基于rbf神经网络的天线姿态测量系统设计

基于rbf神经网络的天线姿态测量系统设计

ID:32370863

大小:505.93 KB

页数:6页

时间:2019-02-03

基于rbf神经网络的天线姿态测量系统设计_第1页
基于rbf神经网络的天线姿态测量系统设计_第2页
基于rbf神经网络的天线姿态测量系统设计_第3页
基于rbf神经网络的天线姿态测量系统设计_第4页
基于rbf神经网络的天线姿态测量系统设计_第5页
资源描述:

《基于rbf神经网络的天线姿态测量系统设计》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、万方数据第16卷第2期2008年4月中国惯性技术学报JournalofChineseInertialTechnologyV01.16No.2Apr.2008文章编号:1005·6734(2008)02—0132·04基于RBF神经网络的天线姿态测量系统设计赵琳,刘付强,吴鹏,王文晶(哈尔滨工程大学自动化学院,哈尔滨150001)摘要:基于MEMS陀螺仪的测姿系统体积小、成本低,但较低的陀螺精度无法保证系统长期工作.采用KaImn滤波技术将陀螺仪和加速度计、磁强计信息相融合,可保证系统的长期精度.船舶机动行驶引入的干扰加速度会造成Kalma

2、n滤波精度降低,为了克服这一不足。利用神经网络的自学习能力,采用径向基神经网络设计船用天线的微型捷联测姿系统,以提高船舶机动航行时的系统精度.阐述了组合式捷联姿态系统算法原理,并通过仿真试验结果证明:训练后的网络能够克服干扰加速度的影响,保证系统稳定工作.关键词:MEMS陀螺仪;姿态测量系统;干扰加速度;径向基神经网络中图分类号:U666.1文献标志码:ADesignforantennaattitudemeasurementbasedonRBFneuralnetworkZHAOLin,LIUFu-qiang,wUPeng,WANGWen-

3、jing(CollegeofAutomation,HarbinEngineeringUniversity,Harbin150001,China)Abstract:TheattitudemeasurementunitbasedonMEMSgyrosUSeKalmanfiltertointegratetheinformationofgyros,accelerometersandmagnetometerstoimproveitslong·termprecision,butthefilterprecisionmaybeweakenedbythed

4、isturbanceaccelerationgeneratedbyshipmaneuver.Inordertoovercomethisshortage,theself-studyabilityofradialbasisfunction(RBF)neuralnetworkWasusedtodesignastrapdownattitudemeasurementsystemforshipantenna.111eprincipleoftheintegratestrapdownattitudemeasurementarithmeticwasexpo

5、unded,andthesimulationexperimentWasalsomadetotesttheefficiencyoftheproposedmethod.Thcresultsshowthatthetrainedneuralnetworkgalleffectivelyovercometheinfluenceofdisturbanceacceleration,andensurethesystemWOrkstably.Keywords:M哐MSgyros;attitudemeasurementsystem;disturbanceacc

6、eleration;RBFNN船舶在航行中由于外力作用会发生摇摆而使得船上安装的多种天线系统难以保持正确指向。克服摇摆影响的方法有许多,最直接方法是通过船上主惯性系统提供姿态参考,对天线基座进行稳定控制.此方法结构简单,但当天线基座位置离主惯性系统较远或其摆动与船体摆动不一致时,系统精度下降,且无法在未安装主惯性系统的船舶中实现。针对这一问题,本文应用MEMS惯性器件设计与天线固联的低成本姿态测量系统,为天线姿态控制提供基准。与传统陀螺仪相比,MEMS陀螺仪具有体积小、成本低、动态范围大等特剧11,其所构成的姿态测量系统具有很好的动态性能

7、。但较大的陀螺仪漂移使系统误差积累很快,无法长期使用12一。由加速度计和磁强计所分别测量的重力与地磁向量虽然易受干扰,但测量误差不随时间增长,可保证系统的长期精度,因此由这两类器件构成的姿态系统可以和MEMS陀螺仪组成的姿态系统实现优势互补.Kalman滤波技术可以实现组合系统的最优姿态输出,但需要精确的白噪声量测误差模型,当船舶机动运行时此条件无法保证.人工神经网络具有很强的自学习能力,选用合理的网络进行训练,可以完成姿态系统的信息融合【毛5】。本文利用RBF神经网络作为组合算法滤波器,实现船舶机动运行时系统的稳定输出.收稿日期:200

8、8.02.02;修回日期:2008.03.20基金项目:国家自然科学基金(60474046)作者简介:赵琳(1968一),男,教授,博士生导师,从事制导与控制技术研究。E-mail:zhaol

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。