一种IMU零偏预测方法、控制器、车辆和存储介质与流程

本申请涉及惯性导航，特别是涉及一种imu零偏预测方法、控制器、车辆和存储介质。

背景技术：

1、随着智能驾驶等领域的快速发展，mems（micro electromechanical system，微机电系统）的imu（inertial measurement unit，惯性测量单元）也得到了日益广泛的应用。imu通常包含三轴陀螺仪和三轴加速度计，用于实时测量载体（例如车辆）的角速度与线加速度，进而通过积分运算获得载体的姿态、速度与位置信息。然而，受限于机械加工工艺、封装应力及环境温度变化等因素，imu的陀螺仪输出中存在显著的零偏误差，该误差是制约导航精度的核心瓶颈之一。

2、为抑制零偏误差对导航系统的影响，相关技术通常采用出厂标定与在线补偿相结合的策略。在出厂标定阶段，利用温箱、转台等设备建立零偏随温度变化的查找表或多项式拟合模型；在在线运行阶段，通过卡尔曼滤波、零速修正或与全球导航卫星系统融合等方式对零偏进行实时估计与补偿。

3、然而，上述相关技术主要针对同一上电周期内的零偏稳定性进行建模与补偿，对于每次上电时零偏值发生随机跳变的现象，即零偏上电重复性误差，相关技术尚缺乏有效的预测与补偿手段。

技术实现思路

1、基于此，有必要针对至少一个上述技术问题，提供一种imu零偏预测方法、控制器、车辆和存储介质。

2、在第一方面，本申请的实施例提供了一种imu零偏预测方法，该方法包括：

3、在imu上电后的预设时长内，根据imu的传感器数据序列确定imu的动力学特征；传感器数据序列包括imu在预设时长内各采样时刻的三轴角速度和三轴加速度；动力学特征用于表征imu在预设时长内的运动状态变化信息。

4、在预设时长内，根据imu的环境状态数据序列确定imu的热应力特征；环境状态数据序列包括imu在当前上电时刻的当前温度、imu上一次断电时刻的断电温度和imu上一次断电时刻至当前上电时刻的停泊时长；热应力特征用于表征imu在当前上电时刻受温差累积和停泊时长影响后的热应力状态信息。

5、基于动力学特征与热应力特征的融合特征，采用预设的零偏预测模型，确定imu在当前上电时刻的零偏预测值。

6、在一些实施例中，imu零偏预测方法还包括：

7、根据断电温度与当前温度之间的温差，确定热应力驱动力；

8、根据停泊时长、当前温度和预设的松弛参数，确定热应力松弛因子；松弛参数用于表征imu在停泊期间热应力随时间释放的程度；

9、根据热应力驱动力和热应力松弛因子，确定热应力特征。

10、在一些实施例中，环境数据序列还包括残余热应力递推指数，用于表征imu内部热应力经停泊时长松弛后，在当前上电时刻的残余水平，imu零偏预测方法还包括：

11、根据残余热应力递推指数，以及断电温度与当前温度之间的温差，确定imu的残余热应力；

12、根据热应力驱动力、热应力松弛因子和残余热应力，确定热应力特征。

13、在一些实施例中，imu零偏预测方法还包括：

14、根据热应力特征生成调制参数；调制参数包括缩放系数和平移系数；

15、基于缩放系数和平移系数对动力学特征进行仿射变换，确定融合特征。

16、在一些实施例中，imu零偏预测方法还包括：

17、将融合特征与动力学特征进行拼接，并基于拼接后的特征，采用零偏预测模型，确定零偏预测值。

18、在一些实施例中，imu包括主imu和冗余imu，动力学特征包括主imu的主动力学特征和冗余imu的冗余动力学特征；imu零偏预测方法还包括：

19、基于主动力学特征与冗余动力学特征，确定交叉一致性特征；交叉一致性特征用于表征主imu与冗余imu之间的输出差异程度。

20、在一些实施例中，imu零偏预测方法还包括：

21、将融合特征与动力学特征和交叉一致性特征进行拼接，得到目标拼接特征；

22、基于目标拼接特征，采用零偏预测模型，确定零偏预测值。

23、在第二方面，本申请的实施例提供了一种控制器，该控制器包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现第一方面本申请的任一实施例中提供的imu零偏预测方法的步骤。

24、在第三方面，本申请的实施例提供了一种车辆，该车辆包括传感器组和第二方面本申请所提供的控制器；传感器组包括至少一个imu；传感器组用于获取传感器数据序列和环境状态数据序列。

25、在第四方面，本申请的实施例提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现第一方面本申请的任一实施例中提供的imu零偏预测方法的步骤。

26、上述imu零偏预测方法、控制器、车辆和存储介质，通过分别确定imu的动力学特征和热应力特征，能够对影响零偏上电误差的运动状态因素和热力学因素进行分路提取和独立表征，避免了不同类型物理信息的相互干扰；并且，通过引入热应力特征来表征imu在当前上电时刻受温差累积和停泊时长影响后的热应力状态，将传统方法中难以建模的热力学历史因素量化为可计算的特征，使得零偏预测模型能够学习到温差和停泊时长与零偏上电重复性之间的非线性映射关系；通过基于动力学特征与热应力特征的融合特征进行零偏预测，实现了在不获取imu内部微观物理参数的前提下，利用宏观易观测的环境状态数据，克服传统解析模型因微观参数不可观测而面临的模型维数灾难问题，降低了工程实施难度。

1.一种imu零偏预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

3.根据权利要求2所述的方法，其特征在于，所述环境状态数据序列还包括残余热应力递推指数，用于表征所述imu内部热应力经停泊时长松弛后，在当前上电时刻的残余水平，所述方法还包括：

4.根据权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：

5.根据权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：

6.根据权利要求1至3任一项所述的方法，其特征在于，所述imu包括主imu和冗余imu，所述动力学特征包括所述主imu的主动力学特征和所述冗余imu的冗余动力学特征；所述方法还包括：

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

8.一种控制器，其特征在于，所述控制器包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

9.一种车辆，其特征在于，所述车辆包括传感器组件和如权利要求8所述的控制器；所述传感器组包括至少一个imu；所述传感器组用于获取传感器数据序列和环境状态数据序列。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。