一种加速度传感器的标定算法

技术领域

本发明涉及标定算法技术领域，具体为一种加速度传感器的标定算法。

背景技术

加速度传感器是如今各种设备和信息系统中所必需的采集信息的器件，被大量地用在工业控制、汽车、医疗器件、仪器仪表和数码产品等领域，对提高生产技术水平和经济效益有着至关重要的作用，在科学实验和生产的过程中，特别是在自动检测和闭环控制系统中需要获取的信息，都是通过加速度传感器转换为系统能够容易处理和传输的电信号。如果加速度传感器不能对原始信号进行准确可靠的测量，或者不能把感受到的被测量精确地转换成电信号，那么任何仪表和装置的精度再高也无意义。

一种加速度传感器的标定算法，采用三层结构的BP神经网络标定算法来标定加速度传感器的能解决传统标定方法的局限性，提高标定精度和效率，BP神经网络是一种模仿人类大脑神经机制的信息处理数学模型，由输入层、输出层以及隐含层组成，其中隐含层可以是一层，也可以是多层，BP神经网络具有并行处理、联想记忆、抗干扰性强的特点，理论上能处理不清楚推理规则n->m维空间的非线性映射问题，三层结构的BP神经网络就能够以任意精度拟合任何非线性曲线的能力，采用三层结构的BP神经网络标定算法来标定加速度传感器的能解决传统标定方法的局限性，提高标定精度和效率，目前的加速传感器的标定算法在使用的过程中标定算法精度和效率较低，且经常会受到负载质量和环境因素的影响。

发明内容

本发明的目的在于提供一种加速度传感器的标定算法，以解决上述背景技术中提出的现有的BP神经网络加速度标定算法精度和效率较低，且会受到负载质量和其他环境因素影响较大的问题。

为实现上述目的，本发明提供如下技术方案：一种加速度传感器的标定算法，该加速度传感器的标定算法的具体步骤流程如下：

(1)对于一个未知的系统，通过给定不同的输入Xi，测量其输出的数据Yi，然后将采集到的输入输出数据(Xi,Yi)用于训练BP神经网络；

(2)BP神经网络在训练的过程中，首先会随机选取一些数据作为结构中的权值和阀值，输入数据Xi经过输入层传输给隐含层进行处理；

(3)隐含层的节点作用函数通常为一个S型非线性函数，数据通过隐含层的非线性处理后传输给输出层，最后产生一个输出数据Oi；

(4)将输出结果Oi和期望输出值Yi进行比较，计算出两者之间的误差Ei；

(5)如果Ei不能达到系统的要求，BP神经网络根据Ei的值，按照学习算法对结构中的权值和阀值进行修改，直到Ei达到系统的要求。

优选的，在本系统中，将加速度传感器看作是一个“黑箱”，将加速度传感器的输入输出数据作为BP神经网络的样本，通过训练网络，使训练后的BP神经网络等效于加速度传感器输入输出的特性函数。

与现有技术相比，本发明的有益效果是：

本发明中的标定算法，采用三层结构的BP神经网络标定算法来标定加速传感器的能解决传统标定方法的局限性，提高标定精度和效率，避免经常会受到负载质量和环境因素的影响问题。

附图说明

图1为本标定算法的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

实施例：

请参阅图1，本发明提供一种技术方案：一种加速度传感器的标定算法，该加速度传感器的标定算法的具体步骤流程如下：

(1)对于一个未知的系统，通过给定不同的输入Xi，测量其输出的数据Yi，然后将采集到的输入输出数据(Xi,Yi)用于训练BP神经网络；

(2)BP神经网络在训练的过程中，首先会随机选取一些数据作为结构中的权值和阀值，输入数据Xi经过输入层传输给隐含层进行处理；

(3)隐含层的节点作用函数通常为一个S型非线性函数，数据通过隐含层的非线性处理后传输给输出层，最后产生一个输出数据Oi；

(4)将输出结果Oi和期望输出值Yi进行比较，计算出两者之间的误差Ei；

(5)如果Ei不能达到系统的要求，BP神经网络根据Ei的值，按照学习算法对结构中的权值和阀值进行修改，直到Ei达到系统的要求。

以一个典型传感器—加速度传感器的标定为例，详细像大家介绍几种常用的标定方法。

1.重力场法：对具有零频响应的加速度计，可用地球静态重力场法进行标定，校准装置如图所示，地球重力场法也是一种绝对校准法，具有较高的精度，此方法使用中须注意：①该方法原则上属于静态绝对校准，仅适用于具有零频响应的加速度计(如伺服式、压阻式、应变式和张丝式)的校准；②装置必须具有良好的隔振基础，旋转轴应严格保持水平位置，否则精度将受到影响；

2.转台式重力场标定法：零频法校准属静态校准，将零频校准装置适当改进，即让台面以一定频率匀速旋转，则构成低频重力场标定台，当台面旋转时，加速度传感器敏感元件受-1～+1g的交变加速度，记录下不同频率下加速度传感器的输出值，即可求出它们的动态灵敏度，但此方法仅适用于低频；

3比较法是传感器校准最常用的方法，它具有原理简单、操作方便、对设备要求不高等一系列优点，所以应用十分广泛，但是质量负载将影响标准传感器的高频响应。

在本系统中，将加速度传感器看作是一个“黑箱”，将加速度传感器的输入输出数据作为BP神经网络的样本，通过训练网络，使训练后的BP神经网络等效于加速度传感器输入输出的特性函数，具体的计算公式如下：

首先定义从k(k＝1，2,3)层第i个节点到k+1层中第j个节点的连接权值为

根据式(5,12)、式(5,13)、式(5,14)、式(5,15)、式(5,16)有：

以上显示和描述了本发明的基本原理和主要特征和本发明的优点,对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明；因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内，不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。