[发明专利]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

说明书

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。

技术领域

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

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、24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

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。

为实现上述目的，本发明技术方案为：

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：

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，ω_x(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。

其中，所述神经网络训练算法为levenberg marquardt，损失函数为Mean SquareError。

其中，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。

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RBF神经网络；所述补偿方法包括以下步骤：