RBF神经网络用于辨识光纤陀螺温度漂移

温度漂移是存在于光纤陀螺系统中使得输出信号产生较大偏置误差的一种不可忽略因素,准确地辨识漂移并有效地对其进行补偿直接关系到陀螺的测量精度。文中比较了前馈网络中的ＢＰ网络和径向基函数（ＲＢＦ）网络,采用ＲＢＦ网络进行温漂辨识,温漂辨识可以通过离线事先学习,因而在多种学习方法中选择了简单易行、精度高且运算速度快的正产郇小二乘（ＯＬＳ）法。通过仿真验证,采用ＲＢＦ网络及其ＯＬＳ学习算法可以快速、有效、高     

用于干涉型光纤陀螺温度漂移辨识的RBF神经网络改进算法

针对干涉型光纤陀螺(IFOG)温度漂移的辨识,推导了径向基神经网络(RBFNN)中隐含层神经元、网络的抗噪声性能和拟合精度三者之间的关系,并在此基础上提出了一种新的径向基函数神经网络辨识学习规则.该方法具有很强的抗噪声性能,网络输出不会被陀螺噪声所污染,同时能动态地确定神经元数,辨识精度高,有效地避免了传统RBF网络学习算法中事先固定网络结构可能存在的盲目性.实验结果表明,该方法能够快速、准确地辨识IFOG的温度漂移.     

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．     

光纤陀螺非线性温度漂移模型的辨识

光纤陀螺对环境温度的敏感性一直是影响其漂移特性的重要因素，对于陀螺的漂移特性一般是利用线性ＡＲ，ＡＲＭＡ模型表示，但在温度变化情况下，用线性模型很难得到好的拟合效果和对漂移进行预测和补偿。试用小波网络对光纤陀螺进行非线性温度模型的辨识，经实测数据验证，表明具有较好预测的效果。     

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．     

基于模糊神经网络的MEMS陀螺温度漂移建模

微机电系统(MEMS)陀螺的温度漂移呈现复杂的非线性特性,常规的方法无法对其建模.本文提出了一种基于模糊神经网络(ANFIS)的陀螺温度漂移建模的方法,ANFIS具有良好的逼近非线性函数的能力,适合于非线性系统的建模.通过ANFIS对MEMS陀螺的温度漂移进行建模,经实测数据验证,该方法具有较好的效果.通过该模型的温度补偿算法,使MEMS陀螺的定位精度提高了20倍.     

用于光纤陀螺消噪的新型神经网络

在传统 BP网络的基础上 ,提出了单层串联网络结构 ,将消噪效果、网络结构和快速的学习结合起来 .根据光纤陀螺噪声源中存在不平稳幂指数噪声的特点 ,在误差指标函数中考虑误差的增量项 (一阶项 ) ,由此推得一阶学习方法 .该新型结构和新式算法提高了网络对平稳 ,特别是不平稳幂指数噪声的消除能力 ,这点已通过仿真验证     

用于光纤陀螺消噪的新型神经网络

在传统 BP网络的基础上 ,提出了单层串联网络结构 ,将良好的消噪效果、简洁的网络结构和快速的学习结合起来 .此外 ,根据光纤陀螺噪声源中存在不平稳幂指数噪声的特点 ,在误差指标函数中考虑误差的增量项 (一阶项 ) ,由此推得一阶学习方法 .该新型结构和新式算法提高了网络对平稳特别是不平稳幂指数噪声的消除能力 ,这点已通过仿真验证 .     

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。     

利用RBF神经网络提高温度测量精度

本文介绍在压力测量时,为提高测量精度,利用径向基函数神经网络（RBF）和智能温度传感器DS1822进行温度补偿,改善其测量精度的新方法。RBF网络具有良好的非线性映射能力,自学习和泛化能力,采集样本数据训练构成具有双端输入、单端输出网络模型,采用改进的算法实现测量精度。     

光纤陀螺温度数据采集系统的研究

为提高光纤陀螺的精度,必须对其进行温度补偿.详细分析研究了光纤陀螺温度数据采集方法,采用FPGA和DSP设计并实现温度数据采集系统的硬件电路,提高了系统的集成度和稳定性,实现了温度数据的快速采集,为温度补偿奠定了基础.通过比较补偿前后的实验结果,可以看出陀螺精度确实得到很大提高.     

RBF神经网络用于发动机控制系统的故障诊断

神经网络是以研究人的生物神经为根据,由大量简单元件即神经元模拟电子器件相互联接而形成的一种复杂网络本文通过比较现行发动机控制系统故障诊断的方法,针对基于神经网络的发动机控制系统故障诊断进行了推导及改善数学模型;并编制了采用径向基函数神经网络完成发动机控制系统故障诊断的学习与诊断程序,实现了仿真将神经网络应用于发动机控制系统的故障诊断技术中,以发动机的各测量传感器为基础,对其控制系统进行实时故障诊断和故障分离,不仅充分体现神经网络的容错性、抗干扰性及大规模并行处理能力、自学习能力等特点,而且开发了发动机控制系统的故障诊断技术新领域     

RBF神经网络用于发动机控制系统的故障诊断

神经网络是以研究人的生物神经为根据,由大量简单元件即神经元模拟电子器件相互联接而形成的一种复杂网络。本文通过比较现行发动机控制系统故障诊断的方法,针对基于神经网络的发动机控制系统故障诊断进行了推导及改善数学模型;并编制了采用径向基函数神经网络完成发动机控制系统故障诊断的学习与诊断程序,实现了仿真。将神经网络应用于发动机控制系统的故障诊断技术中,以发动机的各测量传感器为基础,对其控制系统进行实时故障     

光纤陀螺漂移误差的T-S模糊建模补偿算法

基于G-K聚类算法辨识T-S模糊模型前件参数理论,并采用最小二乘法辨识T-S模糊模型后件参数的误差模型,研究了一种光纤陀螺温度漂移误差的非线性补偿算法。在建立该模型的基础上对光纤陀螺零位输出进行了补偿,计算结果表明采用该种方法能够在不完全了解陀螺误差机理的情况下对其进行有效的补偿。其绝对误差与未补偿相比较降低了99%,同线性拟合补偿相比降低了96%和神经网络补偿比较降低了10%,其误差方差分别减少99%,98%,20%。     

光纤陀螺的温度试验及温度补偿方法研究

分析了引起光纤陀螺非互易性效应的原因，针对光纤陀螺光、电路部分各自的特性对光纤陀螺整体温度特性的影响进行了高低温试验研究，并对温度试验结果进行了分析，试验结果证明了对光纤陀螺温度特性的理论分析．在试验研究的基础上给出了实施的温度补偿方案及补偿结果，并对补偿结果进行了分析．     

闭环光纤陀螺标度因数的温度稳定性研究

基于闭环光纤陀螺仪进行了标度因数的温度稳定性研究.建立了标度因数公式,分析了温度影响标度因数稳定性的主要原因,给出了相应参数的温度系数;利用闭环光纤陀螺样机进行了温度试验.试验结果表明:光纤陀螺仪标度因数的温度灵敏度由8.08×10-4/℃改变为1.70×10-5/℃.     

光纤陀螺零偏温度补偿的实验研究

为光纤陀螺因温度效应而产生的零偏提供一种补偿方法,针对自行研制的光纤陀螺仪的零值漂移,根据实验数据,建立一种温度补偿模型,采用最小二乘法拟合计算出所需的修正系数对其预测补偿.补偿结果表明:光纤陀螺经模型补偿后零偏基本可以减少一个数量级,并进一步提高了零偏稳定性,补偿效果明显.     

陀螺角速度漂移数学模型识别

由于陀螺角速度漂移是长时间工作的惯性导航系统的主要误差源,因此,为了对长时间工作的惯性导航系统进行最佳设计,建立陀螺角速度漂移的数学模型是必要的。本文从认为陀螺角速度漂移是由白噪声通过线性系统形成的观点出发,采用《时间序列分析》的方法,通过模型识别、参数估计和检验等步骤,对某个三自由度陀螺仪以等时间间隔所测得的沿方位和水平方向的角速度漂移各631个数据,进行了数学分析,并分别建立了数学模型。分析结果表明:此陀螺角速度漂移是由平稳随机过程和非平稳的随机游动及滑落所组成。这个结果对于评定陀螺仪的性能和质量是有用的。但是为了真正满足惯性导航系统最佳设计的需要,要求建立长时间的陀螺角速度漂移的数学模型,为此,就需要对批量生产的陀螺仪进行长时间漂移的抽样测试,获得分析所需的样本数据。另外,如果有需要,还得把离散型的差分方程化为所需的连续型微分方程型。本文所采用的方法对相当广泛的一类工程问题也是适用的。     

一种用于模式识别的动态RBF神经网络算法

对径向基函数（RBF）神经网络在数据分类中的应用进行了研究．提出一种应用于模式识别的动态RBF训练算法,该算法使用区域映射误差函数并结合资源分配网络（RAN）的“新性”（novelty）条件动态调整网络的隐层节点数,从而可以更加有效地进行模式识别．二分类样本和建筑材料CaO-Al2O3-SiO2系统仿真表明,该改进算法使误差下降更快,减少了训练次数,可以获得精简的网络结构,从而使网络具有较高的泛化能力．