慣性器件誤差補償技術(shù)對提高捷聯(lián)慣導(dǎo)系統(tǒng)的導(dǎo)航精度具有十分重要的意義,而誤差補償?shù)年P(guān)
鍵在于誤差模型的辨識。本文探討將Elman 神經(jīng)網(wǎng)絡(luò)應(yīng)用于慣性器件誤差建模中,詳細(xì)介紹了Elman 網(wǎng)絡(luò)和其對應(yīng)的學(xué)習(xí)算法。仿真結(jié)果證明了該方法的可行性,并且，該方法具有網(wǎng)絡(luò)收斂速度快、跟蹤性能好、穩(wěn)定性好等優(yōu)點。
慣性器件（陀螺和加速度計）誤差是影響慣性導(dǎo)航系統(tǒng)精度的主要誤差源。激光陀螺捷聯(lián)慣性導(dǎo)航系統(tǒng)中，由于激光陀螺和加速度計直接固聯(lián)在運動載體上，使其處于惡劣的角運動中，會產(chǎn)生動態(tài)誤差。在長時間連續(xù)工作時，純慣導(dǎo)系統(tǒng)提供的載體導(dǎo)航信息會積累成較大的誤差，使導(dǎo)航信息可信度降低。這就要求使用高精度的慣性器件才能滿足系統(tǒng)精度要求，但是單從制造工藝和調(diào)試技術(shù)方面提高慣性器件精度是很困難的，且其成本太高。必須通過誤差補償技術(shù)來提高導(dǎo)航系統(tǒng)的定位定向精度。而慣性器件誤差補償?shù)年P(guān)鍵是如何準(zhǔn)確地將慣性器件的誤差模型辨識出來。許多文獻(xiàn)中介紹了采用卡爾曼濾波方法來辨識慣性敏感器的誤差模型參數(shù)，然后加以補償?？柭?a href='http://www.brongaenegriffin.com/tags/濾波器/' target='_blank' class='arckwlink_none'>濾波器只是在建立慣性器件的誤差模型的基礎(chǔ)上估計出誤差模型的參數(shù)，往往需要在大量的實驗基礎(chǔ)上進行反復(fù)的建模、校模，分析慣性器件的物理特性和結(jié)構(gòu)，才能得到較準(zhǔn)確的反映實際動態(tài)系統(tǒng)的誤差模型。
遞歸神經(jīng)網(wǎng)絡(luò)具有非線性逼近的能力，還具有自適應(yīng)、自學(xué)習(xí)、并行分布式處理的特點，因此在諸如函數(shù)逼近、模式識別、數(shù)據(jù)壓縮等領(lǐng)域有著廣泛的應(yīng)用。Elman 神經(jīng)網(wǎng)絡(luò)是遞歸網(wǎng)絡(luò)的一種，它可以任意精度逼近任意的非線性函數(shù)。根據(jù)慣性器件誤差的動態(tài)特性，本文將Elman 神經(jīng)網(wǎng)絡(luò)引入到激光陀螺的誤差建模中去，這種建模方法將模型辨識和參數(shù)辨識同時進行的，不必事先知道陀螺誤差的ARMA 模型，只要獲取了網(wǎng)絡(luò)的輸入/輸出樣本就可以利用該網(wǎng)絡(luò)建模了。