加速度传感器参数非线性时间序列模型预测与实现

《加速度传感器参数非线性时间序列模型预测与实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、西南科技大学研究生学位论文加速度传感器参数非线性时间序列模型预测与实现年级2013姓名岳新征申请学位级别硕士专业控制科学与工程指导教师李磊民教授ClassifiedIndex:TP274U.D.C:621.3SouthwestUniversityofScienceandTechnologyMasterDegreeThesisAccelerationsensorparametersnonlineartimeseriesmodeltopredictandachieveGrade:2013Candidate:YueXinzhengAcademicDegreeAp

2、pliedfor:MasterSpeciality:ControlScienceandEngineeringSupervisor:Prof.LiLeiminMay.31,2016西南科技大学硕士研究生学位论文第I页摘要加速度表广泛应用于惯性导航系统中，加速度表精度的提高对提高惯性导航控制精度具有很高的重要性。为提高加速度表的精度，一方面可以进一步改进加速度表的设计和生产工艺，另一方面可以对加速度表的参数进行补偿。经研究发现，加速度表参数的时间序列具有很强的非线性特点，使用传统的线性模型，难以达到很高的建模精度。因此本论文提出对加速度表参数进行非线性时间序列

3、建模，以提高建模和预测精度。本论文以石英挠性加速度表为研究对象，研究并设计了加速度表静态参数的标定方法，编写了加速度表数据采集软件系统，以获得研究所需要的加速度表的零偏和标度因数；由于加速度表参数的时间序列具有很强的非线性特点，提出了使用非线性时间序列进行建模。在非线性时间序列算法研究中，在传统BP神经网络的基础上增加延时环节使其具有记忆历史数据的能力，建立了NAR神经网络对参数进行建模；在AR模型的基础上加入小波神经网络，建立了小波神经网络与AR组合模型，该模型利用AR模型拟合其线性部分，用小波神经网络拟合其非线性部分，并对小波神经网络的算法进行改进，使

4、得该模型具有收敛速度快，训练效果好。由于各种模型的预测方法都有其独特的信息特征和适用条件，本论文利用组合预测理论，吸收每种模型的优点，提出使用改进型贝叶斯组合预测方法，对NAR神经网络和小波神经网络与AR组合模型的预测结果进行组合预测。利用该方法与传统ARMA模型的预测结果进行对比表明组合预测效果较好，准确率较高。关键词：加速度表参数NAR神经网络小波神经网络AR模型贝叶斯组合理论西南科技大学硕士研究生学位论文第II页AbstractAccelerometeriswidelyusedininertialnavigationsystems,andtheimp

5、rovementofaccelerometeraccuracyisveryimportanttoimprovetheaccuracyofinertialnavigationsystem.Toimprovetheaccuracyoftheaccelerometer,thedesignandproductiontechnologyofaccelerometercanbefurtherimproved,theparametersontheotherhandcanbecompensated.Theresearchindicatesthatthetimeseries

6、ofaccelerometerparameterhasastrongnon-linearcharacteristics,Ifweusetraditionallinearmodel,itisdifficulttoachieveahighmodelingaccuracy.Therefore,thispaperproposestheaccelerometerparameternonlineartimeseriesmodelingtoimprovethemodelingandpredictionaccuracy.Thispaper,hasresearchedand

7、designedcalibrationmethodoftheaccelerometerstaticparameters,andhasstudiedtheflexiblequartzaccelerometers.Inordertoobtainthebiasandscalefactoroftheaccelerometer,theaccelerometerdataacquisitionsoftwarehasbeenwritten.Accelerometertimeseriesparametershavebeenproposedtheuseofnonlineart

8、imeseriesmodeling,becausetheyhave