《表4 实时补偿结果对比：基于PSO-SVR的光纤陀螺温度误差建模与实时补偿》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于PSO-SVR的光纤陀螺温度误差建模与实时补偿》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在4.1节的条件下，在0～30℃温度变化范围内另外采集一组FOG输出数据进行半物理实时补偿试验，取滑动窗口宽度N为10 000，平均窗口宽度m为100，移动距离l为1，利用本文提出的PSO-SVR方法进行补偿，并对比最小二乘、RBF神经网络模型，得到的补偿曲线分别如图7～9所示，补偿统计结果如表4．计算用时（从计算变化率开始计时，到输出补偿结果结束，补偿10 000个数据点，重复十次取均值）如表5所示，可以看出，最小二乘法运算效率最高，但补偿精度不高，尤其是抗局部数据波动干扰的能力较差，RBF神经网络运算效率较低，不适用于在线补偿，且对于非训练数据补偿效果不佳；PSO-SVR模型对于非训练数据泛化能力较好，补偿效果优于神经网络，且运算效率较高，有利于在线补偿．