买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉哈尔滨工程大学申请的专利一种MEMS器件温漂误差估计模型参数精密辨识方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116010872B 。

龙图腾网通过国家知识产权局官网在2026-01-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310028178.6，技术领域涉及：G06F18/2413；该发明授权一种MEMS器件温漂误差估计模型参数精密辨识方法是由齐兵;田帅帅;程建华;孙伟淇;陈嘉宇;管梦涵;丁继成;杨福鑫;贾春设计研发完成，并于2023-01-09向国家知识产权局提交的专利申请。

本一种MEMS器件温漂误差估计模型参数精密辨识方法在说明书摘要公布了：一种MEMS器件温漂误差估计模型参数精密辨识方法，为解决传统的温漂误差估计模型输出的温漂误差精准度低，使MEMS器件输出的精准性低的问题。初始化基于RBFNN的MEMS器件温漂误差估计模型；构建RBFNN的激励函数配置集合；根据训练样本和配置集合训练模型，利用温漂误差补偿MEMS器件输出及对应的温漂误差；以补偿后MEMS器件输出的均方误差为精准性指标，以补偿后温漂误差估计的实际计算时间为实时性指标，以二者为输入，配置集合为输出专家知识库；利用模糊理论分解知识库，根据精准性指标目标值和实时性指标目标值获取最佳激励函数配置方案；更新训练好的模型，得到新模型；将环境温度利用新模型输出温漂误差，补偿MEMS器件输出。

本发明授权一种MEMS器件温漂误差估计模型参数精密辨识方法在权利要求书中公布了：1.一种MEMS器件温漂误差估计模型参数精密辨识方法，其特征在于：它包括以下步骤： S1、初始化RBFNN神经网络的结构参数，得到初始化的基于RBFNN的MEMS器件温漂误差估计模型； S2、根据RBFNN神经网络的结构参数构建RBFNN神经网络的隐含层激励函数集和输出层激励函数集，将隐含层激励函数集和输出层激励函数集交叉合并，得到激励函数配置集合； S3、获取MEMS器件的实测环境温度和对应的温漂误差作为训练样本，根据激励函数配置集合和训练样本对初始化的基于RBFNN的MEMS器件温漂误差估计模型进行训练，输入环境温度，输出温漂误差，直至输出的温漂误差的均方误差与对应的实际温漂误差的均方误差的差值为0.0000001时停止训练，得到训练好的基于RBFNN的MEMS器件温漂误差估计模型； 将MEMS器件的环境温度输入训练好的基于RBFNN的MEMS器件温漂误差估计模型内，输出对应的温漂误差，获取此时的MEMS器件输出及MEMS器件输出对应的温漂误差，将MEMS器件输出与输出的温漂误差作差，得到补偿后的MEMS器件输出，将输出的温漂误差代替MEMS器件输出对应的温漂误差，得到补偿后的温漂误差； S4、以补偿后的MEMS器件输出的均方误差作为精准性指标，以补偿后的温漂误差估计的实际计算时间作为实时性指标，将精准性指标和实时性指标作为输入，激励函数配置集合作为输出构建Expert-Fuzzy辅助决策专家知识库； S5、利用模糊理论对Expert-Fuzzy辅助决策专家知识库中的精准性指标、实时性指标、激励函数配置集合进行分解，将精准性指标的均方误差和实时性指标的计算时间为输入模糊集合，其对应的激励函数配置集合为输出模糊集合，根据补偿后的MEMS器件输出的精准性指标目标值和实时性指标目标值获取最佳的激励函数配置方案； S6、根据最佳的激励函数配置方案更新RBFNN神经网络的结构参数，根据更新后的RBFNN神经网络的结构参数更新S3中的训练好的基于RBFNN的MEMS器件温漂误差估计模型，得到满足MEMS器件输出精准性指标和MEMS器件输出实时性指标的基于RBFNN的MEMS器件温漂误差估计模型； S7、获取MEMS器件的环境温度，利用S6中的基于RBFNN的MEMS器件温漂误差估计模型输出温漂误差，将MEMS器件输出与温漂误差作差，得到补偿后的MEMS器件输出，即得到MEMS器件。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人哈尔滨工程大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区南通大街145号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。