基于FIG-SVM的MEMS陀螺随机漂移预测

摘要

针对传统预测方法不能对MEMS陀螺仪随机漂移进行精确预测的缺点,提出了一种基于模糊信息粒化的支持向量机模型的区间预测方法.该模型首先利用模糊信息粒化算法对原始数据进行预处理,将样本空间划分为多个粒(子空间),降低样本规模,减小时间复杂度;然后将模糊粒化后的数据进行相空间重构和归一化,利用SVM进行回归分析,同时利用交叉验证选出最优的调节参数,避免出现过学习和欠学习;最后利用训练得到的模型进行随机漂移预测.实验结果表明,该方法能够有效预测随机漂移变化趋势和变化区间,具有良好的工程应用前景.