基于改进极限学习机的三轴加速度计误差补偿算法

论文摘要

针对三轴加速度计存在的测量误差,建立了隐式非线性误差模型,并提出一种自主反向调优的极限学习机（RT-ELM）对误差模型进行训练。实验结果表明:三轴补偿后误差基本控制在±0. 07 m/s2范围内,均方根误差小于0. 004 m/s2,误差比补偿前减小超过100倍,补偿精度是固定型极限学习机ELM的7倍左右。任意选取训练集和测试集补偿效果基本一致,证明超限学习算法具有很好的泛化能力和鲁棒性,而且几千个样本点的训练时间仅0. 06 s左右,其速度是传统反向传播（BP）神经网络的上千倍,适用于对实时性要求较高的误差补偿和控制系统等领域。

论文目录

• 0 引言
• 1 三轴加速度计误差分析
• 2 基于极限学习机算法的非线性误差模型辨识
• 3 RT-ELM算法
•   3.1 三轴加速度计非线性误差模型
•   3.2 误差模型训练方法
• 4 误差补偿实验
• 5 结论

文章来源

类型: 期刊论文

作者: 刘艳霞,方建军,石岗

关键词: 极限学习机,神经网络,非线性误差模型,加速度计

来源: 传感器与微系统 2019年07期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 仪器仪表工业,自动化技术

单位: 北京联合大学城市轨道交通与物流学院,中国石油大学(华东)信息与控制工程学院

基金: 国家自然科学基金资助项目(61602041),北京联合大学人才强校优选计划资助项目(BPHR2017CZ07),北京联合大学新起点后期资助项目(Hzk10201601)

分类号: TH824.4;TP18

DOI: 10.13873/j.1000-9787(2019)07-0138-04

页码: 138-141

总页数: 4

文件大小: 1845K

下载量: 177