CN104330105A - Mems惯性传感器非线性度补偿方法 - Google Patents

Abstract

本发明涉及一种MEMS惯性传感器非线性度补偿方法，为：建立MEMS惯性传感器的理想输出值与实际输出值的多项式函数关系式，多项式函数关系式中包含有非线性项；通过多项式拟合获得多项式函数关系式中的各个非线性项的系数并带入多项式函数关系式中得到非线性补偿式；通过非线性补偿式对MEMS惯性传感器的实际输出值进行非线性补偿而获得其理想输出值。本发明通过简单的多项式拟合即可对MEMS惯性传感器进行非线性度补偿，其简单可行，便于在MIMU或Micro-INS系统中通过编程实现。

Description

MEMS惯性传感器非线性度补偿方法

技术领域

本发明涉及一种对MEMS惯性传感器进行非线性度补偿方法。

背景技术

现有的对MEMS惯性传感器进行非线性度补偿方法通常有如下几种：1、如论文《运用神经网络代数算法的陀螺仪非线性误差补偿》，其通过神经网络的方法实现非线性补偿；2、如申请号为200710070395.2的发明专利《一种补偿数字闭环光纤陀螺标度因数非线性度的方法》，其是通过补偿电光集成相位调制器电光调制系数非线性的方法补偿非线性度；3、如申请号为200910078269.0的发明专利《一种改善光纤陀螺低角速率下标度因数非线性方法》，其采用加大光源输入的驱动电流，提高到达探测器的光功率，增强Sagnec相位差信号，实现提高非线性的目的。上述这几种方法较为复杂，不易通过编程实现。

发明内容

本发明的目的是提供一种较为简单且易于通过编程实现的MEMS惯性传感器非线性度补偿方法。

为达到上述目的，本发明采用的技术方案是：

一种MEMS惯性传感器非线性度补偿方法，为：建立MEMS惯性传感器的理想输出值与实际输出值的多项式函数关系式，所述的多项式函数关系式中包含有非线性项；通过多项式拟合获得所述的多项式函数关系式中的各个非线性项的系数并带入所述的多项式函数关系式中得到非线性补偿式；通过所述的非线性补偿式对所述的MEMS惯性传感器的实际输出值进行非线性补偿而获得其理想输出值。

所述的MEMS惯性传感器的理想输出值与实际输出值的多项式函数关系式为

$Y_k=K_n{\hat{Y}}_k^n+K_{n-1}{\hat{Y}}_k^{n-1}+......+K_1{\hat{Y}}_k^1+K_0{\hat{Y}}_k^0+K_{-1}{\hat{Y}}_k^{-1}+......+K_{-(n-1)}{\hat{Y}}_k^{-(n-1)}+K_{-n}{\hat{Y}}_k^{-n},$

其中，K_n、K_n-1、……、K₁、K₀、K_-1、……、K_-(n-1)、K_-n为非线性项的系数。

由于上述技术方案运用，本发明与现有技术相比具有下列优点：本发明通过简单的多项式拟合即可对MEMS惯性传感器进行非线性度补偿，其简单可行，便于在MIMU或Micro-INS系统中通过编程实现。

具体实施方式

下面结合实施例对本发明作进一步描述。

实施例一：本方法主要针对MEMS惯性传感器的非线性度，通过拟合的方法补偿MEMS惯性传感器的非线性误差，达到减小MEMS惯性传感器非线性度的目的，这种新的非线性补偿方法的实验和计算简单，便于在MIMU或Micro-INS系统中通过编程实现。

按照MEMS惯性传感器标度因数的测试方法，记录在不同输入情况下的输出值，每个输入值至少循环测试5次，保证并验证在相同输入情况下输出的重复性，若相同输入情况下输出的重复性较好，说明该MEMS惯性传感器可进行非线性补偿。然后，将相同输入时的输出值相加取平均值，该平均值可以认为是该输入时对应的输出，按照该方法计算出所有输入对应的输出值。

参照MEMS惯性传感器标度因数拟合的方法，利用输入值和输出值，可以拟合出一条直线，拟合直线的斜率为标度因数，截距为零偏。该拟合直线是理想情况下，即非线性度为0时的输入和输出的关系。

理想情况下(非线性度为0)输入和输出的表达式如下：

Y_k＝SF×X_k+Bias   (1)

上式中：X_k为MEMS惯性传感器的第k个输入，Y_k为非线性度为0时的MEMS惯性传感器的理想输出，SF为MEMS惯性传感器的标度因数，Bias为MEMS惯性传感器的零偏。

实际情况下，MEMS惯性传感器存在非线性误差，因此，输入和输出的关系不可能是公式(1)所表达的完全线性的关系。为了减小MEMS惯性传感器的非线性度，可以找到实际的输出值和理想输出值Y_k之间函数关系式，从而达到非线性度补偿的目的。具体的方法如下和原理如下：

1、建立MEMS惯性传感器的理想输出值与实际输出值的多项式函数关系式，多项式函数关系式中包含有非线性项。

若在非线性度为0的理想情况下，和Y_k应该是相等的；由于MEMS惯性传感器的非线性误差的存在，导致了和Y_k之间的关系就不是完全的相等或者是线性关系，也就是和Y_k之间的函数关系存在非线性项；因此，和Y_k的函数关系式可以按如下公式表达：

$Y_k=K_n{\hat{Y}}_k^n+K_{n-1}{\hat{Y}}_k^{n-1}+......+K_1{\hat{Y}}_k^1+K_0{\hat{Y}}_k^0+K_{-1}{\hat{Y}}_k^{-1}+......+K_{-(n-1)}{\hat{Y}}_k^{-(n-1)}+K_{-n}{\hat{Y}}_k^{-n}---\left(2\right)$

上式中，K_n、K_n-1、……、K₁、K₀、K_-1、……、K_-(n-1)、K_-n为非线性项的系数。

2、通过多项式拟合获得多项式函数关系式中的各个非线性项的系数并带入多项式函数关系式中得到非线性补偿式。

通过多项式拟合，可以拟合出公式(2)中的所有非线性项的系数，用拟合出的非线性项的系数带入公式(2)，就可以得到用于进行非线性补偿的非线性补偿式。

3、通过非线性补偿式对MEMS惯性传感器的实际输出值进行非线性补偿而获得其理想输出值

通过带入非线性项的系数的公式(2)，可以计算出拟合后的输出值。由于拟合后计算出的输出值非常接近理想输出值Y_k，从而起到了非线性度补偿的目的。

在具体的使用中，非线性项系数的多少可以根据实际情况选取，非线性项系数选取的越多，公式(2)中的函数阶数越多，拟合后计算出的输出值越接近理想的输出值Y_k，非线性度也就越小。

本发明专利的原理主要是利用了多项式拟合的方法，以输入和输出理想的线性关系为拟合参考对象，将MEMS惯性传感器的输出和输入关系拟合成非线性误差为0的线性关系，从而达到减小非线性度的目的。

上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围之内。

Claims (2)

1.一种MEMS惯性传感器非线性度补偿方法，其特征在于：该方法为：建立MEMS惯性传感器的理想输出值与实际输出值的多项式函数关系式，所述的多项式函数关系式中包含有非线性项；通过多项式拟合获得所述的多项式函数关系式中的各个非线性项的系数并带入所述的多项式函数关系式中得到非线性补偿式；通过所述的非线性补偿式对所述的MEMS惯性传感器的实际输出值进行非线性补偿而获得其理想输出值。

2.根据权利要求1所述的MEMS惯性传感器非线性度补偿方法，其特征在于：所述的MEMS惯性传感器的理想输出值与实际输出值的多项式函数关系式为

$Y_k=K_n{\hat{Y}}_k^n+K_{n-1}{\hat{Y}}_k^{n-1}+......+K_1{\hat{Y}}_k^1+{K_0{\hat{Y}}_k^{0}K}_{-1}{\hat{Y}}_k^{-1}+......+K_{-(n-1)}{\hat{Y}}_k^{-(n-1)}+K_{-n}{\hat{Y}}_k^{-n},$

其中，K_n、K_n-1、……、K₁、K₀、K_-1、……、K_-(n-1)、K_-n为非线性项的系数。