Bayesian算法在某运动轨迹测量仪中的应用研究

摘要

某运动轨迹测量仪是一种常规的测量仪器(光电经纬仪的一种)，广泛应用于军事、建筑等诸多行业，主要用于测量空间目标的方位角和高低角。随着我国航空、航天和国防科技事业的飞速发展，大量的试验数据需要由测量仪来测量，因此对测量仪测量数据的精度提出了越来越高的要求。为了进一步提高测量仪系统的测量数据精度，需要对测量仪系统的硬件及软件改进方案的设计作进一步的探讨。 本文对该运动轨迹测量仪测角系统的轴角编码器进行了改进，并且对运动轨迹测量仪系统的数据处理软件进行了重新设计，通过软硬结合的方式来探讨提高该测量仪系统的测量数据精度的方法。首先，分析了该测量仪系统的组成结构及其工作原理，在此基础上对测角系统的轴角编码器的细分装置进行了改进方案的设计，包括细分装置中的乘法倍频电路和A/D转换电路的改进，以提高轴角编码器的分辨率及处理速度。其次，重点探讨本课题涉及的贝叶斯算法与神经网络的结合，通过贝叶斯推理得出目标函数的最优化参数，达到提高网络泛化能力的目的。最后，对该测量仪在工作时，特别是由于轴系转动以及随动系统动态滞后等各种原因引起的测量数据误差进行分析，并建立测量数据误差分解模型。 采用贝叶斯正则化神经网络对该运动轨迹测量仪的实测数据进行误差修正实验，并对实验结果进行分析和总结。实验结果表明，贝叶斯正则化神经网络可以实现对该运动轨迹测量仪测量数据的误差修正，并取得良好的效果，可以达到提高该运动轨迹测量仪测量数据精度的目的。

目录

文摘

英文文摘

声明

第1章绪论

1.1课题研究的目的和意义

1.2光电经纬仪的发展

1.3动态测量误差理论的研究概况

1.4贝叶斯神经网络国内外研究现状

1.5主要研究内容

第2章测量仪系统组成结构及工作原理

2.1测量仪系统介绍

2.1.1测量仪系统组成

2.1.2测量仪系统测量原理

2.2光电轴角编码器细分装置改进方案设计

2.2.1光电轴角编码器的组成及工作原理

2.2.2乘法四倍频电路改进方案设计

2.2.3 A/D转换芯片的选取及其电路改进方案设计

2.3本章小结

第3章贝叶斯正则化BP神经网络

3.1人工神经网络模型

3.2 BP神经网络

3.2.1 BP算法及网络学习过程

3.2.2 BP算法的局限性

3.2.3 BP算法的改进

3.3贝叶斯正则化神经网络的研究

3.3.1 正则化法

3.3.2贝叶斯理论

3.3.3贝叶斯神经网络的参数估计

3.3.4贝叶斯神经网络建模

3.4本章小结

第4章 测量仪系统测量误差分析

4.1测量误差的分类及基本概念

4.2随动系统动态滞后对测量数据的影响

4.3轴系误差对测量数据的影响

4.3.1照准轴误差引起的测量误差

4.3.2水平轴倾斜误差引起的测量误差

4.3.3垂直轴倾斜误差引起的测量误差

4.3.4码盘定向误差引起的测量误差

4.3.5其它误差

4.4本章小结

第5章 贝叶斯方法对测量仪测量数据误差修正

5.1研究方法及软件实现

5.2贝叶斯方法仿真研究

5.3测量仪测量数据误差修正

5.3.1数据的预处理

5.3.2确定网络结构

5.3.3确定网络训练参数

5.3.4网络性能评价

5.3.5测量仪测量数据误差修正结果分析

5.4本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢