基于Takagi-Sugeno模糊神经网络模型的卫星钟差预报方法.PDFVIP

第卷第期 天 文 学 报 年月 基于模糊神经网络模型 的卫星钟差预报方法 12 12 12 12 蔡成林 于洪刚 韦照川 潘军道 桂林电子科技大学信息与通信学院桂林 广西精密导航技术与应用重点实验室桂林 摘要 卫星钟差预报精度的不断提升是精密导航的关键问题 为了进一步提高钟差的预 报精度和更好地反映钟差的变化特性 提出一种基于模糊神经网络 的钟差预报方法 该方法首先根据钟差数据的特点对钟差进行预 处理 然后以预处理后的数据建立一种高精度预报钟差的模糊神经网络算 法 采用 不同采样间隔的 精密钟差数据进行了短期预报试验 并与 模型、 模型及 模型进行了对比试验 分析 结果表明 对不同类型原子钟 该方法用于钟差短期预报是可行的、有效的 其获得的卫 星钟差预报结果明显优于常规方法 关键词 天体测量学 时间 方法 数据分析 方法 中图分类号 文献标识码 引言 星载原子钟的钟差预报是精密导航中一项非常重要的工作, 研究钟差预报在 满足高精度导航与定位的需求、提高时间同步精度、实现接收机自主完好性的 [1–5] 高效检测等方面具有非常关键的作用 . 因此, 针对钟差预报, 国内外许多学者 建立了多种预报模型, 把这些模型概括起来主要有灰色模型(GM(1, 1))、二次多项 式(Quadratic Polynomial, QP)模型、自回归积分滑动平均(Auto-Regressive Integrated [6] Moving Average, ARIMA)模型、神经网络模型等. 陆晓峰等 指出: GM(1, 1)具有使用 数据量少、建模快的特点, 显著提高了钟差的预报精度, 但是由于其本身存在不足, 有 [78] 时难以实现钟差的预报作用. 郑作亚等 提出了一种附加周期项的QP预报模型, 该 模型能够更加真实地反映卫星钟特性, 但在长期预报时, 误差累积效应比较明显. 为了 收到原稿 收到修改稿 ∗ 国家自然科学基金项目、桂林电子科技大学研究生教育创新计划资助项 目资助 † 卷 天 文 学 报 期 弥补以上模型的不足, 席超等[910]利用基于差分处理的ARIMA模型对提取钟差趋势项 后的随机项进行建模, 充分考虑了钟差变化的随机性, 在钟差预报中显示出了优良的特 性, 但是在拟合模型参数时, 模型的识别与定阶不准会极大地影响钟差的预报精度. 王 [11] 国成等 指出: 神经网络由于其强大的自学习能力和非线性系统逼近能力被广泛应用 于预测控制领域, 但并不适合基于规则的表达并且收敛较慢, 如何选取隐藏层的最优 [12] 节点数仍然需要进一步研究. 吴艳辉等 创造性地提出了模糊神经网络(Fuzzy Neural Network, FNN)建模方法, 将模糊逻辑引入神经网络, 使用模糊数学来处理和表达不精 确问题, 同时吸收了神经网络自学习能力强的优点,