[发明专利]一种MEMS陀螺仪随机漂移误差的处理方法

摘要

本发明提供了一种MEMS陀螺仪随机漂移误差的处理方法，首先确定RBF神经网络结构，然后获取学习样本，利用学习样本采用遗传算法（GA）优化，训练RBF神经网络，最后得到随机漂移误差抑制后的角速度数据。本发明针对MEMS陀螺仪的随机漂移误差，采用实时均值法来抑制随机漂移误差，利用基于遗传算法优化的RBF神经网络控制实时均值法的计算步长。本发明不需要对随机漂移误差建模，计算量小，可便捷实现MEMS陀螺仪实时的随机漂移误差抑制。

主权项

1.一种MEMS陀螺仪随机漂移误差的处理方法，其特征在于包括下述步骤：步骤1：设置RBF神经网络为单输入单输出，输入量为x＝[Δw]，Δw为MEMS陀螺仪角速度变化量，输出量为y＝[Y_step]，Y_step为实时均值法的计算步长，径向基向量h＝[h₁h₂…h_j…h_n]^T，其中h_j为高斯基函数，n为隐含层单元数，hj=exp(-||x-mj||22σj2),j=1,2···n]]>式中，x是RBF神经网络的输入量，m_j和σ_j²分别是RBF神经网络的第j个隐含层单元高斯基函数的中心和方差；RBF神经网络的权向量W＝[w₁,w₂,…,w_n]^T，则RBF神经网络的输出y＝[Y_step]＝W^Th；得到1-n-1的RBF神经网络初始模型，其中高斯基函数的中心m_j、方差σ_j²和权向量W的初始值由步骤3中对初始种群解码后数据确定；步骤2：将MEMS陀螺仪固定在单轴速率转台上，然后在范围内，等间隔分别给单轴速率转台输入k个角加速度，在给单轴速率转台输入每一个角加速度的同时采集MEMS陀螺仪输出的角速度和转台输出的角速度，得到k组训练样本；其中是MEMS陀螺仪可以量测的最大角加速度，所述的等间隔k为采集数据的组数，20≤k≤50；步骤3：用步骤2得到的训练样本对步骤1得到的RBF神经网络初始模型进行训练，并采用遗传算法对RBF神经网络的高斯基函数的中心、方差和隐含层到输出层的连接权值进行优化，最后得到最优的RBF神经网络，具体包括以下步骤：3.1：染色体采用二进制编码，每个染色体的二进制编码均包括n个高斯基函数的中心m_j、n个高斯基函数的方差σ_j²和n个隐含层到输出层的连接权值W_j，j＝1,2…n；中心m_j、方差σ_j²、连接权值W_j都采用p位二进制数表示，一个染色体的总长度为3*p*n，4≤p≤8；3.2：种群的初始化，生成初始的N个染色体，30≤N≤80；3.3：染色体解码，将二进制编码的各个染色体的三个部分分别转换为十进制数；3.4：计算各个染色体的适应度，具体步骤如下：1）将解码获得的各组染色体对应的高斯基函数的中心m_j和方差σ_j²，以及隐含层到输出层的连接权值W_j代入RBF神经网络，得到N个RBF神经网络；2）使用步骤2中获得的训练样本，根据步骤1）中得到的N个RBF神经网络得到不同的实时均值法的计算步长Y_step，分别采用实时均值法对样本数据进行处理，得到n组抑制随机漂移误差后的角速度数据3）计算第j个染色体适应度函数fj=1E[(wjRT-wjZT)*(wjRT-wjZT)T],]]>式中，为转台输出的角速度；3.5：判断是否达到两个终止条件当中的任意一个，若满足，则将最优染色体对应的数据构成最优RBF神经网络；若不满足，则执行种群演化操作并返回步骤3.3；所述的终止条件包括：(1).种群演化的次数达到预先设定的循环次数NumCycle，50≤NumCycle≤100；(2).适应度满足fj>1α*E[(wjo-wjZT)*(wjo-wjZT)T],]]>式中，为陀螺仪原始输出的角速度，α是一个比例调节系数，0.01≤α＜1；所述的演化操作包括以下步骤：1）保留父代种群中适应度前3的个体，直接复制作为子代；然后再利用轮盘赌法对剩余个体进行选择，直到产生N个个体；2）根据设定的交叉概率P_c确定染色体是否要交叉，0.4≤P_c≤0.8，交叉算子采用两点交叉法；设两条交叉的染色体分别为和PG2=[A1P2,A2P2,···,A90P2],]]>式中，和分别代表对应染色体上的基因；随机产生两个小于等于90的正整数r₁、r₂，r₁＜r₂，将大于等于r₁且小于等于r₂的染色体段作为互换对象，得到两个新的子代：CG1=[A1P1,A2P1,···,Ar1-1P1,Ar1P2,···,Ar2P2,Ar2+1P1,····,A90P1]]]>CG2=[A1P2,A2P2,···,Ar1-1P2,Ar1P1,···,Ar2P1,Ar2+1P2,···,A90P2]]]>3）根据设定的变异概率P_m确定染色体是否要变异，0.001≤P_m≤0.2，变异算子采用基本变异算子，在染色体上随机挑选一个或多个基因座进行基因值取反；步骤4：实时采集MEMS陀螺仪的输出角速度变化量，输入到步骤3的最优的RBF神经网络，实时获得不同情况下的实时均值的计算步长；然后根据计算步长，采用实时均值法处理MEMS陀螺的原始输出数据，就可以得到随机漂移误差抑制后的角速度数据。