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BP网络的光纤陀螺刻度因子建模研究

针对光纤陀螺(FOG)随温度呈非线性变化的特性,提出了采用BP神经网络对刻度因子的温度误差建模的方法,以减小光纤陀螺输出误差;用BP网络对其建模的结果和传统的建模结果进行了比较,结果表明采用BP神经网络对刻度因子的建模是非常有效的.     

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。     

振梁加速度计温度误差模型及补偿技术研究

研究了振梁加速度计温度误差建模及补偿问题。分析了振梁加速度计受温度影响的主要因素,应用最小二乘算法得到零偏、标度因数与温度的多项式拟合关系,进而得到振梁加速度计的温度误差模型。利用该误差模型进行温度补偿。结果表明：经过温度建模和补偿,振梁加速度计精度有明显的提高。     

数控机床误差补偿技术现状与展望

本文综合国内外数控机床误差补偿技术现状,指出其主要不足和难点,并介绍针对这些不足和难点而进行的研究课题,其中包括:基于机床外部坐标系原点偏移的实时补偿器研制、复合误差建模和补偿、考虑温度变化的机床误差高效测量、五轴数控机床误差解耦实时补偿、机床上关键温度点的优化选择、切削力误差实时补偿。     

光纤陀螺标度因数及零偏温度误差补偿研究

首先分析了光纤陀螺产生温度误差的机理,在此基础上分别指出标度因数与零偏的误差补偿模型,提出了一种利用一组数据同时补偿标度因数及零偏的方法,直接表示输入与标度因数零偏补偿后的关系。最后通过实验验证了该方法不仅能够有效地补偿陀螺的温度误差,且其补偿精度优于原单独补偿的方法,同时该方法仅需一次温度实验,节省实验成本,具有较大的现实意义。     

电阻分流热电流温度补偿技术及应用

电阻分流热电流温度补偿技术及应用是为温度测量 热电偶与补偿导线失配专门研究一切后种新技术，试验与应用证明：它在补偿温度失配误差，减小测量系统的误差，校正起初炉温，改善系统温度响应特性方面都具有非常好的效果。     

捷联惯性测量装置陀螺仪零次项误差温度补偿方法

为满足捷联惯性测量装置快速启动的要求,研究了陀螺仪零次项误差随温度变化的规律,建立了陀螺仪零次项误差随温度变化的模型,提出了一种可以使用软件对温度带来的误差实时进行补偿的方法,并通过试验验证了温度模型的准确性和补偿方法的有效性。     

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。     

基于最小二乘法的分解炉温度控制数学模型

根据分解炉温度控制的实际生产情况,确定了三次风、煤粉和生料流量与分解炉温度之间的关系,建立了分解炉温度控制的数学模型。由于神经网络可以实现对复杂非线性对象进行卓有成效的控制,因此选定神经网络中应用最广泛的BP神经网络作为控制算法,对三次风和煤粉阀门开度进行控制,从而实现对分解炉温度预测控制。     

基于神经网络的滚动轴承故障包络信号的自动识别方法

介绍了一种基于神经网络的滚动轴承故障包络信号的自动识别方法。将从包络信号的时域和频域信息中提取的反映滚动轴承故障的特征信息作为BP神经网络的输入,用BP算法对该网络进行训练。利用BP神经网络的智能性来实现滚动轴承故障的智能诊断。     

人工神经网络技术在舱外航天服自动温控系统中的应用

介绍了舱外航天服手动温度控制存在的问题,分析了已有的航天服自动温控方案。采用人工神经网络的反向传播算法,以氧气的消耗量、全身出汗量、心率、液冷服的出口水温及出入口的水温差等５个参数作为输入,以液冷服冷却水的入口温度为输出,建立了舱外航天服的自动温控系统的人工神经网络模型。并讨论了反向传播算法及网络构造。结果表明,人工神经网络技术为解决舱外航天服自动温度控制提供了一条新途径。     

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。     

基于神经网络的涡轮泵多故障诊断

针对液体火箭发动机的涡轮泵系统中，常出现多故障同时发生的现象，分析了涡轮泵常见故障的特征表现，建立了涡轮泵系统的标准故障模式，在此基础上，提出了采用建立并行BP神经网络进行多故障诊断分类的方法，结果表明，并行BP神经网络结构简单，学习诊断速度快，对单一故障的诊断分类优于基本BP网络，且能对并发故障进行诊断分类。     

材料设计中的BP神经网络技术

论述了BP神经网络在材料设计中的应用技术、现状和发展趋势。根据材料设计的要求，建立用于材料设计的模型，并对模型建立与参数选择进行了分析，为BP网络用于材料设计提供了依据，为材料性能的设计与优化提供了有效途径。     

军用装备采购费用评估中的神经网络模型

在BP神经网络理论指导的基础上,从影响装备采购费用的因素出发,根据BP神经网络的多层结构,运用反向传播算法(BP算法)构建战斗机采购费用BP网络模型;同时,运用BP网络模型对已知采购价格的5种类型军事装备进行了采购费用估算和MATLAB仿真,取得了比较满意的结果,达到了提高装备采购费用的预测速度和精度的目的,显现了BP神经网络方法的优点,为军用装备采购价格的预测提供了一种新的有效的方法。     

基于动态变结构BP神经网络的目标威胁评估

针对传统目标威胁估计方法和BP神经网络的不足,在BP神经网络的基础上,建立了基于动态变结构BP神经网络的目标威胁估计模型.该模型通过在权值向量更新公式中引入冲量函数,加快了网络的搜索速度和精度,保证了网络获得全局最优值;通过实时调整隐含层节点数目,可以将网络结构优化,极大地提升了网络的灵活性.仿真结果表明,与传统目标威胁估计方法和BP神经网络相比,动态变结构BP神经网络具有更好的预测能力和收敛速度,可以快速、准确地完成目标威胁估计.