| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景 | 第10-12页 |
| 1.1.1 MEMS概述 | 第10页 |
| 1.1.2 MEMS加速度计分类与特点 | 第10-11页 |
| 1.1.3 MEMS加速度计的应用 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 研究意义与主要内容 | 第14-16页 |
| 第二章 扭摆式硅微加速度计工作原理与特性 | 第16-22页 |
| 2.1 加速度计数学模型 | 第16-17页 |
| 2.2 扭摆式硅微加速度计结构与原理 | 第17-18页 |
| 2.3 加速度计信号检测原理 | 第18-19页 |
| 2.3.1 闭环检测原理 | 第18页 |
| 2.3.2 开环检测原理 | 第18-19页 |
| 2.4 扭摆式硅微加速度计误差分析 | 第19-20页 |
| 2.5 加速度计性能参数介绍 | 第20-21页 |
| 2.6 本章总结 | 第21-22页 |
| 第三章 扭摆式硅微加速度计温度补偿算法研究 | 第22-48页 |
| 3.1 基于最小二乘多项式拟合的加速度计温度补偿方法研究 | 第22-28页 |
| 3.1.1 最小二乘多项式拟合原理 | 第23-24页 |
| 3.1.2 最小二乘多项式拟合参数求解及分析 | 第24-26页 |
| 3.1.3 最小二乘多项式拟合建立加速度计补偿模型 | 第26-28页 |
| 3.2 基于广义回归神经网络拟合的加速度计温度补偿方法研究 | 第28-34页 |
| 3.2.0 广义回归神经网络基本算法 | 第28-30页 |
| 3.2.1 广义回归神经网络结构 | 第30-31页 |
| 3.2.2 广义回归神经网络建立加速度计补偿模型 | 第31-34页 |
| 3.3 基于支持向量机回归的加速度计温度补偿方法研究 | 第34-47页 |
| 3.3.1 SVM回归原理 | 第35-37页 |
| 3.3.2 SVM回归核函数选择 | 第37-39页 |
| 3.3.3 SVM参数优化方法研究 | 第39-44页 |
| 3.3.4 基于PSO优化的SVM回归建立加速度计补偿模型 | 第44-47页 |
| 3.4 几种补偿方式的比较 | 第47页 |
| 3.5 本章总结 | 第47-48页 |
| 第四章 加速度计温度补偿系统软硬件实现 | 第48-55页 |
| 4.1 硬件电路设计 | 第48-52页 |
| 4.1.1 电源电路 | 第48-49页 |
| 4.1.2 微处理器电路 | 第49页 |
| 4.1.3 加速度计电路 | 第49-51页 |
| 4.1.4 模数转换电路 | 第51页 |
| 4.1.5 串口通信电路 | 第51-52页 |
| 4.2 软件实现 | 第52-54页 |
| 4.3 本章总结 | 第54-55页 |
| 第五章 加速度计实时补偿测试结果与分析 | 第55-64页 |
| 5.1 测试系统介绍 | 第55-56页 |
| 5.2 温度补偿测试 | 第56-61页 |
| 5.2.1 测试方法 | 第56-57页 |
| 5.2.2 测试结果 | 第57-61页 |
| 5.3 非线性补偿测试 | 第61-63页 |
| 5.4 本章总结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 本文工作总结 | 第64页 |
| 6.2 未来工作展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间发表的论文 | 第70-71页 |
| 致谢 | 第71-72页 |
