应用改进动态递归网络的MEMS陀螺随机漂移建模方法技术

技术编号:21682715 阅读:39 留言:0更新日期:2019-07-24 13:49
本发明专利技术公开了一种利用改进动态递归网络对MEMS陀螺的随机漂移进行建模的方法,该方法引入去噪算法将MEMS陀螺输出中的高频白噪声和低频随机漂移进行分离,采用改进动态递归网络对去噪处理后的随机漂移进行训练,建立非平稳漂移序列过去与当前时刻之间的模型关系,增加输出层节点反馈以改进网络结构,实现对陀螺随机漂移变化趋势的实时预测,有效提升了MEMS惯导系统的精度。

Modeling Method of Random Drift of MEMS Gyroscope Using Improved Dynamic Recursive Network

【技术实现步骤摘要】
应用改进动态递归网络的MEMS陀螺随机漂移建模方法
本专利技术涉及惯性导航
,更具体的说是涉及一种应用改进动态递归网络的MEMS陀螺随机漂移建模方法。
技术介绍
目前,作为惯性导航领域的重要分支,基于微机电系统(MEMS)的惯性导航系统具有体积小、成本低、易于安装、重量轻、高可靠性和耐冲击性等优点,在普通民用和战略军用导航等领域具有广阔的应用前景。然而,受制造工艺和使用环境的影响,MEMS惯性器件与传统惯性器件相比精度较低,其中,MEMS陀螺较低的信噪比成为制约MEMS惯导系统精度提升的主要因素之一。MEMS陀螺误差主要分为确定性误差和随机漂移两部分,确定性误差参数可通过标定实验获得,建立精确的数学模型加以补偿;随机漂移是非平稳、无规律的慢时变信号,难以获取其真实模型。作为MEMS陀螺的重要误差源,随机漂移的建模补偿方法的研究对于MEMS惯导系统精度提升尤为重要。现有的随机漂移建模补偿方法中,在对陀螺随机漂移建模时一般会采用时间序列分析、小波理论和神经网络等方法,且常用的随机漂移模型是基于平稳时间序列分析的ARMA模型。但是,ARMA模型难以完整描述陀螺漂移的时变和非线性特性,本文档来自技高网...

【技术保护点】
1.一种应用改进动态递归网络的MEMS陀螺随机漂移建模方法,其特征在于,包括以下步骤:建立MEMS陀螺的输出误差模型,分析影响陀螺输出的主要误差源,得到高频白噪声和低频随机漂移这两个主要误差源;采集MEMS陀螺静态输出数据,采用去噪算法分离高频白噪声和低频随机漂移,提取陀螺输出信号中的随机漂移;将提取出的随机漂移作为训练数据输入改进动态递归网络,大量训练改进动态递归网络,获得最优网络模型;将未训练的测试数据输入最优网络模型,获得MEMS陀螺的随机漂移预测输出,完成对MEMS陀螺随机漂移的动态建模。

【技术特征摘要】
1.一种应用改进动态递归网络的MEMS陀螺随机漂移建模方法,其特征在于,包括以下步骤:建立MEMS陀螺的输出误差模型,分析影响陀螺输出的主要误差源,得到高频白噪声和低频随机漂移这两个主要误差源;采集MEMS陀螺静态输出数据,采用去噪算法分离高频白噪声和低频随机漂移,提取陀螺输出信号中的随机漂移;将提取出的随机漂移作为训练数据输入改进动态递归网络,大量训练改进动态递归网络,获得最优网络模型;将未训练的测试数据输入最优网络模型,获得MEMS陀螺的随机漂移预测输出,完成对MEMS陀螺随机漂移的动态建模。2.根据权利要求1所述的一种应用改进动态递归网络的MEMS陀螺随机漂移建模方法,其特征在于,所述MEMS陀螺的输出误差模型为:ω(t)=ωiesinL+εd+Dr+W(t)(1)其中,ωie为地球自转角速率;L为当地纬度;εd为常值零偏,即当输入角速度为零时的陀螺输出常量,可通过标定实验加以补偿;Dr为漂移误差,具有随机性、趋势性和周期性;W(t)为与时间相关的零均值白噪声。3.根据权利要求1所述的一种应用改进动态递归网络的MEMS陀螺随机漂移建模方法,其特征在于,将提取出的随机漂移作为训练数据输入动态递归网络,大量训练改进动态递归网络,获得最优网络模型,具体包括以下步骤:1)以提取出的随机漂移作为改进动态递归网络的样本数据,网络输入为过去时刻的MEMS陀螺随机漂移,设置输入层包含4个节点,分别代表前4个时刻的随机漂移数据;网络输出为当前时刻的MEMS陀螺的随机漂移,设置输出层包含1个节点,代表当前时刻的随机漂移数据;隐层输出通过连接层的延...

【专利技术属性】
技术研发人员:高爽宋来亮张若愚纪少文李星
申请(专利权)人:北京航空航天大学
类型:发明
国别省市:北京,11

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1