文档名：基于集成学习模型的光纤陀螺温度漂移补偿
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.
作者：毛宁 许江宁 何泓洋 吴苗Author：MAONing XUJiangning HEHongyang WUMiao
作者单位：海军工程大学电气工程学院,湖北武汉430033
刊名：传感器与微系统 ISTICPKU
Journal：TransducerandMicrosystemTechnologies
年，卷(期)：2023, 42(6)
分类号：TP212U666.1
关键词：光纤陀螺 温度补偿 Python语言 集成学习
机标分类号：TP391.41TN29TP273.22
在线出版日期：2023年6月16日
基金项目：国家自然科学基金，湖北省自然科学基金资助项目基于集成学习模型的光纤陀螺温度漂移补偿[
期刊论文] 传感器与微系统--2023, 42(6)毛宁 许江宁 何泓洋 吴苗为了减小光纤陀螺(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...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于集成学习模型的光纤陀螺温度漂移补偿 Temperature drift compensation of FOG based on ensemble learning model
基于集成学习模型的光纤陀螺温度漂移补偿.pdf
- 文件大小:
- 1.07 MB
- 下载次数:
- 60
-
高速下载
|
|
