改进支持向量机的光纤陀螺温度漂移补偿方法

温度漂移是影响光纤陀螺精度的主要因素之一,温度漂移建模和补偿是消除和减小温度漂移的有效方法。首先分析了影响光纤陀螺温度漂移的关键因素,同时进行了光纤陀螺温度漂移测试实验。然后采用泛化能力较神经网络更好的支持向量机对光纤陀螺温度漂移进行回归、建模,其中支持向量机的核函数采用了具有更好数据集适应性的径向基核函数。为了提高支持向量机的建模精度,引入人工鱼群算法对支持向量机的核心参数C（惩罚系数）和核函数的参数进行寻优。最后,使用实际的光纤陀螺温度漂移数据对提出的补偿方法进行实验验证,结果表明采用该方法补偿后的剩余光纤陀螺误差较采用线性回归方法减小了四五个数量级。     

光纤陀螺温度漂移建模与预测

温度漂移是光纤陀螺的主要误差之一,它可分为两部分:与系统相关的误差源及环境的随机扰动产生的随机误差项;由温度变化引起的趋势项。提出了一种光纤陀螺温度漂移的改进AR模型和建模方法,先建立随机误差项的AR模型,再在AR模型中引入趋势项。使用实测的光纤陀螺温度漂移数据建模,并验证模型有效性。结果表明,该模型能准确预测不同温度变化情况下陀螺漂移输出,并能用预测值有效补偿漂移误差,补偿后温度漂移减小到补偿前的20%以下。基于Labview开发了可视化软件,该软件在陀螺温度特性的评价与预测方面具有实用价值。     

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。     

光纤陀螺随机漂移的补偿方法研究

在研究高精度光纤陀螺时,尤其是在捷联惯性导航系统中,随机误差是光纤陀螺误差中不可忽视的部分,对光纤陀螺随机误差的补偿就显得非常必要.这里基于对光纤陀螺随机漂移建模的方法,首先采用ARIMA方法时光纤陀螺仪随机漂移进行建模;然后采用强跟踪卡尔曼滤波器进行滤波补偿,并利用实测数据进行了实验验证.实验结果证明,这种方法能够较好地补偿光纤陀螺的随机漂移.     

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。     

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补偿

光纤陀螺(FOG)的核心部件对温度敏感,造成温度是影响FOG测量精度的主要原因之一.对FOG温度漂移进行建模是实现其温度补偿,提高FOG测量精度的有效方法.结合近年来FOG的研究成果,在分析FOG温度效应机理的基础上,对FOG温度漂移建模方法进行综述.特别针对FOG温度特性的复杂非线性特点,从光纤陀螺温度漂移建模原理、建模复杂程度、模型精度及模型通用性等方面对多种建模方法进行对比分析.     

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。     

小波分析和灰色神经网络融合的光纤陀螺误差建模与补偿

为补偿捷联姿态测量系统中光纤陀螺因外界干扰引起的高频噪声和强漂移,提出一种基于第二代小波变换和灰色Elman神经网络融合的误差建模和补偿方法。采用Allan方差法分析了在外界干扰下的光纤陀螺输出信号,利用第二代提升小波单独重构的方法分离出陀螺误差模型中的漂移误差和白噪声,灰化漂移误差数据后建立了Elman神经网络模型并进行了补偿。实验结果表明,相较于传统的灰色理论模型和单一的Elman神经网络模型,新算法有效滤除了白噪声,并将预测模型的精度提高到96%以上,证实了模型的有效性。     

光纤陀螺惯导系统温度建模与补偿技术研究

工作环境温度的变化使光纤捷联惯导系统内部惯性器件产生了温度漂移,严重影响了系统输出精度。该文从便于工程实现角度出发,设计了一种基于光纤陀螺和石英加速度计温度漂移建模与补偿的方法。建模过程中参数取值通过转台试验获得。验证试验结果说明了建模与补偿的正确性与实用性。