Resumen

La unidad de medición inercial giroscópica láser de anillo tiene muchos términos de error sistemáticos y se influyen mutuamente. Estos términos de error muestran una deriva no lineal compleja que no puede ignorarse cuando cambia la temperatura, lo que afecta seriamente al tiempo de estabilidad y a la precisión de salida del sistema. En este trabajo, se propone un método de modelado y compensación de la temperatura a nivel de sistema basado en el método de regresión vectorial de relevancia. En primer lugar, se modelan todos los parámetros relacionados con la temperatura; mientras tanto, se utiliza el algoritmo de optimización Harris hawks para optimizar cada parámetro del modelo. A continuación, se modela la compensación del sistema para estabilizar la salida del sistema a la temperatura deseada. En comparación con el método de mínimos cuadrados, la comparación del rendimiento del ajuste y el experimento de compensación dinámica del sistema demuestran la superioridad de este método. El error cuadrático medio, el error absoluto medio, el cuadrado R y la varianza del residuo aumentaron una media del 35,27%, 39,29%, 2,29% y 30,34%, respectivamente.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:sistema, algoritmo de optimización harris hawks, muchos términos de error sistemático, método de regresión vectorial de relevancia, deriva no lineal compleja, experimento de compensación dinámica, comparación de rendimiento de ajuste, unidad de medición inercial, método de mínimos cuadrados, modelado de temperatura de nivel
• Keywords:system, harris hawks optimization algorithm, many systematic error terms, relevance vector regression method, complex nonlinear drift, dynamic compensation experiment, fitting performance comparison, inertial measurement unit, least square method, level temperature modeling