[發(fā)明專利]一種基于深度嵌入聚類的LSTM光纖陀螺溫補建模方法

有效

• 申請?zhí)枺?/td>: 202010060569.2
• 申請日: 2020-01-19
• 公開（公告）號: CN111238462B
• 公開（公告）日: 2021-12-28
• 發(fā)明（設計）人: 周晨君;劉嘉祥;劉小進;龔小進
• 申請（專利權(quán)）人: 湖北三江航天紅峰控制有限公司
• 主分類號: G01C19/72
• 分類號: G01C19/72;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京匯信合知識產(chǎn)權(quán)代理有限公司 11335
• 代理人: 王維新

本發(fā)明公開了一種基于深度嵌入聚類的LSTM光纖陀螺溫補建模方法，包括：采集溫度與光纖陀螺零偏數(shù)據(jù)構(gòu)造訓練數(shù)據(jù)集，逐層訓練去噪自動編碼器；基于訓練后的去噪自動編碼器，構(gòu)造深度自動編碼器；基于深度自動編碼器，將輸入x映射得到嵌入點z；計算嵌入點z與聚類中心的軟分配，構(gòu)造輔助目標分配；以軟分配和輔助目標分配的kl散度為目標函數(shù)，在計算輔助目標函數(shù)和最小化kl散度之間迭代，更新深度自動編碼器參數(shù)和聚類中心；根據(jù)聚類結(jié)果進行分段，在每一段上使用LSTM神經(jīng)網(wǎng)絡訓練得到光纖陀螺溫補模型。本發(fā)明可實現(xiàn)陀螺輸出零偏誤差的溫度補償，獲得了良好的擬合與預測效果和較高的溫度環(huán)境適應性，提升了光纖陀螺產(chǎn)品精度。

技術(shù)領(lǐng)域

本發(fā)明涉及光纖陀螺技術(shù)領(lǐng)域，具體涉及一種基于深度嵌入聚類的LSTM光纖陀螺溫補建模方法。

背景技術(shù)

溫度的影響是制約光纖陀螺性能的主要因素之一，當工作環(huán)境溫度發(fā)生變化時，會引起陀螺輸出信號零位漂移，必須對其進行溫度補償來提升性能。目前已經(jīng)有一些機器學習算法被應用于陀螺溫補模型建立上，如支持向量機、小波神經(jīng)網(wǎng)絡、RBF神經(jīng)網(wǎng)絡等。

在《壓電與聲光》的《基于小波神經(jīng)網(wǎng)絡的光纖陀螺系統(tǒng)級溫度補償》中公開了一種基于小波神經(jīng)網(wǎng)絡的光纖陀螺溫度補償方法，引入了伸縮函數(shù)和平移函數(shù)對光纖陀螺進行零偏建模，實現(xiàn)了更優(yōu)的對非線性函數(shù)的逼近能力、收斂速度和容錯能力；在《紅外與激光工程》的《改進支持向量機的光纖陀螺溫度漂移補償方法》中公開了一種基于改進支持向量機的光纖陀螺溫度補償方法，支持向量機的核函數(shù)采用了具有更好數(shù)據(jù)集適應性的徑向基核函數(shù)，引入人工魚群算法對支持向量機的核心參數(shù)C(懲罰系數(shù))和核函數(shù)的參數(shù)進行尋優(yōu)。在《儀表技術(shù)與傳感器》的《基于GA-BP神經(jīng)網(wǎng)絡的光纖陀螺溫度補償》中公開了一種利用遺傳算法優(yōu)化網(wǎng)絡參數(shù)GA-BP神經(jīng)網(wǎng)絡溫度補償模型。

現(xiàn)有技術(shù)存在的問題：

1.光纖陀螺通電后受慣性元件和電路板自然升溫的影響，內(nèi)部溫度變化情況復雜。陀螺零偏不僅受溫度的影響而變化，還與信號采集板上某些關(guān)鍵器件隨溫度變化的特性改變有關(guān)，屬于系統(tǒng)級的誤差；已有的機器學習模型難以實現(xiàn)理想的補償效果。

2.機器學習方法適用的前提是樣本獨立同分布，即樣本符合同一物理模型，但實際上陀螺在不同溫度條件下性能會有所改變，不能用單一模型來描述，即需要分段擬合；而，分段回歸一般根據(jù)信號的局部特點進行人為地劃分分段區(qū)間，引入了人為誤差。

發(fā)明內(nèi)容

針對現(xiàn)在技術(shù)中存在的光纖陀螺溫補模型人工分段擬合的缺陷，本發(fā)明提供一種基于深度嵌入聚類的LSTM光纖陀螺溫補建模方法。

本發(fā)明公開了一種基于深度嵌入聚類的LSTM光纖陀螺溫補建模方法，包括：

采集溫度與光纖陀螺零偏數(shù)據(jù)構(gòu)造訓練數(shù)據(jù)集，逐層訓練去噪自動編碼器；

基于訓練后的去噪自動編碼器，構(gòu)造深度自動編碼器；

基于所述深度自動編碼器，將輸入x映射得到嵌入點z；

計算嵌入點z與聚類中心的軟分配，構(gòu)造輔助目標分配；

以軟分配和輔助目標分配的kl散度為目標函數(shù)，在計算輔助目標函數(shù)和最小化kl散度之間迭代，更新深度自動編碼器參數(shù)和聚類中心；

根據(jù)聚類結(jié)果進行分段，在每一段上使用LSTM神經(jīng)網(wǎng)絡訓練得到光纖陀螺溫補模型。

作為本發(fā)明的進一步改進，所述逐層訓練去噪自動編碼器，包括：

輸入x經(jīng)dropout后輸入去噪自動編碼器的編碼層得到中間量h，h經(jīng)dropout后輸入自動編碼器的解碼層得到輸出y；

逐層學習去噪自動編碼器，并將中間量h傳入下一個去噪自動編碼器。

作為本發(fā)明的進一步改進，所述構(gòu)造深度自動編碼器，包括：