基于神经网络的加速度时程积分方法

加速度的二重积分是位移,因此利用加速度传感器可以测量位移,但加速度信号积分中存在零点校正和边界条件确定的问题。为了准确地将加速度时程积分成对应时刻的位移,提出了一种利用非线性映射能力很强的BP神经网络建立加速度时程与位移时程之间的关系。通过对样本的学习,BP神经网络将这种非线性映射关系以分布并行的方式存储在网络的联结权矩阵中,从而对样本集进行非逻辑归纳。数值仿真结果和实测结果表明,该方法抗噪声污染能力强,收敛速度快,识别精度较高。