计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2009年
11期
94-96,223
,共4页
多层前向神经网络%误差补偿%惯性测量单元
多層前嚮神經網絡%誤差補償%慣性測量單元
다층전향신경망락%오차보상%관성측량단원
Muhilayer feed forward neural network%Error compensation%IMU
针对惯性测鼍单元非线性误差的标定问题,为保证导航精度,设计了多层前向神经网络的补偿模型.神经网络算法具有良好逼近非线性函数的能力,适合于非线性系统的建模.采用BP神经网络为主要逼近手段,对惯性测量单元的非线性误差函数进行精确逼近,弥补了常规建模方法的不足.将算法应用到某型MEMS惯性测量单元的非线性误差建模中,进行了仿真验证.结果表明,BP神经网络对原始信号的逼近误差在工程应用允许范围内,较传统的的最小二乘法建模方法有了显著的提高,保证有效地解决某型MEMS惯性测量单元误差大的问题.
針對慣性測鼉單元非線性誤差的標定問題,為保證導航精度,設計瞭多層前嚮神經網絡的補償模型.神經網絡算法具有良好逼近非線性函數的能力,適閤于非線性繫統的建模.採用BP神經網絡為主要逼近手段,對慣性測量單元的非線性誤差函數進行精確逼近,瀰補瞭常規建模方法的不足.將算法應用到某型MEMS慣性測量單元的非線性誤差建模中,進行瞭倣真驗證.結果錶明,BP神經網絡對原始信號的逼近誤差在工程應用允許範圍內,較傳統的的最小二乘法建模方法有瞭顯著的提高,保證有效地解決某型MEMS慣性測量單元誤差大的問題.
침대관성측타단원비선성오차적표정문제,위보증도항정도,설계료다층전향신경망락적보상모형.신경망락산법구유량호핍근비선성함수적능력,괄합우비선성계통적건모.채용BP신경망락위주요핍근수단,대관성측량단원적비선성오차함수진행정학핍근,미보료상규건모방법적불족.장산법응용도모형MEMS관성측량단원적비선성오차건모중,진행료방진험증.결과표명,BP신경망락대원시신호적핍근오차재공정응용윤허범위내,교전통적적최소이승법건모방법유료현저적제고,보증유효지해결모형MEMS관성측량단원오차대적문제.