文献

J-GLOBAL ID：202202227578423636   整理番号：22A1100941

深層学習に基づくMEMS IMUジャイロスコープキャリブレーション法【JST・京大機械翻訳】

A MEMS IMU Gyroscope Calibration Method Based on Deep Learning

著者 (4件)： Huang Fengrong (School of Mechanical Engineering, Hebei University of Technology, Tianjin, China) ,  Wang Zhen (School of Mechanical Engineering, Hebei University of Technology, Tianjin, China) ,  Xing Luran (School of Mechanical Engineering, Hebei University of Technology, Tianjin, China) ,  Gao Chunyan (School of Mechanical Engineering, Hebei University of Technology, Tianjin, China)
資料名： IEEE Transactions on Instrumentation and Measurement  (IEEE Transactions on Instrumentation and Measurement)
巻： 71  ページ： ROMBUNNO.1003009.1-9  発行年： 2022年 
JST資料番号： C0232A  ISSN： 0018-9456  CODEN： IEIMAO  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 微小電気機械システム(MEMS)慣性測定ユニット(IMU)の誤差は,巨大,複雑,非線形,および時間変化である。キャリブレーションと補償のための線形モデルに基づく従来の較正方法は,明らかに適用できない。本論文では,MEMS IMUジャイロスコープのための深層学習に基づくキャリブレーション法を提案した。この方法では,MEMS IMUジャイロスコープの出力モデルを,時間畳込みネットワークを用いて構築した。深層学習の強力なデータ処理能力に基づいて,誤差特徴を過去のジャイロスコープデータから得て,誤差補償後のジャイロスコープデータを回帰することができた。本論文における方法を公開データセットで検証した。実験結果は,深い学習に基づく既存のMEMSセンサ誤差補償法と比較して,補償ジャイロスコープデータを用いた慣性航法解によって得た姿勢と位置精度が改善され,提案方法が効果的にジャイロスコープ誤差を較正できることを証明した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 計測器 ,  誤差 ,  畳込み ,  ネットワーク ,  キャリブレーション ,  慣性航法 ,  数学モデル ,  補償 ,  データ処理 ,  センサ ,  *ジャイロスコープ ,  *MEMS
準シソーラス用語： 線形モデル ,  誤差補償 ,  MEMSセンサ ,  *深層学習 ,  位置精度 , 【Automatic Indexing@JST】

分類 (2件)： 操縦・制御系統  (QK05020Z) ,  時間,速度,加速度,角速度の計測法・機器  (AD05040K)

タイトルに関連する用語 (5件)： 深層学習 ,  MEMS ,  IMU ,  ジャイロスコープ ,  キャリブレーション