[發(fā)明專利]一種遺傳算法優(yōu)化動態(tài)遞歸神經(jīng)網(wǎng)絡(luò)的光纖陀螺溫度漂移建模方法

有效

• 申請?zhí)枺?/td>: 201310619024.0
• 申請日: 2013-11-28
• 公開（公告）號: CN103593538B
• 公開（公告）日: 2017-03-22
• 發(fā)明（設(shè)計）人: 陳熙源;宋銳;湯傳業(yè);黃浩乾;呂才平;何昆鵬;方琳
• 申請（專利權(quán)）人: 東南大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06N3/02;G01C19/72
• 代理公司: 南京瑞弘專利商標事務(wù)所(普通合伙)32249
• 代理人: 楊曉玲

1.一種遺傳算法優(yōu)化動態(tài)遞歸神經(jīng)網(wǎng)絡(luò)的光纖陀螺溫度漂移建模方法，其特征在于，包括下列步驟：

步驟(1)，建立改進Elman神經(jīng)網(wǎng)絡(luò)模型：

將光纖陀螺的環(huán)境溫度及前一時刻輸出數(shù)據(jù)作為模型的輸入量，當前時刻光纖陀螺輸出作為模型的輸出量，構(gòu)建改進Elman神經(jīng)網(wǎng)絡(luò)模型；所述改進Elman神經(jīng)網(wǎng)絡(luò)模型為兩輸入、單輸出的四層神經(jīng)網(wǎng)絡(luò)，數(shù)學模型表示為：

x(k)=f[Wjlxxc(k)+Wjquu(k-1)]]]>

x_c(k)=αx_c(k-1)+x(k-1)

y(k)=g[Wijyx(k)]]]>

式中，表示隱含層與關(guān)聯(lián)層的連接權(quán)矩陣，表示隱含層與輸入層之間的連接權(quán)矩陣，表示隱含層與輸出層的連接權(quán)矩陣，y(k)表示k時刻神經(jīng)網(wǎng)絡(luò)的輸出，u(k)表示k時刻神經(jīng)網(wǎng)絡(luò)的輸入，x(k)表示k時刻的隱含層狀態(tài)，x_c(k)表示k時刻關(guān)聯(lián)層中神經(jīng)元的狀態(tài)，f(·)表示隱含層的激活函數(shù)所組成的非線性向量函數(shù)，g(·)表示輸出層的激活函數(shù)所組成的非線性向量函數(shù)，其中f(·)取sigmoid函數(shù)；0≤α<1為自連接反饋增益因子；i，j，q，k分別為對應(yīng)參數(shù)變化范圍內(nèi)的變量，取值范圍為1，2，3…N；

設(shè)第k步網(wǎng)絡(luò)的實際輸出為y_d(k)，定義誤差函數(shù)為：

E(k)=12(yd(k)-y(k))T(yd(k)-y(k));]]>

步驟(2)，獲取學習樣本：

以特征溫度下的光纖陀螺輸出信號作為學習樣本，使學習樣本能夠反映可工作溫度條件下的測量范圍；

步驟(3)，訓練改進Elman神經(jīng)網(wǎng)絡(luò)并通過遺傳算法優(yōu)化模型參數(shù)：

根據(jù)所述步驟(1)得到的改進Elman神經(jīng)網(wǎng)絡(luò)模型和步驟(2)得到的樣本數(shù)據(jù)，對各組學習樣本采用標準的BP算法訓練，即可得到改進Elman神經(jīng)網(wǎng)絡(luò)模型參數(shù)；再利用遺傳算法迭代得到最優(yōu)的模型參數(shù)包括權(quán)值和閾值從而得到最優(yōu)的神經(jīng)網(wǎng)絡(luò)模型；

步驟(4)，將光纖陀螺原始輸出信號輸入步驟(3)所得的最優(yōu)的神經(jīng)網(wǎng)絡(luò)模型中，即可得到光纖陀螺預(yù)測輸出，從而對光纖陀螺溫度漂移進行補償。