基于PSO优化RBF神经网络的MEMS陀螺温度补偿

摘要

针对微电子机械系统(MEMS)陀螺温度变化影响其零偏误差的问题,提出了一种基于粒子群优化(PSO)和径向基函数(RBF)神经网络的陀螺零偏补偿方法。通过RBF神经网络对预处理后的陀螺零偏的温度误差建立模型,用PSO搜索RBF神经网络的最优参数来提高其泛化能力后,将PSO-RBF神经网络最优参数用于补偿陀螺零偏。实验结果证明了该算法的有效性,经PSO-RBF神经网络算法补偿后,MEMS陀螺零偏的最大误差从0.046 (°)/s减小到0.003 4 (°)/s,标准差从0.042 7 (°)/s减小到0.001 3 (°)/s,有效提升了陀螺的零偏稳定性。