论文摘要
针对三轴加速度计存在的测量误差,建立了隐式非线性误差模型,并提出一种自主反向调优的极限学习机（RT-ELM）对误差模型进行训练。实验结果表明:三轴补偿后误差基本控制在±0. 07 m/s2范围内,均方根误差小于0. 004 m/s2,误差比补偿前减小超过100倍,补偿精度是固定型极限学习机ELM的7倍左右。任意选取训练集和测试集补偿效果基本一致,证明超限学习算法具有很好的泛化能力和鲁棒性,而且几千个样本点的训练时间仅0. 06 s左右,其速度是传统反向传播（BP）神经网络的上千倍,适用于对实时性要求较高的误差补偿和控制系统等领域。
论文目录
文章来源
类型: 期刊论文
作者: 刘艳霞,方建军,石岗
关键词: 极限学习机,神经网络,非线性误差模型,加速度计
来源: 传感器与微系统 2019年07期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 仪器仪表工业,自动化技术
单位: 北京联合大学城市轨道交通与物流学院,中国石油大学(华东)信息与控制工程学院
基金: 国家自然科学基金资助项目(61602041),北京联合大学人才强校优选计划资助项目(BPHR2017CZ07),北京联合大学新起点后期资助项目(Hzk10201601)
分类号: TH824.4;TP18
DOI: 10.13873/j.1000-9787(2019)07-0138-04
页码: 138-141
总页数: 4
文件大小: 1845K
下载量: 177