公开(公告)号：CN109613618B

公开(公告)日：2020-05-05

申请号：CN201811554756.5

申请日：2018-12-19

Applicant: 东南大学

Inventor： 赵立业 ,  沈翔 ,  张晓栋 ,  黄丽斌 ,  李宏生 ,  吕志彬

IPC: G01V3/40 ,  G01V3/38

Abstract: 本发明公开了一种重力敏感器的长期漂移误差补偿方法，利用样本重力数据建立重力敏感器数据长期漂移误差补偿系统的实时定量预测模型，解算得到实时定量预测参数，并得到建模所需的样本重力数据的输入序列和目标序列；然后得到训练后的重力数据目标训练后序列和输入训练后序列；再次得到重力数据均值聚类处理之后的高精度目标序列；对目标序列Y和高精度目标序列进行辨识，得到测量重力数据随机漂移误差的估计，将下一时刻测得的重力数据减掉漂移误差的估计，进行补偿测量重力数据中的随机漂移误差。本发明克服传统实时定量预测建模对于非线性系统的辨识建模较差的问题，提高径向对称标量树状网络的辨识精度和鲁棒性。

公开(公告)号：CN109613618A

公开(公告)日：2019-04-12

申请号：CN201811554756.5

申请日：2018-12-19

Applicant: 东南大学

Inventor： 赵立业 ,  沈翔 ,  张晓栋 ,  黄丽斌 ,  李宏生 ,  吕志彬

IPC: G01V3/40 ,  G01V3/38

Abstract: 本发明公开了一种重力敏感器的长期漂移误差补偿方法，利用样本重力数据建立重力敏感器数据长期漂移误差补偿系统的实时定量预测模型，解算得到实时定量预测参数，并得到建模所需的样本重力数据的输入序列和目标序列；然后得到训练后的重力数据目标训练后序列和输入训练后序列；再次得到重力数据均值聚类处理之后的高精度目标序列；对目标序列Y和高精度目标序列进行辨识，得到测量重力数据随机漂移误差的估计，将下一时刻测得的重力数据减掉漂移误差的估计，进行补偿测量重力数据中的随机漂移误差。本发明克服传统实时定量预测建模对于非线性系统的辨识建模较差的问题，提高径向对称标量树状网络的辨识精度和鲁棒性。