文献检索-宁波市创意产业特色资源库

限定检索结果

基于LSTM深度神经网络的MEMS-IMU误差模型及标定方法: 收藏
分享
引用; 《中国惯性技术学报》2020年第2期28卷 165-171页; 作者：李荣冰鄢俊胜刘刚刘建业南京航空航天大学导航研究中心南京210016 航空工业西安飞行自动控制研究所西安710065; 针对微惯性传感器受热、力学等环境的影响显著,传统的多项式误差模型补偿效果不理想的问题,建立一种基于长短时记忆(LSTM)深度神经网络的MEMS-IMU误差模型。模型输入信息为MEMS-IMU输出的角速度、加速度、温度,输出为角速度误差、加速...; 针对微惯性传感器受热、力学等环境的影响显著,传统的多项式误差模型补偿效果不理想的问题,建立一种基于长短时记忆(LSTM)深度神经网络的MEMS-IMU误差模型。模型输入信息为MEMS-IMU输出的角速度、加速度、温度,输出为角速度误差、加速度误差。同时,设计了基于长短时记忆神经网络的MEMS-IMU误差模型标定流程,构建了MEMS-IMU热、线运动、角运动等多维误差因素的综合激励训练集,对长短时记忆神经网络模型进行训练。对训练得到的模型进行验证,结果表明,相对于传统方法,采用所提出的模型对加速度和角速度进行误差补偿后残差均值减小约70%,均方差分别减小39%和64%,补偿效果更好。; 来源：详细信息评论

限定检索结果