基于RBF和BP神经网络的DTG全解耦方法比较
动力调谐陀螺仪(DTG)是一个双输入双输出的惯性器件，在现代航空航天、导弹、潜艇和舰船上得到了广泛的应用。为了提高动调陀螺仪(DTG)的精度,需要对DTG的解耦方法进行研究.BP神经网络解耦方法虽然可以达到DTG的全解耦目的,但是与传统的解耦方法相比仍有一些不足,如学习过程较慢,隐含层也很难确定、泛化能力较差等.因此,需要探求更好的解耦方法.本文通过对RBF神经网络与BP神经网络相比较,BP神经网络解耦方法可以实现DTG的全解解耦。但是与传统的解耦方法相比也有一些不足，如学习过程较慢，隐含层也很难确定，泛化能力较差等。RBF神经网络是一种具有拓扑结构的前向神经网络，具有三层网络结构，包括输入层、隐层和输出层，其训练时问很短，也没有任何的局部极值的可能性。因此，利用RBF神经网络来构建一个解耦网络可以克服BP神经网络解耦方法的不足。本文最后通过仿真实验,验证了RBF神经网络的解耦速度比BP神经网络快,并且准确性要高.
动调陀螺仪 解耦方法 神经网络
罗宇锋 刘勇
河南理工大学电气工程与自动化学院,河南 焦作 454003
国内会议
河南焦作
中文
1-5
2014-07-26（万方平台首次上网日期，不代表论文的发表时间）