科研之友
微信
新浪微博
Facebook
分享链接
摘要
光纤陀螺（FOG）的零漂补偿是提高其工作精度的主要方法之一。为了实现FOG零漂的实时在线补偿，利用基于增量学习的在线支持向量机回归（Online-SVR）方法建立FOG零漂实时补偿方案，并提出了一种基于滑动平均的温度变化率实时获取方法，可以实现温度变化率的稳定获取以满足在线补偿的要求。通过分析和预处理FOG在-15～50℃范围内的实测数据，分别进行径向基神经网络、支持向量机回归以及基于增量学习的在线支持向量机回归建模，并对原始零漂和三种模型补偿后的剩余零漂进行Allan方差分析。结果表明：在线支持向量机回归模型实现在线补偿的同时，具有较其他两种模型更好的补偿精度和稳定性，适用于FOG零漂数据的在线补偿。
- 单位
