基于灰色RBF-NN的陀螺随机漂移误差建模

针对测量中存在的陀螺随机漂移误差,提出了一种基于灰色RBF神经网络的预测建模方法.首先采用时间序列的饱和嵌入维数确定RBF神经网络模型输入层的节点数;其次采用灰色聚类法对输入样本进行分类,以确定RBF神经网络模型隐含层的初始节点数;最后采用灰色关联分析法对RBF神经网络的冗余隐含层节点实施删除,以得到满足精度要求的最小结构的RBF神经网络模型.将其应用到某型挠性陀螺随机漂移误差的预测建模中,可得预测模型的精度为90.33%,实验结果表明了该模型的有效性.     

动调陀螺寻北系统及其误差分析

论述了动力调谐陀螺寻北系统组成及基本工作原理，推导了系统寻北解算的数学模型，并进行了详细的误差分析，系统在实验室内的测试结果为：寻北时间小于５ｍｉｎ，寻北误差小于０．０６°姿态误差小于０．０６°。     

陀螺随机漂移ARMA模型的建立

本文讨论了陀螺仪漂移数据的预处理及统计特性分析,提出了用极大似然法建立陀螺漂移的ARMA模型.通过数字仿真表明,本方法的估计精度不低于其它方法,且可使用微型计算机来进行处理。     

自适应格型算法对动调陀螺仪随机漂移的建模

针对动力调谐陀螺仪启动过程中随机漂移模型参数的缓慢变化及逐次启动漂移模型系数的不同，提出了一种利用递归最小平方格型（LSL）算法对动力调谐陀螺仪随机漂移模型系数进行自适应估计的方法。格型相同节级联的特殊结构决定了LSL算法在自回归（AR）模型阶数增加时不必改变算法结构。使得该算法可以在线进行，并且收敛非常迅速，可以针对动力调谐陀螺仪不同次启动快速建立该次启动的随机漂移模型。通过对动力调谐陀螺仪启动1min后的4组实测漂移数据处理及模型检验，证明了该方法的有效性。     

灰色系统建模数据的一种变换方法

灰色模型的数据处理方法通常是累加生成、累减还原、由此建立起来的灰色模型，其精度往往因较差而不能满足实际要求，为此，许多科技工作者从理论和应用上进行了广泛深入的研究，研究成果表明，原始数据的模式及其光滑特性是影响灰色模型精度的两个主要因素，于是形成两种提高灰色模型精度的方法，对传统的ＧＭ模型修正，使之适应原始数据的模式；地原始数据进行变换，改善其光滑特性，并由此得到了一些变形的灰色模型和原始数据的变     

灰色系统建模数据的一种变换方法

灰色模型的数据处理方法通常是累加生成、累减还原,由此建立起来的灰色模型,其精度往往因较差而不能满足实际要求为此,许多科技工作者从理论和应用上进行了广泛深入的研究研究成果表明,原始数据的模式及其光滑特性是影响灰色模型精度的两个主要因素,于是形成两种提高灰色模型精度的方法：对传统的ＧＭ模型修正,使之适应原始数据的模式;对原始数据进行变换,改善其光滑特性,并由此得到了一些变形的灰色模型和原始数据的变换函数在此基础上,笔者提出一种能同时兼顾原始数据的模式及其光滑特性的灰色模型原始数据变换方法———辅助曲线变换法该方法以灰色模型残差序列的标准差最小为目标,通过约束变换后数据序列的光滑特性、模型还原后的误差,建立了寻找最优辅助曲线的一般优化模型实例表明,这种方法不会改变原始数据的特征,能适应不同模式的原始数据,显著提高模型的精度     

基于HHT和FKNN的动调陀螺仪故障诊断研究

动调陀螺仪是一种重要的、典型的和复杂的机载机电设备。针对动调陀螺仪的故障结构特征,提出一种基于希尔伯特-黄变换(HHT)和模糊Kohonen神经网络(FKNN)的动调陀螺仪故障诊断模型。首先,在对动调陀螺仪进行故障模式与影响分析的基础上,明确了故障模式及特征参数;针对特征参数中的随机信号,采用希尔伯特-黄变换进行特征提取;然后,在分析Kohonen神经网络结构、原理及不足的基础上,提出一种模糊Kohonen神经网络诊断模型;最后,通过诊断算例进行分析验证。结果表明所提出方法在动调陀螺仪故障诊断中具有较高的正确诊断率。     

非平稳时间序列的陀螺随机漂移数据处理方法

以挠性陀螺的随机漂移为研究对象,采用非平稳时间序列分析法和基于小波分解的平稳时间序列分析法,建立相应的随机漂移模型。实验研究结果表明,论文采用的建模方法,具有建模精度高、符合陀螺随机漂移实际特性的特点。     

陀螺随机漂移的神经网络预报方法研究

针对惯性导航系统中陀螺仪的漂移特性,在时间序列分析及神经网络理论的基础上提出了一种时间序列神经网络结构,并采用此种网络模型对某捷联惯导系统中所用的陀螺仪漂移数据进行了预报。预测结果表明,这种预测方法对于陀螺漂移建模及预报是可行的。     

动力调谐陀螺仪模型快速开环辨识

为了实现对动力调谐陀螺仪闭环测量系统的快速设计,建立了参数模型辨识系统,对激励信号设计、模型类结构选择、参数估计算法等问题进行研究.首先依据惯性元件的特点,设计了适宜于动力调谐陀螺仪测试的多正弦激励信号,然后基于外加输入自回归（ARX）模型,采用预报误差法辨识得到模型参数,最后针对某型号动力调谐陀螺仪设计实验进行验证,并与传统扫频法建模得到的结果进行对比.结果表明：模型辨识时间由2 000,s缩短为20,s,辨识拟合度由92.5%提高到95.3%.与传统扫频法相比,通过多正弦激励、ARX模型和预报误差法进行陀螺模型辨识可得到更高的辨识精度、抗噪声能力和辨识效率,为快速设计闭环系统提供了可靠的依据.     

动力调谐陀螺仪再平衡回路的多变量频域设计

在多变量频域内讨论动力调谐陀螺仪的解耦问题，基于多变量系统的特征分解和特征轨迹－交互控制器设计方法，设计了动力调谐陀螺仪再平衡输入补偿器，实现了动力调谐陀螺仪的近似解耦控制，解决了传统的对角解耦设计因零极点相消导致系统在章动频率点不可控的问题，为动力调谐螺仪再平衡回路的设计提供了一种新方法。     

空间稳定惯性导航系统中陀螺仪漂移模型系数的辨识

陀螺仪的漂移误差是空间稳定惯性导航系统的主要误差源,对漂移模型系数的准确辨识是保证系统实现长时间、高精度自主导航的关键．独立标定陀螺仪的数据无法全面反映陀螺仪在系统中的特性,必须在系统中实现对陀螺仪漂移模型系数的辨识,为此,分析了系统稳定平台坐标系随动于陀螺坐标系的运动过程,推导出稳定平台的运动微分方程,建立了以陀螺仪漂移模型系数为状态变量的系统方程；以平台上加速度计的输出为观测量,采用扩展卡尔曼滤波器对陀螺仪漂移系数进行估计．仿真实验结果表明,新的陀螺仪漂移系数辨识方法是有效的和准确的．     

灰色系统理论，数据预处理及其应用

运用灰色系统理论,建立了动力调谐陀螺漂移和温度之间的数学模型,以补偿热漂移,提高动力调谐陀螺的使用精度。将状态估计与不良数据辨识理论作为数据预处理技术应用于灰色系统建模,以观测数据为依据进行状态估计,避免了常规建模中观测数据与实际数据同等对待的弊端。对数据作检测与辨识,使剔除不良数据后的状态估计结果更为精确,以提高灰色系统建模精度。     

光纤陀螺温度漂移模型的PPLN辨识

环境温度变化造成的较大温度漂移始终是制约光纤陀螺(FOG)性能提高的重要因素．FOG温度漂移本质上是一组与温度有关的多变量非线性时间序列，为此采用投影寻踪学习网络(PPLN)方法建立新的FOG温度漂移模型．该方法结合了统计学中投影寻踪算法节点函数灵活的非参数估计特点和人工神经网络的自学习功能，具有简捷的网络结构和良好的鲁棒性能，对未知模型辨识能力较强．将该方法应用于某型FOG温漂模型实测数据的辨识中，经验证表明其具有良好的预测效果．     

捷联陀螺漂移误差模型辨识及其应用

在对陀螺漂移数据建立时间序列模型的基础上，采用卡尔曼渺茫皮算法对船用捷联陀螺漂移数据进行了处理，以提高陀螺静态漂移系数的估计精度，并把得到的陀螺漂移误差模型实时补偿的捷联系统中，得到了满意的效果。     

基于改进灰色模型的MEMS陀螺仪零偏温度补偿

微机电系统(micro-electro mechanical system,MEMS)陀螺仪的零点漂移是影响陀螺仪测量精度的主要因素.针对MEMS陀螺仪零点漂移随温度变化的非线性问题,以MEMS惯性传感器为试验对象,采用小波变换对MEMS陀螺静态实验零偏数据进行滤波,结合改进灰色预测模型估计零偏随温度变化趋势,获得基于小波变换和改进灰色预测的温度补偿模型.与常规补偿模型算法比较表明,基于小波变换和改进灰色预测的温度补偿模型均方根误差和平均绝对误差更小,MEMS陀螺仪零点漂移的均方根误差和平均绝对误差分别减少到0.025 0和0.018 0,验证了该补偿模型的可行性,对提高陀螺测量精度具有较好的理论意义和工程应用价值.     

数据删除模型与均值漂移模型的等价性推广

在普通的线性回归模型中,数据删除模型与均值漂移模型是具有等价性的,文章利用线性模型的最小二乘参数估计方法,将此等价性推广至具有附加信息的线性模型中.     

光纤陀螺温度漂移自适应建模研究

针对光纤陀螺温度漂移模型参数随环境温度或陀螺本身工作状态的不同产生缓慢变化的现象，通过自适应建模的方法，自动修正模型参数，准确揭示了陀螺温度漂移特性．