我是钱

基于Sagnac效应[1]的光纤陀螺用于测量惯性空间的角速度，目前广泛应用于各大领域。其中，捷联惯性导航方面尤为突出，具有无机械活动部件、稳定性好、数字输出精度高、耐恶劣环境等特点。光纤陀螺的输出量容易受到环境因素影响，当工作环境变化时会产生误差，因此，光纤陀螺的温度补偿和误差补偿方法成为研究热点。针对上述问题，通常采用神经网络模型[2]对光纤陀螺误差进行补偿，常用的神经网络有BP神经网络、RBF神经网络、GA-BP神经网络。骞微著等提出建立小波神经网络模型，采用增加动量因子和自适应调整学习速率的方法来改进训练方法，提高了光纤陀螺的输出精度[3]；汤霞清等采用小波分析单独重构的方法分离出漂移误差和白噪声，然后对漂移误差数据进行灰化处理，最后使用Elman神经网络对灰化后的漂移误差数据进行建模