典型文献
基于LSTM的稳定平台振动分析
文献摘要：
稳定跟踪系统是雷达伺服系统研究领域的热点.稳定跟踪要求跟踪平台在受到行进间各种随机振动影响的条件下,依然保持良好的跟踪精度.对于平台稳定的条件下,跟踪精度的保持已经有很多成熟的方法,但是对于在振动干扰条件下,如何保持平台稳定也成为了一个研究难点.由于平台受到的振动是随机的,频率和幅度都会不定性变化,规律性很差,很难进行传统建模分析.再加上传感器通信延时的存在,进一步导致平台保持稳定的误差增大,最终影响到跟踪精度.本文采用长短时记忆网络算法(Long Short Term Memory Network,LSTM)对平台振动数据进行深度学习训练,实现依据振动前五个时刻的数据预测后一个时刻数据的功能.经过交叉验证,预测误差可以达到0.3 mil以内.
文献关键词：
平台稳定控制;人工智能;深度学习;LSTM
中图分类号：
作者姓名：
张博;何海龙;顾振海;卢珊珊
作者机构：
西安电子工程研究所 西安 710100
文献出处：
引用格式：
[1]张博;何海龙;顾振海;卢珊珊-.基于LSTM的稳定平台振动分析)[J].火控雷达技术,2022(04):97-102
A类：
平台稳定控制
B类：
稳定平台,振动分析,稳定跟踪,跟踪系统,伺服系统,跟踪平台,行进间,随机振动,振动影响,保持良好,跟踪精度,振动干扰,干扰条件,持平,不定,难进,建模分析,通信延时,长短时记忆网络,网络算法,Long,Short,Term,Memory,Network,学习训练,数据预测,交叉验证,预测误差,差可,mil
AB值：
0.494226
相似文献
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。
