微型电脑应用
微型電腦應用
미형전뇌응용
MICROCOMPUTER APPLICATIONS
2013年
12期
14-16
,共3页
动调陀螺仪%解耦%RBF神经网络%BP神经网络
動調陀螺儀%解耦%RBF神經網絡%BP神經網絡
동조타라의%해우%RBF신경망락%BP신경망락
DTG(Dynamic Tuned Gyroscope)%Decoupling%RBF Neural Network%BP Neural Network
为了提高动调陀螺仪(DTG)的精度,需要对DTG的解耦方法进行研究.BP神经网络解耦方法虽然可以达到DTG的全解耦目的,但是与传统的解耦方法相比仍有一些不足,如学习过程较慢,隐含层也很难确定、泛化能力较差等.因此,需要探求更好的解耦方法.通过对RBF神经网络与BP神经网络相比较,得到新的解耦方法.最后通过仿真实验,验证了RBF神经网络的解耦速度比BP神经网络快,并且准确性要高.
為瞭提高動調陀螺儀(DTG)的精度,需要對DTG的解耦方法進行研究.BP神經網絡解耦方法雖然可以達到DTG的全解耦目的,但是與傳統的解耦方法相比仍有一些不足,如學習過程較慢,隱含層也很難確定、汎化能力較差等.因此,需要探求更好的解耦方法.通過對RBF神經網絡與BP神經網絡相比較,得到新的解耦方法.最後通過倣真實驗,驗證瞭RBF神經網絡的解耦速度比BP神經網絡快,併且準確性要高.
위료제고동조타라의(DTG)적정도,수요대DTG적해우방법진행연구.BP신경망락해우방법수연가이체도DTG적전해우목적,단시여전통적해우방법상비잉유일사불족,여학습과정교만,은함층야흔난학정、범화능력교차등.인차,수요탐구경호적해우방법.통과대RBF신경망락여BP신경망락상비교,득도신적해우방법.최후통과방진실험,험증료RBF신경망락적해우속도비BP신경망락쾌,병차준학성요고.
