排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
为解决惯性测量组合模拟电路的诊断不易定位到元件级故障的问题,提出了一种基于遗传RBF网络的智能诊断方法。该方法首先利用RBF神经网络快速准确识别故障的能力,以RBF的训练均方误差为遗传算法的适应度函数,依靠遗传算法强大的全局寻优能力实现故障特征选择。在特征选择的过程中,同时记录使训练均方误差达到最小的最优RBF网络,然后直接利用特征选择过程中训练好的最优RBF网络诊断故障,而无需利用特征选择后的训练数据对RBF网络进行再训练,简化了诊断步骤,同时增强了网络的抗干扰能力。仿真结果表明,该方法能有效去除冗余特征,准确诊断惯性测量组合模拟电路的故障,并有较好的抗噪能力,证明了该方法的有效性和可行性。 相似文献
2.
激光陀螺随机漂移数据建模与滤波 总被引:5,自引:2,他引:5
在对激光陀螺漂移数据建立时间序列模型的基础上,对激光陀螺的漂移数据进行了卡尔曼滤波。结果表明此方法能有效地抑制激光陀螺的随机误差。 相似文献
1