国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      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

      文檔序號(hào):6222363閱讀:266來源:國(guó)知局
      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)
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
      1