一种新型GM(1,1)-AR预测模型在陀螺漂移中的应用

来源 :电光与控制 | 被引量 : 0次 | 上传用户:abcttf2005
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为了对陀螺漂移趋势进行更有效的预测,提出一种基于小波分析的新型GM(1,1)-AR时间序列预测算法。该算法通过运用小波分解算法将陀螺漂移数据中的趋势项和随机项进行分离,然后分别运用GM(1,1)模型和AR时间序列预测模型对趋势项和随机项进行预测,最后用小波重构算法得出最终的预测值。给出了一种算法及具体步骤,最后用某型导弹陀螺漂移数据进行仿真实验,以检验这种算法的有效性和可行性,结果表明这种预测算法应用于陀螺漂移趋势预测是可行的。
其他文献
研究一种融合双波长干涉及单波长干涉的大跨距高精度光纤位移传感系统。两种波长不同的光波同时作用于光纤干涉仪中,基于波分复用技术,利用光纤光栅分离双波长干涉信号和单波
为提高飞控系统的可靠性和安全性,用基于模型的状态估计故障诊断方法对飞机操控系统的故障检测和诊断隔离技术进行了研究。通过建立模型和构造残差利用线性多项式方法(Polynom
海战场目标识别是态势评估的基础,采用信息熵进行属性的约简,去除冗余属性,减少无关属性对识别的干扰。利用概率神经网络综合使用RBF神经网络和竞争神经网络进行目标识别。信息熵与概率神经网络结合可以过滤掉传感器信息中的冗余信息,有效地对海战场目标进行识别,并具有一定的泛化能力。通过仿真证明了本方法的有效性。