光学精密工程
光學精密工程
광학정밀공정
OPTICS AND PRECISION ENGINEERING
2008年
2期
235-240
,共6页
金靖%张忠钢%王峥%宋凝芳%张春熹
金靖%張忠鋼%王崢%宋凝芳%張春熹
금정%장충강%왕쟁%송응방%장춘희
光纤陀螺%神经网络%温度误差%误差模型%误差补偿
光纖陀螺%神經網絡%溫度誤差%誤差模型%誤差補償
광섬타라%신경망락%온도오차%오차모형%오차보상
设计了基于径向基函数(RBF)神经网络的温度误差补偿方案,并对该方案所采用的标度因数误差模型和偏置误差模型进行研究.根据光纤陀螺的温度误差分布情况设计了标度因数误差和偏置误差联合补偿的方案,将基于多尺度分析的噪声和趋势项分离算法应用于建模数据预处理,以提高建模数据的准确性.建立了RBF神经网络模型,并改进模型的学习方法以防止网络的过拟合.最后,讨论模型输入向量对神经网络规模的影响.温度补偿的结果表明:标度因数误差模型的残差均方(RMS)达到0.73(bit/((°)/s))2,偏置误差模型的RMS达到0.051 (bit/((°)/s))2.该建模方法可以消除数字闭环光纤陀螺温度误差,满足中、高精度光纤陀螺实时温度补偿的要求.
設計瞭基于徑嚮基函數(RBF)神經網絡的溫度誤差補償方案,併對該方案所採用的標度因數誤差模型和偏置誤差模型進行研究.根據光纖陀螺的溫度誤差分佈情況設計瞭標度因數誤差和偏置誤差聯閤補償的方案,將基于多呎度分析的譟聲和趨勢項分離算法應用于建模數據預處理,以提高建模數據的準確性.建立瞭RBF神經網絡模型,併改進模型的學習方法以防止網絡的過擬閤.最後,討論模型輸入嚮量對神經網絡規模的影響.溫度補償的結果錶明:標度因數誤差模型的殘差均方(RMS)達到0.73(bit/((°)/s))2,偏置誤差模型的RMS達到0.051 (bit/((°)/s))2.該建模方法可以消除數字閉環光纖陀螺溫度誤差,滿足中、高精度光纖陀螺實時溫度補償的要求.
설계료기우경향기함수(RBF)신경망락적온도오차보상방안,병대해방안소채용적표도인수오차모형화편치오차모형진행연구.근거광섬타라적온도오차분포정황설계료표도인수오차화편치오차연합보상적방안,장기우다척도분석적조성화추세항분리산법응용우건모수거예처리,이제고건모수거적준학성.건립료RBF신경망락모형,병개진모형적학습방법이방지망락적과의합.최후,토론모형수입향량대신경망락규모적영향.온도보상적결과표명:표도인수오차모형적잔차균방(RMS)체도0.73(bit/((°)/s))2,편치오차모형적RMS체도0.051 (bit/((°)/s))2.해건모방법가이소제수자폐배광섬타라온도오차,만족중、고정도광섬타라실시온도보상적요구.
