一种基于深度嵌入聚类的LSTM光纤陀螺温补建模方法技术

本发明专利技术公开了一种基于深度嵌入聚类的LSTM光纤陀螺温补建模方法，包括：采集温度与光纤陀螺零偏数据构造训练数据集，逐层训练去噪自动编码器；基于训练后的去噪自动编码器，构造深度自动编码器；基于深度自动编码器，将输入x映射得到嵌入点z；计算嵌入点z与聚类中心的软分配，构造辅助目标分配；以软分配和辅助目标分配的kl散度为目标函数，在计算辅助目标函数和最小化kl散度之间迭代，更新深度自动编码器参数和聚类中心；根据聚类结果进行分段，在每一段上使用LSTM神经网络训练得到光纤陀螺温补模型。本发明专利技术可实现陀螺输出零偏误差的温度补偿，获得了良好的拟合与预测效果和较高的温度环境适应性，提升了光纤陀螺产品精度。

A temperature compensation modeling method of LSTM fog based on deep embedding clustering

【技术实现步骤摘要】
一种基于深度嵌入聚类的LSTM光纤陀螺温补建模方法
本专利技术涉及光纤陀螺
，具体涉及一种基于深度嵌入聚类的LSTM光纤陀螺温补建模方法。
技术介绍
温度的影响是制约光纤陀螺性能的主要因素之一，当工作环境温度发生变化时，会引起陀螺输出信号零位漂移，必须对其进行温度补偿来提升性能。目前已经有一些机器学习算法被应用于陀螺温补模型建立上，如支持向量机、小波神经网络、RBF神经网络等。在《压电与声光》的《基于小波神经网络的光纤陀螺系统级温度补偿》中公开了一种基于小波神经网络的光纤陀螺温度补偿方法，引入了伸缩函数和平移函数对光纤陀螺进行零偏建模，实现了更优的对非线性函数的逼近能力、收敛速度和容错能力；在《红外与激光工程》的《改进支持向量机的光纤陀螺温度漂移补偿方法》中公开了一种基于改进支持向量机的光纤陀螺温度补偿方法，支持向量机的核函数采用了具有更好数据集适应性的径向基核函数，引入人工鱼群算法对支持向量机的核心参数C(惩罚系数)和核函数的参数进行寻优。在《仪表技术与传感器》的《基于GA-BP神经网络的光纤陀螺温度补偿》中公开了一种利用遗传算本文档来自技高网...

【技术保护点】
1.一种基于深度嵌入聚类的LSTM光纤陀螺温补建模方法，其特征在于，包括：/n采集温度与光纤陀螺零偏数据构造训练数据集，逐层训练去噪自动编码器；/n基于训练后的去噪自动编码器，构造深度自动编码器；/n基于所述深度自动编码器，将输入x映射得到嵌入点z；/n计算嵌入点z与聚类中心的软分配，构造辅助目标分配；/n以软分配和辅助目标分配的kl散度为目标函数，在计算辅助目标函数和最小化kl散度之间迭代，更新深度自动编码器参数和聚类中心；/n根据聚类结果进行分段，在每一段上使用LSTM神经网络训练得到光纤陀螺温补模型。/n

【技术特征摘要】
1.一种基于深度嵌入聚类的LSTM光纤陀螺温补建模方法，其特征在于，包括：
采集温度与光纤陀螺零偏数据构造训练数据集，逐层训练去噪自动编码器；
基于训练后的去噪自动编码器，构造深度自动编码器；
基于所述深度自动编码器，将输入x映射得到嵌入点z；
计算嵌入点z与聚类中心的软分配，构造辅助目标分配；
以软分配和辅助目标分配的kl散度为目标函数，在计算辅助目标函数和最小化kl散度之间迭代，更新深度自动编码器参数和聚类中心；
根据聚类结果进行分段，在每一段上使用LSTM神经网络训练得到光纤陀螺温补模型。


2.如权利要求1所述的方法，其特征在于，所述逐层训练去噪自动编码器，包括：
输入x经dropout后输入去噪自动编码器的编码层得到中间量h，h经dropout后输入自动编码器的解码层得到输出y；
逐层学习去噪自动编码器，并将中间量h传入下一个去噪自动编码器。


3.如权利要求1所述的方法，其特征在于，所述构造深度自动编码器，包括：
将训练后的所有去噪自动编码器的编码层连接，以对称结构连接所有去噪自动...

【专利技术属性】
技术研发人员：周晨君，刘嘉祥，刘小进，龚小进，
申请(专利权)人：湖北三江航天红峰控制有限公司，
类型：发明
国别省市：湖北;42