基于优化LS-SVM的光纤陀螺温度漂移误差补偿方法

摘要

本发明公开一种基于优化LS-SVM的光纤陀螺温度漂移误差补偿方法，具体步骤包括：(1)AFSA优化算法以及LS-SVM模型参数的初始化；(2)根据光纤陀螺输出数据确定模型训练和测试的样本数据，并对模型输入数据进行预处理；(3)运用训练数据训练LS-SVM模型，并通过AFSA算法不断迭代优化模型参数；(4)根据训练好的模型预测光纤陀螺的输出并进行温度漂移误差的补偿。本发明采用具有较强全局寻优能力的人工鱼群算法能根据训练样本得到设定条件下的最优参数，在寻优过程中避免可能陷入局部最优的情况，可在一定程度上提高模型的预测精度。

主权项

一种基于优化LS‑SVM的光纤陀螺温度漂移误差补偿方法，其特征在于：利用人工鱼群算法优化光纤陀螺温度漂移误差的LS‑SVM模型参数，具体步骤包括：(1)将AFSA算法和LS‑SVM模型参数初始化；(2)根据光纤陀螺输出数据确定模型训练和测试的样本数据，并对模型输入数据进行去噪和去除趋势项预处理；(3)利用步骤(2)所得的训练数据训练LS‑SVM模型，通过AFSA算法中的迭代寻优步骤以及目标函数来确定最优的参数；(4)根据训练好的模型预测光纤陀螺的输出并进行温度漂移误差的补偿；其中，步骤(1)中初始化的模型参数包括群体规模N、最大迭代次数M、人工鱼个体的视野范围Visual、人工鱼个体的移动步长Step和拥挤度因子δ，初始化数据后在变量可行域内随机生成N个人工鱼，根据形成的初始鱼群确定对应的待寻优LS‑SVM的变量惩罚参数c和核宽度参数σ，人工鱼个体X＝(X₁X₂…X_n)，其中X_i(i＝1,2…n)为各寻优变量；人工鱼个体当前所在位置的食物浓度设为Y，且有Y＝(Y₁Y₂…Y_n)＝f(X)，各人工鱼之间距离d_ij为d_ij＝||X_i‑X_j||。