基于多模型集成算法的光纤陀螺温度补偿及实现

为降低光纤陀螺因温度效应产生的零偏漂移,以基于最小二乘法的多项式补偿模型和经遗传算法优化后的BP神经网络模型(GA-BP)为基学习器,通过集成学习算法建立了光纤陀螺的温度补偿模型,并对补偿后的光纤陀螺进行在线温度补偿实验。实验结果表明,该模型在-40～+60℃温变环境下将光纤陀螺的全过程零偏漂移降低了85%以上,且补偿后的启动段零偏输出均值更接近零位。     

基于小波神经网络的光纤陀螺系统级温度补偿

捷联惯组中光纤陀螺的输出精度受温度的影响较大,在实际应用中必须对其进行温度漂移补偿。对于光纤陀螺的零偏随温度变化呈较强的非线性特性,传统的多元线性回归法难以满足补偿精度要求,因而将小波神经网络用于建立光纤陀螺的温度补偿模型。通过对某型号捷联惯组中光纤陀螺的静漂数据进行仿真,实验结果表明,基于小波神经网络模型比多元线性回归模型的补偿效果更明显,有效提高了陀螺的精度。     

光纤陀螺温度漂移建模与补偿

分析了光纤陀螺温度漂移产生的基本原理及其主要的影响因素.在对某型光纤陀螺进行大量高低温环境试验的基础上,根据试验数据,建立了一种零偏温度补偿模型.采用最小二乘逼近的方法,确定了模型参数,实现了对该陀螺零偏的补偿.通过对未参加建模的试验数据进行补偿,进一步验证了模型的正确性和通用性.实验结果表明,光纤陀螺经模型补偿后零偏基本可以减小2个数量级,零偏稳定性可以改善近80%,完全满足实时补偿的要求,具有较强的工程实用价值.     

基于RBF神经网络的光纤陀螺启动补偿及应用

光纤陀螺对温度比较敏感,由于温度引起的零偏漂移是光纤陀螺工作尤其是启动过程中的一种较大误差。文中为了减小光纤陀螺启动过程的零偏漂移、缩短启动时间,提出了对光纤陀螺启动过程进行补偿的方案。该方案以光纤陀螺温度和温度变化率为输入、光纤陀螺漂移为输出建立二输入单输出的RBF神经网络,用于陀螺启动过程补偿。在室温下对某型号光纤陀螺启动漂移进行了补偿,试验结果表明该方法能有效减小陀螺的启动温度漂移,缩短陀螺启动时间。将该方案运用到某型号的光纤陀螺寻北仪上,常温试验表明,该方案大大缩短了寻北仪的准备时间,提高了寻北精度。     

采用BP神经网络的四频激光陀螺零偏的光强补偿方法

总结了环境因素对四频激光陀螺光强和零偏影响的3种常见方式,指出光强变化和零偏变化都是陀螺经环境因素作用后的外在表现,光强更能全面细致地反映环境因素对陀螺零偏的影响,提出了以光强为基准采用BP神经网络对零偏进行补偿的方法。建立了陀螺零偏的BP神经网络,采用该神经网络针对开机零漂、跳模和高低温冲击等3种不同的零漂产生机理分别进行了补偿实验,实验表明:该方法能够有效辨识产生零漂的不同机理并进行补偿,对提高复杂环境下陀螺的零漂性能有一定的参考意义。     

基于BAS-BP-Bagging模型的光纤陀螺温度补偿

为提高光纤陀螺的输出精度,以天牛须搜索算法(BAS)优化后的BP神经网络模型为基学习器,采用Bagging并行集成学习算法建立了BAS-BP-Bagging温度补偿模型,并对某型号光纤陀螺进行了温度补偿实验。实验结果表明,在-40～+60℃温度变化环境下,该方法补偿后的光纤陀螺温度漂移相较于补偿前减小了近80%,相较于多项式补偿算法减小了55%,相较于BP神经网络补偿算法减小了30%左右。同时该模型在对新鲜样本的补偿过程中表现出了较为优越的泛化性能。     

光纤陀螺温度漂移自适应网络模糊推理补偿

温度漂移是影响光纤陀螺精度的重要因素之一。在对光纤陀螺温度漂移特性进行实验分析的基础上,对零偏温度漂移进行了多项式拟合补偿。为了解决传统曲面拟合方法无法精确描述标度因数温度漂移与温度、转速之间的关系导致其补偿精度低的问题,提出了一种基于自适应网络模糊推理的光纤陀螺温度漂移补偿新方法。该方法基于模糊逻辑,结合最小二乘和误差反向传播混合算法,设计了自适应网络模糊推理系统,从而有效提高了光纤陀螺温度漂移补偿精度。实验结果表明,在-30～60 ℃温度范围和-165～165 （）/s 载体角速率范围,应用新方法对光纤陀螺温度漂移进行补偿,得到的训练误差均方根不超过0.003 （）/s,预测误差均方根不超过0.005 （）/s。     

光纤陀螺环热扩散延迟响应模型及补偿技术研究

基于热扩散机理,研究了光纤陀螺中光纤环热扩散非互易相位误差导致的零漂的延迟响应特性,发现了延迟时间的温度相关性,获得了光纤环零漂延迟补偿模型。搭建高精度光纤陀螺实验系统,在不同温度段,采用近似"方波"形台阶温变激励,验证了热致非互易性相位误差的延迟特性,并获得了实验光纤环的模型参数。进行了光纤陀螺全温变零偏测试,实验结果表明采用改进模型可获得更好的零偏补偿效果,验证了新建模型的正确性和有效性。     

二频机抖激光陀螺小范围温度漂移补偿模型的研究

从实验上研究了环境温度变化在10℃范围内二频机抖陀螺的零偏和温度的关系。通过大量高低温环境的重复性温度实验，利用逐步回归法建立了一种零偏温度补偿模型，并对该模型的补偿效果进行了实验测试。结果表明，在小范围内二频机抖陀螺的零偏和温度、温度梯度及温度速率有较好的线性关系和重复性，可以通过建立温度补偿模型来提高陀螺的精度，而且该模型完全满足工程上的实时补偿要求。     

基于PSO优化RBF神经网络的MEMS陀螺温度补偿

针对微电子机械系统(MEMS)陀螺温度变化影响其零偏误差的问题,提出了一种基于粒子群优化(PSO)和径向基函数(RBF)神经网络的陀螺零偏补偿方法.通过RBF神经网络对预处理后的陀螺零偏的温度误差建立模型,用PSO 搜索RBF神经网络的最优参数来提高其泛化能力后,将PSO-RBF神经网络最优参数用于补偿陀螺零偏.实验结果证明了该算法的有效性,经PSO-RBF神经网络算法补偿后,MEMS陀螺零偏的最大误差从0.046(°)/s减小到0.003 4(°)/s,标准差从0.042 7(°)/s减小到0.001 3(°)/s,有效提升了陀螺的零偏稳定性.     

基于光纤陀螺的方位传感测井仪误差补偿算法

光纤陀螺的零位漂移和刻度因子随温度及温度梯度变化呈现复杂的非线性特征,目前被应用于工程上的常规建模方法的建模效果并不理想.提出了自适应模糊神经网络(ANFIS)的建模方法,它是一种新型的基于模糊神经网络的陀螺温度漂移建模方法,它实现了在模糊逻辑理论框架下同时对光纤陀螺零偏和刻度因子进行建模和补偿,达到了简化温度补偿步骤,提高补偿精度的效果.     

光纤陀螺零偏和标度因数补偿算法

研究了光纤陀螺的输出特性,对光纤陀螺的各种输出模型、零偏和标度因数温度模型、开环光纤陀螺(OFOG)标度因数非线性模型进行了探讨,并通过仿真和实验,比较说明了各种温度模型、非线性模型的补偿效果,对工程应用具有指导作用.     

基于阵列技术的MEMS陀螺温度补偿方法

为了减少温度对MEMS陀螺测量精度的影响,提出了一种采用阵列技术的MEMS陀螺仪温度误差补偿新方法。该方法不需要进行温度测量,通过对多陀螺输出进行数据融合以消除温度对陀螺仪输出的影响,达到正确检测角速率的目的,简化了系统结构。采用遗传算法优化的BP神经网络来进行陀螺阵列数据的融合,抛开通常把零偏和标度因数分开建模补偿的思想,将两者统一进行补偿。实验结果表明,该方法能够大幅度降低温度造成的陀螺误差,从而满足工程应用需要。     

一种新的MEMS陀螺温度误差建模与补偿方法

为了减少温度对微机电系统(MEMS)陀螺仪测量精度的影响,改进了一种不需要测量温度的MEMS陀螺温度误差建模与补偿方法。该方法首先通过多项式拟合得到MEMS陀螺全温区零偏与温度的多项式模型,并根据最小二乘法原理确定模型阶数,然后通过分析温度对驱动轴相位的影响,得到驱动轴相位的温度模型,最后得到零偏与驱动轴相位的多项式拟合模型并针对该模型对陀螺零偏进行补偿。实验结果表明,该方法能降低温度造成的陀螺误差,提高MEMS陀螺的使用精度。     

MEMS陀螺混合误差标定方法研究

微机电系统(MEMS)陀螺仪具有尺寸小,可靠性强的特点,已广泛应用于各种微姿态仪中,而陀螺的安装误差是影响姿态仪输出精度的主要因素之一。现有的陀螺安装误差模型是建立在确定的刻度因子和零偏基础上,但实际应用中,陀螺的刻度因子存在误差,且零偏随温度和转速发生变化。该文提出了一种改进的误差标定和补偿方法,并针对模型中MEMS的零偏温度和转速非线性误差问题,运用BP神经网络,实现了模型零偏动态补偿。实验表明,采用该文提出的标定方法,陀螺的角速率误差由1.5(°)/s提高至0.05(°)/s。验证了标定方法的可行性。     

光纤陀螺静态温度漂移的小波网络建模

温度是影响光纤陀螺测试精度的重要因素,通过理论分析和实验研究了光纤陀螺的静态温度特性,提出采用经典小波网络进行零偏温度建模的方案,并与多项式拟合结果进行比较,其拟合精度得到大幅度提高。在此基础上,对经典小波网络进行改进,研究了一种新的参数初始化方法,并提出了基于动量变步长梯度下降法的参数更新算法。实验结果表明,改进的小波网络算法能够进一步提高网络的收敛速度和模型拟合的精度,从而能够更好地描述光纤陀螺零偏的温度特性。为了验证小波网络算法的普适性,利用多个惯性器件的温度实验数据,进行零偏温度建模和精度分析,结果表明,该方法能够较好地适用于对温度敏感的惯性器件的静态温度建模。     

激光陀螺组合零偏温度补偿研究

温度是影响激光陀螺零偏的重要因素。将激光陀螺零偏分成与温度无关的常值零偏和与温度有关的趋势项零偏两部分,常值零偏可通过标定实验补偿。对于趋势项零偏,在-40～+60℃全温范围内,通过大量的重复性温度实验,建立了趋势项零偏与温度变化的分段多项式回归模型。运用该模型对高低温实验数据进行补偿,然后进行标定补偿,补偿后结果表明,基本上消除了陀螺零偏,且满足工程上的实时性要求。因此,该补偿方法具有很强的工程实用价值。     

神经网络在光纤陀螺标度因数温补中的应用

阐述了光纤陀螺标度因数受温度影响的机理,光纤长度、光纤环直径、中心波长、集成光学调制器调制系数以及2π复位电压值均影响标度因数的稳定性。在此基础上提出建立温度模型补偿法,对最小二乘法和BP神经网络补偿法进行了分析与比较。该文利用光纤陀螺输出实测数据进行了后仿真,结果表明,神经网络法进行光纤陀螺标度因数温度补偿可使误差明显减小,其效果要优于传统的最小二乘法,这样保证了光纤陀螺全温情况下在系统的使用精度。     

基于粒子群-BP神经网络的陀螺温漂建模

针对哥氏振动陀螺的温漂问题,本文采用基于粒子群的BP神经网络算法对压电振动陀螺的温度漂移现象进行建模,并在算法中加入高斯噪声干扰;相对于传统的单BP神经网络算法,含有噪声的粒子群—BP神经网络算法,在精度和收敛速度两个方面有了较大提高,所构建的温漂模型具有更好的非线性描述能力,从而能为哥氏振动陀螺提供了更高精度的零电位误差补偿.     

PSO优化SVM的MEMS陀螺温度零偏补偿

针对微机械陀螺零偏受温度影响较大的问题,提出一种粒子群优化(PSO)算法和支持向量机(SVM)相结合的陀螺零偏温度补偿方法。首先,将平滑处理后的陀螺数据作为样本点,采用基于径向基核函数的支持向量机方法构建漂移模型,把数据从低维空间映射到高维空间,并进行线性拟合,保证泛化能力。然后,利用粒子群算法对支持向量机的惩罚参数、核函数参数以及不敏感系数进行优化,避免了人为选择参数的盲目性且提高了建立模型的精度。实验结果表明:经PSO调节支持向量机算法补偿后,陀螺输出精度更高;与最小二乘法、BP神经网络法相比,陀螺输出数据方差分别减小了81.3%和57%,最大误差分别减小54.7%和48.5%。