中国惯性技术学报
中國慣性技術學報
중국관성기술학보
JOURNAL OF CHINESE INERTIAL TECHNOLOGY
2008年
2期
216-219
,共4页
MEMS陀螺%随机误差%遗传小波神经网络%建模
MEMS陀螺%隨機誤差%遺傳小波神經網絡%建模
MEMS타라%수궤오차%유전소파신경망락%건모
研究了一种基于遗传算法改进的小波神经网络.该方法采用小波神经网络为主要逼近手段,并通过遗传算法优化网络的关键参数.由于小波神经网络兼容了神经网络的自学习特性和小波分析的时-频局部性,而遗传算法具有较强的全局搜索能力,二者结合形成的遗传小波神经网络因此具有较高的逼近与容错能力,从而弥补了传统的方差建模方法的不足.将该算法应用到某型MEMS陀螺仪的随机误差建模中,结果表明:遗传小波网络对原始信号的逼近精度误差在以内,较之传统的方差建模方法有了显著的提高,这一精度基本上可以满足MEMS陀螺工程化应用的要求.
研究瞭一種基于遺傳算法改進的小波神經網絡.該方法採用小波神經網絡為主要逼近手段,併通過遺傳算法優化網絡的關鍵參數.由于小波神經網絡兼容瞭神經網絡的自學習特性和小波分析的時-頻跼部性,而遺傳算法具有較彊的全跼搜索能力,二者結閤形成的遺傳小波神經網絡因此具有較高的逼近與容錯能力,從而瀰補瞭傳統的方差建模方法的不足.將該算法應用到某型MEMS陀螺儀的隨機誤差建模中,結果錶明:遺傳小波網絡對原始信號的逼近精度誤差在以內,較之傳統的方差建模方法有瞭顯著的提高,這一精度基本上可以滿足MEMS陀螺工程化應用的要求.
연구료일충기우유전산법개진적소파신경망락.해방법채용소파신경망락위주요핍근수단,병통과유전산법우화망락적관건삼수.유우소파신경망락겸용료신경망락적자학습특성화소파분석적시-빈국부성,이유전산법구유교강적전국수색능력,이자결합형성적유전소파신경망락인차구유교고적핍근여용착능력,종이미보료전통적방차건모방법적불족.장해산법응용도모형MEMS타라의적수궤오차건모중,결과표명:유전소파망락대원시신호적핍근정도오차재이내,교지전통적방차건모방법유료현저적제고,저일정도기본상가이만족MEMS타라공정화응용적요구.
