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。

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。