本發(fā)明涉及溫度補償，特別是涉及一種面向陀螺儀的溫度補償方法。

背景技術(shù)：

1、mems陀螺儀作為一種重要的微慣性器件，在航空航天、智能電子、虛擬現(xiàn)實等領(lǐng)域有著廣泛的應(yīng)用。它可以測量物體的角速度，為導(dǎo)航、姿態(tài)控制等應(yīng)用提供數(shù)據(jù)支持。然而，內(nèi)部熱敏材料的溫度變化會導(dǎo)致溫度漂移現(xiàn)象，從而影響其輸出信號的穩(wěn)定性和準確性。溫度補償可以抵消溫度對mems陀螺儀的影響，提高其精度和長期穩(wěn)定性。溫度補償方法的研究與發(fā)展是當(dāng)前mems陀螺儀研究的熱點之一。mems陀螺儀的補償方法大致可分為兩種：硬件補償和軟件補償。這些方法旨在減輕溫度波動對陀螺儀性能的有害影響，最終提高其在不同操作場景中的準確性和穩(wěn)定性。硬件補償方法主要包括設(shè)計和集成陀螺儀系統(tǒng)中的物理結(jié)構(gòu)或部件，以抵消溫度引起的誤差。這種方法通常包括將溫度傳感器直接嵌入到陀螺儀組件中，以監(jiān)測環(huán)境溫度的變化。通過測量這些波動，傳感器提供反饋來實時調(diào)整陀螺儀的操作參數(shù)，如偏差和比例因子，以抵消溫度影響。軟件補償算法可分為串行和并行兩種結(jié)構(gòu)，串行結(jié)構(gòu)即先去噪后進行溫度補償，這會導(dǎo)致有用信號的丟失。相反，并行架構(gòu)是首先對信號進行分解，然后針對不同的信號選擇相應(yīng)的處理手段，軟件補償算法通常依賴于自適應(yīng)信號分解方法、去噪方法、神經(jīng)網(wǎng)絡(luò)等。

2、mems陀螺儀的溫度補償可以通過創(chuàng)新結(jié)構(gòu)設(shè)計，如i型體聲諧振器的設(shè)計，被用來提高溫度穩(wěn)定性和廣譜動態(tài)頻率調(diào)整能力。針對高q值mems陀螺儀，有學(xué)者設(shè)計了一種實時溫度自感知硬件補償算法，大大提高了陀螺儀的測量精度。雖然硬件補償方法更加準確可靠，但是這種方法開發(fā)周期長，適應(yīng)性有限，不易推廣。

3、主流的去噪算法包括小波變換、卡爾曼濾波、傅里葉變換等，這些算法都有不同程度的缺點。傅里葉變換缺乏時域定位能力，不適用于非平穩(wěn)信號?？柭鼮V波涉及矩陣運算，計算量大，信號失真嚴重。有研究人員探索了一種雙閉環(huán)控制策略，其特征在于對諧振集成光學(xué)陀螺儀進行差分調(diào)制，提高檢測精度并使噪聲干擾最小化，這顯著提高了陀螺儀的可靠性，并減少了不同條件下的控制不準確性。通過這一方法設(shè)計了一種具有獨特設(shè)計的mems陀螺儀，增強了對制造和環(huán)境變化的適應(yīng)能力。有學(xué)者通過采用單自由度驅(qū)動器和2自由度傳感機制，使獨立的頻率和帶寬調(diào)整，從而減輕以前的限制在陀螺儀健壯性。由于驅(qū)動器和產(chǎn)期的自由度都較小，技術(shù)要求很高，而且使用獨立的頻率和帶寬調(diào)整會大大增加成本。

4、需要說明的是，在上述背景技術(shù)部分公開的信息僅用于對本技術(shù)的背景的理解，因此可以包括不構(gòu)成對本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)的信息。

技術(shù)實現(xiàn)思路

1、本發(fā)明的主要目的在于克服上述背景技術(shù)的缺陷，提供一種面向陀螺儀的溫度補償方法。

2、為實現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：

3、一種面向陀螺儀的溫度補償方法，尤其是面向mems陀螺儀，包括如下步驟：

4、s1、在加入特定噪聲后，將陀螺儀的輸出信號分解為一系列固有模態(tài)函數(shù)imf；其中，所述特定噪聲是從高斯白噪聲序列中根據(jù)預(yù)定規(guī)則選擇的子集；

5、s2、利用樣本熵se對分解后的固有模態(tài)函數(shù)imf分為噪聲段、混合段和特征段；其中所述噪聲段主要包含大量噪聲，所述混合段包含噪聲和有用信號，而所述特征段主要由溫度變化引起的漂移項組成；

6、s3、使用長窗時頻峰值濾波tfpf對噪聲段進行去噪處理，使用短窗時頻峰值濾波tfpf對所述混合段去噪的同時保留有用信號；

7、s4、使用非支配排序遺傳算法nsga?ii優(yōu)化的極限學(xué)習(xí)機elm對于含有溫度漂移項的所述特征段進行溫度補償；

8、s5、將去噪后的噪聲段和混合段以及補償后的特征段結(jié)合起來，重建出最終的陀螺儀輸出信號。

9、進一步地，步驟s1中，選擇來源于高斯白噪聲的第k個分量的白噪聲ek[w(i)]作為特定噪聲輔助，通過經(jīng)驗?zāi)B(tài)分解emd方法進行所述分解。

10、進一步地，步驟s1具體包括：

11、s11、向陀螺儀的輸出信號中加入標準差為β0的特定噪聲w(i)；

12、s12、利用經(jīng)驗?zāi)B(tài)分解emd算法對加入特定噪聲的信號進行分解，依次計算得到第一至第k個imf值；

13、s13、將分解計算得到的k個imf值以及最后得到的殘差項結(jié)合，重構(gòu)出原始信號的近似表示。

14、進一步地，步驟s12中，對于原始信號x(i)，通過emd算法計算其局部平均值作為第一個殘差r1，從原始信號x(i)中減去殘差r1，得到的差值即為第一個imf值c1；對于剩余的信號，將當(dāng)前殘差作為新的原始信號，并計算新的局部平均值，然后從當(dāng)前殘差中減去新的局部平均值得到新的imf值，重復(fù)此過程，直到達到預(yù)定的imf值數(shù)量k為止。

15、進一步地，步驟s3中，使用基于wvd和瞬時頻率參數(shù)估測原理的時頻峰值濾波tfpf算法對信號進行濾波和去噪，其中在處理多分量信號時，整合偽wiener-ville分布pwvd進行信號處理。

16、進一步地，步驟s4中，使用極限學(xué)習(xí)機elm進行溫度補償之前，通過非支配排序遺傳算法nsga?ii優(yōu)化隱層中神經(jīng)元的數(shù)量、激活函數(shù)的類型和輸入層連接權(quán)重的范圍。

17、進一步地，步驟s4中，使用非支配排序遺傳算法nsga?ii優(yōu)化極限學(xué)習(xí)機elm包括：

18、將elm中的待優(yōu)化參數(shù)映射為nsga-ii算法中的種群個體，設(shè)置隱神經(jīng)元的優(yōu)化間隔，并為激活函數(shù)選擇多種類型進行測試；引入比例因子λ來動態(tài)調(diào)整輸入層連接權(quán)重的范圍：

19、wij∈λ·[-1,1]λ∈[0,1]

20、其中，wij表示輸入層連接權(quán)重，λ為比例因子。

21、進一步地，步驟s4中，使用非支配排序遺傳算法nsga?ii優(yōu)化極限學(xué)習(xí)機elm包括：使用均方誤差rmse和輸出權(quán)重的2-范數(shù)作為目標函數(shù)，如下：

22、

23、其中，n是輸入樣本的個數(shù)，yp,i和yt,i是第一次訓(xùn)練樣本的預(yù)測值和真值。

24、進一步地，步驟s4中，nsga?ii的算法過程包括：首先，隨機生成包含n個體的初始種群pt；然后，利用遺傳算法的基本運算得到后代種群qt；然后，通過重構(gòu)pt和qt，得到種群大小為2n的新種群rt；根據(jù)精英策略，通過選擇rt中的最優(yōu)n個體得到pt+1，并通過遺傳算法再次得到其后代種群qt+1，構(gòu)造新種群rt+1，迭代執(zhí)行此過程直到滿足停止條件。

25、一種計算機可讀存儲介質(zhì)，存儲有計算機程序，所述計算機程序由處理器執(zhí)行時實現(xiàn)所述的面向陀螺儀的溫度補償方法。

26、本發(fā)明具有如下有益效果：

27、本發(fā)明提出一種面向陀螺儀的溫度補償方法，是一種新的并行溫度補償和降噪方案，有效地解決了陀螺儀輸出信號中噪聲和溫度漂移的混合問題。首先對加入輔助噪聲后的陀螺儀輸出信號進行分解，之后利用自適應(yīng)噪聲對陀螺儀輸出信號進行了改進的完全系綜經(jīng)驗?zāi)B(tài)分解，提高了陀螺儀的識別率。然后，利用樣本熵對一系列固有模態(tài)函數(shù)進行分類，將其分為噪聲段、混合段和特征段。對于不同噪聲水平的噪聲段和混合段，采用不同窗口長度的時頻峰值濾波(tfpf)方法實現(xiàn)噪聲去除和信號保持之間的折衷。針對具有溫度漂移的特征分段，采用非支配排序遺傳算法(nsga?ii)對極值學(xué)習(xí)機(elm)進行優(yōu)化，建立了高精度溫度補償模型。最后對處理后的分量進行重構(gòu)，得到最終的輸出信號。通過對實驗結(jié)果的對比分析，證明了該方法在陀螺儀溫度補償方面具有良好的性能和效果。

28、優(yōu)選實施例中，本發(fā)明提出了一種基于iceemdan-se-tffpf和nsgaii-elm的陀螺儀溫度補償混合算法。經(jīng)過iceemdan分解和se分類，將陀螺儀的輸出信號分為噪聲段、混合段和特征段，然后選擇長窗和短窗tfpf分別對噪聲段和混合段進行去噪處理。在處理特征片段之前，使用nsgaii優(yōu)化elm，包括隱層神經(jīng)元的數(shù)量、激活函數(shù)的類型和輸入層連接權(quán)重的范圍。優(yōu)化目標由預(yù)測輸出的均方誤差(rmse)和輸出層連接權(quán)重的2-范數(shù)確定。這使得elm具有較好的泛化能力和較高的預(yù)測精度。

29、與bp神經(jīng)網(wǎng)絡(luò)和elm相比，本發(fā)明改進后的elm的預(yù)測值最接近實際值，提高了補償精度。實驗結(jié)果表明，補償后輸出信號的角度隨機游走和偏置穩(wěn)定性分別從0.531076降低到6.65894×10-3°/h/√hz和32.7364降低到0.259247°/h。

30、本發(fā)明實施例的優(yōu)點主要包括：

31、1、經(jīng)過iceemdan分解和se分類，將加入特定噪聲后的陀螺儀的輸出信號分為噪聲段、混合段和特征段，然后選擇長窗和短窗tfpf分別對噪聲段和混合段進行去噪處理，可以很好的降低噪聲的干擾；

32、2、在處理特征片段之前，先使用nsgaii優(yōu)化elm，包括隱層神經(jīng)元的數(shù)量、激活函數(shù)的類型和輸入層連接權(quán)重的范圍，可以大大提高溫度補償效果；

33、3、將優(yōu)化目標由預(yù)測輸出的均方誤差(rmse)和輸出層連接權(quán)重的2-范數(shù)確定。這使得elm具有較好的泛化能力和較高的預(yù)測精度，與bp神經(jīng)網(wǎng)絡(luò)和elm相比，改進后的elm的預(yù)測值最接近實際值，提高了補償精度。

34、本發(fā)明實施例中的其他有益效果將在下文中進一步述及。