| MEMS陀螺随机误差趋势项的支持向量回归机预测补偿算法 |
| |
| 引用本文： | 成雨,叶东,孙兆伟.MEMS陀螺随机误差趋势项的支持向量回归机预测补偿算法[J].中国惯性技术学报,2016(5):600-606. |
| |
| 作者姓名： | 成雨 叶东 孙兆伟 |
| |
| 作者单位： | 哈尔滨工业大学卫星技术研究所,哈尔滨,150001 |
| |
| 基金项目： | 国家自然科学基金资助项目(61603115)，中国博士后科学基金资助项目(2015M81455)，微小型航天器技术重点学科实验室开放基金资助(HIT.KLOF.MST.201501) |
| |
| 摘 要： | 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。
|
| 关 键 词： | 微机电陀螺 时间序列 支持向量机 相空间重构 |
Predictive compensation algorithm for trend terms of MEMS gyro random errors based on support vector regression |
| |
| Abstract: | |
| |
| Keywords: | MEMS gyro time series support vector machine phase space reconstruction |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
