基于神经网络的MIMU动态误差标定与补偿方法

作者：马一鸣; 陈帅; 王国栋; 张琨; 程玉

来源：电光与控制, 2022, 29(07): 91-95.

• 微惯性测量单元
• 神经网络
• 非线性误差
• 动态误差补偿

由于微惯性测量单元(MIMU)易受环境影响，且存在输出非线性以及剧烈角运动和线运动下精度低的缺点，而传统的多项式标定方法难以精确地补偿动态误差，因此，利用深度学习方法对MIMU整体动态误差进行建模与补偿，分别使用浅层神经网络与深度循环神经网络建立MIMU的整体动态误差模型。设计了基于三轴带温箱位置速率转台的标定流程，使三轴带温箱转台的内、中、外3轴同时施加角运动并且施加温度变化，建立MIMU的多因素影响误差训练集。实验结果表明，浅层神经网络模型相对于传统模型在误差补偿效果上略有提升，深度循环神经网络模型补偿后残差均值与均方差显著下降，其中，门控循环单元(GRU)神经网络模型补偿效果最好，并且需要训练的参数较少、计算负担小。

• 单位
  北京航天控制仪器研究所; 南京理工大学