[发明专利]基于小波降噪和神经网络的光纤陀螺温度漂移补偿方法

说明书

本发明涉及一种基于小波降噪和神经网络的光纤陀螺温度漂移补偿方法。其克服了现有技术存在的抑制温度漂移效果有限的问题。本发明采用的步骤为步骤(1):对光纤陀螺进行温度测试实验，获得学习样本数据；步骤(2):对光纤陀螺温度漂移原始数据和温度数据进行平滑处理，便于后续处理；步骤(3):通过小波分解对光纤陀螺原始数据进行处理，降低原始数据中的随机噪声，保留由温度带来的漂移量；步骤(4):将步骤(2)得到的温度数据和经步骤(3)滤波后的光纤陀螺数据作为学习样本，采用粒子群算法优化BP神经网络模型得到光纤陀螺温度漂移模型；步骤(5):根据步骤(4)中温度漂移模型，预测光纤陀螺在不同温度条件下的漂移量，实时补偿温度漂移。

技术领域

本发明涉及一种惯性导航和伺服控制领域的光纤陀螺温度漂移补偿方法，适用于包含光纤陀螺的测量仪器，具体涉及一种基于小波降噪和神经网络的光纤陀螺温度漂移补偿方法。

背景技术

光纤陀螺是一种基于Sagnac效应的光电惯性敏感器件，广泛应用于伺服控制和惯性导航等领域，在实际应用中要求有较宽的工作温度范围(-40℃～60℃)。

光纤陀螺的主要器件如光纤环圈、光源易受温度变化的影响，导致光纤陀螺输出随温度发生漂移，这种漂移会降低光纤陀螺的测量精度。抑制光纤陀螺温度漂移的方法一般采用改进光纤陀螺结构和部件、改善光纤绕环技术等方法，由于光纤陀螺的工作原理和各部件存在温度特性，采用上述方法抑制温度漂移的效果有限。

发明内容

本发明提出了基于小波降噪和神经网络的光纤陀螺温度漂移补偿方法，要克服现有技术存在的抑制温度漂移效果有限的问题。

为了达到本发明的目的，本发明提供了基于小波降噪和神经网络的光纤陀螺温度漂移补偿方法，

本发明的技术方案如下：

步骤(1)、对光纤陀螺进行温度测试实验，获得学习样本数据；

步骤(2)、对光纤陀螺温度漂移原始数据和温度数据进行平滑处理，便于后续处理；

步骤(3)、通过小波分解对光纤陀螺原始数据进行处理，降低原始数据中的随机噪声，保留由温度带来的漂移量；

步骤(4)、将步骤(2)得到的温度数据和经步骤(3)滤波后的光纤陀螺数据作为学习样本，采用粒子群算法优化BP神经网络模型得到光纤陀螺温度漂移模型；

步骤(5)、根据步骤(4)中温度漂移模型，预测光纤陀螺在不同温度条件下的漂移量，实时补偿温度漂移。

上述步骤(1)中所述的小波降噪所采用的基函数经过对比实验，选择为sym8，分解层数为5层。

上述步骤(1)中所述的小波降噪对于阈值的选取经过对比实验，选择为启发式sure阈值法。

上述步骤(2)中所述的粒子群优化BP神经网络时，是将神经网络各层的连接权值编码成粒子，每个粒子在空间中的位置向量与BP神经网络各层的权值和阈值对应，适应度值则为使用该组权值时的网络输出均方误差。

与现有技术相比，本发明的优点是：

本发明的优点在于：

1、本发明采用小波降噪对光纤陀螺原始信号进行处理，可有效降低了信号中的高频噪声且保留了温度漂移量，在小波降噪中对于阈值的计算采用了启发式sure阈值法和软阈值过滤，不仅可以有效降低信号噪声保留温度漂移量，而且可以去除明显的异常突变数据，提高了光纤陀螺在不同温度下的测量精度