光纤陀螺以其自身的优势在惯性导航系统中得到了越来越多的应用,随着时代的发展和惯性导航系统的要求,高精度光纤陀螺成为各研究所和高校的研究重点,光源作为FOG的重要组成部分也受到了广泛的重视。FOG对输入光源的波长有严格要求,光源波长不稳定会降低FOG的工作精度,而温度是对光源输出波长产生影响的关键变量,因此为了提高FOG的工作精度,使其能够在精度更高的场合工作,首先需要对所用的光源进行研究,而光源的温度控制系统更是研究的重中之重。文章主要进行的研究工作是分析LM算法并对其进行改进,来改善传统BP神经网络所使用的权值调整公式,组成新型光源温控算法来代替以前在FOG光源温控系统中常使用的PID控制算法,缩短光源温控系统的稳定时间,增强其系统稳定性。文章首先对在FOG中常用的ASE光源的基本工作原理进行研究,对ASE光源所处外界环境温度不稳定会导致输出波长发生波动进而对FOG的工作精度产生损害的原因进行解释;然后,对神经网络的基本模型和工作原理进行简单的概述,并以BP神经网络为例,详细的总结了其基本模型,重点推导出它在反向传播算法中所使用的权值调整公式;然后阐述了将BP神经网络与PID控制结合的合理性,总结出了将其结合在一起的主要步骤及工作过程。最后,分析传统BP神经网络的反向传播算法所存在的缺陷,对LM算法进行自适应参数因子与动量因子的改进,来改善BP神经网络的反向传播算法,组成改进LM-BP神经网络温度控制算法,使其更好的应用于光纤陀螺光源温度控制系统之中,对提出的改进算法进行稳定性分析,再利用MATLAB软件验证算法有效性,并对其进行软硬件实现。结果表明改进LM-BP神经网络温度控制算法与基于BP神经网络的PID控制算法相比,具有更好的快速性和稳定性,其温度性能满足了FOG对光源温控系统的需求,对高精度FOG的研究与发展有很高的借鉴价值。