基于GRU神经网络的恒温晶振频率漂移预测

恒温晶振作为新时代5G通信系统的重要器件,其频率稳定性相当重要,准确预测恒温晶振频率漂移可以提高系统工作状态的安全性与可靠性。为进一步提高频率漂移预测精度,满足5G通信系统需求,提出了一种基于门控循环单元(GRU)神经网络的晶振频率预测模型。该模型同时考虑温度、老化两种因素,并利用神经网络具有出色的自适应性与非线性泛化能力,学习恒温晶振频率漂移变化规律。最后以14 d实测数据为例进行研究分析,并与循环神经网络、长短时记忆神经网络做对比实验,以均方根误差、平均绝对误差、算法运行时间作为评价指标,结果表明GRU网络具有更高的预测精度、更快的运算速度。

遗忘因子最小二乘支持向量机及在陀螺仪漂移预测中的应用研究

以陀螺仪漂移误差系数时间序列预测为对象,研究并提出了遗忘因子最小二乘支持向量机算法。构造了以多项式、径向基、小波函数为核函数的支持向量机(SVM)、最小二乘支持向量机(LSSVM)、遗忘因子最小二乘支持向量机(FFLSSVM),比较了它们用于强非线性测试集的泛化性能。实验结果表明:FFLSSVM比由相应核函数构成的SVM、LSSVM自适应性强、预测精度高;三种核函数生成L2(R)子空间上完备基的能力不同,导致三个FFLSS-VM逼近任意目标函数的精度有差异;遗忘因子最小二乘小波核支持向量机可有效地用于陀螺漂移误差动态补偿、可靠性辅助决策、故障预测。

基于最小二乘支撑矢量机的陀螺仪漂移预测

研究了支撑矢量机的回归估计算法。针对标准支撑矢量机算法训练速度慢、难以解决大规模问题的局限性,对标准算法的约束条件加以改进,得到一种最小二乘支撑矢量机回归估计算法,该算法大大提高了支撑矢量机的训练速度和解决大规模问题的能力。论文将最小二乘支撑矢量机应用于陀螺仪的漂移预测中,仿真实验结果证明了算法的有效性和可行性,为陀螺仪的实时预测及故障预报提供了可能。

基于模糊分类-灰色马尔可夫的陀螺仪漂移预测

针对标准灰色马尔可夫预测模型抗干扰能力差的局限性,提出了一种基于模糊理论和灰色马尔可夫模型的预测方法。将模糊理论引入预测模型中,从分类方法上对标准灰色马尔可夫模型进行改进,该算法可以有效提高灰色马尔可夫预测模型的预测精度。将这种方法用于某型导弹陀螺仪的漂移预测中,实验证明了这种方法的有效性和可行性。

Bootstrap—自适应混沌克隆网络与陀螺漂移预测

提出一种Bootstrap—自适应混沌克隆网络建立陀螺漂移预测模型.基于统计理论的Bootstrap方法,设计了自适应混沌克隆网络训练策略,以获得统计意义下陀螺漂移时间序列小样本预测模型的最优估计;运用字符串技术生成复合函数抗体,使预测模型具有在复杂函数子空间逼近强非线性函数的能力;构造了一系列自适应混沌克隆网络进化算子,使复合函数抗体在具有混沌特征的进化中自适应性更强;预测建模实验表明:Bootstrap—自适应混沌克隆网络建立的预测模型训练和测试精度稳定,对比几种典型预测算法,其建模方式更灵活,自适应性更强,适于工程应用.

MRA与GP/MP组合预测及在陀螺仪漂移预测中的应用

研究MRA(Multi-resolution Analysis MRA)与GP/MP(Grey prediction model/Markov prediction model)组合预测及在陀螺仪漂移预测中的应用。陀螺仪漂移是各种外界环境影响下产生的综合效果,不同的外界影响产生的漂移样本频率特征是不同的,因而不适合用单一的预测模型进行预测。用小波将陀螺漂移信号进行分解,根据各子信号的频率特征选用灰色预测模型或马尔可夫预测模型分别进行预测,还原为总的预测结果。仿真试验显示,这种组合方法比起用单一的灰色马尔可夫方法可以将精度提高一倍左右,证明了这种方法的有效性。

基于多尺度多参量的硅MEMS陀螺仪漂移预测

针对硅MEMS陀螺仪误差因素多,输出为非线性非平稳的特点,采用传统方法难以对其建立精确的误差模型。在对小波神经网络方法改进的基础上,提出了多尺度去噪的平稳化方法及多参量非线性预测方法并将其用于硅MEMS陀螺仪漂移预测。试验结果表明,采用多尺度多参量校准方法,硅MEMS陀螺仪精度由1°/s提高到0.02°/s。

基于最小二乘支撑矢量机的陀螺漂移预测

为提高支撑矢量机(SVM)标准算法速度和解决大规模问题,研究了SVM的最小二乘回归算法,并给出了计算模型。对陀螺仪漂移预测的结果表明,最小二乘SVM算法的精度与标准算法相近,并可解决大规模数据问题,在工程实践中具有其有效性和可行性。

BP混沌混合神经网络在光纤陀螺温度漂移预测中的应用

提出使用BP混沌混合神经网络建立FOG温度漂移模型的方法。该方法在BP算法中采用了改进型Logistic-Map映射生成的混沌变量,能够避免陷入局部最小,可迅速达到全局最优。应用该方法分析某型FOG温度漂移实测数据,结果表明其具有良好的预测效果。

海上溢油漂移预测预警系统的实验验证

介绍海上溢油预测预警系统的数值模型和功能,通过浮标漂移试验对系统的预测性能进行验证。分析表明,系统在漂移轨迹趋势、漂移距离、漂移速度的预测方面总体上与试验结果一致。

基于生长漂移预测模型的浒苔灾害风险动态评估方法研究

自2008年以来,浒苔大规模爆发生长已经成为黄海海域最严重的海洋生态灾害,对沿海地区社会经济发展构成严重威胁。本文基于生长漂移预测模型对浒苔时空动态发展趋势进行预测,并将预测结果引入到由致险因子危险性和承灾体脆弱性构建的浒苔灾害风险动态评估方法体系中,同时实现具有灾害预警、多源数据处理与存储、可视化展示等功能的灾害风险评估系统。区别于一般的静态评估方法,该方法既能融合影响浒苔灾害风险态势的动态数据,又能够根据浒苔灾害的成灾机理建立具有代表性的指标体系。通过此动态评估方法可为防灾减灾部门提供决策支持,为科学防治浒苔灾害提供理论依据。

基于少参数二阶Volterra级数的陀螺漂移预测

针对陀螺漂移角速度的非线性时间序列预测问题,提出了一种基于少参数二阶(RPSO)Volterra级数的仿射投影(AP)自适应辨识算法,建立了基于RPSO Volterra级数的非线性预测模型。根据预测模型中两个参数向量位置可互换的特性,AP算法推导出两个结构相似的迭代公式。然后给出基于遗传算法优化AP算法步长参数及建模的完整步骤。最后通过实测的陀螺漂移数据验证所提出的算法,在极短的时间内建立出模型并获得了精确的预测结果。

彩色CRT荫罩热变形分析与束着屏漂移预测

阴极射线管中荧光屏上电子束着屏漂移是由荫框架组件热变形引起的，从而使色纯变坏。本文使用有限元法（ＦＥＭ）分析了荫罩框架组件的热变形，预测了束着屏漂移。为了真实地分析，计算了表面热传导率和表面弹性系数，并将荫罩模拟成一个无孔的薄板。模拟了ＣＲＴ内所有的零件并考虑了每个零件的辐射效应。然后对荫罩框架组件瞬间的热弹性变形进行有限元分析，计算了束着屏偏移。４３ｃｍＣＲＴ的实验使有限元分析法有充足的根据。测量了ＣＲＴ内各个零件的温度和屏上着屏漂移，通过将测得的结果与有限元分析所得结果进行比较，对这些结果进行了讨论。通过研究我们知道这种分析方法可用来设计ＣＲＴ荫罩组件，将着屏漂移降到几微米级。

青岛近海大型水母漂移集合预测方法研究

考虑水母垂直运动等自主运动,基于集合预报和拉格朗日粒子追踪方法,建立青岛近海大型水母的集合漂移预测模型。并利用2012—2013年青岛近海水母实时监测数据和集合漂移预测模型,快速预测水母集合漂移轨迹、速度、趋势和可能影响范围等要素。通过分析水母监测数据和数值模拟结果,在水母如何自主运动及其机理尚不十分清楚的情况下,多轨迹漂移预测结果比单轨迹的更合理、科学、可信,能够传达更多的信息量,对水母灾害的应急处置更具有指导意义。

基于Volterra级数并行递推AP算法的陀螺漂移预测

为了预测某导弹陀螺漂移趋势,以该陀螺漂移角速度时间序列为对象,建立基于Volterra级数的非线性时间预测模型,提出了一种基于Volterra级数的并行递推放射投影AP自适应算法.以系统Volterra核向量增量的模与某约束总和为损失函数,按照最陡下降原理导出各阶Volterra核更新公式;再利用矩阵求逆引理递推求取各阶Volterra子系统自相关逆矩阵导出算法.某导弹实测的陀螺漂移数据预测应用研究表明,该算法运算速度快、预测精度高.

基于小波神经网络的陀螺漂移预测研究

实时识别陀螺漂移,并且预测漂移性能的变化趋势,对提高整个导航系统的精度有着十分重要的意义。本文结合小波分析理论和小波神经网络的非线性预测算法,对陀螺信号进行趋势提取与漂移预测。采用小波神经网络避免了其它神经网络存在的局部最小化的缺陷,小波分析的引入可以有效提取出原信号的趋势,大大降低了环境因素的影响。将小波神经网络非线性预测算法与小波趋势提取算法结合,建立陀螺仪漂移趋势的预测模型,对某光纤陀螺实测信号仿真预测其漂移趋势,仿真结果证实该预测模型与实际情况相符,具有较好的预测精度,为预测一般陀螺的随机漂移提供了一种新的有效途径,同时还对一般陀螺仪表的漂移模型建立方法提供借鉴。

福建近海漂移物漂移轨迹分析及模拟

浮子漂移实验能够捕捉海域表面海流的特征,为提高海上漂移物漂移轨迹预测模式的预测精度提供改进依据.通过在福建近海的浮子漂移实验,选取兴化湾、厦门湾与湾外近岸海域浮子的运动轨迹,对研究海域的表面流进行分析,并在业务化三维海洋动力模型基础上,结合拉格朗日粒子追踪法,建立了福建近海海上目标物漂移轨迹预测模式,利用浮子漂移实验对漂移模式在福建近海的适用性进行了验证.研究结果表明:湾内浮子运动主要受潮流作用,呈现往复运动的趋势;湾外浮子运动主要由外海环流驱动,有沿等深线迁移趋势,并受到潮过程作用局部形成回流.而本研究构建的福建近海海上目标物漂移轨迹预测模式的模拟结果与浮子漂移结果基本一致,并且相对于湾内的轨迹预测,湾外的模拟有更高的可信度.同时浮子漂移实验还表明FES潮流模型在台湾海峡有较高的准确度,而湾内欠佳.

基于MonteCarlo算法的海上落水人员漂移位置预测研究

为快速、准确计算海上落水人员漂移位置,提高援救针对性及成功率,基于Monte Carlo随机粒子算法和海上漂移风流数学模型,编写了海上落水人员位置预测仿真计算软件,并进行实验验证。结果表明该算法结果能够拟合海上落水人员的漂移规律,仿真计算软件可为搜索落水人员提供辅助决策。

黄海绿潮应急漂移数值模拟

基于三维全动力POM海洋模式,利用2008～2009年黄海绿潮多源实测和监测数据,考虑奥帆赛场附近海域围油栏和流网等障碍物的阻拦作用,利用拉格朗日粒子追踪方法对绿潮的漂移轨迹进行应急预测,为政府相关部门了解绿潮的漂移轨迹,并采取相应的措施提供有力可靠的依据。通过黄海绿潮漂移轨迹和海流数值模拟结果初步分析,发现两者存在密切关系。

基于海上试验对海上漂移物运移轨迹影响因素的分析

为了提高现有的海上搜救和绿潮漂移预测模型的预报精度,在2011年7月20日进行了一次落水人员、绿潮和无动力船漂移预测的海上试验。通过分析这三种海上漂移物运移轨迹的实验数据,确立了落水人员、绿潮、以及无动力船在海上漂移轨迹的主要影响因素。实验结果表明,落水人员和绿潮的漂移轨迹比较一致,基本都受限制于海流运动。其中,落水人员相较于绿潮来说受到潮流的作用比较大,风对绿潮的影响相比对落水人员的影响大。无动力船的漂移轨迹与落水人员和绿潮的漂移轨迹略有不同,受潮流往复作用较小。根据海上实验的结果,我们重新确立了搜救模型的中海流和风应力的参数,使得搜救模型的模拟结果更吻合于实验数据。