关键词：半球谐振陀螺仪 漂移数据 小波包络分析 灰色关联度 

摘要：为了缩短半球谐振陀螺仪寿命实验周期,降低实验成本,提出了一种针对漂移数据的残差修正ARGM（1,1）（Autoregressive GM（1,1））寿命预测方法。该方法利用神经网络与支持向量机中的自回归方式改进灰色模型,提高了模型的自适应能力,增强了模型的学习能力与预测能力,降低了模型回归学习的时间消耗和数据量要求,提高了预测效率。采用小波包络分析预处理某型号半球谐振陀螺仪的漂移数据,利用提出的预测方法对处理后的数据进行长周期预测,并结合灰色关联分析方法,分析失效阶段并最终预测出半球谐振陀螺仪的寿命。实验表明,残差修正ARGM（1,1）模型对半球谐振陀螺仪漂移数据的长期预测精度高于传统GM（1,1）模型、BP神经网络与支持向量机,结果也表明了研究方法的正确性和有效性。

宇航学报杂志要求:

{1}坐标图中必须标注纵、横坐标名称以及国际单位。

{2}编辑部对来稿有修改权，不愿改动者，请事先说明。

{3}文中如需插图，请提供清晰的照片，或绘制精确的图、表等，并在稿中相应位置留出空白（或用文字注明）。图、表编号以全文为序。

{4}来稿所关涉的课题及向有关人员表示的谢忱等内容，应以脚注①的形式标在正文首页下方，同时注明课题的批准编号。

{5}属于课题基金项目的成果或论文，请在首页注明基金项目类别、课题项目名称及编号。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社