[發(fā)明專利]基于優(yōu)化LS-SVM的光纖陀螺溫度漂移誤差補償方法

在審

• 申請?zhí)枺?/td>: 201410183148.3
• 申請日: 2014-04-30
• 公開（公告）號: CN103954300A
• 公開（公告）日: 2014-07-30
• 發(fā)明（設計）人: 陳熙源;宋銳;湯傳業(yè);方琳
• 申請（專利權）人: 東南大學
• 主分類號: G01C25/00
• 分類號: G01C25/00
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

1.一種基于優(yōu)化LS-SVM的光纖陀螺溫度漂移誤差補償方法，其特征在于：利用人工魚群算法優(yōu)化光纖陀螺溫度漂移誤差的LS-SVM模型參數(shù)，具體步驟包括：

(1)將AFSA算法和LS-SVM模型參數(shù)初始化；

(2)根據(jù)光纖陀螺輸出數(shù)據(jù)確定模型訓練和測試的樣本數(shù)據(jù)，并對模型輸入數(shù)據(jù)進行去噪和去除趨勢項預處理；

(3)利用步驟(2)所得的訓練數(shù)據(jù)訓練LS-SVM模型，通過AFSA算法中的迭代尋優(yōu)步驟以及目標函數(shù)來確定最優(yōu)的參數(shù)；

(4)根據(jù)訓練好的模型預測光纖陀螺的輸出并進行溫度漂移誤差的補償；

其中，步驟(1)中初始化的模型參數(shù)包括群體規(guī)模N、最大迭代次數(shù)M、人工魚個體的視野范圍Visual、人工魚個體的移動步長Step和擁擠度因子δ，初始化數(shù)據(jù)后在變量可行域內隨機生成N個人工魚，根據(jù)形成的初始魚群確定對應的待尋優(yōu)LS-SVM的變量懲罰參數(shù)c和核寬度參數(shù)σ，人工魚個體X＝(X₁X₂…X_n)，其中X_i(i＝1,2…n)為各尋優(yōu)變量；人工魚個體當前所在位置的食物濃度設為Y，且有Y＝(Y₁Y₂…Y_n)＝f(X)，各人工魚之間距離d_ij為d_ij＝||X_i-X_j||。

2.根據(jù)權利要求1所述的基于優(yōu)化LS-SVM的光纖陀螺溫度漂移誤差補償方法，其特征在于：在所述步驟(1)中對LS-SVM模型參數(shù)初始化后，通過測量所得的光纖陀螺工作溫度和溫度漂移輸出的訓練樣本來確定懲罰參數(shù)c和核寬度參數(shù)σ。

3.根據(jù)權利要求1所述的基于優(yōu)化LS-SVM的光纖陀螺溫度漂移誤差補償方法，其特征在于：所述步驟(2)中LS-SVM模型的輸入設置為當前時刻的溫度和前一時刻的陀螺輸出，模型輸出為下一時刻的陀螺輸出，即預測輸出數(shù)據(jù)。

4.根據(jù)權利要求1所述的基于優(yōu)化LS-SVM的光纖陀螺溫度漂移誤差補償方法，其特征在于：所述步驟(3)中確定最優(yōu)參數(shù)的具體步驟如下：

(31)用訓練樣本數(shù)據(jù)訓練LS-SVM模型，將更新后的LS-SVM預測結果的均方根誤差作為人工魚所在位置的濃度值，把得到的最大濃度值及參數(shù)結果存入公告板，選擇對應濃度大的行為作為下一時刻的執(zhí)行行為，通過比較不同參數(shù)下的濃度值，得到每次迭代后的最優(yōu)值；

(32)當?shù)螖?shù)達到設置的最大迭代次數(shù)時結束循環(huán)，并將全局最優(yōu)的人工魚狀態(tài)映射為最優(yōu)的LS-SVM模型參數(shù)，然后結束模型參數(shù)的尋優(yōu)。

5.根據(jù)權利要求1所述的基于優(yōu)化LS-SVM的光纖陀螺溫度漂移誤差補償方法，其特征在于：所述步驟(4)中采用測試數(shù)據(jù)進行模型輸出預測和誤差補償，通過比較不同算法的光纖陀螺溫度漂移誤差補償結果來確定模型的優(yōu)越性。