预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共13页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114964313A(43)申请公布日2022.08.30(21)申请号202210545266.9(22)申请日2022.05.19(71)申请人哈尔滨工业大学(鞍山)工业技术研究院地址114000辽宁省鞍山市千山中路196号(72)发明人赵博张润峰王天宇(74)专利代理机构鞍山嘉讯科技专利事务所(普通合伙)21224专利代理师张群(51)Int.Cl.G01C25/00(2006.01)G01C19/72(2006.01)G06K9/62(2022.01)权利要求书3页说明书7页附图2页(54)发明名称一种基于RVM的光纤陀螺温度补偿方法(57)摘要本发明提供一种基于RVM的光纤陀螺温度补偿方法,包括:获取光纤陀螺输出的原始数据和温度训练样本;以经过预处理的温度训练样本作为输入集x,陀螺训练样本作为目标集组成数据训练集;初始化超参数α和噪声方差σ2,利用核函数将标准化数据映射到特征空间;计算后验分布的均值向量μ和方差Σ;更新计算超参数α和噪声方差σ2,估计RVM模型的模型权值ω,从而得到稀疏化的模型;根据已建立好的温度补偿模型,对训练集中的目标集进行估计,得到估计的光纤陀螺温度误差,从陀螺输出原始数据中剔除该部分误差,从而完成温度误差补偿。该方法具有良好的逼近复杂非线性函数的能力,解决传统的温度补偿方法存在收敛速度慢、易陷入局部极小以及泛化能力差的问题。CN114964313ACN114964313A权利要求书1/3页1.一种基于RVM的光纤陀螺温度补偿方法,其特征在于,包括以下步骤:步骤一,通过光纤陀螺温度测试平台,获取光纤陀螺输出的原始数据和温度训练样本;步骤二,对获取的陀螺和温度数据训练样本进行预处理,包括:对光纤陀螺和测温模块的直接输出训练样本进行标定参数装订,得到具有标准量纲的数据,排除陀螺训练样本中包含噪声的影响,在陀螺训练样本上进行平滑处理,使样本更好的反映漂移特性;步骤三,以经过预处理的温度训练样本作为输入集x,N为采样点数,n为维数,陀螺训练样本作为目标集组成数据训练集;步骤四,初始化超参数α和噪声方差σ2,利用核函数将标准化数据映射到特征空间;步骤五,计算后验分布的均值向量μ和方差Σ;2步骤六,更新计算超参数α和噪声方差σ,剔除α中无穷大的元素,对应ωi为0,ωi为模型权值ω的第i个元素,得到非零ωi对应的向量即为相关向量;2步骤七,得到超参数α和噪声方差σ的最优值αMP和αMP为超参数α的最优值,为噪声方差σ2的最优值,从而估计RVM模型的模型权值ω,从而得到稀疏化的模型;步骤八,根据已建立好的温度补偿模型,对训练集中的目标集T进行估计,然后将计算结果按照变量标准化模型进行反向操作,得到估计的光纤陀螺温度误差,最后从陀螺输出原始数据中剔除该部分误差,从而完成温度误差补偿。2.根据权利要求1所述的一种基于RVM的光纤陀螺温度补偿方法,其特征在于,所述的步骤一中:在光纤陀螺温度测试平台下,光纤陀螺将采集陀螺信号和温度传感模块输出信号通过串口实时向外发送,通过数据采集软件记录光纤电流陀螺的电流和温度样本数据,在高低温箱中拟变温环境,高温点、低温点和变温速率大小可根据实际应用环境设定。3.根据权利要求1所述的一种基于RVM的光纤陀螺温度补偿方法,其特征在于,所述的步骤二中:在标定参数装订过程中,测温模块的标定参数是在变温测试箱中固定温度点下进行拟合确定的,保证测温模块测量温度的准确定。4.根据权利要求1所述的一种基于RVM的光纤陀螺温度补偿方法,其特征在于,所述的n步骤四中:设输入样本为n维向量,某区域m个样本及其值表示为:(x1,y1),...,(xm,ym)∈R×Rm,则回归函数表示为:T式中,x=[x1,x2,...,xm]为输入样本,ω=[ω1,ω2,...,ωm]为模型权值,ω0为阈值,Kkemel(xi,x)为核函数,与SVM不同的是,RVM方法对基函数无此限制,所以选用以每个训练样本为中心的高斯函数作为核函数。5.根据权利要求1所述的一种基于RVM的光纤陀螺温度补偿方法,其特征在于,所述的步骤五中:在贝叶斯框架下用最大似然方法来训练模型权值ω,这样能够过学习问题,提高模型的泛化能力;因此RVM为每个权值定义了先验概率分布:式中,αj和ωj分别表示α和ω的第j个元素,αj是决定模型权值ωj先验分布的超参数;2给定训练样本集假定第i个目标值Ti是独立的,并且数据的噪声服从方差为σ2CN114964313A权利要求书2/3页的高斯分布,则根据贝叶斯推理和独立性假设,可得相应的训练样本集的似然函数为:T式中,目标集T=[T1,T2,...,Tn],φ为n×m阶矩阵,φij=Kkemel(xi,xj),i=1,2,...,n,j=1,2,..