稳定跟踪系统是雷达伺服系统研究领域的热点。稳定跟踪要求跟踪平台在受到行进间各种随机振动影响的条件下,依然保持良好的跟踪精度。对于平台稳定的条件下,跟踪精度的保持已经有很多成熟的方法,但是对于在振动干扰条件下,如何保持平台...稳定跟踪系统是雷达伺服系统研究领域的热点。稳定跟踪要求跟踪平台在受到行进间各种随机振动影响的条件下,依然保持良好的跟踪精度。对于平台稳定的条件下,跟踪精度的保持已经有很多成熟的方法,但是对于在振动干扰条件下,如何保持平台稳定也成为了一个研究难点。由于平台受到的振动是随机的,频率和幅度都会不定性变化,规律性很差,很难进行传统建模分析。再加上传感器通信延时的存在,进一步导致平台保持稳定的误差增大,最终影响到跟踪精度。本文采用长短时记忆网络算法(Long Short Term Memory Network,LSTM)对平台振动数据进行深度学习训练,实现依据振动前五个时刻的数据预测后一个时刻数据的功能。经过交叉验证,预测误差可以达到0.3mil以内。展开更多
文摘稳定跟踪系统是雷达伺服系统研究领域的热点。稳定跟踪要求跟踪平台在受到行进间各种随机振动影响的条件下,依然保持良好的跟踪精度。对于平台稳定的条件下,跟踪精度的保持已经有很多成熟的方法,但是对于在振动干扰条件下,如何保持平台稳定也成为了一个研究难点。由于平台受到的振动是随机的,频率和幅度都会不定性变化,规律性很差,很难进行传统建模分析。再加上传感器通信延时的存在,进一步导致平台保持稳定的误差增大,最终影响到跟踪精度。本文采用长短时记忆网络算法(Long Short Term Memory Network,LSTM)对平台振动数据进行深度学习训练,实现依据振动前五个时刻的数据预测后一个时刻数据的功能。经过交叉验证,预测误差可以达到0.3mil以内。