[发明专利]应用改进动态递归网络的MEMS陀螺随机漂移建模方法

权利要求书

1.一种应用改进动态递归网络的MEMS陀螺随机漂移建模方法，其特征在于，包括以下步骤：

建立MEMS陀螺的输出误差模型，分析影响陀螺输出的主要误差源，得到高频白噪声和低频随机漂移这两个主要误差源；

采集MEMS陀螺静态输出数据，采用去噪算法分离高频白噪声和低频随机漂移，提取陀螺输出信号中的随机漂移；

将提取出的随机漂移作为训练数据输入改进动态递归网络，大量训练改进动态递归网络，获得最优网络模型；

将未训练的测试数据输入最优网络模型，获得MEMS陀螺的随机漂移预测输出，完成对MEMS陀螺随机漂移的动态建模。

2.根据权利要求1所述的一种应用改进动态递归网络的MEMS陀螺随机漂移建模方法，其特征在于，所述MEMS陀螺的输出误差模型为：

ω(t)＝ω_iesinL+ε_d+D_r+W(t) (1)

其中，ω_ie为地球自转角速率；L为当地纬度；ε_d为常值零偏，即当输入角速度为零时的陀螺输出常量，可通过标定实验加以补偿；D_r为漂移误差，具有随机性、趋势性和周期性；W(t)为与时间相关的零均值白噪声。

3.根据权利要求1所述的一种应用改进动态递归网络的MEMS陀螺随机漂移建模方法，其特征在于，将提取出的随机漂移作为训练数据输入动态递归网络，大量训练改进动态递归网络，获得最优网络模型，具体包括以下步骤：

1)以提取出的随机漂移作为改进动态递归网络的样本数据，网络输入为过去时刻的MEMS陀螺随机漂移，设置输入层包含4个节点，分别代表前4个时刻的随机漂移数据；网络输出为当前时刻的MEMS陀螺的随机漂移，设置输出层包含1个节点，代表当前时刻的随机漂移数据；隐层输出通过连接层的延迟和存储反馈到隐层输入，根据试探法设置隐藏层为2层，每个隐藏层包含10个节点，改进动态递归网络为四输入、单输出的四层神经网络，其数学模型为：

x(k)＝f(w^l1x_c(k)+w^l2u(k-1)+w^l4y_c(k)) (2)

x_c(k)＝αx_c(k-1)+x(k-1) (3)

y_c(k)＝γy_c(k-1)+y(k-1) (4)

y(k)＝g(w^l3x(k)) (5)

其中，w^l1为连接层节点与隐层节点的连接权矩阵，w^l2为输入单元与隐层单元的连接权矩阵，w^l3为隐层节点与输出单元的连接权矩阵，w^l4为具有输出层节点反馈的连接层节点与隐层节点的连接权矩阵，x_c(k)和x(k)分别表示连接层节点和隐层节点的输出，y_c(k)和y(k)分别表示该连接层节点与输出层节点的输出，α、γ(0≤α＜1,0≤γ＜1)分别为隐层和输出层的自连接反馈增益因子；

2)将去噪后的随机漂移作为训练样本输入改进动态递归网络，根据式(3)和(4)分别计算自联到隐层反馈和输出层反馈的连接层节点输出，根据式(2)和(5)分别计算隐层节点和输出层节点输出，代入误差函数公式计算实际输出与期望输出的误差函数；

3)当误差未达到设定精度时，采用反向传播算法不断训练网络，更新网络参数；当误差下降到设定精度时，得到最优网络模型。

4.根据权利要求3所述的一种应用改进动态递归网络的MEMS陀螺随机漂移建模方法，其特征在于，设第k步的网络实际输出为y_d(k)，则所述误差函数公式为：

5.根据权利要求1-3任一项所述的一种应用改进动态递归网络的MEMS陀螺随机漂移建模方法，其特征在于，所述去噪算法选用小波变换方法。