[发明专利]基于局部可变集成神经网络的光纤陀螺随机漂移建模方法

说明书

技术领域

本发明属于惯性技术领域，涉及一种光纤陀螺，特别涉及一种干涉式光纤陀螺的随机漂移误差建模方法，适用于各种光纤陀螺仪。

背景技术

光纤陀螺具有极高的民用和军用价值，在开发研制上备受国家重视，从80年代开始国家逐步加大在该研究上的资金投入。光纤陀螺是一种基于Sagnac效应的测量仪表，它利用固态的全光纤结构实现载体自转角速度的测量。与传统的机械陀螺相比有很多优点，如精度高、耐冲击、抗震性好、动态范围大、对重力加速度不敏感等。但是光纤陀螺还有一些缺点，在目前的实际应用中，光纤陀螺更多的只能用于中低精度的导航系统中，还没有达到高精度的要求。

光纤陀螺在工程应用上遇到的一个严重问题就是陀螺易受周围环境的影响，如温度等。由于构成光纤陀螺的核心部件对温度较为敏感，所以当工作环境温度发生变化时，在陀螺的输出信号中将产生非互易相位误差。这种误差是导致光纤陀螺零位漂移和标度因数不稳定的主要原因，严重制约着光纤陀螺的输出精度，从而制约了光纤陀螺在高精度惯性导航系统中的进一步应用。

随着光纤陀螺的普及和推广，摸清其漂移特性、抑制光纤陀螺的漂移已经成为科研工作者迫切需要解决的问题。目前工程上对于抑制光纤陀螺的漂移主要有两种思路：光纤陀螺内部控制和外部对漂移的建模补偿。第一种方案从陀螺内部的角度考虑，最大程度上削弱光纤陀螺的线圈、光源和光学元件对周围环境的敏感性，提高光纤陀螺输出的稳定性。这种方案可以很大程度提高陀螺精度，但却增加了硬件的附加性，提高了成本，且在小型化、响应速度与可靠性等方面受到了极大限制，因此工程中一般不采用这种方法；后者从光纤陀螺的输出信号出发，在对光纤陀螺的漂移特性进行分析建模的基础上，通过软件技术来实现光纤陀螺的漂移补偿，直接提高其输出精度。这是一种纯数学方法，仅仅通过建立陀螺漂移的模型，通过在线或离线补偿技术直接保证了光纤陀螺的使用精度，不需要额外增加任何设备和设施，因此不会产生额外的硬件成本，补偿的方法适用范围很广，对于各种精度的陀螺都可以适用。

然而，传统的软件方法只是在某一静态温度下实现对光纤陀螺的建模，建模精度只能在某一较小适用温度范围内保持较高水准，建模系统的适用性较低，泛化能力较差。为了能从工程应用的角度针对陀螺漂移进行全面、系统的研究和分析，就必须实现光纤陀螺温度随机漂移的动态建模。

发明内容

本发明的技术解决问题：克服现有技术的不足，提出了一种基于局部可变集成神经网络的光纤陀螺随机漂移建模方法，该方法利用信息融合技术，实现了光纤陀螺随机漂移的动态建模，对不同温度下的光纤陀螺信号均可得到较高的建模精度，极大的提高了网络的泛化能力、拓展了建模网络的应用范围，且易于实现。

本发明为实现上述目的，采用如下技术方案：

本发明基于局部可变集成神经网络的光纤陀螺随机漂移建模方法，包括如下步骤：

(1)建立神经网络模型

选取光纤陀螺的原始输出信号为神经网络的输入和输出构建神经网络模型，选择带有不同数据预处理器的RBF神经网络作为子神经网络；

(2)获取学习样本

以特征温度下的光纤陀螺输出信号作为学习样本，使学习样本覆盖所有可工作温度条件下的测量范围；

(3)训练集成神经网络

在步骤(1)得到的神经网络模型和步骤(2)得到的学习样本的基础上，对各组学习样本分别采用RBF算法训练神经网络得到各子网络的最优模型参数；设置基于温度的集成权矩阵，依据温度的变化来调整设定的权值矩阵，并集成个体神经网络；由个体神经网络构成训练集成神经网络；

(4)对光纤陀螺的随机漂移进行建模

将光纤陀螺原始输出信号输入步骤(3)所述的训练集成神经网络中，即可实现对光纤陀螺仪的误差建模。

优选地，步骤(1)中所述神经网络模型通过集成多个子神经网络对训练样本进行融合。

优选地，步骤(1)中所述的各子神经网络均带有不同的信号预处理器，即数据滤波器，其中一个子神经网络带有FLP滤波器，另一个子神经网络带有小波滤波器。

优选地，步骤(1)中所述各子神经网络是以光纤陀螺信号的前十个数据点作为输入，下一个数据点作为输出来构建的十输入、单输出的三层RBF神经网络，选择输入层节点为10，隐含层节点为20，输出层节点为1。

优选地，步骤(2)中所述特征温度为-10℃，0℃，10℃，30℃，50℃，在特征温度下采集光纤陀螺输出信号，使得训练样本覆盖所有可工作温度条件下的测量范围。