基于支持向量机的MEMS陀螺仪随机漂移补偿.pdf

《基于支持向量机的MEMS陀螺仪随机漂移补偿.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第25卷第8期传感技术学报Vo1．25No．82012年8月CHINESEJOURNALOFSENSORSANDACTUATORSAug．2012RandomDriftCompensationofMEMSGyroscopeBasedonSupportVectorMachineLIZemin，DUANFengyang，MAJiazhi(AeronauticControlandEngineeringDepartment，AviationUniversityofAirForce，Changchun130022，China)Abstract：Suppo~vectormac

2、hinehasbeenappliedtothecompensationofMEMSgyroscoperandomdrifttoovercomethedisadvantagesoftraditionalmethods．Thesupportvectormachinepredictionmodelisestablishedfirstlyinordertotrainandtestthemodel，thenembeddingthescalargyroscoperandomdrifttimeseriestoanassistantphasespacebythetechnolog

3、yofphaseconstruction．Thebestparametersofcorefunctionandpredictionmodelaregetbyusingtheoptimizationalgorithm．Boththetrainandtestresultsshowthatthismethodcanpredictthegyroscoperandomdriftwel1．ItisaneffectivecompensationmethodtoMEMSgyroscoperandomdrift．Keywords：MEMSgyroscope；randomdrift；

4、suppoavectormachine；phaseconstructionEEACC：7630doi：10．3969／j．issn．1004-1699．2012．08．013基于支持向量机的MEMS陀螺仪随机漂移补偿冰李泽民，段凤阳，马佳智(空军航空大学航空控制工程系，长春130022)摘要：针对传统方法的不足，将支持向量机应用于MEMS陀螺仪随机漂移的补偿。建立了支持向量机预测模型，通过相空间重构技术，将标量的随机漂移时间序列嵌入到一个辅助的相空间中进行模型的训练和测试，并使用最优化算法得到了核函数和预测模型的各项参数。训练和预测结果均表明，该方法具有很好的预测

5、效果，是一种有效的MEMS陀螺仪随机漂移补偿方法。关键词：MEMS陀螺仪；随机漂移；支持向量机；相空间重构中图分类号：V241．5文献标识码：A文章编号：1004—1699(2012)08—1084—04随着微电子技术和集成电路技术的发展。采用性、正态性和独立性特征，极大的限制了模型的使用微机电系统(MEMS)技术的惯性传感器以其体积范围和预测精度。另一类是以神经网络为代表的人小、质量轻、成本低、产品可靠性高等优异特性，被广工智能算法]。神经网络具有很好的非线性逼近泛应用于汽车、航空、航天和武器制导等军民领能力．但神经网络训练过程遵循的是经验风险最小域[1]。由于

6、受自身结构缺陷和加工工艺的限制，化准则，存在着过拟合现象．导致算法的泛化性能MEMS陀螺仪存在较大的漂移，尤其是其中的随机差，并且训练过程受局部极小点的困扰。基于统计漂移，具有随机性、非线性、非平稳和弱时变特性，已学习理论l6]的支持向量机SVM(SupportVector成为制约MEMS陀螺仪向高精度领域应用的主要Machine)方法，其训练过程遵循的是结构风险最小因素，必须建立有效的误差模型对其进行预测和化原则，不易发生局部最优及过拟合现象，能够很好补偿。的克服神经网络的上述缺陷，非常适合非线性的随目前常用的陀螺仪随机漂移预测方法主要有两机序列动态建模。类：一

7、类是以传统时间序列分析法为代表的统计建本文通过对随机漂移序列进行相空间重构，将模方法，如将AR模型或者ARMA模型与Kalman滤回归支持向量机用于陀螺仪随机漂移的预测和补波器相结合I3]。这类方法要求时间序列具有平稳偿，以探索新的更加有效的随机漂移补偿方法。项目来源：武器装备重点预研项目(40405030403)收稿日期：2012—03—29修改日期：2012—06—07第8期李泽民，段凤阳等：基于支持向量机的MEMS陀螺仪随机漂移补偿10851支持向量机预测模型y=(OLk-O／k)(()，())+6(4)k=l支持向量机是建立在统计学习理论的VC维理上式需要

8、计算高维空