基于混沌PSO算法优化LS-SVM的惯导系统测试.pdf

《基于混沌PSO算法优化LS-SVM的惯导系统测试.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2011年第30卷第2期传感器与微系统(TransducerandMicrosystemTechnologies)1257≯)计算与测试s、000、基于混沌PSO算法优化LS-SVM的惯导系统测试王成，郝顺义，翁大庆，冯文。(1．空军工程大学工程学院，陕西西安710038；2．中国人民解放军94371部队装备部，河南郑州450046)摘要：基于混沌PSO算法优化最小二乘支持向量机(IS—SVM)实现惯导系统初始对准测试。通过小波包分解消除陀螺漂移数据的噪声，获取IS—SVM的训练与测试样本。针对LS-SVM解决大规模数据样本回归问题时所出现的训练时间长、收敛速

2、度慢等缺点，提出了混沌PSO算法优化LS—SVM的模型参数。该方法不仅克服了传统PSO算法早熟、容易陷入局部最小值等缺点，同时显著提高了IS—SVM的预测能力。将一般LS—SVM和GM(1，1)模型的预测结果与本算法预测结果进行对比，验证了本方法在预测精度上具有明显优势。关键词：最小二乘支持向量机；混沌粒子群优化算法；惯导系统；初始对准中图分类号：V249．32文献标识码：A文章编号：1000-9787(2011)02--0125--04MonitoringofINSbasedonchaosPSOalgorithmoptimizationparameterso

3、fLS·SVMWANGCheng，HAOShun—yi，WENGDa．qing。FENGWen，(1．SchoolofEngineering，AirForceEngineeringUniversity，Xi’an710038，China；2．EquipmentDepartmentof94371ArmyofPLA，Zhengzhou450046，China)Abstract：BasedonchaosPSOalgorithmoptimizationparametersofLS—SVM，monitoringofINS’Sinitialalignmentisreali

4、zed．NoisesinINS’serrordataareeliminatedbywaveletdecomposition，learningandtestingsamplesforIS—SVMarealsoacquired．AimedatLS—SVMsolvinglargescaledataregressionledtolongtrainingtimeandslowconvergencespeed．chaosIX50algorithmoptimizationparametersofLs-SVMisproposed．Thedisadvantagesofearli

5、nessandtendingtogetintolocalsolutionintraditionalPSOalgorithmareovercomedbythismethod．ItalsoremarkablyimprovesforecastingabilityofLS—SVM．TheresultsofgeneralIS—SVMandGM(1，1)forecastingmodeliscomparedwiththeresultsofthisarticle，itprovesthismethodhasatransparentsuperiorinforecastingpre

6、cision．Keywords：leastsquaressupportvectormachine(LS—SVM)；chaosparticleswarn'loptimizationalgorithm；inertialnavigationsystem(INS)；initialalignment0引言参数的选取成为提高LS—SVM的学习和泛化能力的主要研惯导系统是目前飞行器综合导航系统的重要组成部分究问题之一。混沌粒子群优化算法将混沌优化和粒子群优之一，作为目前技术成熟的自主性导航系统来说，惯导系统化相结合，通过将搜索过程对应于混沌轨道的遍历过程，使有着其他导航系统

7、无法比拟的优点，优良的抗干扰性。但搜索过程具有避免陷入局部最小的能力。由于惯导系统位置、速度参数是由连续累加得到的，所以，本文采用混沌粒子群算法优化LS—SVM的正则化参数误差也会不断累加，这样随着时间的推移，误差会越来越和核参数，提高了LS—SVM模型的泛化能力和预测的鲁棒大。因此，为了保证惯导系统工作的可靠性，对其进行必要性。将该方法与惯导初始对准水平速度漂移计算方法相结的监测就尤为重要。合测试惯导系统的可靠性，对于惯导系统故障预测和提高最小二乘支持向量机(LS-SVM)采用最小二乘线性系惯导系统导航精度有重要意义。统作为损失函数，代替传统支持向量机采用的

8、二次规划方1LS-SVM回归算法法，该