差目标函数求偏导；δωij、δω′j分别为ωij和ω′j的增量；y′为的陀螺仪的期望输出值。

6.根据权利要求1所述的应用于mems陀螺仪的温度补偿方法，其特征在于，所述步骤3中，所述通过粒子群算法优化神经网络模型步骤具体包括：将神经网络中的权值和阈值作为粒子群算法中的位置向量，利用粒子群算法完成对神经网络的权值和阈值的更新，得到最优的神经网络的权值和阈值。

7.根据权利要求1所述的应用于mems陀螺仪的温度补偿方法，其特征在于，低温阈值的取值范围为：-30度至-40度；高温阈值的取值范围为：60度至70度；预设温度值的取值范围为：-10度至30度。

8.根据权利要求3所述的应用于mems陀螺仪的温度补偿方法，其特征在于，所述额定采集频率为200hz。

技术总结
本发明提供一种应用于MEMS陀螺仪的温度补偿方法，包括：采集MEMS陀螺仪的数据，根据预设温度区间，获得不同温度区间MEMS陀螺仪的温度及输出数据，定义为第一、第二和第三数据集；建立神经网络模型；通过粒子群算法优化神经网络模型；采用第一、第二和第三数据集分别对神经网络模型进行训练，建立第一、第二和第三神经网络误差模型；判断陀螺仪温度是否大于等于过高温阈值或小于等于过低温阈值，若是，则采用第二神经网络误差模型进行温度补偿；若否，则判断陀螺仪温度所在的温度区间，若在设定温度与高温阈值区间，则采用第一神经网络误差模型进行温度补偿；否则采用第三神经网络误差模型进行温度补偿。本发明显著提高了MEMS陀螺仪的温度补偿精度。

技术研发人员：赵炜,蒋佩宇,刘飞,王雷
受保护的技术使用者：无锡凌思科技有限公司
技术研发日：
技术公布日：2024/1/12