楊莉李冬雪王強趙目龍李海波

（1.中國第一汽車股份有限公司智能網(wǎng)聯(lián)開發(fā)院，長春130013；2.汽車振動噪聲與安全控制綜合技術(shù)國家重點實驗室，長春130013；3.大陸汽車電子(連云港)有限公司長春分公司被動安全傳感器事業(yè)部，長春130000）

主題詞：慣性傳感器 自動駕駛 后向傳播神經(jīng)網(wǎng)絡(luò) 誤差標(biāo)定

1 前言

隨著汽車行業(yè)“新四化”的提出，電動化、自動化、網(wǎng)聯(lián)化、共享化成為汽車行業(yè)未來的發(fā)展趨勢和發(fā)展方向?！靶滤幕敝凶詣踊穆涞兀枰喾N傳感器的支撐。杜莎等[1]提出傳感器作為自動駕駛車輛的眼睛，在自動駕駛發(fā)展的過程中發(fā)揮著重要的作用。王田等[2]對自動駕駛傳感技術(shù)的專利情況進行了分析和研究，發(fā)現(xiàn)近年來針對自動駕駛傳感器的專利申請量和活躍度均處于領(lǐng)先地位。李磊等[3]設(shè)計了多傳感器融合的自動車定位導(dǎo)航系統(tǒng)，研究結(jié)果表明融合慣性傳感器的自動車定位系統(tǒng)結(jié)構(gòu)簡單，且可極大提高定位導(dǎo)航精度。Elsheikh等[4]將慣性傳感器與GNSS信息進行融合，獲得了穩(wěn)定的定位性能?？梢?，隨著自動駕駛等級的提高，慣性傳感器因其工作不受外部環(huán)境影響而成為自動駕駛中傳感器融合的核心技術(shù)元件。

然而，由于機械安裝誤差、芯片封裝誤差、工作環(huán)境溫度、產(chǎn)品生命周期和電磁干擾因素的影響，慣性傳感器的輸出存在一定的誤差。目前應(yīng)用的誤差標(biāo)定技術(shù)有3項：

（1）采用數(shù)學(xué)方法進行，例如田曉春等[5]提出的采用數(shù)學(xué)模型推導(dǎo)標(biāo)定方法；

（2）通過算法進行自濾波，例如Kelly[6]提出的卡爾曼濾波算法；

（3）僅對機械安裝誤差進行消除，例如馬亞平等[7]提出的安裝誤差正交補償方法，但其未考慮其他方面的誤差因素。

綜上，僅利用目前的誤差標(biāo)定技術(shù)，慣性傳感器輸出的加速度和角速度值無法滿足自動駕駛領(lǐng)域的需求。因此，如何降低慣性傳感器的輸出誤差，成為慣性傳感器在自動駕駛領(lǐng)域應(yīng)用的技術(shù)瓶頸。

本文利用精簡后向傳播神經(jīng)網(wǎng)絡(luò)對慣性傳感器的輸出與誤差進行擬合，構(gòu)建了輸出誤差的數(shù)學(xué)模型。仿真結(jié)果表明，該方法成功模擬了各種復(fù)雜的非線性誤差對傳感器輸出的影響，提高了慣性傳感器的輸出精度。

2 慣性傳感器工作原理

慣性傳感器是一種微機電器件（Micro Electro Me?chanical System,MEMS），其基本工作原理是根據(jù)科里奧利力原理檢測角速度及根據(jù)電容值變化檢測加速度[8]。不同生產(chǎn)廠商設(shè)計的慣性傳感器可能包含不同的微機電結(jié)構(gòu)，但基本的組成單元均3部分：

（1）MEMS慣性傳感單元；

（2）數(shù)據(jù)處理單元ASIC；

（3）誤差標(biāo)定單元MCU。

通常情況下，MEMS慣性傳感單元和數(shù)據(jù)處理單元被封裝在1個芯片內(nèi)。

MEMS慣性傳感單元將物理量信號角速度和加速度轉(zhuǎn)換為電信號[9]；數(shù)據(jù)處理單元ASIC將電信號進行放大和模數(shù)轉(zhuǎn)換，并進行預(yù)處理；誤差標(biāo)定單元MCU在預(yù)處理數(shù)據(jù)的基礎(chǔ)上，進行裝車后的誤差標(biāo)定。預(yù)處理負(fù)責(zé)將芯片層級的誤差進行處理，包括芯片封裝誤差和微機電結(jié)構(gòu)誤差；裝車后的誤差標(biāo)定負(fù)責(zé)處理整車機械安裝誤差、工作環(huán)境溫度、產(chǎn)品生命周期和EMC/EMI的影響誤差。

慣性傳感器的輸出誤差將直接影響整車的定位精度，間接影響整車自動駕駛功能的實現(xiàn)及整車的安全性。

3 慣性傳感器誤差分析

由于微機電結(jié)構(gòu)的復(fù)雜性，慣性傳感器的誤差主要包含以下5種[10]：

（1）由機械安裝誤差和傳感器芯片內(nèi)部封裝誤差導(dǎo)致的零輸入誤差（Offset error）；

（2）由模擬/數(shù)字轉(zhuǎn)換時，模數(shù)轉(zhuǎn)換處理器分辨率導(dǎo)致的靈敏度誤差（Sensitivity error）；

（3）由芯片內(nèi)部模數(shù)轉(zhuǎn)換處理器的非線性導(dǎo)致的非線性誤差（Linearity error）；

（4）由傳感器芯片內(nèi)部隨機噪聲和PCB壓電效應(yīng)導(dǎo)致的噪聲誤差（Noise error）；

（5）由傳感器工作環(huán)境的溫度變化、產(chǎn)品生命周期和電磁干擾導(dǎo)致的數(shù)據(jù)漂移誤差（Drift error）。

基于上述誤差組成，整個慣性傳感器輸出誤差分析如圖1所示。

圖1 慣性傳感器誤差分析示意

由圖1可知，由于各種誤差的存在，將導(dǎo)致實際測量值與理論期望值之間存在一定的誤差，該誤差的大小直接影響自動駕駛定位的精度，并間接影響整車的安全性。

4 神經(jīng)網(wǎng)絡(luò)模型構(gòu)建

慣性傳感器是一個復(fù)雜的非線性隨機系統(tǒng)，其誤差與實際輸入物理量之間的關(guān)系十分復(fù)雜，較難用一個簡單函數(shù)來表示。因此，選用多層神經(jīng)網(wǎng)絡(luò)來表示這樣的關(guān)系，多層神經(jīng)網(wǎng)絡(luò)的本質(zhì)就是一個多層復(fù)合函數(shù)。精簡后向傳播神經(jīng)網(wǎng)絡(luò)因其計算量小、收斂容易等優(yōu)點，已廣泛應(yīng)用于多種復(fù)雜系統(tǒng)中。王琳瑋等[11]設(shè)計了一種基于神經(jīng)網(wǎng)絡(luò)自整定的PID控制算法，用于球形機器人的位置和姿態(tài)控制，獲得了良好的運動性能。Guo W等[12]提出了一種混合神經(jīng)網(wǎng)絡(luò)，用于高超聲速飛行器慣性測量單元誤差參數(shù)的有效估計，使其具有較高性能。Omid D等[13]設(shè)計了一種深度卷積神經(jīng)網(wǎng)絡(luò)，用于人體步態(tài)的識別，實現(xiàn)了根據(jù)步態(tài)運動數(shù)據(jù)來識別個人特征。本文設(shè)計的精簡后向傳播神經(jīng)網(wǎng)絡(luò)具有結(jié)構(gòu)簡單、易實現(xiàn)和硬件及軟件資源占用少的優(yōu)勢。

精簡后向傳播神經(jīng)網(wǎng)絡(luò)的設(shè)計主要考慮以下5個方面：網(wǎng)絡(luò)的層數(shù)、每層中的神經(jīng)元個數(shù)、傳遞函數(shù)、初始值和學(xué)習(xí)速率[14]。具有偏差和至少一個S型隱含層加上一個線性輸出層的網(wǎng)絡(luò)能夠逼近任何一個有理函數(shù)[15]。因此，針對設(shè)計需求，選擇2層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)（隱含層和輸出層），如圖2所示（圖中，x是神經(jīng)網(wǎng)絡(luò)的輸入，y是神經(jīng)網(wǎng)絡(luò)的輸出，by是輸出層閾值，b1…10為隱含層閾值，Wx1…x10和W1y…10y為連接權(quán)值）。

圖2 慣性傳感器誤差標(biāo)定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

利用MathCAD軟件對網(wǎng)絡(luò)參數(shù)進行迭代計算。經(jīng)過網(wǎng)絡(luò)初始化、樣本數(shù)據(jù)歸一化、前向輸出計算、后向權(quán)值修正等步驟，最終當(dāng)?shù)螖?shù)為45次時，總誤差e為2.638×10-3，滿足要求。此時，神經(jīng)網(wǎng)絡(luò)的各權(quán)值參數(shù)如表1所示。

表1 慣性傳感器誤差神經(jīng)網(wǎng)絡(luò)參數(shù)表

5 測試過程及結(jié)果

為驗證上述誤差標(biāo)定方法的性能，將該方法在誤差標(biāo)定單元MCU內(nèi)部進行了編程實現(xiàn)。然后分別對未使用該誤差標(biāo)定方法和使用該誤差標(biāo)定方法的樣品進行了轉(zhuǎn)臺測試。

轉(zhuǎn)臺測試的原理如圖3所示。轉(zhuǎn)臺是一個機械結(jié)構(gòu)，能夠以設(shè)定的角速度旋轉(zhuǎn)，用來模擬整車結(jié)構(gòu)。被測樣品固定于轉(zhuǎn)臺之上，將被測樣品以不同的角度進行軸向固定，可以分別模擬整車上的加速度和角速度。為了節(jié)省測試時間，提高測試效率，一個轉(zhuǎn)臺上，可以以設(shè)定的角度，固定3～6個被測樣品。

圖3 轉(zhuǎn)臺測試的原理

同時，轉(zhuǎn)臺放置于溫濕度試驗箱中，并置于機械振動臺架上，需根據(jù)生產(chǎn)驗證的環(huán)境測試標(biāo)準(zhǔn)需求，模擬環(huán)境中溫濕度和振動的影響。

測試過程中，將樣品通過線束與上位機相連，在上位機中通過人機交互界面讀取測試數(shù)據(jù)。

最具代表性的角速度測試結(jié)果如圖4所示。由圖4可知，使用傳統(tǒng)的統(tǒng)一化標(biāo)定方法，由于每個傳感器均使用相同的原始誤差值，未考慮每個傳感器的特殊物理性質(zhì)，標(biāo)定后的結(jié)果與實際轉(zhuǎn)臺轉(zhuǎn)動的角速度誤差較大。使用本文提出的誤差標(biāo)定方法后，轉(zhuǎn)臺測試的結(jié)果更接近實際轉(zhuǎn)臺轉(zhuǎn)動的角速度。

圖4 利用神經(jīng)網(wǎng)絡(luò)標(biāo)定方法的轉(zhuǎn)臺測試結(jié)果

6 結(jié)束語

本文利用精簡后向傳播神經(jīng)網(wǎng)絡(luò)表征溫度、機械安裝誤差、機械振動、電磁干擾因素對慣性傳感器輸出誤差的復(fù)雜影響，建立了慣性傳感器輸出誤差與實際輸入物理量之間的關(guān)系模型，并將該模型應(yīng)用于慣性傳感器的標(biāo)定中。實際測試結(jié)果表明，該模型更精確地反映了慣性傳感器的實際誤差，按照該模型標(biāo)定后的輸出數(shù)據(jù)更接近實際物理量，為慣性傳感器在自動駕駛中的應(yīng)用提供了可行性方案。