基于动态神经元网络的激光陀螺输出误差模型

惯性敏感器误差补偿技术对提高武器装备的性能具有重要的意义 ,而误差补偿的关键在于误差模型的辨识。由于动态神经元网络是在前馈网络的节点引入前馈和反馈环节 ,理论上已证明其具有很强的动态逼近能力 ,可用来描述任意的非线性动态系统。根据惯性敏感器误差的动态特性 ,本文探讨将动态神经元网络引入到激光陀螺误差建模中去 ,详细介绍了网络结构和对应的动态梯度算法。通过仿真算例说明 ,动态神经元网络在激光陀螺输出误差建模时具有一定的优点 :网络收敛速度快、较好的跟踪性能。

多层局部回归神经网络在激光陀螺捷联惯导系统惯性敏感器误差补偿中的应用

惯导系统误差补偿技术对提高武器装备的性能具有重要的意义 ,而误差补偿的关键在于误差模型的辨识。探讨将多层局部回归神经网络引入到惯性敏感器误差建模中 ,详细介绍了网络结构和对应的自适应动态梯度算法。仿真算例说明 ,多层局部回归神经网络在惯性敏感器输出误差建模时具有一定的优点 :网络收敛速度快、较好的跟踪性能、稳定性好。