基于改进型BP神经网络的角速度预测

摘要

无陀螺捷联惯导系统(GFSINS)角速度是由加速度计比力输出的线性组合及一些代数运算,在公式中直接获得.由于加速度计测量误差、安装误差等因素,角速度解算值暂时还不能满足大多数导航设备的要求.近年来神经网络技术高速发展,已被应用到多个不同领域.通过系统的学习发现,神经网络强适应性和高容错性等优点能够为无陀螺捷联惯导系统(GFSINS)的角速度解算提供一种全新的指导.神经网络不需要具体的系统数学模型,只要给定训练样本(包括输入样本和期望输出样本),按照学习规则训练网络,将实时测试数据代入到训练好的网络,就可以获得较高精度的目标输出.