基于神经网络的光纤陀螺温度漂移误差建模与补偿

光纤陀螺（FOG）温度漂移误差是影响其输出精度的主要误差源之一,在实际应用中必须对光纤陀螺温度漂移误差进行适当补偿。传统的最小二乘法等线性补偿方法很难满足补偿精度的要求且适用性较差,利用BP及RBF神经网络分别建立非线性光纤陀螺温度漂移误差模型,可以有效提高补偿精度,使用FOG温箱实测数据对最小二乘模型及神经网络补偿模型进行了测试对比,验证了基于神经网络的非线性补偿算法在FOG温度漂移补偿中的有效性。     

基于多参量模型的光纤陀螺温度误差补偿

温度漂移误差是制约光纤陀螺精度的重要因素之一。针对传统光纤陀螺温度补偿方法仅对温度项建模导致补偿精度差的问题,提出了一种新型多参量模型来补偿光纤陀螺温度误差的方法。通过对陀螺零漂误差和温度各相关项进行相关性分析,将温度和温度速率的乘积项及温度梯度滞后项引入到温度漂移误差模型中,建立了多参量分段补偿模型对零偏进行补偿,显著改善了光纤陀螺的零偏稳定性。使用实测光纤陀螺数据对提出的补偿方法进行实验验证,结果表明采用该方法补偿后,零偏误差平方和降低2个数量级,陀螺漂移均值、方差稳定在零点附近,补偿效果优于温度项分段拟合方法,与非线性模型预测效果相当。     

惯组中光纤陀螺温度漂移的二维插值建模研究

光纤陀螺对温度较为敏感,输出受温度及温度变化率影响严重,在实际工作中需要对温度漂移误差进行建模补偿。传统多项式拟合方法如最小二乘法,无法很好地满足精度要求。因此,首先对光纤陀螺工作原理与温度漂移误差产生原理进行分析,得出光纤陀螺温度漂移误差特性。利用传统多项式模型对不同温度下启动的光纤陀螺进行建模补偿,得到补偿后的精度并不理想。利用新的二维插值模型对上述试验重新进行建模补偿,结果表明二维插值模型明显优于多项式模型,光纤陀螺的零偏稳定性由补偿前的0.0153(°)/h提高到0.0051(°)/h,有利于工程上应用。     

光纤陀螺非线性误差的温度特性研究

在不同调制深度下,光纤陀螺反馈通道的非线性误差对陀螺输出精度会有不同的影响。在此研究的基础上,通过实验与仿真分析相结合的方式,对光纤陀螺反馈通道非线性误差的温度特性也做了进一步的研究。研究表明,随着温度的降低,非线性误差对输出的影响也随之增加。仿真采用光纤陀螺单轴板在温箱中测得的数据,并利用Simulink建模分析。     

广义回归神经网络在光纤陀螺零偏补偿中的应用

因测量精度高、制造工艺简单,光纤陀螺在惯性导航系统中获得了广泛应用,但是温度的变化会使光纤陀螺产生测量误差.针对光纤陀螺的零偏容易受到环境温度影响的问题,提出了使用改进的广义回归神经网络建立光纤陀螺变温零偏补偿模型的方法,有效改善了光纤陀螺的变温零偏稳定性.该模型采用果蝇算法寻找广义回归神经网络的最优光滑因子,提高了模型的拟合精度及计算效率.在相同条件下,对比分析了应用传统广义回归神经网络和改进广义回归神经网络对光纤陀螺变温零偏进行补偿的效果.结果表明,改进的广义回归神经网络模型补偿精度较传统广义回归神经网络模型提升了27％.     

基于角增量和矢量模值观测的光纤陀螺温度漂移参数分段估计

光纤陀螺捷联惯导系统被广泛应用于航空、航天、航海及陆地车辆定位定向等领域,对光纤陀螺输出误差进行补偿是提高导航精度的有效手段。温度漂移和常值零偏是影响光纤陀螺精度的两个主要误差来源,对角增量输出式三轴光纤陀螺捷联惯导系统的陀螺温度漂移及常值零偏误差参数估计方法进行了研究。针对光纤陀螺的温度漂移,提出了一种基于角增量的分段最小二乘估计方法,根据不同温度区间的特征使用低阶模型即可进行误差建模,估计结果相比整体估计方法更加精确,同时推导了各个温度段参数的边界条件,保证了温度漂移模型在不同温变速率条件下的连续性。针对三轴陀螺输出中包含的常值零偏,提出了一种基于地球自转角速度矢量模值观测的方法,可在不依赖高精度转台等外部基准设备的条件下对光纤陀螺零偏进行估计,可适用于高纬度地区及极区环境下的外场标定。通过温箱静置升温实验,对光纤陀螺惯导系统三轴角增量陀螺进行了温度漂移和零偏的估计与补偿,验证了提出方法的有效性。     

基于神经网络的激光陀螺误差测试与建模

用人工神经网络中的反向误差传播网络(BP网络)来建立温度补偿模型,通过训练后的BP网络对刻度因子误差以及随机漂移进行温度补偿。     

光纤陀螺标度因数温度补偿的工程应用

针对光纤陀螺仪在较宽温度范围（-40～+60℃）的使用需求,本文分析了光纤陀螺标度因数误差项的温度特性,依据回归分析理论,建立了光纤陀螺的全温误差模型并对陀螺进行了误差补偿,取得了较好的效果。补偿后陀螺的标度因数温度灵敏度由不大于70ppm/℃下降到不大于10ppm/℃,标度因数温度补偿提高了光纤陀螺仪的环境适应性,拓展了光纤陀螺的工程应用领域。     

光纤陀螺热致漂移仿真分析及实验验证

外界温度场作用下,光纤环温度变化和热应力是引起光纤陀螺非互易误差的主要原因。分析了光纤陀螺热致漂移的数学模型,基于该模型仿真研究了对光纤环以恒定功率加热随后转入平稳状态扰动因素下陀螺的输出特性。为验证模型准确性,选用3个光纤环搭建光纤陀螺系统,并对陀螺零偏变化特性进行了测试。测试结果表明,各陀螺零偏测试值与模型计算值间的误差不超过8%,实验结果与模型能够较好符合,该研究结果对高精度光纤陀螺的设计具有重要指导意义。     

光纤陀螺本征频率对准误差引起的零偏漂移抑制方法

在温度环境下,光纤环的伸缩及光折射率的变化等会引起光纤陀螺本征频率发生变化,产生光纤陀螺本征频率与陀螺调制频率对准误差,进而导致探测器信号中的“尖峰脉冲”信号发生变化,使光纤陀螺产生零偏漂移。通过分析光纤陀螺本征频率的变化,提出了一种调制频率自动跟踪本征频率的方法,从而减小了温度条件下光纤陀螺的零偏漂移。试验验证结果表明,采用该方法的光纤陀螺在-40℃～+60℃的温度范围内固定温度点下的零偏极差减小了50%。     

高空台特种调节阀建模方法对比研究

为了获得准确的轮盘式特种调节阀流量特性模型,提高高空舱进口流量预测精度,提出了基于BP神经网络和NARX网络的建模方法。在对调节阀与传感器测点位置分析的基础上,将调节阀和阀后容腔作为整体进行建模。对比研究了流量系数、静态BP神经网络以及基于Gamma Test的动态NARX网络建模方法,并给出了工程中选取建模方法的建议。以试验流量数据为基准,仿真对比了不同阀门开度变化时,各模型输出流量的稳态误差和动态误差。结果表明,BP神经网络方法和NARX网络方法建模精度要优于流量系数法。同时,BP神经网络模型最大稳态误差为0.52kg/s,优于NARX网络模型和流量系数模型。NARX网络模型的最大动态误差为2.04kg/s,相比于BP神经网络模型和流量系数模型,能够更准确地反映流量的动态特性。     

基于预处理BP神经网络的开关磁阻电机建模

针对开关磁阻电机(SRM)强耦合、强非线性、难以精确解析建模的问题,提出一种基于数据预处理的反向传播(BP)神经网络建模方法。首先通过传统直流脉冲法测量一个电周期内SRM静态电磁特性,获取建模样本数据;其次充分利用电机先验知识,通过可以初步反映SRM非线性特性的磁链和转矩解析表达式对实测样本数据进行预处理并作为BP神经网络新的输入,降低神经网络拟合误差。与传统BP神经网络建模的对比结果显示,引入预处理方法可以有效减少BP神经网络节点数量,增强神经网络泛化能力,提高神经网络建模精度。     

一种MEMS陀螺标度因数误差补偿方法

高动态、恶劣温度环境下,微小型飞行器(MAV)导航、制导与控制系统关键器件微机电系统(MEMS)陀螺受温度和转速耦合影响,其标度因数误差呈强非线性特点,常规方法无法精确补偿。通过分析MEMS陀螺标度因数误差的产生机理,建立了包含温度和转速非线性因素的标度因数误差模型,提出一种基于径向基(RBF)神经网络的标度因数非线性耦合误差补偿方法,解决了常规补偿方法精度差的问题。标定与补偿实验表明:在-10～+55℃温度范围、-150～+150(°)/s输入转速范围内,采用新方法补偿后MEMS陀螺输出平均精度比多项式拟合方法提高7倍;在-20～+20(°)/s低输入转速的误差强非线性区间内,精度提高近20倍,验证了本文方法的有效性和优越性。     

基于BP人工神经网络喷射成形7055铝合金的本构模型

基于Gleeble热力模拟技术对喷射成形7055铝合金的高温流变应力特征规律进行研究,并构建耦合应变量的唯象型Arrhenius本构方程用以预测合金的流变应力,同时基于BP人工神经网络构建该材料的神经网络型本构方程对比预测流变行为。结果表明:喷射成形7055铝合金的流变应力状况受变形参数的影响较为显著,与变形温度呈负相关,并与应变速率呈正相关。利用两类本构模型预测该合金的流变应力,其中唯象型Arrhenius本构方程的平均相对误差δ值大于2%,该模型的预测误差随变形温度升高呈上升趋势,且在热加工温度区间下(450℃左右),平均绝对误差及平均相对误差达到峰值,较难精准预测该变形区间内合金的流变应力特征。而BP人工神经网络模型的预测准确度更高,平均相对误差δ值仅为0.813%,且具有较高的温度稳定性。     

基于IPSO Elman神经网络的航空发动机故障诊断

为提高航空发动机故障诊断的精度,提出改进粒子群优化的Elman神经网络对航空发动机故障诊断的方法。利用MIV(平均影响值)对神经网络的输入端自变量进行筛选，降低输入维度；采用改进粒子群优化算法对Elman神经网络的权值和阀值进行优化，并对优化的神经网络进行训练；用训练好的神经网络对航空发动机故障进行诊断并与常规的BP（back propagation）、Elman神经网络、GM（1,n）、SVM (support vector machines)进行对比。仿真结果表明:IPSO Elman(improved particle swarm optimization Elman neural network)神经网络的诊断误差在不同数量训练样本时都小于其他方法，并且在参选故障诊断的性能参数不同时，其诊断误差相近，展现出较强的适应能力。      

应用反推神经网络检测液体火箭发动机多维故障

基于可测参数所构成的参数模式对应着一定的发动机故障模式, 应用反推神经网络检测发动机多维故障, 方法的有效性由只有泵效率下降和喷注器阻塞同时发生的数值仿真得到验证      

基于人工噪声神经网络BP算法的火箭发动机故障仿真与检测

研究了用于液体火箭发动机故障仿真与故障检测的神经网络ＢＰ算法。在ＢＰ算法中采用了加噪声等技术来避免系统误差陷入局部极小，训练出精度高（误差小于０．０２）的神经网络，试验表明：神经网络ＢＰ算法成功地用于故障仿真与故障检测。     

程序调参飞行控制律的神经网络实现

为保证飞行品质,现代飞机中多采用程度调参飞行控制律,由于调参规律的高度非线性,使得控制律的工程实现相当困难。为此,对程序调参飞行控制律的神经网络实现方法进行了研究。通过应用ＢＰ神经网络逼近非线性调参规律。探讨了用ＢＰ网络实现程序调参飞行控制律的一般方法,给出了网络的结构及其优化算法,并以某型飞机电传操纵系统倾斜阻尼通道的程序调参控制律为例,对该实现方法进行降验证。结果表明,实现精度符合工程要求。