对角神经网络在激光陀螺消噪中的应用

在传统BP网络的基础上，利用DRNN神经网络对激光陀螺进行消噪．对实际测试数据的处理表明，两种模型都能够有效地消除(或抑制)激光陀螺中的主要噪声源．通过对消噪后的静态数据进行噪声分析表明：DRNN网络比BP网络去噪能力更强，在收敛性上也要优于BP网络。     

基于小波去噪与DRNN的光纤陀螺随机误差建模研究

针对具有复杂特性的光纤陀螺随机误差的建模问题,采用具有良好时域和频域局部化性质的小波阈值去噪和具有局部内递归特性的对角神经网络(DRNN)进行降噪建模研究。首先给出小波阈值去噪和DRNN的相关理论;然后,组合利用小波阈值去噪和DRNN对实测数据进行建模研究。仿真结果表明,在利用小波阈值去噪去除陀螺随机误差高频噪声的基础上,DRNN能够有效地对低频噪声建模,组合运用这两种理论方法取得了理想的建模效果。     

小波去噪在激光陀螺漂移信号分析与处理中的应用

用Allan方差法对激光陀螺漂移数据的各种误差源及其整个噪声统计特性进行细致的表征和辨识.根据有效信号与各种噪声信号的频谱差异,用Mallat算法对RLG漂移信号进行塔式分解,采用软阈值消噪法去除噪声.对小波去噪前后的激光陀螺零漂信号用Allan方差进行对比分析表明,小波变换有效的减小了激光陀螺零漂信号中的角度随机游走、角速度随机游走、速率斜坡和量化噪声,提高了激光陀螺零偏输出的稳定性.     

激光陀螺温度误差补偿方法

零偏是衡量激光陀螺性能的一个重要指标,但其受温度影响很大,为了降低和补偿温度对激光陀螺零偏的影响,使其达到惯性级陀螺仪的精度要求,分析了温度对激光陀螺零偏误差的产生机理,在大量高低温环境试验的基础上,建立了一种通用的零偏温度补偿模型和一种BP神经网络模型,并给出了模型参数的辨识方法,仿真结果表明,对该模型作适当的简化,可以将零偏减小一个数量级以上,而且具有实时补偿性能.     

BP神经网络结合粒子群优化卡尔曼滤波的MEMS陀螺随机误差补偿方法

针对微机电系统(MEMS)陀螺仪随机误差相对较大、影响其精度这一问题，提出一种基于BP神经网络结合具有量子行为的粒子群优化(QPSO)算法优化卡尔曼滤波(KF)的补偿方法。采集MEMS陀螺和转台数据作为样本，采用BP神经网络进行训练，建立误差模型；利用训练好的模型对MEMS陀螺进行误差补偿；利用QPSO算法优化KF,以达到更好的降噪效果。实验结果表明，该方法较BP神经网络优化KF、QPSO优化KF与变分模态分解结合小波阈值去噪等方法去噪处理后的平均绝对误差(MAE)和均方误差(MSE)更小，具有更好的降噪效果。     

环形激光陀螺数字抖动偏频技术研究

激光陀螺一般在外部采用模拟调幅方式进行抖动加噪,通过变压器实现功率驱动.变压器体积大,驱动电路复杂,文中设计了一种基于FPGA的脉宽调制(PWM)抖动偏频系统,能够在激光陀螺内部实现抖动驱动和随机噪声注入,解决了激光陀螺数字化必须解决的关键技术.仿真和实验证明该方案能够满足激光陀螺抖动偏频系统的要求.     

激光陀螺仪漂移特性的小波分析

在简述小波分析中Mallat算法的基础上,用其实现激光陀螺仪漂移特性的小波分析,讨论了余弦滤波器的设计.提出合适的小波对激光陀螺信号进行不同尺度的分解,在应用中得到了良好的去噪效果.     

基于神经网络的捷联惯导系统温度补偿

基于神经网络的捷联惯导系统温度补偿算法,以观测温度为输入变量,以数字滤波器输出信号为输出.采用BP算法训练网络.其对输出信号进行数字滤波,消除系统随机误差和采样电路噪声的影响.再与初始零位比较,得到只与温度变化有关的信号,以此作为网络学习的目标信号,得到陀螺随温度变化信号的估计值.实验结果表明,该算法不仅能获得较高的精度,还能提高系统实时性.     

改进BP神经网络在航空弹药预测中的应用

对航空弹药消耗的准确预测是未来战争取胜的一个重要因素,然而战场复杂多变,传统的方法难以进行及时准确地预测.采用了BP神经网络对单个目标航空弹药进行预测,针对常规BP神经网络收敛速度慢、存在所谓"局部最小值"等缺陷,提出了具有全局收敛性的Fletcher-Reeves共轭梯度算法对常规BP网络进行改进,并将改进后的BP网络应用于单个目标航空弹药预测仿真试验中.结果表明,改进BP网络能克服局部极值、快速提高网络收敛速度,并能较为准确地预测航空弹药的需求量.     

激光陀螺及其在火控系统中的可行性研究

该文先对激光陀螺的原理,主要性能参数及关键技术进行了研究,提出了激光陀螺作为稳定跟踪及制导系统的惯性测量设备,可用于速率捷联系统.然后对数学平台和激光陀螺误差进行了分析,得出了可供坦克火控系统应用的结论.