基于灰色小波神經(jīng)網(wǎng)絡(luò)的mems陀螺隨機(jī)誤差預(yù)測(cè)方法
【專利摘要】本發(fā)明提供的是一種基于灰色小波神經(jīng)網(wǎng)絡(luò)的MEMS陀螺隨機(jī)誤差預(yù)測(cè)方法。對(duì)MEMS陀螺的輸出數(shù)據(jù)進(jìn)行預(yù)處理，采集MEMS陀螺的輸出數(shù)據(jù)，對(duì)輸出數(shù)據(jù)小波分析，選取Db4小波函數(shù)對(duì)陀螺的輸出數(shù)據(jù)進(jìn)行去噪處理；對(duì)去噪后的MEMS陀螺的輸出數(shù)據(jù)進(jìn)行分組，確定輸入向量和目標(biāo)向量；構(gòu)建灰色小波網(wǎng)絡(luò)預(yù)測(cè)模型，確定灰色小波網(wǎng)絡(luò)的輸入節(jié)點(diǎn)數(shù)，輸出節(jié)點(diǎn)數(shù)，隱含層節(jié)點(diǎn)數(shù)，初始化網(wǎng)絡(luò)；對(duì)所建網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并保存網(wǎng)絡(luò)用來預(yù)測(cè)陀螺隨機(jī)誤差的趨勢(shì)。本發(fā)明與傳統(tǒng)的陀螺隨機(jī)誤差建模方法相比，本發(fā)明將灰色理論與小波神經(jīng)網(wǎng)絡(luò)相結(jié)合，從而改善MEMS陀螺隨機(jī)誤差預(yù)測(cè)精度，并且與傳統(tǒng)方法相比預(yù)測(cè)精度有了明顯的提高。
【專利說明】基于灰色小波神經(jīng)網(wǎng)絡(luò)的MEMS陀螺隨機(jī)誤差預(yù)測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及的是一種組合導(dǎo)航中MEMS (微機(jī)械陀螺)的隨機(jī)誤差預(yù)測(cè)方法。
【背景技術(shù)】
[0002]MEMS概念是由美國(guó)著名物理學(xué)家Feyman最先提出的，他指出MEMS技術(shù)發(fā)展的一個(gè)問題就是如何用低精度的工具制造高精度產(chǎn)品。MEMS陀螺儀具有如下優(yōu)點(diǎn):尺寸小、體積小、較輕的重量且成本比較低廉;MEMS陀螺采用的加工工藝是類集成電路的硅加工工藝，器件尺寸小，且重量輕，適合批量生產(chǎn)；性能穩(wěn)定且抗干擾能力強(qiáng)；可靠性也比較高且易集成、功耗低。由于MEMS陀螺儀的這些優(yōu)點(diǎn)，其在多個(gè)領(lǐng)域中均有廣泛應(yīng)用，尤其是航空、航天、軍事及消費(fèi)領(lǐng)域。目前，基于MEMS陀螺儀的導(dǎo)航、制導(dǎo)系統(tǒng)的研究很多，在汽車工業(yè)、生物醫(yī)學(xué)工程、精密儀器、航天航空、移動(dòng)通信等有了廣泛的應(yīng)用。但是由于MEMS陀螺精度比傳統(tǒng)陀螺低，使其應(yīng)用受到限制。如何改善MEMS陀螺精度成為MEMS陀螺的研究重點(diǎn)。
[0003]由于MEMS陀螺的制造工藝及使用環(huán)境的影響，使MEMS陀螺產(chǎn)生很大的隨機(jī)誤差，是影響其精度的一個(gè)重要原因。因此對(duì)MEMS陀螺進(jìn)行誤差補(bǔ)償是提高其精度的一個(gè)重要手段。很多研究機(jī)構(gòu)和學(xué)者都在研究MEMS陀螺的隨機(jī)誤差建模方法，以提高M(jìn)EMS陀螺的性能和魯棒性。
[0004]在現(xiàn)有的陀螺隨機(jī)誤差建模中，對(duì)于陀螺隨機(jī)誤差通常采用的是Allan方差和ARMA模型的建模方法。對(duì)于Allan方差方法是建立在統(tǒng)計(jì)學(xué)基礎(chǔ)上的建模方法,僅適用于非平穩(wěn)的隨機(jī)信號(hào)；而時(shí)間序列ARMA模型要求數(shù)據(jù)必須是平穩(wěn)、線性的，需對(duì)數(shù)據(jù)進(jìn)行平穩(wěn)化、線性化處理。小波神經(jīng)網(wǎng)絡(luò)是小波分析理論與神經(jīng)網(wǎng)絡(luò)相結(jié)合的產(chǎn)物，它繼承了小波變換和神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)，因而表現(xiàn)出具有對(duì)非線性函數(shù)的最佳逼近和全局逼近的能力，又具有自學(xué)習(xí)、自適應(yīng)、時(shí)頻特性好、建模能力強(qiáng)等特性，因此在非線性系統(tǒng)建模獲得了廣泛的應(yīng)用?；疑〔ňW(wǎng)絡(luò)是將灰色理論與小波網(wǎng)絡(luò)結(jié)合，用灰色理論模型預(yù)處理原始數(shù)據(jù)，然后用處理后的數(shù)據(jù)建立小波模型。這樣可以減少網(wǎng)絡(luò)的訓(xùn)練時(shí)間，提高預(yù)測(cè)精度。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于提供一種能保證預(yù)測(cè)的準(zhǔn)確性的基于灰色小波神經(jīng)網(wǎng)絡(luò)的MEMS陀螺隨機(jī)誤差預(yù)測(cè)方法。
[0006]本發(fā)明的目的是這樣實(shí)現(xiàn)的:
[0007]步驟1:對(duì)MEMS陀螺的輸出數(shù)據(jù)進(jìn)行預(yù)處理，采集MEMS陀螺的輸出數(shù)據(jù)，對(duì)輸出數(shù)據(jù)小波分析，選取Db4小波函數(shù)對(duì)陀螺的輸出數(shù)據(jù)進(jìn)行去噪處理；
[0008]步驟2:對(duì)去噪后的MEMS陀螺的輸出數(shù)據(jù)進(jìn)行分組，確定輸入向量和目標(biāo)向量；
[0009]步驟3:構(gòu)建灰色小波網(wǎng)絡(luò)預(yù)測(cè)模型，確定灰色小波網(wǎng)絡(luò)的輸入節(jié)點(diǎn)數(shù)，輸出節(jié)點(diǎn)數(shù)，隱含層節(jié)點(diǎn)數(shù)，初始化網(wǎng)絡(luò)；
[0010]步驟4:對(duì)所建網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并保存網(wǎng)絡(luò)用來預(yù)測(cè)陀螺隨機(jī)誤差的趨勢(shì)。[0011]本發(fā)明的優(yōu)點(diǎn):
[0012](1)本發(fā)明首先對(duì)MEMS陀螺的輸出信號(hào)進(jìn)行去噪處理，減少噪聲的影響，保證預(yù)測(cè)的準(zhǔn)確性。
[0013](2)本發(fā)明在信號(hào)去噪中采用改進(jìn)閾值的方法對(duì)信號(hào)進(jìn)行閾值處理，優(yōu)點(diǎn)是可以很好保留信號(hào)的細(xì)節(jié)部分，去噪效果好。
[0014](3)本發(fā)明采用的是灰色小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法。將灰色理論與小波網(wǎng)絡(luò)集合，該方法利用灰色理論運(yùn)算法則處理陀螺輸出信號(hào)，使信號(hào)呈現(xiàn)一定的規(guī)律，優(yōu)點(diǎn)是減少網(wǎng)絡(luò)的訓(xùn)練時(shí)間及提高預(yù)測(cè)的精度。
【專利附圖】

【附圖說明】
[0015]圖1是基于灰色小波網(wǎng)絡(luò)的MEMS陀螺隨機(jī)誤差預(yù)測(cè)流程圖。
[0016]圖2是提升方法的小波分解與重構(gòu)示意圖。
[0017]圖3是MEMS陀螺原始數(shù)據(jù)輸出示意圖。
[0018]圖4是基于小波去噪的MEMS陀螺數(shù)據(jù)輸出示意圖。
[0019]圖5是小波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖。
[0020]圖6是小波神經(jīng)網(wǎng)算法流程圖。
[0021]圖7是灰色小波網(wǎng)絡(luò)預(yù)測(cè)輸出結(jié)果。
【具體實(shí)施方式】
[0022]本發(fā)明描述的方法是一種MEMS陀螺隨機(jī)誤差預(yù)測(cè)方法，該發(fā)明采用了灰色小波網(wǎng)絡(luò)的預(yù)測(cè)方法，與傳統(tǒng)的陀螺隨機(jī)誤差建模方法相比，該方法將灰色理論與小波神經(jīng)網(wǎng)絡(luò)相結(jié)合，從而改善MEMS陀螺隨機(jī)誤差預(yù)測(cè)精度，并且與傳統(tǒng)方法相比預(yù)測(cè)精度有了明顯的提聞。
[0023]結(jié)合圖1，本發(fā)明的技術(shù)方案包括如下步驟:
[0024]步驟1:對(duì)MEMS陀螺的輸出數(shù)據(jù)進(jìn)行預(yù)處理。采集MEMS陀螺的輸出數(shù)據(jù)，對(duì)輸出數(shù)據(jù)小波分析，選取Db4小波函數(shù)對(duì)陀螺的輸出數(shù)據(jù)進(jìn)行去噪處理。
[0025]首先，把慣導(dǎo)系統(tǒng)安裝在轉(zhuǎn)臺(tái)上，接通電源預(yù)熱15分鐘。對(duì)串口接收程序設(shè)置，利用所編寫的導(dǎo)航系統(tǒng)界面進(jìn)行陀螺輸出數(shù)據(jù)采集。采樣時(shí)間為20ms，采樣樣本長(zhǎng)度為10000。并將采集的數(shù)據(jù)保存在文件夾中。從采集的MEMS陀螺儀輸出數(shù)據(jù)中選取前5000個(gè)數(shù)據(jù)，通過陀螺確定性誤差補(bǔ)償實(shí)驗(yàn)，去除陀螺的確定性誤差。
[0026]其次，對(duì)MEMS陀螺輸出數(shù)據(jù)小波分析，通過對(duì)MEMS陀螺輸出數(shù)據(jù)小波分析結(jié)果，可確定選取Db4小波函數(shù)及小波分解尺度為5對(duì)陀螺的輸出數(shù)據(jù)進(jìn)行去噪處理。
[0027]具體方法:對(duì)MEMS陀螺輸出信號(hào)進(jìn)行分解，利用提升格式的小波分解方法，示意圖如圖2所示。提取出MEMS陀螺輸出信號(hào)的低頻部分與高頻部分。其步驟如下所示:
[0028](I)分裂:將輸入信號(hào)序列Xi分為互不相交的、長(zhǎng)度相同的偶數(shù)序列Θη和奇數(shù)序列Og兩組，即
[0029]Split (Xi) = (6^!, Oi^1) (I)
[0030]式中，{61-1;k=Xi,2k^ ? 01-l= {01-l，k=Xi，2k+J ? ? 為可長(zhǎng)度，k 為整數(shù)。
[0031](2)預(yù)測(cè):通常通過偶數(shù)序列Θη和預(yù)測(cè)算子P來預(yù)測(cè)奇數(shù)序列CV1，預(yù)測(cè)誤差dH稱為細(xì)節(jié)系數(shù)，對(duì)應(yīng)于Xi的高頻部分。預(yù)測(cè)過程如下:
[0032](Ih=Oh-P (2)
[0033]式中，P為預(yù)測(cè)算子，函數(shù)P表示如下:
【權(quán)利要求】
1.一種基于灰色小波神經(jīng)網(wǎng)絡(luò)的MEMS陀螺隨機(jī)誤差預(yù)測(cè)方法，其特征是: 步驟1:對(duì)MEMS陀螺的輸出數(shù)據(jù)進(jìn)行預(yù)處理，采集MEMS陀螺的輸出數(shù)據(jù)，對(duì)輸出數(shù)據(jù)小波分析，選取Db4小波函數(shù)對(duì)陀螺的輸出數(shù)據(jù)進(jìn)行去噪處理； 步驟2:對(duì)去噪后的MEMS陀螺的輸出數(shù)據(jù)進(jìn)行分組，確定輸入向量和目標(biāo)向量； 步驟3:構(gòu)建灰色小波網(wǎng)絡(luò)預(yù)測(cè)模型，確定灰色小波網(wǎng)絡(luò)的輸入節(jié)點(diǎn)數(shù)，輸出節(jié)點(diǎn)數(shù)，隱含層節(jié)點(diǎn)數(shù)，初始化網(wǎng)絡(luò)； 步驟4:對(duì)所建網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并保存網(wǎng)絡(luò)用來預(yù)測(cè)陀螺隨機(jī)誤差的趨勢(shì)。
2.根據(jù)權(quán)利要求1所述的基于灰色小波神經(jīng)網(wǎng)絡(luò)的MEMS陀螺隨機(jī)誤差預(yù)測(cè)方法，其特征是所述對(duì)輸出數(shù)據(jù)小波分析具體方法為: (O分裂:將輸入信號(hào)序列Xi分為互不相交的、長(zhǎng)度相同的偶數(shù)序列Θη和奇數(shù)序列CV1兩組，即
Split (Xi) = (Θη, Oh) 其中，, Oi^1= (Oi^k=Xi 2ktJ , i 為信號(hào)長(zhǎng)度，k 為整數(shù)； (2)預(yù)測(cè):通過偶數(shù)序列eg和預(yù)測(cè)算子P來預(yù)測(cè)奇數(shù)序列Cv1,預(yù)測(cè)誤差dH稱為細(xì)節(jié)系數(shù)，對(duì)應(yīng)于Xi的高頻部分，預(yù)測(cè)過程如下: 其中，P為預(yù)測(cè)算子，函數(shù)P表示如下:
3.根據(jù)權(quán)利要求2所述的基于灰色小波神經(jīng)網(wǎng)絡(luò)的MEMS陀螺隨機(jī)誤差預(yù)測(cè)方法，其特征是:所述選取Db4小波函數(shù)對(duì)陀螺的輸出數(shù)據(jù)進(jìn)行去噪處理是采用改進(jìn)閾值的方法對(duì)信號(hào)進(jìn)行閾值處理，閾值函數(shù)為:

4.根據(jù)權(quán)利要求1所述的基于灰色小波神經(jīng)網(wǎng)絡(luò)的MEMS陀螺隨機(jī)誤差預(yù)測(cè)方法，其特征是所述對(duì)去噪后的MEMS陀螺的輸出數(shù)據(jù)進(jìn)行分組具體為: 對(duì)去噪后的數(shù)據(jù)表示為[χι，χ2，…，x5_]，n個(gè)數(shù)據(jù)為一個(gè)樣本，前n-1個(gè)數(shù)據(jù)[χι，χ2，…，Xn-J1作為輸入數(shù)據(jù)，第η個(gè)數(shù)據(jù)Xn為目標(biāo)值，選取m個(gè)輸入向量和目標(biāo)向量，輸入向量為P- [Pi，P2，…，Pm]，其中 P1- [Xi，Xi+1，…，Xi+nJ，? —I) 2,…，Π1，目豐不向里為[Xn，Xn+D …，Xn+nJ ，將陀螺的輸出數(shù)據(jù)每10個(gè)數(shù)據(jù)為一組作為輸入向量，后一個(gè)數(shù)據(jù)為目標(biāo)向量；共形成500組輸入向量，500個(gè)目標(biāo)向量，即n=ll, m=500。
5.根據(jù)權(quán)利要求1所述的基于灰色小波神經(jīng)網(wǎng)絡(luò)的MEMS陀螺隨機(jī)誤差預(yù)測(cè)方法，其特征是所述構(gòu)建灰色小波網(wǎng)絡(luò)預(yù)測(cè)模型的過程如下: 設(shè)時(shí)間數(shù)據(jù)序列為:
6.根據(jù)權(quán)利要求1所述的基于灰色小波神經(jīng)網(wǎng)絡(luò)的MEMS陀螺隨機(jī)誤差預(yù)測(cè)方法，其特征是所述對(duì)所建網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并保存網(wǎng)絡(luò)用來預(yù)測(cè)陀螺隨機(jī)誤差的趨勢(shì)具體包括:應(yīng)用灰色小波網(wǎng)絡(luò)模擬函數(shù):
Xn=f (X1, X!+X2,…，Xi+Xa+...+Xlri) 式中，η為輸入數(shù)據(jù)個(gè)數(shù)， 對(duì)構(gòu)建的網(wǎng)絡(luò)進(jìn)行訓(xùn)練，將步驟2中分組后的輸入向量ρ=[ρι，ρ2，…，pm]利用灰色理論運(yùn)算法則處理得到QP，QP作為網(wǎng)絡(luò)的輸入向量，目標(biāo)向量[xn，xn+1, -,xn+ffl]T作為網(wǎng)絡(luò)的預(yù)測(cè)輸出，訓(xùn)練網(wǎng)絡(luò)，其中n=ll，m=500，當(dāng)網(wǎng)絡(luò)達(dá)到設(shè)定的目標(biāo)值時(shí)或達(dá)到最大迭代次數(shù)時(shí)保存網(wǎng)絡(luò)，輸入數(shù)據(jù)，預(yù)測(cè)MEMS陀螺的隨機(jī)誤差值。
【文檔編號(hào)】G01C25/00GK103900610SQ201410121057
【公開日】2014年7月2日 申請(qǐng)日期:2014年3月28日 優(yōu)先權(quán)日:2014年3月28日
【發(fā)明者】沈鋒, 蘭曉明, 桑靖, 張金麗, 周陽(yáng), 遲曉彤, 韓浩, 劉向鋒, 李偉東 申請(qǐng)人:哈爾濱工程大學(xué)