[发明专利]制导系统陀螺漂移的Q-SVR预测方法

权利要求书

1.一种制导系统陀螺漂移的Q-SVR预测方法，归一化陀螺漂移模型的拉格朗日乘子、惩罚因子、不敏感参数以及核参数为单一变量；将约束条件作为惩罚项重构入目标函数中；采用梯度下降方式单层迭代计算目标函数的更新方向和更新步长，给出最优值陀螺漂移预测值。

2.根据权利要求1所述的一种制导系统陀螺漂移的Q-SVR预测方法，具体包括如下步骤：

步骤一：输入历史漂移数据(x_i，y_i)，...，(x_l，y_l)，预设收敛容忍度ω，障碍因子β，r₀，变量初值X₀；

步骤二：计算初始目标函数值J(X₀，r₀)，其中

J(X,r)=12Σi,j=1l(α^i-αi)(α^j-αj)K~(xi,xj)-Σi=ilyi(α^i-αi)+ϵΣi=1l(α^i+αi)+1rk(XTY~)2+rk1X]]>

其中：α_i为拉格朗日乘子，i＝1，2，...，l其中，l为历史漂移数据个数；

为修正核函数，K(x_i，x_j)为核函数，σ_ij、C为惩罚因子，的参数表示为Θ＝(C，θ₁，Λ，θ_d)^T，θ₁，Λ，θ_d为核参数值，d为核参数个数；

目标变量ε为不敏感度参数，α_A＝(α₁，Λ，α_l)^T，αB=(α^1,Λ,α^l)T;]]>

变量Y~=(Y1T,Y2T,Y3T)T;]]>

r_k为障碍因子序列，满足{r_k|r₀＞0，r_k+1＝β，0＜β＜1}；

步骤三：最小化目标函数J(X，r)，求解最优值；

步骤四：若有当前目标函数梯度值大于预设的收敛容忍度，则步骤终止，得到最优预测值。

3.根据权利要求1所述一种制导系统陀螺漂移的Q-SVR预测方法，其特征在于：步骤三中，所述最小化目标函数时采用梯度下降方式，具体为：在第k步中，优化目标变量X的更新方向为λ_k，λ_k通过线性规划过程得到；更新步长为P_k，计算P_k要用到H_k值和g_k值，H_k为海森矩阵，g_k为当前目标函数梯度值；更新完X_k后，计算H_k+1的值，用于下次迭代过程，E为单位矩阵，其他计算量公式如下：