一種遺傳算法優(yōu)化動態(tài)遞歸神經(jīng)網(wǎng)絡(luò)的光纖陀螺溫度漂移建模方法
【專利摘要】本發(fā)明公開了一種遺傳算法優(yōu)化動態(tài)遞歸神經(jīng)網(wǎng)絡(luò)的光纖陀螺溫度漂移建模方法,包括以下四個步驟:(1)網(wǎng)絡(luò)參數(shù)初始化,建立改進Elman神經(jīng)網(wǎng)絡(luò)模型;(2)訓(xùn)練及測試樣本的獲??;(3)訓(xùn)練改進Elman神經(jīng)網(wǎng)絡(luò)并通過遺傳算法優(yōu)化模型參數(shù);(4)光纖陀螺預(yù)測輸出及誤差補償。通過引入具有自反饋連接權(quán)的改進Elman神經(jīng)網(wǎng)絡(luò)來對經(jīng)去噪算法處理的光纖陀螺輸出進行訓(xùn)練,并采用遺傳算法不斷迭代優(yōu)化模型參數(shù),根據(jù)不同參數(shù)下模型的誤差大小,從而得到最優(yōu)的模型。本發(fā)明在兼顧算法復(fù)雜性的同時提高了光纖陀螺溫度漂移模型的準(zhǔn)確性,拓展了其在工程中的應(yīng)用,具有一定的實際意義。
【專利說明】一種遺傳算法優(yōu)化動態(tài)遞歸神經(jīng)網(wǎng)絡(luò)的光纖陀螺溫度漂移建模方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于慣性【技術(shù)領(lǐng)域】,涉及一種陀螺儀漂移建模方法,特別涉及一種光纖陀螺在溫度變化的工作環(huán)境中溫度漂移建模方法。
【背景技術(shù)】
[0002]光纖陀螺作為新一代的光學(xué)傳感器,以其獨特的優(yōu)勢,越來越廣泛的應(yīng)用于大量的精密儀器系統(tǒng)中。然而由于構(gòu)成光纖陀螺的核心部件對溫度較為敏感,因此當(dāng)環(huán)境溫度改變時,光纖陀螺的輸出信號中將伴有溫度漂移誤差。溫度漂移作為光纖陀螺最主要的誤差源之一,嚴(yán)重制約著光纖陀螺的精度,因此有必要采取溫度誤差建模補償?shù)姆椒▉碛枰韵?。根?jù)光纖陀螺的Shupe效應(yīng),在一定的溫度變化情況下,產(chǎn)生的非互易相位噪聲是確定的。對溫度漂移誤差的補償方法不同于一般的器件改進,對光纖陀螺溫度特性進行實驗研究,建立溫度漂移模型并實施溫度補償也是可行的,這種方法也是工程上解決光纖陀螺溫度漂移問題的有效手段之一。
[0003]在已有的光纖陀螺漂移建模方法中,對于中低精度光纖陀螺,軟件補償方法能夠基本滿足工作要求,對于中高精度光纖陀螺,也能達到有條件的適用。已有的研究結(jié)果表明光纖陀螺的零偏漂移是一個非平穩(wěn)隨機過程,對其進行建模的實質(zhì)是找出描述其隨機時間序列統(tǒng)計相關(guān)性的數(shù)學(xué)表示,即零偏穩(wěn)定性數(shù)學(xué)模型,工程上常采用簡易可行的線性或分段線性模型結(jié)構(gòu),如ARMA,但精度有限。
[0004]為了提高模型的擬合精度,考慮到光纖陀螺的溫度特性受多種因素影響,具有非常復(fù)雜的非線性特性,而人工神經(jīng)網(wǎng)絡(luò)是非線性建模問題中最常用的一種建模方法,它具有信息的并行處理、分布式存儲和自組織、自學(xué)習(xí)能力等獨特優(yōu)勢,在許多應(yīng)用領(lǐng)域取得了巨大成功,在光纖陀螺溫度漂移誤差建模與補償中也受到了重視。
[0005]神經(jīng)網(wǎng)絡(luò)具有良好的逼近復(fù)雜非線性函數(shù)的能力,使用神經(jīng)網(wǎng)絡(luò)建立光纖陀螺溫度漂移模型,無需分別對零偏和標(biāo)度因子進行建模,溫度補償步驟得以簡化,補償精度得到提高,而且神經(jīng)網(wǎng)絡(luò)一旦訓(xùn)練達到要求,就能夠得出逼近光纖陀螺溫度特性的非線性函數(shù)的表達式,便于將訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)應(yīng)用在工程上。已有的相關(guān)文獻中提到遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò),后者克服了 BP神經(jīng)網(wǎng)絡(luò)固有的問題,利用局部逼近的總和達到對訓(xùn)練數(shù)據(jù)的全局逼近,可實現(xiàn)全局最優(yōu)。
[0006]此外,近些年一些新的算法也被研究者積極地運用到光纖陀螺溫度漂移建模中,如灰色徑向基神經(jīng)網(wǎng)絡(luò)(GRBFN)、投影尋蹤網(wǎng)絡(luò)(PPLN)、小波網(wǎng)絡(luò)以及模糊邏輯等。但這些算法具有一定的局限性,表現(xiàn)在對樣本數(shù)據(jù)、處理速度等方面均有較高要求。
【發(fā)明內(nèi)容】
[0007]發(fā)明目的:針對上述現(xiàn)有技術(shù),提出了一種遺傳優(yōu)化動態(tài)遞歸神經(jīng)網(wǎng)絡(luò)的光纖陀螺溫度漂移建模方法,該方法在較好的控制算法復(fù)雜度的同時能更好的擬合光纖陀螺溫度漂移,有效提高系統(tǒng)的穩(wěn)定性和預(yù)測精度。
[0008]技術(shù)方案:一種遺傳算法優(yōu)化動態(tài)遞歸神經(jīng)網(wǎng)絡(luò)的光纖陀螺溫度漂移建模方法,包括下列步驟:
[0009]步驟(1),建立改進Elman神經(jīng)網(wǎng)絡(luò)模型:
[0010]將光纖陀螺的環(huán)境溫度及前一時刻輸出數(shù)據(jù)作為模型的輸入量,當(dāng)前時刻光纖陀螺輸出作為模型的輸出量,構(gòu)建改進Elman神經(jīng)網(wǎng)絡(luò)模型;所述改進Elman神經(jīng)網(wǎng)絡(luò)模型為兩輸入、單輸出的四層神經(jīng)網(wǎng)絡(luò),數(shù)學(xué)模型表示為:
[0011 ]
【權(quán)利要求】
1.一種遺傳算法優(yōu)化動態(tài)遞歸神經(jīng)網(wǎng)絡(luò)的光纖陀螺溫度漂移建模方法,其特征在于,包括下列步驟: 步驟(1),建立改進Elman神經(jīng)網(wǎng)絡(luò)模型: 將光纖陀螺的環(huán)境溫度及前一時刻輸出數(shù)據(jù)作為模型的輸入量,當(dāng)前時刻光纖陀螺輸出作為模型的輸出量,構(gòu)建改進Elman神經(jīng)網(wǎng)絡(luò)模型;所述改進Elman神經(jīng)網(wǎng)絡(luò)模型為兩輸入、單輸出的四層神經(jīng)網(wǎng)絡(luò),數(shù)學(xué)模型表示為:x{k) =/[WJlXXk^WJqUik-1)]
xc (k) = a xc (k-1) +X (k-1) y{k) = g[WiJxm 式中,%表示隱含層與關(guān)聯(lián)層的連接權(quán)矩陣,表示隱含層與輸入層之間的連接權(quán)矩陣表示隱含層與輸出層的連接權(quán)矩陣,y(k)表示k時刻神經(jīng)網(wǎng)絡(luò)的輸出,u(k)表示k時刻神經(jīng)網(wǎng)絡(luò)的輸入,x(k)表示k時刻的隱含層狀態(tài),Xc;(k)表示k時刻關(guān)聯(lián)層中神經(jīng)元的狀態(tài),f (.)表示隱含層的激活函數(shù)所組成的非線性向量函數(shù),g(.)表示輸出層的激活函數(shù)所組成的非線性向量函數(shù),其中f (.)取sigmoid函數(shù);0 < α〈I為自連接反饋增益因子;i,j,q,k分別為對應(yīng)參數(shù)變化范圍內(nèi)的變量,取值范圍為1,2,3…N; 設(shè)第k步網(wǎng)絡(luò)的實際輸出為yd(k),定義誤差函數(shù)為:
Eik) = \ (yd (k) - y(k)f (yd (k) — y(k)) 步驟(2),獲取學(xué)習(xí)樣本: 以特征溫度下的光纖陀螺輸出信號作為學(xué)習(xí)樣本,使學(xué)習(xí)樣本能夠反映可工作溫度條件下的測量范圍; 步驟(3),訓(xùn)練改進Elman神經(jīng)網(wǎng)絡(luò)并通過遺傳算法優(yōu)化模型參數(shù): 根據(jù)所述步驟(1)得到的改進Elman神經(jīng)網(wǎng)絡(luò)模型和步驟(2)得到的樣本數(shù)據(jù),對各組學(xué)習(xí)樣本采用標(biāo)準(zhǔn)的BP算法訓(xùn)練,即可得到改進Elman神經(jīng)網(wǎng)絡(luò)模型參數(shù);再利用遺傳算法迭代得到最優(yōu)的模型參數(shù)包括權(quán)值和閾值從而得到最優(yōu)的神經(jīng)網(wǎng)絡(luò)模型; 步驟(4),將光纖陀螺原始輸出信號輸入步驟(3)所得的最優(yōu)的神經(jīng)網(wǎng)絡(luò)模型中,即可得到光纖陀螺預(yù)測輸出,從而對光纖陀螺溫度漂移進行補償。
2.根據(jù)權(quán)利要求1所述的一種遺傳算法優(yōu)化動態(tài)遞歸神經(jīng)網(wǎng)絡(luò)的光纖陀螺溫度漂移建模方法,其特征在于:所述步驟(1)中,光纖陀螺輸出先經(jīng)過去噪算法處理后,再用作模型的輸入和輸出量。
3.根據(jù)權(quán)利要求1所述的一種遺傳算法優(yōu)化動態(tài)遞歸神經(jīng)網(wǎng)絡(luò)的光纖陀螺溫度漂移建模方法,其特征在于:所述步驟(3)中利用遺傳算法迭代得到最優(yōu)的模型參數(shù)具體步驟如下:根據(jù)所述誤差函數(shù),對Elman神經(jīng)網(wǎng)絡(luò)模型進行誤差計算,將計算得到的誤差作為適應(yīng)度函數(shù),比較一定模型參數(shù)下的所述適應(yīng)度函數(shù)值大小,從而得到最優(yōu)的模型。
【文檔編號】G01C19/72GK103593538SQ201310619024
【公開日】2014年2月19日 申請日期:2013年11月28日 優(yōu)先權(quán)日:2013年11月28日
【發(fā)明者】陳熙源, 宋銳, 湯傳業(yè), 黃浩乾, 呂才平, 何昆鵬, 方琳 申請人:東南大學(xué)