基于小波與對角神經(jīng)網(wǎng)絡(luò)的陀螺誤差建模及其應(yīng)用研究.pdf

1、在工程領(lǐng)域，無論何種形式的對象，信息感知都是一項(xiàng)重要的課題。信息的感知可以是感知自己，感知對方或者感知環(huán)境。導(dǎo)航就是一種信息感知。無論何種載體，若想要到達(dá)目的地，都需要有導(dǎo)航信息來輔助運(yùn)動(dòng)控制。所以，導(dǎo)航的精度至關(guān)重要。為提升導(dǎo)航系統(tǒng)的精度和可靠性，人們提出了組合導(dǎo)航系統(tǒng)，通過組合不同種類的子導(dǎo)航系統(tǒng)，以克服子系統(tǒng)的局限并實(shí)現(xiàn)精度的提升。
　　在組合導(dǎo)航系統(tǒng)中，慣導(dǎo)系統(tǒng)往往處于主導(dǎo)地位，而慣導(dǎo)的精度又由慣性元件決定。與此同時(shí)，為進(jìn)

2、行組合導(dǎo)航的數(shù)據(jù)融合，需要根據(jù)各子系統(tǒng)構(gòu)建精確的數(shù)學(xué)模型，否則將會(huì)使組合導(dǎo)航變得毫無優(yōu)勢可言。因此，慣性元件誤差的精確模型，對于誤差的補(bǔ)償或者組合導(dǎo)航系統(tǒng)的構(gòu)建均具有重要意義。針對這一點(diǎn)，本文從組合建模的觀點(diǎn)出發(fā)，組合使用小波閾值去噪和對角神經(jīng)網(wǎng)絡(luò)對慣性元件隨機(jī)誤差進(jìn)行建模。并在基于偽距、偽距率的組合導(dǎo)航系統(tǒng)中使用了這種模型以證明其有效性。
　　首先，對INS/GNSS組合導(dǎo)航相關(guān)的模型進(jìn)行了介紹和推導(dǎo)，其中包括慣導(dǎo)誤差方程、GN

3、SS相關(guān)原理以及組合導(dǎo)航系統(tǒng)的構(gòu)建等。并且在模型推導(dǎo)時(shí)，盡量不做簡化處理，保留更完整的參數(shù)信息。
　　其次，使用Allan方差和功率譜密度對光纖陀螺的實(shí)測數(shù)據(jù)進(jìn)行分析，并發(fā)現(xiàn)使用傳統(tǒng)的隨機(jī)數(shù)、相關(guān)噪聲加白噪聲的假設(shè)模型不足以精確描述其隨機(jī)誤差，而若使用ARMA模型則操作復(fù)雜且表現(xiàn)力不足。為此，根據(jù)分析所得，本文選用小波閾值去噪對陀螺進(jìn)行一步消噪處理。在小波閾值去噪時(shí)，文中提供了一個(gè)求取分解層次參考值的方法并對比了各種閾值去噪規(guī)則的

4、效果。仿真結(jié)果表明，在消噪后，陀螺的中、高頻噪聲被有效濾除。
　　再次，針對去噪后殘留的陀螺隨機(jī)誤差具有低頻和相關(guān)性的特點(diǎn)，使用對角神經(jīng)網(wǎng)絡(luò)進(jìn)行時(shí)序建模。為加速網(wǎng)絡(luò)的收斂，使用LM算法改進(jìn)了對角神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法；討論了對角神經(jīng)網(wǎng)絡(luò)時(shí)序建模的優(yōu)勢，證明了使用對角神經(jīng)網(wǎng)絡(luò)更方便快捷。在接受模型檢驗(yàn)后，對角神經(jīng)網(wǎng)絡(luò)的模型殘差為零均值的白噪聲，這也將為組合導(dǎo)航濾波帶來了便利。仿真結(jié)果表明，使用對角神經(jīng)網(wǎng)絡(luò)對陀螺這些殘留隨機(jī)誤差建模取得了