基于神经网络的惯性测量单元误差标定 |
| |
引用本文: | 刘秉,闫建国,邱岳恒.基于神经网络的惯性测量单元误差标定[J].计算机仿真,2009,26(11):94-96,223. |
| |
作者姓名: | 刘秉 闫建国 邱岳恒 |
| |
作者单位: | 西北工业大学,陕西,西安,710129 |
| |
摘 要: | 针对惯性测鼍单元非线性误差的标定问题,为保证导航精度,设计了多层前向神经网络的补偿模型.神经网络算法具有良好逼近非线性函数的能力,适合于非线性系统的建模.采用BP神经网络为主要逼近手段,对惯性测量单元的非线性误差函数进行精确逼近,弥补了常规建模方法的不足.将算法应用到某型MEMS惯性测量单元的非线性误差建模中,进行了仿真验证.结果表明,BP神经网络对原始信号的逼近误差在工程应用允许范围内,较传统的的最小二乘法建模方法有了显著的提高,保证有效地解决某型MEMS惯性测量单元误差大的问题.
|
关 键 词: | 多层前向神经网络 误差补偿 惯性测量单元 |
Inertial Measurement Units'Error Calibration Based on Neural Network |
| |
Abstract: | |
| |
Keywords: | Muhilayer feed forward neural network Error compensation IMU |
本文献已被 维普 万方数据 等数据库收录! |
|