基于LS-WSVM的光纤陀螺漂移辨识

提出了一种最小二乘小波支持向量机(LS-WSVM)的光纤陀螺的漂移辨识算法.该方法将Mexihat小波函数作为核函数,与最小二乘支持向量机(LS_SVM)相结合建立起通用模型;用光纤陀螺漂移数据训练通用模型,从而得到该光纤陀螺的漂移模型.并用F法则检验了该模型的适应性.试验表明,在相同条件下,与基于Gauss核函数的最小二乘支持向量机模型相比,该模型拥有更高的辨识精度.证明了用最小二乘小波支持向量机对光纤陀螺的机漂移辨识是合适的,有效的.     

基于支持向量回归机的陀螺漂移预测模型

为了预测某导弹陀螺漂移趋势,以该陀螺漂移角速度时间序列为对象,建立了基于支持向量回归机的预测模型。针对该预测模型的特点,提出了支持向量预选取的模型优化方法。基于ε不敏感损失函数的支持向量回归机具有稀疏性,其结构由支持向量决定。因此从训练样本集中预选出有可能成为支持向量的样本,精简样本规模是提高该类支持向量回归机训练和预测效率的有效方法。针对该类支持向量回归机从分类和回归两个角度分析了支持向量的几何特征,提出了核函数空间免疫聚类的支持向量预选取方法并用于某导弹陀螺漂移预测模型的数据预处理。仿真结果表明优化后的预测模型运算量小、建模速度快,精度高。     

基于PSVR的微机械陀螺温度漂移预测

针对中低精度微机械陀螺静态零位输出随温度漂移严重的问题,将应用于分类的近似支持向量机(PSVM)扩展到回归分析中,提出了使用近似支持向量回归机(PSVR)进行建模和预测的方法.该方法的原始优化问题基于等式约束,可采用直接法求取最优解,利用核函数可以方便地实现线性算法的非线性化,并具有良好的泛化能力.分段和连续温度测试结果表明,与常用的最小二乘支持向量回归机(LSSVR)相比,PSVR算法简单,训练速度快,尤其在大规模数据集处理上更具优势.     

基于经验模态概率分布的光纤陀螺信号处理

为了抑制光纤陀螺随机漂移,基于改进的经验模态分解(EMD)和新型模态筛选标准提出了一种自适应的区间阈值滤波方法。首先分析加入高斯噪声对 EMD 分解结果的影响,提出有界噪声辅助以改善 EMD 分解质量,然后针对本征模态函数的概率分布特征提出了基于样本熵的模态筛选标准,最后采用数据驱动的阈值选择方法实现自适应的区间阈值滤波。为了验证算法的有效性,采集一款干涉型光纤陀螺静态漂移信号进行实验分析,结果表明本文方法较基于平稳小波变换和 EMD 的阈值滤波有更好的去噪效果。仿真分析表明该去噪算法减小了捷联惯性导航系统的航向角误差,均方根误差较     

加速度计参数长期稳定性多尺度混合建模与预测

针对温度、振动等环境载荷导致石英挠性加速度计参数随着时间发生非线性变化,难以进行准确描述的问题,提出一种加速度计参数长期稳定性多尺度混合建模方法,并利用所建模型对参数变化进行预测。首先,采用经验模态分解对参数长期变化序列进行多尺度分解,使其平稳化以降低其复杂度,为多尺度混合建模奠定基础;然后,在单核向量机的基础上,应用多核最小二乘支持向量机数据拟合算法,以提高多尺度混合建模算法的准确性与适应性;而且为了提升多核向量机的性能,设计一种自适应人工鱼群寻优算法对多核向量机的相关参数进行寻优;最后,建立石英挠性加速度计参数长期稳定性模型,并通过实例进行模型适用性验证与预测性能验证。结果表明,所提出的建模方法相比于传统最小二乘方法,模型更加精确,预测精度更高,零偏K_0与标度因数K_1的预测均方根误差分别降低了88.65%、86.49%。     

基于小波分析与LSSVM的陀螺仪随机漂移建模

为了提高陀螺仪的使用精度,以陀螺仪随机漂移时间序列为研究对象,建立了基于小波分析和最小二乘支持向量机（LSSVM）的陀螺仪随机漂移模型。陀螺仪作为高精度敏感器件,其随机漂移信号具有非线性、弱平稳性等特点,难以补偿。为了提高补偿精度,这里采用小波分析对陀螺仪随机漂移信号进行多尺度分解,利用最小二乘支持向量机方法对重构后的近似序列和细节序列建立非线性子模型,最后将各子模型输出融合作为组合模型输出。最后将该算法用于动调陀螺仪的随机漂移建模,实验结果表明基于该组合算法的非线性模型能够有效地反映陀螺仪的随机漂移特性,建模效果明显优于直接采用LSSVM和ANN建立的模型。     

一种用于陀螺随机漂移预测的多尺度混合建模方法

针对陀螺随机漂移时间序列由于非平稳和非线性造成单一预测模型难以准确跟踪其变化趋势的问题,提出了一种基于集合经验模态分解(EEMD)和灰色极端学习机(GELM)的多尺度混合建模方法。首先,利用集合经验模态分解将随机漂移时间序列按照频率高低分解为多个本征模式分量和一个余量;然后针对不同类型时频特性分量选择合适激活函数和隐层神经元数目的GELM分别进行预测;最后,以等权相加的方式得到最终预测结果。将该方法用于某型激光陀螺随机漂移预测中,仿真结果表明:混合预测模型能够准确预测陀螺随机漂移,预测精度比残差GM(1,1)和GELM预测模型分别提高了33.43%和23.47%,可为激光陀螺的漂移补偿、故障预报和可靠性诊断提供依据。     

基于多模型分段拟合的光纤陀螺温度误差补偿方法

传统光纤陀螺温度误差采用单一模型进行建模与补偿,存在模型适配性较差的问题。考虑到光纤陀螺在不同温度区间的温度特性存在明显差异,为提高光纤陀螺温度误差补偿精度,提出了基于多模型分段拟合的光纤陀螺温度误差补偿方法。设计了-15⁵0℃区间内温度实验,在大量实测数据分析基础上,将陀螺温度特性按照低、中、高三个温度区间,分别建立三种不同阶次的温度误差模型。采用分段拟合的方法进行误差建模,并利用所建模型对光纤陀螺进行了温度误差补偿。实测数据表明,提出方法能够有效改善光纤陀螺的温度漂移,补偿后漂移标准差减少66.67%。     

MEMS陀螺随机误差趋势项的支持向量回归机预测补偿算法

为了适应低成本快速响应卫星的发展趋势,越来越多的卫星采用了MEMS陀螺系统与信息融合方法相结合的设计方案。为提高传统的基于自回归滑动平均(Auto-Regressive and Moving Average,ARMA)模型和支持度的信息融合方法的精度,抑制随机误差趋势项对卫星稳定控制的不利影响,提出了一种基于支持向量回归机(Support Vector Regression,SVR)的预测补偿算法。该算法对各个MEMS陀螺输出数据进行滤波,并提取相应的随机误差趋势项,通过相空间重构获得训练样本并进行SVR建模,用以实时补偿。然后使用低成本商用器件搭建了MEMS陀螺系统,并在单轴气浮转台上进行了实验。实验结果表明,预测补偿算法使得MEMS陀螺系统输出数据的方差降为原先的31.39%,融合精度得到了显著的提高。     

MEMS陀螺随机漂移多尺度滤波方法

为了能有效地补偿MEMS(微电子机械系统)陀螺仪的随机漂移,提高载体姿态估计的精度,基于小波理论与多尺度分析方法,使用db4小波,将MEMS陀螺仪随机漂移进行深度为4的多尺度分解,得到5组小波系数。根据分解后的各尺度系数进行信号重建,得到5组多尺度陀螺仪漂移数据。对重建后的各尺度漂移数据进行时间序列建模,可以得到MEMS陀螺仪随机漂移的多尺度时间序列模型。在多尺度时间序列模型的基础之上,建立多尺度离散系统的系统模型,使用卡尔曼滤波方法,对个尺度陀螺随机噪声进行滤波,可以有效地滤除MEMS陀螺仪的随机漂移。试验结果表明本方法能有效降低信噪比。     

光纤陀螺信号处理方法的比较研究

给出了光纤陀螺信号漂移的数学模型，并针对信号噪声的特点，采用了“加权术平均”、“五点三次平滑算法”、“小波分析”三种不同的处理方法进行信号的消噪处理，通过对仿真结果的比较研究，肯定了小波变换算法在信号消噪处理中的适用性，并且编写了实时信号处理软件，提高了光纤陀螺的精度，为促进光纤陀螺的研制开发起到了积极的作用。     

基于提升小波与灰色神经网络的光纤陀螺振动误差建模

光纤陀螺在振动环境下的输出具有噪声大、漂移强的特性,必须建立合理的振动误差模型,以便使用精确的算法进行补偿,从而提高光纤陀螺的输出精度。文中首先使用Allan方差分析法分析了某型号的数字闭环光纤陀螺在振动环境下的输出信号,随后利用提升小波分离出了光纤陀螺误差模型中的白噪声及漂移误差,并提出了基于灰色理论和RBF神经网络的漂移误差建模方法。仿真结果表明,相较于传统的RBF神经网络模型,基于提升小波的灰色RBF神经网络的漂移误差建模方法能有效滤除白噪声,并将漂移误差模型的建模精度提高了一倍左右。该方法能够有效提高光纤陀螺在振动环境下的输出精度,对光纤陀螺在振动环境下的误差研究具有重要指导意义。     

Predicting the critical heat flux in concentric-tube open thermosiphon: a method based on support vector machine optimized by chaotic particle swarm optimization algorithm

This study presents a method based on support vector machine (SVM) optimized by chaotic particle swarm optimization algorithm (CPSO) for the prediction of the critical heat flux (CHF) in concentric-tube open thermosiphon. In this process, the parameters C, ε and δ² of SVM have been determined by the CPSO. As for a comparision, the traditional back propagation neural network (BPNN), radial basis function neural network (RBFNN), general regression neural network (GRNN) are also used to predict the CHF for the same experimental results under a variety of operating conditions. The MER and RMSE of SVM–CPSO model are about 45% of the BPNN model, about 60% of the RBFNN model, and about 80% of GRNN model. The simulation results demonstrate that the SVM–CPSO method can get better accuracy.     

旋转IMU在光纤捷联航姿系统中的应用

惯性测量单元输出信号的精度直接影响捷联惯性导航系统的精度,为了提高捷联系统的精度,以舰船光纤捷联惯性航姿系统为应用对象,采用了双轴旋转机构连续匀速旋转IMU的系统方法,把惯性测量单元输出信号中的漂移误差调制成正弦信号,通过捷联算法中的积分运算可以有效地消除陀螺和加速度计中的漂移误差,从而有效地提高捷联惯性航姿系统的精度,并进行了系统仿真实验。仿真结果表明:经过旋转以后的IMU输出信号误差较传统非旋转方法可以减小一个数量级。基于双轴旋转IMU的系统方法可以有效地减小IMU输出信号漂移误差和提高捷联惯性航姿系统的精度。     

基于SGMD及LWOA-ELM的有限元模型修正

为得到待修正参数与结构响应之间的关系,提高模型修正的效率和精度,提出了一种基于辛几何模态分解(SGMD)和Lévy飞行鲸鱼优化算法(LWOA)优化极限学习机(ELM)的有限元模型修正(FEMU)方法。首先,对加速度频响函数(AFRF)进行SGMD分解,采用能量熵增量法确定重组辛几何分量(SGC)构成SGC矩阵。然后,利用LWOA对ELM的权值和阈值进行优化,提高ELM模型的预测效率,以LWOA-ELM为代理模型映射出待修正参数与SGC矩阵之间的关系。最后,以试验频响函数SGC矩阵与LWOA-ELM模型输出所得矩阵差值的F-范数最小为目标函数,结合LWOA求解待修正参数。算例分析表明,提出的方法用于有限元模型修正有较好的可行性和有效性。以SGC矩阵表征AFRF的修正方法,有较好的噪声鲁棒性;LWOA-ELM作为代理模型预测精度高,泛化能力强。     

基于SVM回归的圆柱壳体抗脉冲强度预估模型

在小子样结构响应试验数据样本的基础上,利用支持向量机回归的方法模拟了圆柱壳体动态极限应变峰值同壳体几何尺寸和外加脉冲载荷大小的非线性函数关系,同时通过改进的模拟退火单纯形混合算法优化了支持向量机的性能参数,并将支持向量机回归分析的预测性能同BP人工神经网络方法做了比较,验证了具有优化性能参数组合的支持向量机在小样本条件下更好的预测和推广能力. 最后,从支持向量机回归模型导出了大尺寸圆柱壳体抗脉冲载荷的强度极限同自身几何尺寸的多元函数关系,从而为该类型壳体设备抗脉冲载荷的强度分析提供了一个可借鉴的预估模型. 研究结果表明了支持向量机在机械结构的强度预估和可靠性分析等力学领域具有广泛的应用前景.      

光纤陀螺随机漂移补偿中的数据融合方法（英文）

为提高光电平台的控制性能和稳定性,以平台反馈回路所用的光纤陀螺传感器为研究对象,对光纤陀螺角速率的历史输出、当前量测以及随机漂移进行融合补偿。采用双自回归模型确定了光纤陀螺时间序列输出的自回归多项式和光纤陀螺随机漂移的自回归关系。以陀螺当前输出为量测量,结合卡尔曼滤波算法将陀螺历史输出和历史随机漂移融合进状态方程,并进行随机漂移在线估计补偿。实验结果表明,光纤陀螺随机漂移的AR模型能达到90%拟合效果,经卡尔曼滤波补偿后随机漂移能降到1/10。该方法能很好地抑制光电平台三个框架轴光纤陀螺的随机漂移,补偿率为80%~90%。     

动态环境下光纤陀螺误差辨识与补偿技术

为了提高光纤陀螺在高动态环境下的测量精度,需要精确地辨识角加速度信息以便有效地补偿。针对直接对陀螺的角速度信息微分处理后得到角加速度的方法误差较大的问题,提出了将微分后的角加速度信息分为线性和非线性两个部分,其中线性部分采用Savitzky-golay最小二乘拟合,而非线性部分则采用RBF神经网络技术进行拟合。上述处理方法能更真实地反映实际物理过程,具有较强的自适应性和较好的拟合效果。通过试验验证,证明了该方法的有效性和准确性,提高了角加速度辨识精度,比直接微分的方法测量精度提高二个数量级,有效地补偿了陀螺仪在高动态环境下的测量精度。     

光纤陀螺热致漂移误差的模糊补偿(英文)

针对光纤陀螺启动过程中的热致漂移误差问题,研究了一种模糊模型补偿方案。依据Shupe非互易性理论和Mohr加热模型试验的结论,以光纤环内侧温度和温度变化率为输入,以陀螺漂移为输出,建立了二输入一输出模糊模型。利用全温范围(-25℃～45℃)内光纤陀螺的恒温静态试验数据,基于自适应神经网络模糊推理系统的自学习功能,辨识出模糊规则库。通过实时施行模糊推理可实现光纤陀螺温度漂移的在线自动补偿。室温验证试验表明,陀螺的零偏稳定性由补偿前的0.037(°)/h提高到0.017(°)/h,陀螺启动时间由补偿前的30 min减少为2 min。     

基于温度变化Fourier展开的惯导航向效应补偿

航向效应对高精度空间稳定平台式惯性导航系统具有致命的影响。根据系统变航向导航试验数据,分析了变航向引起温度及平台漂移变化的作用机理,讨论了平台漂移变化与温度变化的相关性,进而提出基于温度变化Fourier展开的航向效应补偿方法。采用滑动最小二乘拟合导航误差的方法提取平台常值漂移的变化,并以此为观测量标定平台漂移的温度系数。最后,利用多组变航向试验数据对所述补偿方法进行验证,结果表明:平台常值漂移变化与温度变化基波分量的幅值具有强相关性,该补偿方法可将温度变化引起的航向效应误差降低40%~90%,具有较强的工程应用潜力。