[发明专利]一种微惯性测量信息的深度融合与实时补偿的方法及系统有效
| 申请号： | 201710368281.X | 申请日： | 2017-05-23 |
| 公开（公告）号： | CN107167131B | 公开（公告）日： | 2019-07-02 |
| 发明（设计）人： | 刘福朝;苏中;李擎;费程羽;刘宁;刘洪 | 申请（专利权）人： | 北京理工大学;北京信息科技大学 |
| 主分类号： | G01C21/16 | 分类号： | G01C21/16;G01C21/20 |
| 代理公司： | 北京高沃律师事务所 11569 | 代理人： | 王戈 |
| 地址： | 100080 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种微惯性测量信息的深度融合与实时补偿的方法及系统，所述方法包括：分别获取研究对象的角速度信息、加速度信息和磁场强度信息；采用深度学习方法分别对角速度信息、加速度信息和磁场强度信息进行实时补偿，分别得到补偿后的补偿角速度信息、补偿加速度信息和补偿磁场强度信息；根据补偿角速度信息确定第一欧拉角，根据补偿加速度信息和补偿磁场强度信息确定第二欧拉角；根据第一欧拉角的均方差和第二欧拉角的均方差，确定自适应增益方法的融合增益系数，并根据融合增益系数将第一欧拉角和第二欧拉角融合，得到融合欧拉角。本发明提供的方法及系统可以提高微惯性测量的精度，稳定性好和可靠性高，时效比高，响应速度快。 | ||
| 搜索关键词： | 欧拉角 加速度信息 强度信息 角速度信息 实时补偿 微惯性 融合 补偿磁场 深度融合 增益系数 测量 均方差 磁场 对角 速度信息 研究对象 自适应 响应 学习 | ||
【主权项】：
1.一种微惯性测量信息的深度融合与实时补偿的方法，其特征在于，所述方法包括：分别获取研究对象的角速度信息、加速度信息和磁场强度信息；采用深度学习方法分别对所述角速度信息、所述加速度信息和所述磁场强度信息进行实时补偿，分别得到补偿后的补偿角速度信息、补偿加速度信息和补偿磁场强度信息；具体包括：根据传感器误差特性建立补偿模型：Wc＝A·G(T)·[Wreal‑B(T)]，其中，A为常数对称矩阵，G(T)为用于测量所述角速度信息、所述加速度信息和所述磁场强度信息的各传感器的转移增益函数，B(T)为各所述传感器的偏置函数，T表示各传感器的温度，Wreal为各所述传感器的实际输出，Wc为补偿后的输出信息；采用深度学习方法确定所述转移增益函数和所述偏置函数中各参数的最优值；根据各所述最优值更新所述补偿模型，并根据所述补偿模型分别对所述角速度信息、所述加速度信息和所述磁场强度信息进行实时补偿；根据所述补偿角速度信息确定第一欧拉角，根据所述补偿加速度信息和所述补偿磁场强度信息确定第二欧拉角；根据所述第一欧拉角的均方差和所述第二欧拉角的均方差，确定自适应增益方法的融合增益系数，并根据所述融合增益系数将所述第一欧拉角和所述第二欧拉角融合，得到融合欧拉角，以用于对所述研究对象进行微惯性测量。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京理工大学;北京信息科技大学，未经北京理工大学;北京信息科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710368281.X/，转载请声明来源钻瓜专利网。
