发明名称 |
基于局部可变集成神经网络的光纤陀螺随机漂移建模方法 |
摘要 |
本发明基于局部可变集成神经网络的光纤陀螺随机漂移建模方法,包括以下步骤:(1)建立集成神经网络模型;(2)获取学样本;(3)训练集成神经网络;(4)对光纤陀螺仪的随机漂移进行建模。该方法首先使用FLP/小波滤波方法对光纤陀螺的原始输出信号进行降噪处理,构成一个去噪效果好,应用范围广的数据预处理系统;其次将局部可变集成神经网络应用到建模中,集成神经网络对训练样本进行过分拟合,克服了子神经网络预测精度低、稳定性差的缺点,基于温度的局部可变权值方法的引入使网络依据温度的改变来对集成权值矩阵进行调整,保证在不同温度下都能获得最佳网络建模精度,提高了网络的泛化能力,实现了光纤陀螺零位漂移的动态建模。 |
申请公布号 |
CN101840529A |
申请公布日期 |
2010.09.22 |
申请号 |
CN201010134091.X |
申请日期 |
2010.03.26 |
申请人 |
东南大学 |
发明人 |
陈熙源;申冲 |
分类号 |
G06N3/08(2006.01)I;G01C19/72(2006.01)I |
主分类号 |
G06N3/08(2006.01)I |
代理机构 |
南京经纬专利商标代理有限公司 32200 |
代理人 |
许方 |
主权项 |
一种基于局部可变集成神经网络的光纤陀螺随机漂移建模方法,其特征在于包括如下步骤:(1)建立神经网络模型选取光纤陀螺的原始输出信号为神经网络的输入和输出构建神经网络模型,选择带有不同数据预处理器的RBF神经网络作为子神经网络;(2)获取学习样本以特征温度下的光纤陀螺输出信号作为学习样本,使学习样本覆盖所有可工作温度条件下的测量范围;(3)训练集成神经网络在步骤(1)得到的神经网络模型和步骤(2)得到的学习样本的基础上,对各组学习样本分别采用RBF算法训练神经网络得到各子网络的最优模型参数;设置基于温度的集成权矩阵,依据温度的变化来调整设定的权值矩阵,并集成个体神经网络;由个体神经网络构成训练集成神经网络;(4)对光纤陀螺的随机漂移进行建模将光纤陀螺原始输出信号输入步骤(3)所述的训练集成神经网络中,即可实现对光纤陀螺仪的误差建模。 |
地址 |
210096 江苏省南京市四牌楼2号 |