针对重力仪稳定平台非线性因素多,且实验条件限制,通过传统的模型辨识方法难以建立平台的精确模型的问题,提出了一种基于优化带外输入的非线性自回归模型(Nonlinear Auto Regressive Models with Exogenous Inputs,NARX)的神经网络模型...针对重力仪稳定平台非线性因素多,且实验条件限制,通过传统的模型辨识方法难以建立平台的精确模型的问题,提出了一种基于优化带外输入的非线性自回归模型(Nonlinear Auto Regressive Models with Exogenous Inputs,NARX)的神经网络模型辨识的方法对重力仪稳定平台进行精确建模,从而提高模型与实际系统的一致性,为PID参数整定方法应用于工程奠定基础。通过实验建模及验证的结果表明:该方法相比较于传统方法建模精度提高7倍~23倍左右,模型精度提高一个数量级,且方法简单,应用范围更广。展开更多
文摘针对重力仪稳定平台非线性因素多,且实验条件限制,通过传统的模型辨识方法难以建立平台的精确模型的问题,提出了一种基于优化带外输入的非线性自回归模型(Nonlinear Auto Regressive Models with Exogenous Inputs,NARX)的神经网络模型辨识的方法对重力仪稳定平台进行精确建模,从而提高模型与实际系统的一致性,为PID参数整定方法应用于工程奠定基础。通过实验建模及验证的结果表明:该方法相比较于传统方法建模精度提高7倍~23倍左右,模型精度提高一个数量级,且方法简单,应用范围更广。