乔美英，高翼飞，李宛妮，赵 岩

(河南理工大学电气工程与自动化学院，焦作 454000)

近年来随着微机电系统（Micro-Alectro-Mechanical System, MEMS）技术的快速发展，低成本、低功耗型传感器得到了广泛应用。MEMS 加速度计更是在无人机、组合导航和医疗保健[1]等多领域都发挥着重要的作用。由于低成本MEMS 加速度计易受生产工艺及安装的影响，导致实际测量值含有较大测量误差，无法满足精度要求。因此对MEMS 加速度计的标定是必要的。

目前加速度计的标定方法分为实验室标定法和现场标定法[2]。实验室标定法是通过高精密的测量仪器标定加速度计，标定结果较为准确，但需要较好的设施保障。现场标定法的引入解决了这一困难，通过获取现场数据，使用算法处理数据完成标定。

常用的算法有椭球拟合法、高斯牛顿法、列文伯格-马夸尔特（Levenberg-Marquardt, L-M）算法等，文献[3]使用改进的L-M 算法标定加速度计，但模型为线性模型且十分依赖初始信息。文献[4]使用高斯-牛顿法对水下多信号导航系统进行校准，将非线性问题近似成线性问题处理。近年来随着智能优化算法的不断研究，越来越多智能算法也应用到了现场标定问题中。目前主流的群体智能优化算法有：遗传算法（Genetic Algorithm, GA）、粒子群（Particle Swarm Optimization, PSO）算法、布谷鸟搜索（Cuckoo Search, CS）算法等。文献[5][6]分别使用GA 和PSO 算法对加速度计进行现场标定，但两种算法的标定结果并不理想，且容易陷入局部最优情况。文献[7]提出的CS 算法在处理非线性问题时，具有较强的全局搜索能力，但算法存在收敛速度较慢的问题。……