[發(fā)明專利]基于遺傳算法優(yōu)化改進BP神經網絡的磁力計校正方法

有效

• 申請?zhí)枺?/td>: 201410111140.6
• 申請日: 2014-03-24
• 公開（公告）號: CN103869379A
• 公開（公告）日: 2014-06-18
• 發(fā)明（設計）人: 陳熙源;呂才平;黃浩乾;方琳
• 申請（專利權）人: 東南大學
• 主分類號: G01V13/00
• 分類號: G01V13/00;G01C25/00;G06N3/02;G06N3/12
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 楊曉玲

1.基于遺傳算法優(yōu)化改進BP神經網絡的磁力計校正方法，其特征在于：將磁力計的誤差模型轉換成三層改進BP神經網絡，再利用遺傳算法對改進BP神經網絡權值進行實時優(yōu)化，從而實現(xiàn)磁力計的校正及補償；具體包括以下部分：

第一部分：將磁力計的誤差模型轉換成三層改進BP神經網絡，改進BP神經網絡包括輸入層、隱含層和輸出層，其傳遞函數(shù)通過分析誤差模型自定義得到，其中輸入層為磁力計的三軸輸出矢量，輸出層通過改變誤差模型、根據(jù)實際要求選擇，且輸出層的期望值為零；

第二部分：使用遺傳算法尋找最佳的權值和閾值，使改進BP神經網絡的輸出與目標輸出之間誤差最小，最終有效地對磁力計進行校正；遺傳算法的編碼對象為磁力計的三軸輸出矢量；再通過初始化種群，計算適應度函數(shù)；然后再進行選擇、交叉、變異操作，將優(yōu)化結果反饋給改進BP神經網絡，最終得到最優(yōu)權值估計；

第三部分：改進BP神經網絡的學習過程，就是迭代地修改權值，從而使改進BP神經網絡的實際輸出與期望輸出的誤差最小；利用遺傳算法優(yōu)化改進BP神經網絡，對改進BP神經網絡的參數(shù)估計結果進行驗證并反饋給改進BP神經網絡來確定估計結果是否有效，從而得到最終參數(shù)估計結果；

第四部分：采用限定記憶的方法實現(xiàn)改進BP神經網絡的實時估計，從而實現(xiàn)磁力計的實時高精度輸出，提高導航系統(tǒng)的精度。

2.根據(jù)權利要求1所述的基于遺傳算法優(yōu)化改進BP神經網絡的磁力計校正方法，其特征在于：

（1）磁力計的誤差模型為：

B^b=CsCnCm(CebBe+Bhb+Bsb)+bb+ϵ0,Bsb=Csi(CebBe+Bhb)---(1)]]>

不考慮高斯白色噪音ε₀的影響，將式（1）簡化為磁力計的誤差橢球模型為：

B^e=CbeM-1(B^b-b),M=CmCnCs(I3×3+Csi),b=MBhb+bb---(2)]]>

其中：C_s為刻度因子誤差矩陣；C_n為非正交誤差矩陣；C_m為安裝誤差矩陣；為當?shù)氐厍蜃鴺讼档捷d體坐標系的方向余弦矩陣，逆矩陣為；B^e為當?shù)卮艌鍪噶浚粸橛泊耪`差矢量；為軟磁誤差矢量；b^b為零偏差誤差矢量；ε₀為測量誤差矢量，一般認為是高斯白色噪聲，可以忽略；為磁力計的三軸輸出矢量；為校正后的磁力計的三軸輸出矢量；b為總偏置誤差矢量；C_si為軟磁誤差矩陣；M為總誤差矩陣；

使用改進BP神經網絡將磁力計的誤差模型變換為：

Cbe(M-1B^b-M-1b)-B^e=0---(3)]]>

記：

β=-M-1b=ω14ω24ω34;]]>α=M-1=ω11ω12ω13ω21ω22ω23ω31ω32ω33;]]>W=αβ01×3-1=ω11ω12ω13ω14ω21ω22ω23ω24ω31ω32ω33ω34ω41ω42ω43ω44;]]>

γ=B^e=v14v24v34;]]>δ=Cbe=v11v12v13v21v22v23v31v32v33;]]>V=δγ01×3-1=v11v12v13v14v21v22v23v24v31v32v33v34v41v42v43v44]]>

選取改進BP神經網絡的傳遞函數(shù)為f(x)=x；輸入層至隱含層的權值為W，閾值為零；隱含層至輸出層的權值為V，閾值為零；輸出層的期望值為零；改進BP神經網絡的權值的迭代修改規(guī)則通過類似推導得出；

（2）遺傳算法選取磁力計的三軸輸出矢量為編碼對象，編碼方式為n位二進制編碼，初始化種群數(shù)為N=2ⁿ，適應度函數(shù)選取其中e為改進BP神經網絡的最大估計誤差，Y是改進BP神經網絡的輸出；然后進行選擇、交叉、變異操作，記錄每次操作后適應度函數(shù)值是否大于零，如果大于零則反饋給改進BP神經網絡，繼續(xù)進行權值迭代，直至每次適應度函數(shù)值均大于零為止；

（3）采用限定記憶的方法實現(xiàn)改進BP神經網絡的實時估計，就是將最近N數(shù)據(jù)作為改進BP神經網絡的考察對象。