一种基于集成神经网络的微小卫星用MEMS陀螺仪误差补偿方法

摘要

一种基于集成神经网络的微小卫星MEMS陀螺误差补偿方法：(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)对微小卫星MEMS陀螺进行误差补偿。集成神经网络通过集成多个神经网络弱学器，对训练样本进行过分拟合，克服了单个神经网络表现出预测精度低、稳定性差的缺点，有效提高系统的稳定性和预测精度，增强系统的泛化能力，训练后的神经网络能很高精度地逼近陀螺输入输出信号的非线性函数，能够实现微小卫星MEMS陀螺参数的高精度补偿。本发明用较小的计算代价，实现了对微小卫星MEMS陀螺的高精度补偿。

主权项

1.一种基于集成神经网络的微小卫星MEMS陀螺误差补偿方法，其特征在于：主要步骤如下：(1)设置网络规模，建立神经网络模型取微小卫星MEMS陀螺的输出电压为输入量，陀螺敏感的角速度为输出量来构建适当输入输出的集成神经网络系统，选择输入层、隐层、输出层结构的前向神经网络实现微小卫星MEMS陀螺的建模；(2)获取学习样本以转台输入角速度和在该角速度下的微小卫星MEMS陀螺输出电压信号为学习样本的输出与输入，使学习样本覆盖整个微小卫星MEMS陀螺的测量范围；(3)训练BP神经网络，并集成个体网络在步骤(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BP算法训练神经网络得到个体网络的最优模型参数及其权值，并集成个体网络；(4)微小卫星MEMS陀螺输出把微小卫星MEMS陀螺输出电压数据输入到步骤(3)训练好的集成神经网络，就可输出MEMS陀螺数据。