《表3 三种建模方法结果比较》

  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

为了试验PSO-SVR算法的建模补偿精度，采用最小二乘法、RBF神经网络建模作为对比，将得到的温度和温度变化率分别作为各模型的输入，得到不同的模型拟合曲线及剩余误差分别如图4～6所示．最小二乘法阶数为5，RBF神经网络采用L1正则化方法防止出现过拟合[14]．设置PSO参数如表1所示，得到的SVR最佳参数如表2所示．各模型补偿前后的RMSE和最大误差对比如表3所示．对比图表，可知最小二乘法对于FOG温度误差的非线性描述较差，模型精度不高，RBF神经网络具有良好的非线性逼近性能，模型精度较高，PSO-SVR模型的补偿精度优于最小二乘法和RBF神经网络，效果最佳．