基于 BP 神经网络的 FAST 馈源舱融合测量预测研究
后印本
Research on Fusion Measurement Prediction of FAST Feed
Cabin Based on BP Neural Network
摘要: 500 m 口径球面射电望远镜 (Five-hundred-meter Aperture Spherical Radio Telescope,
FAST) 的跟踪观测需要馈源的空间运动配合，馈源舱主要用于实现馈源的精调定位，因此馈源
舱位置的高精度测量对 FAST 望远镜的高效运行意义重大。但当全站仪设备失效时，无法对采
用 Kalman 算法的 GPS/IMU 融合测量结果进行修正，导致馈源舱测量精度下降。为了解决这
个问题，设计了基于 BP (back propagation) 神经网络的预测模型，包括数据预处理、模型设计
和模型训练验证。模型训练数据为 FAST 真实测量数据，数据量为 40 GB 左右。为了验证模型
的泛化能力，选取三种运动轨迹数据对模型预测精度进行测试，结果显示，三种运动轨迹下精度
都满足 15 mm 要求。
版本历史
| [V1] |
2024-10-10 10:07:37 |
ChinaXiv:202412.00363V1
|
下载全文 |
相关信息
点击量
下载量
