CN100510633C - 一种基于神经网络进行温度补偿的光纤陀螺 - Google Patents
一种基于神经网络进行温度补偿的光纤陀螺 Download PDFInfo
- Publication number
- CN100510633C CN100510633C CN 200710063719 CN200710063719A CN100510633C CN 100510633 C CN100510633 C CN 100510633C CN 200710063719 CN200710063719 CN 200710063719 CN 200710063719 A CN200710063719 A CN 200710063719A CN 100510633 C CN100510633 C CN 100510633C
- Authority
- CN
- China
- Prior art keywords
- temperature
- output
- weights
- fiber optic
- neural network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Gyroscopes (AREA)
Abstract
本发明公开了一种基于神经网络进行温度补偿的光纤陀螺,是采用神经网络学习算法进行的温度漂移补偿方式,经该温度补偿方法获得的修正温度补偿系数是为光纤陀螺高精度输出提供参数。根据光纤陀螺工作时,温度对光纤陀螺输出造成的影响,分别在光源处安装温度传感器A、Y波导处安装温度传感器B、光纤环内侧安装温度传感器C和光纤环外侧安装温度传感器D,通过四个温度传感器采集的温度变化、以及采用神经网络学习算法进行温度补偿模型训练,使所建温度漂移补偿具有较好的非线性映射能力、自学习能力和泛化能力;对温度漂移补偿的系数测量是在调试阶段测得的,减少了使用时陀螺运算量。
Description
技术领域
本发明涉及一种对干涉型光纤陀螺输出精度进行温度漂移补偿的方法,更特别地说,是指一种基于神经网络进行温度漂移补偿的光纤陀螺。
背景技术
干涉型光纤陀螺是一种测量角速度的仪器,其硬件包括光源1、耦合器2、Y波导3、光纤环4、探测器5和信号处理装置6组成(请参见图1所示)。所述的信号处理装置6包括用于检测探测器5输出的光功率信号的检测电路61、A/D转换器62、中心处理器63、D/A转换器64和放大调理电路65组成(请参见图2所示)。干涉型光纤陀螺对角速度的测量是通过在光纤环4中传播的两束相向的光在光纤陀螺自身的转动中,引起的非互易相位差的大小来表征的。陀螺是敏感相对于惯性空间角运动的装置。它作为一种重要的惯性敏感器,用于测量运载体的姿态角和角速度,是构成惯性系统的核心器件。应用在飞行器导航、舰船导航和陆用导航中。
光纤陀螺受温度影响显著。温度对光纤陀螺的影响主要体现在光纤环、光源及Y波导上。由于Shupe噪声,温度梯度将使光纤环产生热致非互易噪声和温度相位波动噪声。光源的输出功率、中心波长、光谱宽度等都随温度变化而改变。温度对Y波导的影响主要体现消光比及分束比上。
采用神经网络来补偿温度对光纤陀螺输出的影响,其具有良较好的非线性映射能力、自学习能力和泛化能力,能较好的补偿光纤陀螺的温度漂移,从而有效地提高了光纤陀螺输出测量值的精确度。
发明内容
本发明的目的是提出基于神经网络进行温度漂移补偿的光纤陀螺,所获得的光纤陀螺在较大的温度范围内具有较高的输出精度。本发明通过在光纤环4内外两侧、光源1及Y波导3设置四个温度传感器,以监测光纤环4上的温度梯度和光源1、Y波导3上的温度值及其变化,从而进行光纤陀螺的温度漂移的建模与补偿。在建模阶段,采集四个温度传感器的实时温度与光纤陀螺产生的温度漂移数据,并进行基于神经网络的光纤陀螺温度漂移补偿建模,从而获得修正的神经网络权值系数。陀螺正常使用时,由在光纤环4内外两侧、光源1、及Y波导3设置的四个温度传感器进行温度读取,由当前温度值与建模阶段获得的神经网络权值系数计算出神经网络输出,即为当前温度漂移的补偿值。在陀螺的输出结果中减去当前温度漂移的补偿值获得补偿后的陀螺输出,完成陀螺的温度补偿。
本发明是一种基于神经网络进行温度补偿的光纤陀螺,首先对所需温度补偿权值系数采用神经网络学习算法进行获取,然后通过对四个温度传感器实测的温度进行比较,从而实现光纤陀螺在有温度影响的条件下的补偿。在本发明中,温度补偿两个步骤在于神经网络的权值系数提取及使用神经网络的权值系数进行温度补偿。
一、神经网络的权值系数提取的步骤如下:
(A)对输出权值wj、输入权值vij进行初始化,其中,wj=0.5,vij=0.5;
(B)接收光源温度T1、Y波导温度T2、光纤环内侧温度T3、光纤环外侧温度T4和建模阶段光纤陀螺产生的温度漂移数据AIM;
(C)使用(B)步骤接收到的数据采用迭代运算调节(A)步骤中的输出权值wj、输入权值vij,获得修正后输出权值awj、修正后输入权值avij。
当获得修正后输出权值awj、修正后输入权值avij后,使用的神经网络学习算法结束。
二、使用神经网络的权值系数进行温度补偿的步骤如下:
(A′)正常工作时,中心处理器63实时在线接收当前光源温度t1C、当前Y波导温度t2C、当前光纤环内侧温度t3C、当前光纤环外侧温度t4C;
(B′)并将由(A′)步骤采集的当前温度数据与修正后输出权值awj、修正后输入权值avij运用温度补偿模型计算出温度漂移补偿值d;
(C′)采用中心处理器63中的当前角速度信息a减去(B′)步骤的温度漂移补偿值d得到工作状态下的陀螺输出ao。
经实验验证,补偿后的陀螺输出ao精度提高了60~80%。对工作温度造成的干涉型光纤陀螺输出影响进行温度漂移补偿,大大提高了光纤陀螺工作的温度范围-20℃~60℃内的精度,使干涉型光纤陀螺具有更强的温度适应性。
采用神经网络进行温度补偿模型训练,使所建温度漂移补偿具有较好的非线性映射能力、自学习能力和泛化能力;对温度漂移补偿的权值系数测量是在调试阶段测得的,减少了使用时陀螺运算量。
附图说明
图1是本发明干涉型光纤陀螺装配有传感器的结构示意图。
图2是干涉型光纤陀螺的信号处理装置的结构框图。
图3是本发明获取权值的算法原理框图。
图4是本发明温度补偿模型结构示意图。
图中: 1.光源 2.耦合器 3.Y波导 4.光纤环5.探测器 6.信号处理装置 61.检测电路 62.A/D转换器 63.中心处理器64.D/A转换器 65.放大调理电路7.温度传感器A 8.温度传感器B 9.温度传感器C 10.温度传感器D
具体实施方式
下面将结合附图对本发明作进一步的详细说明。
本发明是一种基于神经网络进行温度补偿的光纤陀螺,是采用神经网络学习算法进行的温度漂移补偿方式,经该方式获得的修正温度漂移补偿横暴权值系数是为光纤陀螺高精度输出提供必要参数。
请参见图1所示,根据光纤陀螺工作时,温度对光纤陀螺输出造成的影响,分别在光源1处安装温度传感器A7、Y波导3处安装温度传感器B8、光纤环4内侧安装温度传感器C9和光纤环4外侧安装温度传感器D10,所述温度传感器A7用于采集光源1处的光源温度T1,所述温度传感器B8用于采集Y波导3处的Y波导温度T2,所述温度传感器C9用于采集光纤环4内侧处的内环温度T3,所述温度传感器D10用于采集光纤环4外侧处的外环温度T4。
在本发明中,四个温度传感器将采集到的温度数据输出给中心处理器63进行相关信息的处理,其该温度补偿方法的系数在调试阶段计算出来,以在实际应用陀螺时进行温度补偿。
本发明是一种基于神经网络进行温度补偿的光纤陀螺,首先对所需温度补偿权值系数采用神经网络学习算法进行获取,然后通过对四个温度传感器实测的温度进行比较,从而实现光纤陀螺在有温度影响的条件下的补偿。在本发明中,温度补偿模型编写在所述光纤陀螺的信号处理装置6的中心处理器63中,温度补偿两个步骤在于神经网络的权值系数提取及使用神经网络的权值系数进行温度补偿(如图1、图3、图4所示)。
一、神经网络的权值系数提取的步骤如下:
(A)对输出权值wj、输入权值vij进行初始化,其中,wj=0.5,vij=0.5;
(B)接收光源温度T1、Y波导温度T2、光纤环内侧温度T3、光纤环外侧温度T4和建模阶段光纤陀螺产生的温度漂移数据AIM;
(C)使用(B)步骤接收到的数据采用迭代运算调节(A)步骤中的输出权值wj、输入权值vij,获得修正后输出权值awj、修正后输入权值avij。
当获得修正后输出权值awj、修正后输入权值avij后,使用的神经网络学习算法结束。采用神经网络进行温度补偿模型训练,使所建温度漂移补偿具有较好的非线性映射能力、自学习能力和泛化能力;对温度漂移补偿的系数测量是在调试阶段测得的,减少了使用时陀螺运算量。
二、使用神经网络的权值系数进行温度补偿的步骤如下:
(A′)正常工作时,中心处理器63实时在线接收当前光源温度t1C、当前Y波导温度t2C、当前光纤环内侧温度t3C、当前光纤环外侧温度t4C;
(B′)并将由(A′)步骤采集的当前温度数据与修正后输出权值awj、修正后输入权值avij运用温度补偿模型计算出温度漂移补偿值d;
(C′)采用中心处理器63中的当前角速度信息a减去(B′)步骤的温度漂移补偿值d得到工作状态下的陀螺输出ao。
经实验验证,补偿后的陀螺输出ao精度提高了60~80%。对工作温度造成的干涉型光纤陀螺输出影响进行温度漂移补偿,大大提高了光纤陀螺工作的温度范围-20℃~60℃内的精度,使干涉型光纤陀螺具有更强的温度适应性。
请参见图4所示,在本发明中,温度补偿模型采用三层BP网络,输出层取线性函数,隐层取六个节点,加入t0=-1为隐层神经元引入阈值,加入y0=-1为输出层神经元引入阈值。其中,输入层到隐层之间的权值矩阵用V表示,V=(V1,V2,V3,V4,V5,V6),列向量Vj=(v0j,v1j,v2j,v3j,v4j)为输入层对应隐层第j个神经元的权向量,vij为第i个输入到隐层第j个神经元的权值;隐层到输出层之间的权值矩阵用W表示,W=(w0,w1,w2,w3,w4,w5,w6),wj为隐层第j个神经元对应输出层的权值。
对于第j个隐层神经元的输出,有 式中,yj为第j个隐层神经元的输出值,隐层的转移函数f(x)为非线性连续函数
对于输出层的输出,有
在神经网络的权值系数提取步骤中采用的迭代运算方式为:定义一个采样序列对应的网络输入输出为t0k,t1k,t2k,t3k,t4k,ok,神经网络模型期望输出为aimk,其中k为当前采样序列。由此可知,模型输出E与模型期望输出aimk之间的误差 其中,l是采样的总个数。可见调整各层输出权值wj、输出权值vij,可以改变模型误差E。
调整权值的原则是使误差不断地减小,因此应使权值的调整量与误差的负梯度成正比,即有
式中负号表示梯度下降,常数η∈(0,1)表示比例系数,在训练中反映了学习速率,这里取为0.95。运用此种方式本发明经迭代1500次后结束训练,可得到神经网络权值系数。
在本发明中,符号代表的物理意义为:
T<sub>1</sub> | 表示建模阶段测得光源1的光源温度,简称光源温度。 |
T<sub>2</sub> | 表示建模阶段测得Y波导3的Y波导温度,简称Y波导温度。 |
T<sub>3</sub> | 表示建模阶段测得光纤环4的光纤环内侧温度,简称内环温度。 |
T<sub>4</sub> | 表示建模阶段测得光纤环4的光纤环外侧温度,简称外环温度。 |
t<sub>0k</sub> | 表示为隐层神经元引入阈值而加入的一个输入节点,取常值为-1。 |
t<sub>1k</sub> | 表示建模阶段k时刻下测得的光源1的光源温度,简称某光源温度。 |
t<sub>2k</sub> | 表示建模阶段k时刻下测得的Y波导3的Y波导温度,简称某Y波导温度。 |
t<sub>3k</sub> | 表示建模阶段k时刻下测得的光纤环4的光纤环内侧温度,简称某内环温度。 |
t<sub>4k</sub> | 表示建模阶段k时刻下测得的光纤环4的光纤环外侧温度,简称某外环温度。 |
y<sub>0</sub> | 表示输出层神经元引入阈值而加入的一个隐层节点,取常值为-1。 |
y<sub>j</sub> | 表示建模阶段隐层第j个神经元输出值,简称隐层输出值。 |
O<sub>k</sub> | 表示建模阶段k时刻下模型的输出补偿数据,简称模型某输出。 |
AIM | 表示建模阶段光纤陀螺产生的温度漂移数据。 |
aim<sub>k</sub> | 表示建模阶段光纤陀螺k时刻下的温度漂移,简称建模温度漂移。 |
w<sub>j</sub> | 表示隐层第j个神经元对应于输出层的权值,简称输出权值。 |
v<sub>ij</sub> | 表示第i个输入到隐层第j个神经元的权值,简称输入权值。 |
E | 表示建模阶段的模型输出与模型期望输出之间的误差,简称模型误差。 |
aw<sub>j</sub> | 表示建模后得到修正的隐层第j个神经元对应于输出层的权值,简称修正后输出权值。 |
av<sub>ij</sub> | 表示建模后得到修正的第i个输入到隐层第j个神经元的权值,简称修正后输入权值。 |
t<sub>1C</sub> | 表示工作状态下测得当前光源1的光源温度,简称当前光源温度。 |
t<sub>2C</sub> | 表示工作状态下测得当前Y波导3的Y波导温度,简称当前Y波导温度。 |
t<sub>3C</sub> | 表示工作状态下测得当前光纤环4的光纤环内侧温度,简称当前内环温度。 |
t<sub>4C</sub> | 表示工作状态下测得当前光纤环4的光纤环外侧温度,简称当前外环温度。 |
a | 表示工作状态下光纤陀螺测得当前的角速度信息。 |
d | 表示温度漂移补偿值。 |
ao | 表示工作状态下补偿后的光纤陀螺输出值,简称陀螺输出。 |
Claims (3)
1、一种基于神经网络进行温度补偿的光纤陀螺,包括有光纤陀螺,所述光纤陀螺由光源(1)、耦合器(2)、Y波导(3)、光纤环(4)、探测器(5)和信号处理装置(6)组成,其特征在于:还包括有四个温度传感器和基于神经网络的温度补偿模型,所述温度补偿模型编写在所述光纤陀螺的信号处理装置(6)的中心处理器(63)中;
温度传感器A(7)安装于光源(1)上,用于采集光源(1)的光源温度T1;
温度传感器B(8)安装于Y波导(3)上,用于采集Y波导(3)处的Y波导温度T2;
温度传感器C(9)安装于光纤环(4)内侧上,用于采集光纤环(4)内侧的光纤环内侧温度T3;
温度传感器D(10)安装于光纤环(4)外侧上,用于采集光纤环(4)外侧的光纤环外侧温度T4;
所述中心处理器(63)对四路实时温度信息进行基于神经网络的温度补偿,所述温度补偿两个步骤在于神经网络的权值系数提取及使用神经网络的权值系数进行温度补偿;
所述的神经网络的权值系数提取的步骤有:
(A)对输出权值wj、输入权值vij进行初始化,其中,wj=0.5,vij=0.5;
(B)接收光源温度T1、Y波导温度T2、光纤环内侧温度T3、光纤环外侧温度T4和建模阶段光纤陀螺产生的温度漂移数据AIM;
(C)使用(B)步骤接收到的数据采用迭代运算调节(A)步骤中的输出权值wj、输入权值vij,获得修正后输出权值awj、修正后输入权值avij;
所述的使用神经网络的权值系数进行温度补偿的步骤有:
(A′)正常工作时,中心处理器(63)实时在线接收当前光源温度t1C、当前Y波导温度t2C、当前光纤环内侧温度t3C、当前光纤环外侧温度t4C;
(B′)并将由(A′)步骤采集的当前温度数据与修正后输出权值awj、修正后输入权值avij运用温度补偿模型计算出温度漂移补偿值d;
(C′)采用中心处理器(63)中的当前角速度信息a减去(B′)步骤的温度漂移补偿值d得到工作状态下的陀螺输出ao。
2、根据权利要求1所述的基于神经网络进行温度补偿的光纤陀螺,其特征在于:所述迭代运算次数为1500次。
3、根据权利要求1所述的基于神经网络进行温度补偿的光纤陀螺,其特征在于所述温度补偿模型为:
采用三层BP网络,输出层取线性函数,隐层取六个节点,加入t0=-1为隐层神经元引入阈值,加入y0=-1为输出层神经元引入阈值;其中,输入层到隐层之间的权值矩阵用V表示,V=(V1,V2,V3,V4,V5,V6),列向量Vj=(v0j,v1j,v2j,v3j,v4j)为输入层对应隐层第j个神经元的权向量,vij为第i个输入到隐层第j个神经元的权值;隐层到输出层之间的权值矩阵用W表示,W=(w0,w1,w2,w3,w4,w5,w6),wj为隐层第j个隐层神经元对应输出层的权值;
对于第j个隐层神经元的输出,有 j=1,2,…,6,式中,yj为第j个隐层神经元的输出值,隐层的转移函数f(x)为非线性连续函数
对于输出层的输出,有
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200710063719 CN100510633C (zh) | 2007-02-08 | 2007-02-08 | 一种基于神经网络进行温度补偿的光纤陀螺 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200710063719 CN100510633C (zh) | 2007-02-08 | 2007-02-08 | 一种基于神经网络进行温度补偿的光纤陀螺 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101013035A CN101013035A (zh) | 2007-08-08 |
CN100510633C true CN100510633C (zh) | 2009-07-08 |
Family
ID=38700696
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200710063719 Expired - Fee Related CN100510633C (zh) | 2007-02-08 | 2007-02-08 | 一种基于神经网络进行温度补偿的光纤陀螺 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100510633C (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101915588A (zh) * | 2010-07-14 | 2010-12-15 | 北京航空航天大学 | 一种惯性器件的温度误差补偿方法 |
CN101738204B (zh) * | 2009-12-31 | 2012-06-27 | 上海亨通光电科技有限公司 | 光纤陀螺仪温度补偿方法 |
Families Citing this family (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100538276C (zh) * | 2007-11-16 | 2009-09-09 | 北京航空航天大学 | 一种基于集成神经网络的微小卫星用mems陀螺仪误差补偿方法 |
CN101387524B (zh) * | 2008-10-09 | 2010-12-22 | 北京航空航天大学 | 一种适用于光纤陀螺的偏置温度误差测试与补偿系统 |
CN101408427B (zh) * | 2008-11-19 | 2010-09-08 | 北京航天时代光电科技有限公司 | 一种光纤陀螺仪分布式分层级温度误差补偿方法 |
CN101840529B (zh) * | 2010-03-26 | 2013-04-03 | 东南大学 | 基于局部可变集成神经网络的光纤陀螺随机漂移建模方法 |
CN102095419B (zh) * | 2010-12-01 | 2012-06-27 | 东南大学 | 光纤陀螺温度漂移建模及误差补偿方法 |
CN102436176B (zh) * | 2011-10-20 | 2014-10-08 | 河海大学常州校区 | 基于神经网络的微陀螺仪控制系统 |
CN102650527B (zh) * | 2012-05-25 | 2014-12-03 | 北京航空航天大学 | 一种基于时间序列分析消噪的光纤陀螺温度补偿方法 |
CN103835878B (zh) * | 2013-04-07 | 2017-05-17 | 南京理工大学 | 基于神经网络优化起始转速的最大功率点跟踪控制方法 |
CN104330079B (zh) * | 2013-07-22 | 2017-07-28 | 深圳航天东方红海特卫星有限公司 | 一种多陀螺仪的角速度测量方法及系统 |
CN103616818B (zh) * | 2013-11-14 | 2015-12-30 | 河海大学常州校区 | 微陀螺仪的自适应模糊神经全局快速终端滑模控制方法 |
CN103593538B (zh) * | 2013-11-28 | 2017-03-22 | 东南大学 | 一种遗传算法优化动态递归神经网络的光纤陀螺温度漂移建模方法 |
CN104714275A (zh) * | 2015-03-06 | 2015-06-17 | 兰州大学 | 一种基于y分支的易集成的硅基波导光反射器 |
CN104765103B (zh) * | 2015-04-29 | 2018-01-19 | 武汉光迅科技股份有限公司 | 一种降低阵列波导光栅非线性温度效应的装置 |
CN105892293B (zh) * | 2016-04-06 | 2018-07-24 | 苏州大学 | 一种硅微陀螺数字化驱动闭环控制系统 |
CN106338283A (zh) * | 2016-09-27 | 2017-01-18 | 哈尔滨工程大学 | 一种高精度干涉式光纤陀螺仪温漂误差模型优化方法 |
CN107270884A (zh) * | 2016-09-29 | 2017-10-20 | 华中光电技术研究所(中国船舶重工集团公司第七七研究所) | 一种光纤陀螺及抑制输出零偏随温度变化漂移的方法 |
CN106597852A (zh) * | 2016-12-27 | 2017-04-26 | 中国船舶重工集团公司第七0五研究所 | 一种基于rbf神经网络的mems陀螺仪温度补偿方法 |
CN107870000A (zh) * | 2017-11-06 | 2018-04-03 | 中国人民解放军63686部队 | 基于多项式拟合技术的提高光纤陀螺零偏稳定性方法 |
CN107756403A (zh) * | 2017-11-17 | 2018-03-06 | 中科探海(苏州)海洋科技有限责任公司 | 一种模块化自主水下探查机器人控制系统及方法 |
CN108332837A (zh) * | 2017-12-06 | 2018-07-27 | 芯海科技(深圳)股份有限公司 | 一种应用于电子秤的基于bp神经网络补偿温度增益方法 |
CN109141478A (zh) * | 2018-10-11 | 2019-01-04 | 湖南航天机电设备与特种材料研究所 | 光纤陀螺反馈回路非线性度测试方法 |
CN111238462B (zh) * | 2020-01-19 | 2021-12-28 | 湖北三江航天红峰控制有限公司 | 一种基于深度嵌入聚类的lstm光纤陀螺温补建模方法 |
CN111351862A (zh) * | 2020-03-27 | 2020-06-30 | 中国海洋石油集团有限公司 | 一种超声测量较准方法及测厚方法 |
CN111473755B (zh) * | 2020-04-21 | 2022-05-17 | 福建汇川物联网技术科技股份有限公司 | 一种远程测距方法及装置 |
CN112284556B (zh) * | 2020-10-23 | 2023-04-18 | 深圳市新威尔电子有限公司 | 带温度补偿的校准系统及方法 |
CN112834079B (zh) * | 2020-12-25 | 2023-10-24 | 山东朗进科技股份有限公司 | 一种轨道车辆空调机组温度传感器参数漂移判定方法 |
CN113739779A (zh) * | 2021-08-31 | 2021-12-03 | 中国船舶重工集团公司第七0七研究所 | 基于bp神经网络半球谐振陀螺多元温度补偿系统及方法 |
CN114001726B (zh) * | 2021-10-25 | 2022-08-30 | 北京航空航天大学 | 一种基于多元温度场的光纤陀螺温度漂移补偿装置及方法 |
CN114543785A (zh) * | 2022-02-18 | 2022-05-27 | 北京思卓博瑞科技有限公司 | 一种光纤陀螺及惯性导航系统 |
CN114791334B (zh) * | 2022-04-20 | 2023-09-05 | 浙江大学 | 一种压力传感器的标定简化方法 |
CN115143954B (zh) * | 2022-09-05 | 2022-11-29 | 中国电子科技集团公司第二十八研究所 | 一种基于多源信息融合的无人车导航方法 |
CN116380032B (zh) * | 2023-02-07 | 2023-08-18 | 中国船舶集团有限公司第七〇七研究所 | 光纤陀螺及其温度自补偿方法 |
-
2007
- 2007-02-08 CN CN 200710063719 patent/CN100510633C/zh not_active Expired - Fee Related
Non-Patent Citations (8)
Title |
---|
一种利用RBF神经网络的传感器建模新方法. 王学萍,林康红.新疆大学学报(自然科学版),第19卷第3期. 2002 |
光纤陀螺的温度试验及温度补偿方法研究. 段靖远,宋凝芳等.山西大学学报(自然科学版),第4期. 2005 |
光纤陀螺的温度试验及温度补偿方法研究. 段靖远,宋凝芳等.山西大学学报(自然科学版),第4期. 2005 * |
基于BP神经网络的光纤陀螺零偏温度补偿. 罗超,孙枫,刘广哲.弹箭与制导学报,第2期. 2005 |
基于BP神经网络的光纤陀螺零偏温度补偿. 罗超,孙枫,刘广哲.弹箭与制导学报,第2期. 2005 * |
基于神经网络的激光陀螺误差测试与建模. 王毅,赵忠,李丽锦,徐晓东.航空精密制造技术,第41卷第3期. 2005 |
基于神经网络辨识的移动机器人航向误差校准方法. 于金霞,蔡自兴,邹小兵,段琢华.中南大学学报(自然科学版),第36卷第5期. 2005 |
基于神经网络辨识的移动机器人航向误差校准方法. 于金霞,蔡自兴,邹小兵,段琢华.中南大学学报(自然科学版),第36卷第5期. 2005 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101738204B (zh) * | 2009-12-31 | 2012-06-27 | 上海亨通光电科技有限公司 | 光纤陀螺仪温度补偿方法 |
CN101915588A (zh) * | 2010-07-14 | 2010-12-15 | 北京航空航天大学 | 一种惯性器件的温度误差补偿方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101013035A (zh) | 2007-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100510633C (zh) | 一种基于神经网络进行温度补偿的光纤陀螺 | |
Driscoll et al. | Development and validation of a lumped-mass dynamics model of a deep-sea ROV system | |
CN105606499B (zh) | 悬浮颗粒物质量浓度实时检测装置及测量方法 | |
CN101387524B (zh) | 一种适用于光纤陀螺的偏置温度误差测试与补偿系统 | |
Yang et al. | Dynamic load identification based on deep convolution neural network | |
CN101408427A (zh) | 一种光纤陀螺仪分布式分层级温度误差补偿方法 | |
Sultan et al. | A force and torque tensegrity sensor | |
KR20170069138A (ko) | 인공신경망 기반 고층 구조물 응력 예측모델 시스템, 이를 이용한 안전평가 시스템 및 그 평가방법 | |
Fontanella et al. | An extensive analysis for the use of back propagation neural networks to perform the calibration of MEMS gyro bias thermal drift | |
CN116011125B (zh) | 一种不确定车桥耦合系统响应预测的方法 | |
CN102759430A (zh) | 基于bp神经网络的谐振筒压力传感器高精度校试方法 | |
Pinkaew et al. | Experimental study on the identification of dynamic axle loads of moving vehicles from the bending moments of bridges | |
Liu et al. | A semi-convex function for both constant and time-varying moving force identification | |
Zou et al. | Virtual sensing of subsoil strain response in monopile-based offshore wind turbines via Gaussian process latent force models | |
CN105865432B (zh) | 一种针对陀螺仪多源噪声的混合滤波方法与测试平台 | |
CN103256999B (zh) | 分布式光纤测温方法 | |
CN103940448B (zh) | 一种船用罗经光纤陀螺噪声在线估计系统及估计方法 | |
CN110702344B (zh) | 基于分布式应变测量技术的闭环桥梁结构损伤诊断方法 | |
De Jong et al. | Accurate estimation of aircraft inertia characteristics from a single suspension experiment | |
Feng et al. | An Interpretable Nonlinear Decoupling and Calibration Approach to Wheel Force Transducers | |
Shen et al. | Temperature Drift Modeling and Compensation for Gyroscope | |
Khanduri | Wind-induced interference effects on buildings: integrating experimental and computerized approaches | |
CN102981018B (zh) | 适用于仿生机器鱼的应变测速系统及其方法 | |
Song et al. | Application research of information fusion technology of multi-sensor in level measurement | |
Joels et al. | Wing dynamic shape-sensing from fiber-optic strain data using the Kalman state estimator |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20090708 Termination date: 20100208 |