針對微機械陀螺零偏受溫度影響較大的問題,提出一種改進布谷鳥搜索算法（CS）和支持向量機（SVM）相結(jié)合的陀螺零偏溫度補償方法。首先,將平滑處理后的陀螺數(shù)據(jù)作為樣本點,采用基于徑向基核函數(shù)的支持向量機方法構(gòu)建漂移模型,把數(shù)據(jù)從低維空間映射到高維空間進行線性擬合。然后,利用改進布谷鳥算法對支持向量機的懲罰參數(shù)、核函數(shù)參數(shù)以及不敏感系數(shù)進行優(yōu)化,避免了人為選擇參數(shù)的盲目性且提高了建立模型的精度。實驗結(jié)果表明:經(jīng)CS調(diào)節(jié)支持向量機算法補償后,陀螺輸出精度更高。與最小二乘分段擬合方法、BP神經(jīng)網(wǎng)絡方法相比,陀螺輸出數(shù)據(jù)方差分別平均減小了63. 2%、43. 4%,最大誤差分別平均減小71. 63%、48. 3%。 

【文章來源】：宇航學報. 2019,40(07)北大核心EICSCD

【文章頁數(shù)】：7 頁

【文章目錄】：
0 引言
1 基于SVM的MEMS陀螺溫度零偏誤差建模補償
    1.1 支持向量機函數(shù)擬合方法
    1.2 改進布谷鳥算法參數(shù)尋優(yōu)
        1.2.1 布谷鳥算法
        1.2.2 檢測概率的動態(tài)調(diào)整策略
        1.2.3 步長的動態(tài)調(diào)整策略
        1.2.4 算法實現(xiàn)
    1.3 MEMS陀螺零偏誤差建模與求解
        1) 數(shù)據(jù)歸一化
        2) 改進布谷鳥算法優(yōu)化SVM
        3) 模型訓練
2 實驗分析
3 結(jié)論


【參考文獻】：
期刊論文
[1]基于神經(jīng)網(wǎng)絡的RLV再入段有限時間自適應姿態(tài)控制[J]. 陳辰,呂躍勇,馬廣富,王潤馳.  宇航學報. 2017(03)
[2]激光陀螺信號誤差的動態(tài)分析與補償[J]. 王怡.  激光雜志. 2015(12)
[3]一種粒子群模糊支持向量機的航天器參量預測方法[J]. 顧勝,魏蛟龍,皮德常.  宇航學報. 2014(11)
[4]基于小波和支持向量回歸的高光譜遙感圖像壓縮[J]. 吳一全,吳超.  宇航學報. 2011(03)
[5]光纖陀螺溫度建模及補償技術(shù)研究[J]. 馮麗爽,南書志,金靖.  宇航學報. 2006(05)
[6]用于干涉型光纖陀螺溫度漂移辨識的RBF神經(jīng)網(wǎng)絡改進算法[J]. 賴際舟,劉建業(yè),盛守照.  東南大學學報(自然科學版). 2006(04)
[7]微硅陀螺性能影響因素及其對策研究[J]. 吳學忠,劉宗林,李圣怡.  微納電子技術(shù). 2003(Z1)



本文編號：3107668