科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了减小光纤陀螺（FOG）的温度漂移误差以提高导航精度，从FOG温度误差机理出发，利用Bagging集成学习技术泛化能力强的优点，采用Python语言将分类回归树（CART）集成，建立了FOG温度漂移误差的CART-Bagging模型。最后，利用某型FOG温控试验的实测数据，使用此模型进行补偿实验；同时与单反向传播（BP）神经网络模型和CART模型的补偿效果进行对比分析。结果表明：相比于单BP神经网络模型和CART模型，使用CART-Bagging模型补偿后，FOG温度漂移误差减少了59%以上，具有更好的补偿效果。
- 单位
