1 天津大学电气自动化与信息工程学院, 天津 300072
2 天津大学精密仪器与光电子工程学院, 天津 300072
在实际的光纤周界安防系统中,既要求判断入侵事件类别,又要求对各类事件发生的可能性做出全面评估。对此提出一种基于自回归滑动平均(ARMA)建模与Sigmoid概率拟合的入侵事件识别方法。在判断入侵事件类别方面,将光纤振动信号的ARMA建模系数与信号自身过零率相结合,构造特征向量,并将其馈入支持向量机(SVM),实现对攀爬、敲击、晃动、剪切、脚踢和撞击6种常见的入侵动作的识别;在评估各类事件的发生可能性方面,引入Sigmoid模型,对训练模式的SVM的各输出值作参数拟合,进而将测试样本的SVM值代入各自Sigmoid模型中完成评估。现场实验表明,该方法对6类常见入侵事件的平均识别率达到87.14%,且可提供各类事件的发生概率参考值,因而具有较高的实用价值。
光纤光学 传感器 光纤周界安防 入侵事件识别 ARMA建模 概率输出 中国激光
2020, 47(10): 1006004
1 火箭军工程大学, 士官学院, 山东 青州 262500
2 初级指挥学院西安710025
3 中国航空工业集团公司洛阳电光设备研究所, 河南 洛阳471000
4 中国航空工业集团公司洛阳电光设备研究所, 河南 洛阳 471000
结合惯性器件随机误差研究的实际, 针对传统的基于时间序列的ARMA建模方法和深度学习LSTM网络进行了适用性和实时性对比分析, 通过获取具体型号的惯性器件输出数据设计了算例。研究认为在未做实时性要求的情况下, ARMA建模和LSTM网络均可以达到较好的拟合效果, 而建立LSTM网络方法可以减少提取趋势项和周期项的环节; 实时在线预测情况下LSTM网络优势明显, 但预测精度会随时间序列缩短而明显下降, 可以在一定程度上反映噪声变化的趋势并据此对整体控制系统的滤波算法进行优化。
惯性器件 随机误差 LSTM 网络 ARMA建模 inertial device random error LSTM network ARMA modeling
火箭军工程大学控制工程系，陕西 西安 710025
为了对光纤陀螺仪随机误差进行分析处理，提高其使用精度，提出了一种经验模态分解与时间序列模型相结合的误差分析建模方法。以经验模态分解得到的本征模态函数为基础，分层进行ARMA 建模；在模型基础上逐层进行Kalman 滤波，实现对于随机漂移信号的滤除；最后通过信号重构，完成了从全频率角度对光纤陀螺仪随机误差进行分析建模的构想。与其他建模方法相比，该方法对于原始数据的模拟匹配程度更高，试验结果进一步表明，本文方法有效去除了光纤陀螺仪的随机漂移，提高了光纤陀螺仪的使用精度。
光纤陀螺 随机误差 经验模态分解 ARMA 建模 Kalman 滤波 FOG random error EMD ARMA modeling Kalman filtering
空军工程大学 航空航天工程学院, 陕西 西安 710038
针对光纤陀螺随机漂移模型时序无法直接应用卡尔曼滤波分析的问题, 在对陀螺漂移建模分析的基础上, 利用一阶马尔柯夫过程等效拟合陀螺漂移模型, 并通过Allan方差分析拟合的合理性。对惯导系统误差方程进行了状态扩充, 为进一步实现导航系统的滤波分析奠定了理论基础。
光学测量 光纤陀螺 ARMA建模 Allan方差 马尔柯夫过程 optical measurement FOG ARMA model Allan variance Markov process
