科研動(dòng)態(tài)
基于IAPSO-RBF的石英撓性加速度計(jì)溫度補(bǔ)償
中文題目：基于IAPSO-RBF的石英撓性加速度計(jì)溫度補(bǔ)償
論文題目：Temperature compensation for quartz flexible accelerometer based on IAPSO-RBF
錄用期刊/會(huì)議：Measurement（中科院大類二區(qū)，TOP，CAA B類期刊）
原文DOI：10.1016/j.measurement.2024.116603
原文鏈接：https://doi.org/10.1016/j.measurement.2024.116603
見(jiàn)刊時(shí)間：2025年1月21日
作者列表：
1）朱明達(dá) 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 電子信息工程系教師
2）常嘉穎 中國(guó)石油大學(xué)（北京）人工智能學(xué)院控制科學(xué)與工程專業(yè) 博 23
3）王新鑫 中國(guó)石油大學(xué)（北京）人工智能學(xué)院控制科學(xué)與工程專業(yè) 博 24
4）段瑞豪 中國(guó)石油大學(xué)（北京）人工智能學(xué)院信息與通信工程專業(yè) 碩 23
5）熊 起 中國(guó)石油大學(xué)（北京）人工智能學(xué)院信息與通信工程專業(yè) 碩 21
文章簡(jiǎn)介:
本文圍繞石英撓性加速度計(jì)（QFA）溫度漂移及補(bǔ)償方法展開(kāi)研究，分析漂移機(jī)理，提出基于免疫與粒子群算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的補(bǔ)償模型，通過(guò)數(shù)值模擬和溫度循環(huán)實(shí)驗(yàn)驗(yàn)證模型有效性。
摘要:
為降低石英撓性加速度計(jì)溫度漂移誤差，本文剖析其漂移機(jī)理，針對(duì)RBF神經(jīng)網(wǎng)絡(luò)弊端，提出IAPSO-RBF溫度補(bǔ)償模型。經(jīng)實(shí)驗(yàn)驗(yàn)證，該模型補(bǔ)償效果更佳，補(bǔ)償后加速度精度提高2個(gè)數(shù)量級(jí)，輸出均方誤差由0.0014降至1.8854×10-5。
背景與動(dòng)機(jī):
石英撓性加速度計(jì)是捷聯(lián)慣性導(dǎo)航系統(tǒng)核心元件，其性能影響導(dǎo)航精度。溫度對(duì)加速度計(jì)測(cè)量精度影響較大，溫差變化時(shí)漂移誤差顯著。因此，為了減小石英撓性加速度計(jì)在實(shí)際應(yīng)用中的輸出誤差，提高其精度，需要對(duì)加速度計(jì)輸出進(jìn)行溫度補(bǔ)償。
設(shè)計(jì)與實(shí)現(xiàn):
RBF神經(jīng)網(wǎng)絡(luò)性能取決于隱藏層中心c、寬度σ及輸出層權(quán)重ω。傳統(tǒng)RBF網(wǎng)絡(luò)確定參數(shù)時(shí)局限于局部尋優(yōu)，本文引入PSO算法進(jìn)行全局優(yōu)化，但PSO后期粒子多樣性降低、優(yōu)化性能退化。為此，本文提出三種免疫算法與PSO結(jié)合的方法，優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)關(guān)鍵參數(shù)，克服RBF網(wǎng)絡(luò)缺陷，保證粒子多樣性，增強(qiáng)全局尋優(yōu)能力，算法流程圖見(jiàn)圖1。
圖1 IAPSO-RBF算法流程圖 (a) IAPSO1-RBF；(b) IAPSO2-RBF；(c) IAPSO3-RBF
主要內(nèi)容:
通過(guò)對(duì)QFA受溫度漂移的輸出進(jìn)行數(shù)值模擬，對(duì)本文提出的三種IAPSO-RBF溫度補(bǔ)償模型進(jìn)行了驗(yàn)證，并與BP網(wǎng)絡(luò)、RBF網(wǎng)絡(luò)、免疫算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)（IA-RBF）、以及粒子群算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)（PSO-RBF），各模型的溫度補(bǔ)償結(jié)果如圖2所示。
圖2 (a), (b) XJ0120-552和557系列QFA溫度補(bǔ)償效果；(c), (d) XJ0120-552和557系列QFA的溫度補(bǔ)償誤差
實(shí)驗(yàn)結(jié)果及分析:
設(shè)計(jì)QFA溫度實(shí)驗(yàn)系統(tǒng)獲取數(shù)據(jù)樣本，為對(duì)比模型性能，采用RBF、IA-RBF、PSO-RBF對(duì)同一樣本進(jìn)行訓(xùn)練測(cè)試。各模型的溫度補(bǔ)償結(jié)果如圖3所示。此外，選用誤差最大值（ME）、誤差均值（AE）、均方誤差（MSE）三種指標(biāo)來(lái)評(píng)估模型性能，各模型評(píng)價(jià)指標(biāo)計(jì)算結(jié)果如表1所示。
圖3 (a), (b) XJ0120-552和557系列QFA溫度補(bǔ)償效果；(c), (d) XJ0120-552和557系列QFA溫度補(bǔ)償誤差
表1 QFA溫度補(bǔ)償模型性能評(píng)估結(jié)果
可以看出，在不同加速度計(jì)的相同測(cè)試集中，本文所提出的IAPSO-RBF石英撓性加速度計(jì)溫度補(bǔ)償模型效果明顯優(yōu)于其余溫度補(bǔ)償模型，各項(xiàng)模型評(píng)價(jià)指標(biāo)更小，溫度補(bǔ)償效果更好。相比傳統(tǒng)RBF網(wǎng)絡(luò)補(bǔ)償模型，誤差指標(biāo)均提升了1~2個(gè)數(shù)量級(jí)，證明了該算法的有效性。
結(jié)論:
數(shù)值仿真和實(shí)驗(yàn)顯示，三種IAPSO-RBF模型補(bǔ)償效果與精度超越傳統(tǒng)RBF神經(jīng)網(wǎng)絡(luò)，IAPSO2-RBF算法表現(xiàn)最優(yōu)。它借助粒子群訓(xùn)練粒子群更新免疫種群，克服局部最優(yōu)，極具工程應(yīng)用價(jià)值。
作者簡(jiǎn)介:
朱明達(dá)，博士，人工智能學(xué)院副教授，博士生導(dǎo)師。主要研究領(lǐng)域包括電子測(cè)量技術(shù)與儀器、光纖傳感技術(shù)、信號(hào)檢測(cè)與智能信息處理、智慧物聯(lián)傳感等。