[发明专利]基于优化LS-SVM的光纤陀螺温度漂移误差补偿方法

权利要求书

1.一种基于优化LS-SVM的光纤陀螺温度漂移误差补偿方法，其特征在于：利用人工鱼群算法优化光纤陀螺温度漂移误差的LS-SVM模型参数，具体步骤包括：

(1)将AFSA算法和LS-SVM模型参数初始化；

(2)根据光纤陀螺输出数据确定模型训练和测试的样本数据，并对模型输入数据进行去噪和去除趋势项预处理；

(3)利用步骤(2)所得的训练数据训练LS-SVM模型，通过AFSA算法中的迭代寻优步骤以及目标函数来确定最优的参数；

(4)根据训练好的模型预测光纤陀螺的输出并进行温度漂移误差的补偿；

其中，步骤(1)中初始化的模型参数包括群体规模N、最大迭代次数M、人工鱼个体的视野范围Visual、人工鱼个体的移动步长Step和拥挤度因子δ，初始化数据后在变量可行域内随机生成N个人工鱼，根据形成的初始鱼群确定对应的待寻优LS-SVM的变量惩罚参数c和核宽度参数σ，人工鱼个体X＝(X₁X₂…X_n)，其中X_i(i＝1,2…n)为各寻优变量；人工鱼个体当前所在位置的食物浓度设为Y，且有Y＝(Y₁Y₂…Y_n)＝f(X)，各人工鱼之间距离d_ij为d_ij＝||X_i-X_j||。

2.根据权利要求1所述的基于优化LS-SVM的光纤陀螺温度漂移误差补偿方法，其特征在于：在所述步骤(1)中对LS-SVM模型参数初始化后，通过测量所得的光纤陀螺工作温度和温度漂移输出的训练样本来确定惩罚参数c和核宽度参数σ。

3.根据权利要求1所述的基于优化LS-SVM的光纤陀螺温度漂移误差补偿方法，其特征在于：所述步骤(2)中LS-SVM模型的输入设置为当前时刻的温度和前一时刻的陀螺输出，模型输出为下一时刻的陀螺输出，即预测输出数据。

4.根据权利要求1所述的基于优化LS-SVM的光纤陀螺温度漂移误差补偿方法，其特征在于：所述步骤(3)中确定最优参数的具体步骤如下：

(31)用训练样本数据训练LS-SVM模型，将更新后的LS-SVM预测结果的均方根误差作为人工鱼所在位置的浓度值，把得到的最大浓度值及参数结果存入公告板，选择对应浓度大的行为作为下一时刻的执行行为，通过比较不同参数下的浓度值，得到每次迭代后的最优值；

(32)当迭代次数达到设置的最大迭代次数时结束循环，并将全局最优的人工鱼状态映射为最优的LS-SVM模型参数，然后结束模型参数的寻优。

5.根据权利要求1所述的基于优化LS-SVM的光纤陀螺温度漂移误差补偿方法，其特征在于：所述步骤(4)中采用测试数据进行模型输出预测和误差补偿，通过比较不同算法的光纤陀螺温度漂移误差补偿结果来确定模型的优越性。