杨志梅，周小龙，徐大诚

(苏州大学微纳传感技术研究中心，江苏苏州 215100)



基于LM_BP神经网络模型的MEMS加速度计温度补偿方法研究

杨志梅，周小龙，徐大诚

(苏州大学微纳传感技术研究中心，江苏苏州 215100)

随着MEMS加速度计应用领域的不断广泛，其温度性能越来越受到重视。在研究扭摆式硅微加速度计结构与温度特性的基础上，采用改进LM_BP神经网络来构建MEMS加速度计的补偿模型，通过实时温度变化优化出温度补偿模型参数，进而实现实时温度补偿。实验结果表明，通过该方法补偿后的标度因数温度系数和全温零偏稳定性分别由252 ppm/℃和16.62 mg/h减小为100 ppm/℃和2.30 mg/h，证明了该温度补偿方法的有效性和可行性。

扭摆式硅微加速度计；神经网络；温度补偿；标度因数；零偏稳定性

0 引言

MEMS加速度计是惯性测量和导航系统的关键元件之一，被广泛应用于航空、航天、高铁机车及智能手机等领域[1]。MEMS加速度计的性能受制造工艺、内部结构、外部环境等因素影响，其中受环境温度的影响尤为突出[2]，因此研究温度补偿技术对提高其性能具有重要的实用价值。目前，MEMS加速度计的温度补偿方法有硬件和软件补偿。硬件补偿是通过改变加速度计内部结构或材料等方面降低温度的影响[3]，实现复杂，所以工程中更多采用通过重复性温度试验建立温度模型的软件补偿[4]方案。建立温度模型的常用方法有多项式拟合[5]、向量机[6]、小波网络[7]和BP网络[8]。BP网络相比较其他方法，它是一种有“导师”学习的网络，具有较强的非线性建模能力，解决了其他方法难以精确描述加速度计温度模型的问题。……