典型文献
基于神经网络的星敏支架指向倾角监测方法
文献摘要：
针对星敏支架热致变形导致其指向精度降低的问题,提出了一种基于神经网络的指向倾角监测方法.首先,分析星敏支架结构特征,搭建星敏支架指向倾角预测系统,采集星敏支架结构形变和倾角变化数据,并对实验数据进行预处理;其次,构建深度神经网络模型,将星敏支架模型各测量点的应变信息作为输入变量,并使用Adam优化算法更新网络参数,经训练迭代后得到指向倾角预测模型;然后针对传统深度神经网络收敛速度慢、容易产生局部最小值等局限性,使用遗传算法对深度神经网络的超参数进行优化,以提升神经网络的训练速度;最后使用测试集数据对星敏支架指向倾角变化进行预测,分析该模型在不同温度条件下对星敏支架指向倾角监测的准确率.实验结果表明,优化后深度神经网络模型的指向倾角预测方法的平均误差为0.20",且倾角预测精度明显优于传统算法,证明利用深度学习方法实现星敏支架指向倾角监测具有可行性.
文献关键词：
星敏支架;形变监测;深度学习;倾角预测
中图分类号：
作者姓名：
宋健峰;祝连庆;于明鑫;宋言明;张旭
作者机构：
北京信息科技大学光电测试技术及仪器教育部重点实验室 北京100016;北京信息科技大学光纤传感与系统北京实验室 北京 100016;北京信息科技大学北京市光电测试技术重点实验室 北京 100192
文献出处：
引用格式：
[1]宋健峰;祝连庆;于明鑫;宋言明;张旭-.基于神经网络的星敏支架指向倾角监测方法)[J].电子测量与仪器学报,2022(11):1-8
A类：
星敏支架,倾角预测
B类：
倾角监测,监测方法,热致变形,指向精度,支架结构,预测系统,结构形变,倾角变化,深度神经网络模型,将星,测量点,应变信息,Adam,新网,网络参数,经训,网络收敛速度,速度慢,局部最小值,超参数,训练速度,测试集,温度条件,平均误差,传统算法,深度学习方法,形变监测
AB值：
0.231571
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
