基于RBF的金属壳谐振陀螺温度误差补偿方法

针对金属壳谐振陀螺由于温度变化导致陀螺精度降低的问题,提出一种基于RBF神经网络的金属壳谐振陀螺温度误差补偿方法。在-4～60℃温度范围内,分别建立金属壳谐振陀螺的温度误差一阶多项式模型、二阶多项式模型和RBF神经网络模型,基于三种温度误差模型对陀螺输出进行温度误差补偿。实验数据表明,基于RBF神经网络模型的补偿效果优于基于一阶多项式和二阶多项式模型的补偿效果,补偿后漂移标准差减少了66.31%,可大幅度降低温度变化对金属壳谐振陀螺精度的影响,在工程实际中有一定参考意义。

基于迭代优化的空调温湿度控制算法

针对空调在保证送风温度的基础上,实现室内负荷的变更与控制系统应对外界随机干扰的需求,文中提出一种基于迭代优化的空调温湿度控制算法。通过建立空调机的二维跟踪框架运行模型来设计迭代学习算法实现空调机运行状态的控制,并通过在迭代优化学习的过程中加入预测控制环节来减小随机干扰带来的影响。仿真实验以及对比不同干扰下的空调运行响应结果表明,所提出的方法不仅能够抵抗周期性干扰的影响,而且在随机干扰环境下仍然能够保持良好的跟踪控制性能。