光学精密工程
光學精密工程
광학정밀공정
OPTICS AND PRECISION ENGINEERING
2014年
11期
2975-2982
,共8页
史震%陈帅%张健%赵琳%孙骞
史震%陳帥%張健%趙琳%孫鶱
사진%진수%장건%조림%손건
激光陀螺%RBF神经网络(RBFNN)%Kohonen网络%正交最小二乘(OLS)
激光陀螺%RBF神經網絡(RBFNN)%Kohonen網絡%正交最小二乘(OLS)
격광타라%RBF신경망락(RBFNN)%Kohonen망락%정교최소이승(OLS)
laser gyro%Radial Basis Function Neural Network (RBFNN)%Kohonen network%Orthogonal Least Squares(OLS)
传统的径向基神经网络(RBFNN)在激光陀螺零偏的温度补偿过程中会由于随机选取中心不合适而导致算法效率降低和数值病态,故本文提出了一种基于Kohonen网络和正交最小二乘(OLS)算法的RBFNN温度补偿方法.介绍了该方法的原理及建模步骤,设计了常温和变温环境下激光陀螺的数据采集试验及其温度补偿试验.由于结合了Kohonen网络的模式分类能力和OLS的优化选择能力,该方法可以快速、准确地辨识出受温度影响的激光陀螺零偏.利用逐步回归法、RBFNN法及其改进方法对多种温变环境影响的激光陀螺零偏进行了辨识与补偿试验,试验结果表明,在常温环境下,三者的辨识能力相当;随着温变速率的上升,改进RBFNN法不仅节省了时间,其补偿后的零偏也均小于5×10-4(°)/h(1σ),提高精度均能达86%以上.得到的结果表明改进RBFNN法提高了辨识精度且稳定、有效,适用于多种温度变化环境下激光陀螺零偏的温度补偿.
傳統的徑嚮基神經網絡(RBFNN)在激光陀螺零偏的溫度補償過程中會由于隨機選取中心不閤適而導緻算法效率降低和數值病態,故本文提齣瞭一種基于Kohonen網絡和正交最小二乘(OLS)算法的RBFNN溫度補償方法.介紹瞭該方法的原理及建模步驟,設計瞭常溫和變溫環境下激光陀螺的數據採集試驗及其溫度補償試驗.由于結閤瞭Kohonen網絡的模式分類能力和OLS的優化選擇能力,該方法可以快速、準確地辨識齣受溫度影響的激光陀螺零偏.利用逐步迴歸法、RBFNN法及其改進方法對多種溫變環境影響的激光陀螺零偏進行瞭辨識與補償試驗,試驗結果錶明,在常溫環境下,三者的辨識能力相噹;隨著溫變速率的上升,改進RBFNN法不僅節省瞭時間,其補償後的零偏也均小于5×10-4(°)/h(1σ),提高精度均能達86%以上.得到的結果錶明改進RBFNN法提高瞭辨識精度且穩定、有效,適用于多種溫度變化環境下激光陀螺零偏的溫度補償.
전통적경향기신경망락(RBFNN)재격광타라령편적온도보상과정중회유우수궤선취중심불합괄이도치산법효솔강저화수치병태,고본문제출료일충기우Kohonen망락화정교최소이승(OLS)산법적RBFNN온도보상방법.개소료해방법적원리급건모보취,설계료상온화변온배경하격광타라적수거채집시험급기온도보상시험.유우결합료Kohonen망락적모식분류능력화OLS적우화선택능력,해방법가이쾌속、준학지변식출수온도영향적격광타라령편.이용축보회귀법、RBFNN법급기개진방법대다충온변배경영향적격광타라령편진행료변식여보상시험,시험결과표명,재상온배경하,삼자적변식능력상당;수착온변속솔적상승,개진RBFNN법불부절성료시간,기보상후적령편야균소우5×10-4(°)/h(1σ),제고정도균능체86%이상.득도적결과표명개진RBFNN법제고료변식정도차은정、유효,괄용우다충온도변화배경하격광타라령편적온도보상.