论文部分内容阅读
基于神经网络的捷联惯导系统温度补偿算法，以观测温度为输入变量，以数字滤波器输出信号为输出。采用BP算法训练网络。其对输出信号进行数字滤波，消除系统随机误差和采样电路噪声的影响。再与初始零位比较，得到只与温度变化有关的信号，以此作为网络学习的目标信号，得到陀螺随温度变化信号的估计值。实验结果表明，该算法不仅能获得较高的精度，还能提高系统实时性。