采用小波降噪和神经网络的FOG温度漂移补偿方法

摘要

光纤陀螺(FOG)输出易受环境温度的影响,发生漂移导致光纤陀螺测量精度降低.采用传统的BP神经网络容易陷入局部极小值,导致网络训练失败.为了优化BP神经网络,本文提出了一种粒子群(PSO)优化BP神经网络与小波降噪相结合的光纤陀螺温度漂移补偿方法.首先分析了光纤陀螺温度漂移产生的原因;然后在不同温度下对光纤陀螺进行测试,最后采用该方法建立了光纤陀螺温度漂移模型并根据模型对光纤陀螺进行补偿,结果表明采用该方法补偿后光纤陀螺在不同温度下的输出标准差降低了60.19％,与传统的BP神经网络相比补偿效果显著提高.