基于SSA-GB-ELM的并联式六维加速度传感器非线性解耦

作     者：郝喆 于春战 张佳林 席攀峰 窦琢仑 孙治博 Hao Zhe;Yu Chunzhan;Zhang Jialin;Xi Panfeng;Dou Zhuolun;Sun Zhibo

作者机构：北京林业大学工学院北京100083 北京航空航天大学北航学院北京100191 

出 版 物：《电子测量与仪器学报》 (Journal of Electronic Measurement and Instrumentation)

年 卷 期：2023年第37卷第10期

页      面：106-114页

核心收录：

学科分类：080202[工学-机械电子工程] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 081102[工学-检测技术与自动化装置] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金青年科学基金(52205043)项目资助 

主　　题：非线性解耦 六维加速度传感器 极限学习机 麻雀搜索算法 最大类间方差 

摘      要：六维加速度传感器的高精度测量可有效提高底盘防倾翻控制系统的控制效果,但并联式弹性元件的维间耦合会给传感器带来非线性误差,采用极限学习机算法进行标定解耦可以有效提高传感器的测量精度。但传统极限学习机非线性解耦算法精度较低,使用麻雀搜索算法可以获得极限学习机的最佳初始权值、阈值。同时,将最大类间方差法融入到麻雀算法优化的极限学习机中,可以探索六维加速度传感器固有耦合关系,把传统极限学习机黑箱模型转换为灰箱模型,从而提出一种麻雀搜索优化灰箱极限学习机(sparrow search algorithm-gray box-extreme learning machine, SSA-GB-ELM)的解耦算法。通过实验验证,使用该算法的并联式六维加速度传感器非线性解耦精度显著提高,Ⅰ类误差最大为0.023%,Ⅱ类误差最大为0.046%,解耦时间为1.095 s,可以高效解决六维加速度传感器非线性耦合问题。