Compensation of Linear Acceleration in Single-Mass MEMS Gyroscope
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26210%2F19%3APU130440" target="_blank" >RIV/00216305:26210/19:PU130440 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Compensation of Linear Acceleration in Single-Mass MEMS Gyroscope
Popis výsledku v původním jazyce
Single mass MEMS gyroscopes suffer from significant sensitivity to linear acceleration also known as gsensitivity. In the case of multi-axis inertia measurement unit (IMU), we could benefit from direct acceleration measurement to suppress the influence of linear acceleration on gyroscope output. In this paper, we will derive a gyroscope dynamic model, pointing out the influence of linear acceleration, evaluate the performance of common fusion algorithm and suggest a method for compensation of linear acceleration sensitivity using artificial neural network (ANN). The neural network was designed as a nonlinear autoregressive neural network with external input (NARX). The proposed method is experimentally tested on the real system with emphasis on tilt estimation. A comparison of tilt measurement against tilt estimator based on ANN and conventional fusion algorithm is made. Results suggest that the accuracy was improved with the proposed ANN.
Název v anglickém jazyce
Compensation of Linear Acceleration in Single-Mass MEMS Gyroscope
Popis výsledku anglicky
Single mass MEMS gyroscopes suffer from significant sensitivity to linear acceleration also known as gsensitivity. In the case of multi-axis inertia measurement unit (IMU), we could benefit from direct acceleration measurement to suppress the influence of linear acceleration on gyroscope output. In this paper, we will derive a gyroscope dynamic model, pointing out the influence of linear acceleration, evaluate the performance of common fusion algorithm and suggest a method for compensation of linear acceleration sensitivity using artificial neural network (ANN). The neural network was designed as a nonlinear autoregressive neural network with external input (NARX). The proposed method is experimentally tested on the real system with emphasis on tilt estimation. A comparison of tilt measurement against tilt estimator based on ANN and conventional fusion algorithm is made. Results suggest that the accuracy was improved with the proposed ANN.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
20204 - Robotics and automatic control
Návaznosti výsledku
Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach<br>I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2019
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
PROCEEDINGS OF THE 2018 18TH INTERNATIONAL CONFERENCE ON MECHATRONICS - MECHATRONIKA (ME)
ISBN
978-80-214-5542-9
ISSN
—
e-ISSN
—
Počet stran výsledku
6
Strana od-do
338-343
Název nakladatele
Neuveden
Místo vydání
Neuveden
Místo konání akce
Brno
Datum konání akce
5. 12. 2018
Typ akce podle státní příslušnosti
CST - Celostátní akce
Kód UT WoS článku
000465104200053